Generalizzazione affrettata: esempi e come capire se i dati bastano

Ximena gestisce un piccolo bar a San Antonio insieme alla sua socia Anouk. Due settimane fa hanno aggiunto al menu un latte d'avena al cardamomo. Sabato, tre clienti si sono lamentati: troppo dolce, troppo speziato, «sa di sapone». Alla chiusura Ximena ha già deciso. «Alla gente non piace. Lunedì lo togliamo dal menu.»

Anouk sta contando l'incasso. «Quanti ne abbiamo venduti questa settimana?»

Ximena controlla il registratore di cassa. Centoquaranta. Tre reclami e centotrentasette persone che l'hanno bevuto senza dire nulla, tra cui alcune che l'hanno ordinato due volte.

Ximena non si è inventata le lamentele. Ha solo lasciato che tre clienti parlassero a nome di centoquaranta. Questa è una generalizzazione affrettata. È un errore comune proprio perché non sembra nemmeno un ragionamento: sembra una semplice osservazione. Vediamo cos'è, perché i piccoli campioni ingannano anche i ricercatori, come capire se le prove sono sufficienti e cosa dire quando qualcuno ricava una grande conclusione da un singolo episodio.

Cos'è una generalizzazione affrettata?

Una generalizzazione affrettata è una conclusione generale tratta da troppo pochi casi, oppure da casi che non rappresentano il gruppo di cui si sta parlando. «Ho incontrato due persone scortesi a Parigi, quindi i parigini sono scortesi» è l'esempio classico: un campione piccolo, una conclusione enorme.

Questo errore ha anche altri nomi, tra cui generalizzazione indebita, campione insufficiente, conclusione precipitosa e l'antica espressione latina secundum quid. Quando l'intera argomentazione si regge su un solo esempio, si parla talvolta di dimostrazione per esempio.

Lo schema si compone di tre elementi:

1. Pochi casi: un pasto deludente, due assunzioni andate male, tre reclami.
2. Un gruppo ampio: tutti i ristoranti della città, chiunque provenga da quella scuola, tutta la clientela.
3. Un salto logico: ciò che vale per pochi viene dichiarato vero per tutti.

È la voce numero 18 della nostra guida alle fallacie logiche. Qui andiamo oltre la definizione, perché la parte difficile è capire quando un campione è troppo piccolo: dopotutto, ogni generalizzazione parte da un certo numero di osservazioni.

Esempi di generalizzazione affrettata

Molte di queste situazioni ti saranno familiari. La tabella mostra il salto logico in ciascun caso.

In ogni riga, le prove sono reali. Una generalizzazione affrettata raramente parte da un fatto falso: parte da un fatto vero a cui viene attribuito molto più peso di quanto possa reggere.

Perché i piccoli campioni ingannano quasi tutti

Non è un errore da principianti. Nel 1971 Amos Tversky e Daniel Kahneman pubblicarono su Psychological Bulletin un breve articolo dal titolo provocatorio: «Belief in the Law of Small Numbers», ovvero la fiducia nella legge dei piccoli numeri. La vera legge dei grandi numeri dice che i campioni ampi tendono a rispecchiare la popolazione da cui provengono. Tversky e Kahneman sostenevano che le persone si comportano come se questo valesse anche per i campioni piccoli. I loro questionari mostrarono che persino gli psicologi professionisti attribuivano troppa fiducia ai risultati ottenuti su pochi casi.

Qualche anno dopo, nell'articolo «Judgment under Uncertainty», pubblicato su Science nel 1974, descrissero quello che sarebbe diventato noto come il problema degli ospedali:

In una città ci sono due ospedali. In quello più grande nascono circa 45 bambini al giorno, in quello più piccolo circa 15. All'incirca metà dei neonati sono maschi, ma la percentuale cambia di giorno in giorno. Per un anno, ciascun ospedale annota i giorni in cui più del 60% dei nati è maschio. Quale ospedale registra più giorni di questo tipo?

La maggior parte dei partecipanti rispose che i due ospedali avrebbero registrato più o meno lo stesso numero di giorni. Gli altri si divisero quasi equamente tra le due opzioni. La risposta giusta è l'ospedale più piccolo. Con 15 nascite, una giornata sbilanciata è piuttosto probabile: capita con una certa frequenza che nascano almeno dieci maschi. Con 45 nascite, i nati in più tendono a riportare la percentuale giornaliera verso il 50%.

Ecco il punto centrale: i piccoli campioni oscillano di più, quindi i numeri più eclatanti spesso arrivano dai gruppi più piccoli.

Sia i migliori sia i peggiori sono piccoli

In Pensieri lenti e veloci, Kahneman racconta uno studio sui tassi di tumore ai reni nelle contee statunitensi. Le contee con i tassi più bassi erano perlopiù rurali e poco popolate. Verrebbe da pensare all'aria pulita e al cibo fresco, finché non si scopre che anche le contee con i tassi più alti erano perlopiù rurali e poco popolate. Nelle popolazioni piccole, i valori oscillano di più in entrambe le direzioni.

