سوگیری بازماندگی در تحلیل و تفسیر داده‌ها و راهکارهای کاهش آن

نوع مقاله : علمی - پژوهشی

نویسندگان

1 استادیار گروه مدیریت، دانشکده مدیریت و حسابداری، دانشگاه حضرت معصومه(س)، قم، ایران

2 استاد گروه مدیریت و برنامه‌ریزی، دانشکده مدیریت و حسابداری، دانشکدگان فارابی دانشگاه تهران، قم، ایران

10.30471/mssh.2026.11226.2670

چکیده

چکیده گسترده
مقدمه و اهداف: سوگیری بازماندگی یکی از سوگیری‌های شناختی حائز اهمیت است که در تفسیر و تحلیل داده‌ها و فرایند تصمیم‌گیری تأثیرگذار می‌باشد و سبب می‌شود که فرد به تصمیماتی برسد که ممکن است درست نباشد یا به‌دلیل نادیده گرفتن برخی اطلاعات مهم، ناکام باشد. شناخت و درک این سوگیری می‌تواند به فرد کمک کند تا در فرایند تصمیم‌گیری بهتر و باکیفیت‌تر عمل کند و ازاین‌رو،به نتایج بهتری دست پیدا کند. سوگیری بازماندگی به معنای انحراف در تفسیر داده‌ها به‌دلیل نادیده گرفتن اطلاعاتی است که به‌دلیل عدم‌وجود آنها در داده‌ها، در تحلیل و بررسی داده‌ها در نظر گرفته نشده‌اند. این سوگیری به‌خاطر تمرکز بر روی داده‌هایی است که موفقیت داشته‌اند و از داده‌هایی که ناموفق بوده‌اند، صرف‌نظر می‌شود. باوجود اهمیتی که سوگیری بازماندگی در تحلیل و تفسیر داده‌ها و نتیجه‌گیری دارد، متأسفانه این نوع سوگیری در روش‌های پژوهش تحت عنوان «سوگیری‌های پژوهش» و همچنین، به‌عنوان یکی از سوگیری‌های شناختی همراه محققان که یافته‌های پژوهشی آنها را تحت‌تأثیر قرار می‌دهند مورد توجه واقع نشده و اکثر تحلیل، تفسیر و نتیجه‌گیری‌ها با در نظر گرفتن صرف نمونه‌های موفق (بدون در نظر گرفتن نمونه‌های شکست‌خورده) انجام شده است. البته این هشدار در مقاله هیجان‌انگیز لونندیس در سال 2019 با عنوان «چرا اکثر یافته‌های پژوهشی منتشرشده نادرست هستند» داده شد؛ ولی مورد توجه واقع نشده است. بنابراین، تبیین سوگیری یادشده و پیامدهای نامطلوب آن، و همچنین، ارائه راهکارهایی برای جلوگیری یا کاهش آن، از اهداف این پژوهش محسوب می‌شود.
روش: در این پژوهش، برای بررسی و تبیین از روش توصیفی-تحلیلی استفاده می‌شود. به‌منظور جمع‌آوری اطلاعات از روش کتابخانه‌ای استفاده شده است و به بررسی و مطالعۀ مقالاتِ پایگاه‌های علمی مختلف و کتب موجود پرداخته شده است. در این پژوهش، ابتدا به بررسی دقیق سوگیری بازماندگی و نقش آن در انحراف تحلیل و تفسیر داده‌ها، انواع دسته‌بندی‌های سوگیری شناختی و ماهیت قرارگیری سوگیری بازماندگی در این دسته‌ها پرداخته شده است. سپس ضمن تبیین یافته‌ها به جمع‌بندی مطالب پرداخته شده است. این پژوهش به‌دلیل غفلت از سوگیری بازماندگی در روش‌های پژوهش، به‌طورجامع به این سوگیری می‌پردازد و بینش‌های جدیدی در این حوزه ارائه می‌دهد. با این رویکرد، پژوهش حاضر می‌تواند منبعی معتبر برای محققان باشد تا یافته‌های پژوهشی آنها از سوگیری بازماندگی در امان باشد که این امر به اعتبار یافته‌هایشان می‌افزاید.
یافتهها: سوگیری بازماندگی یافته‌های پژوهش را مخدوش می‌کند و به نتایج غیرقابل اعتماد منجر می‌شود. این نوع سوگیری مشکل‌ساز است؛ زیرا داده‌های مهم تحقیقاتی را کنار گذاشته و اعتبار بیرونی را تهدید می‌کند. درواقع، روایی بیرونی یافته‌ها را با ناتوانی در نمایش دقیق جامعه به خطر می‌اندازد. به‌علاوه، این سوگیری معمولاً باعث ایجاد نتیجه‌گیری‌های بیش از حد خوش‌بینانه و موفقیت‌آمیز می‌شود. سوگیری بازماندگی می‌تواند محققان را به نتیجه‌گیری‌های نادرست سوق دهد؛ زیرا داده‌های مشاهده شده ناقص هستند.
بحث و نتیجهگیری: سوگیری شناختی به معنای انحراف در فرایند شناخت و تفسیر اطلاعات است که به‌دلیل وجود فرضیات و باورهایی به وجود می‌آید که فرد دارد. سوگیری بازماندگی به‌عنوان یکی از سوگیری‌های شناختی حائز اهمیت، زمانی رخ می‌دهد که فرد فقط مشاهدات بازمانده را در نظر می‌گیرد، بدون اینکه به نقاط داده‌ای که در این رویداد «باقی نمانده‌اند» توجه کند. سوگیری بازماندگی سبب می‌شود که تنها نمونه‌های زنده یا موفق مورد بررسی قرار ‌گیرند و همین امر باعث اشتباه در داوری یا نتیجه‌گیری می‌شود. سوگیری بازماندگی یعنی تمرکز بر مواردی که از یک مرحلۀ گزینشی عبور کرده‌اند و نادیده گرفتن سایر موارد. این سوگیری به تمایل ما برای به دست آوردن اطلاعات مفید از موفقیت‌ها و چشم پوشیدن از شکست‌های مشابه می‌پردازد. سوگیری بازماندگی همانند یک تله ذهنی، ما را به‌سمت برداشت‌های نادرست و تصمیمات اشتباه سوق می‌دهد. با تمرکز بر موفقیت‌ها و نادیده گرفتن شکست‌ها، تصویری ناقص و اغراق‌آمیز از واقعیت ترسیم می‌کنیم. بنابراین، یکی از دغدغه‌های اصلی این پژوهش چگونگی کاهش یا جلوگیری از سوگیری بازماندگی به‌دلیل پیامدهای نامطلوب آن می‌باشد. برای کاهش یا جلوگیری از سوگیری شناختی بازماندگی، قبل از هر چیز ابتدا باید این سوگیری‌های شناختی را شناخت و نسبت به آنها آگاهی پیدا کرد. بعد از شناخت، برای کاهش یا جلوگیری از سوگیری بازماندگی می‌توان استراتژی‌های مختلفی همچون شناسایی داده‌های ناکام، تحلیل داده‌های کامل، مشاوره با افراد ذی‌الصلاح، مطالعه داده‌ها به‌صورت تصادفی، پذیرفتن شکست به‌عنوان ابزاری برای یادگیری