Lo statistico Howard Wainer raccontò qualcosa di simile a proposito delle scuole in un articolo del 2007 pubblicato su American Scientist, intitolato «The Most Dangerous Equation». Le scuole piccole comparivano tra quelle con i risultati migliori più spesso del previsto. Questo contribuì a sostenere l'idea di dividere le grandi scuole in istituti più piccoli, un'iniziativa appoggiata anche da finanziatori come la Gates Foundation. Ma quando Wainer e il collega Harris Zwerling esaminarono le scuole della Pennsylvania, scoprirono che gli istituti piccoli erano sovrarappresentati anche tra i peggiori. Le dimensioni ridotte non miglioravano i risultati: rendevano la media più variabile.

Generalizzazione affrettata, prova aneddotica e concetti simili

Questi termini si sovrappongono, ma distinguerli aiuta a rispondere nel modo giusto.

Chi generalizza in fretta, di solito, conosce soltanto quei pochi casi. Chi fa cherry picking conosce l'insieme dei dati e sceglie quelli più comodi. Ximena non aveva ancora controllato il registratore di cassa. L'induzione pigra, invece, ci ricorda che la soluzione non è «non generalizzare mai». Anche rifiutarsi di imparare da uno schema evidente è un errore.

Quando pochi esempi bastano

Non tutte le conclusioni tratte da pochi casi sono affrettate. Ecco quando un campione piccolo può essere davvero utile.

• Un solo controesempio smentisce un'affermazione universale. Se qualcuno dice «tutti i cigni sono bianchi», basta un cigno nero per dimostrare il contrario. La generalizzazione affrettata passa da pochi casi a «tutti». Passare da un caso a «non tutti» è perfettamente logico.
• I casi sono molto simili tra loro. Pochi assaggi prelevati da una preparazione ben mescolata possono dire molto sul risultato complessivo. I clienti abituali del tuo bar non sono una preparazione ben mescolata.
• Le conseguenze di un errore sono sbilanciate. Se un fungo raccolto in una certa zona ti ha fatto star male, non serve assaggiarne altri cento. È ragionevole agire con prudenza anche con poche prove. L'errore è dichiararsi certi sulla base di quelle prove.
• Stai formulando una domanda, non una conclusione. «Due persone assunte da quel corso se ne sono andate presto. C'è qualcosa che dovremmo approfondire?» è un buon modo di usare un piccolo campione.

La distinzione utile è tra ipotesi e verdetto. Un piccolo campione è un buon motivo per iniziare a indagare, non per smettere.

Quattro domande per valutare una generalizzazione

Prima di accettare un'affermazione generale, tua o di qualcun altro, poniti queste quattro domande.

1. Quanti casi, su quanti in totale?

Servono entrambi i numeri. «Tre reclami» suona male. «Tre reclami su centoquaranta bevande vendute» racconta una settimana piuttosto normale.

2. Come sono stati selezionati i casi?

Chiediti se c'è un motivo per cui hai visto proprio quei casi. I clienti che si lamentano non sono un campione casuale della clientela, così come non lo sono gli autori delle recensioni o i protagonisti delle storie virali. Se chi parla è diverso da chi tace, anche un campione ampio può trarti in inganno.

3. Quanto è vario il gruppo?

Più il gruppo è eterogeneo, più casi servono. Bastano pochi assaggi per capire che sapore ha una pentola di zuppa. Poche persone, invece, dicono ben poco su una città di milioni di abitanti.

4. Che aspetto avrebbe un controesempio? Lo hai cercato?

Individua un caso che smentirebbe la tua conclusione, poi prova a trovarlo. Se il latte non piace, ti aspetteresti pochi ordini ripetuti e molte tazze lasciate a metà. È successo? Questa domanda ti protegge anche dal bias di conferma, che ti spinge a cercare soltanto i casi in linea con ciò che pensi già.

Una regola pratica per la dimensione del campione

Non serve conoscere la statistica per usare le quattro domande, ma una regola orientativa può aiutare. Per una domanda con risposta sì o no, posta a un campione casuale, il margine di errore al consueto livello di confidenza del 95% è all'incirca uno diviso per la radice quadrata della dimensione del campione.

Quindi, se una cosa piace a 6 persone su 10 in un campione casuale, la percentuale reale potrebbe plausibilmente andare da circa il 30% al 90%. Con 100 persone, l'intervallo si restringe a circa il 50-70%. Questo ragionamento vale solo per campioni casuali: reclami e recensioni non lo sono.

Esempio pratico: il latte di Ximena

Ecco cosa emerge dagli appunti di Ximena la domenica, dopo la domanda di Anouk.

Poi ha riguardato i tre reclami. Due riguardavano la dolcezza ed erano arrivati entrambi durante lo stesso turno pomeridiano. Un nuovo barista aveva usato la dose intera di sciroppo invece della mezza dose prevista.

Così Ximena ha tenuto la bevanda in menu, corretto la scheda della ricetta e aggiunto un'opzione «meno dolce». I reclami non dimostravano che la bevanda non piacesse. Mostravano che qualcosa era andato storto durante un turno: un'informazione molto più utile.

Come rispondere a una generalizzazione affrettata

Dire «questa è una generalizzazione affrettata!» può far sentire l'altra persona come se la sua esperienza non contasse. A quel punto finirete per discutere di questo. Prova invece a riconoscere l'episodio, chiedere i numeri e allargare lo sguardo.

1. Riconosci l'episodio. «Sembra una brutta esperienza e non dubito che sia successa.»
2. Chiedi i numeri. «È un caso isolato o l'hai visto succedere spesso?»
3. Allarga lo sguardo, oppure chiedi quali dati servirebbero. «Cosa osserveremmo se fosse vero per la maggior parte di loro?»

Ecco come potrebbe suonare in alcune situazioni comuni.

Qui le domande sono più efficaci delle etichette, per lo stesso motivo per cui funzionano nel metodo socratico: l'altra persona può accorgersi da sola del salto logico. Se stai scrivendo una risposta in un dibattito o in un saggio, la nostra guida su come scrivere una confutazione mostra come affrontare un esempio d'impatto senza liquidarlo.

Quando l'aneddoto riguarda un'esperienza dolorosa

Se il racconto riguarda un danno, per esempio una reazione avversa a un farmaco, dire «è solo un aneddoto» suona insensibile. Inoltre, la persona potrebbe aver notato qualcosa di reale che le medie nascondono. Puoi riconoscere che il caso è importante e merita attenzione senza accettare che dimostri una regola generale.

Come evitare di fare generalizzazioni affrettate

Capita a tutti, soprattutto quando si è stanchi, irritati o di fretta. Alcune abitudini aiutano:

• Di' il numero ad alta voce. «Tre persone si sono lamentate» è più difficile da gonfiare rispetto a «alla gente non piace».
• Ridimensiona la certezza. «Chi esce da quell'università potrebbe essere inaffidabile» è un'ipotesi da verificare. «È inaffidabile» è un verdetto.
• Fai attenzione a «sempre», «mai», «tutti» e «nessuno». Spesso segnalano il punto preciso in cui avviene il salto logico.
• Nota quando la conclusione ti fa comodo. Se conferma quello che volevi già credere, cerca più casi, non meno. La nostra panoramica sui bias cognitivi spiega perché questa spinta è così forte.

Come esercitarti con l'IA

Riconoscere una generalizzazione affrettata nei propri ragionamenti è molto più difficile che notarla in quelli altrui. Un dibattito aiuta perché qualcuno ha il compito di cercare ciò che manca. Su Debatly, diversi modelli e personaggi IA discutono i vari punti di vista sulla tua domanda per più turni. Puoi intervenire in qualsiasi momento e un giudice emette un verdetto motivato.

• Metti alla prova la tua conclusione. Scrivila nella stanza del dibattito, per esempio: «Dovremmo smettere di assumere persone da questo corso dopo due assunzioni andate male?». Una parte sostiene che sia il momento di agire, l'altra che sia troppo presto.
• Chiedi a uno scettico di cercare il denominatore. Chiedi a Viktor, lo scettico di domandare «su quanti casi in totale?» ogni volta che qualcuno cita un esempio. Vedrai quante storie convincenti perdono forza quando manca il totale.
• Elenca cosa potrebbe farti cambiare idea. Chiedi a ciascuna parte quali prove smentirebbero la sua posizione. È la quarta domanda del nostro test e ti lascia una breve lista di cose da verificare.
• Leggi le motivazioni del giudice, non solo il verdetto. Il giudice Alex spiega quali argomenti hanno pesato di più nel turno. Se una tesi ha prevalso soprattutto grazie a una storia memorabile, sottoponila alle quattro domande.
• Se devi prendere una decisione tra due opzioni, lo strumento pro e contro con l'IA presenta prima entrambi i punti di vista. Così puoi vedere quali si basano su uno schema ricorrente e quali su un caso isolato.

Quando Ximena ha posto la domanda sul suo latte, lo scettico le ha chiesto quanti clienti l'avessero ordinato di nuovo, ancora prima che qualcuno parlasse dei reclami. Non aveva controllato. È stato quel numero a farle cambiare idea.

Un limite da tenere presente

I modelli IA possono farti notare che il tuo campione è piccolo, ma non possono contare i tuoi clienti. Possono anche commettere lo stesso errore, presentando con sicurezza uno schema generale basato su poche prove. Molti, inoltre, tendono ad assecondare ciò che sembri già pensare (ne parliamo nell'articolo su perché l'IA ti dà ragione). Usa il dibattito per trovare le domande giuste, poi rispondi con i tuoi dati.

Conta i casi prima di concludere

Una generalizzazione affrettata sembra esperienza diretta, ed è per questo che convince tanto. La soluzione è semplice: prima di trasformare pochi casi in una regola, chiediti quanti sono rispetto al totale e chi non hai ancora ascoltato.

Questa settimana scegli una tua convinzione forte su un gruppo, un prodotto o un luogo e annota su quanti casi si basa davvero. Se vuoi un altro punto di vista su una conclusione importante, portala in un dibattito su Debatly e lascia che uno scettico ti chieda i numeri. Puoi provare subito: trovi i piani nella pagina dei prezzi.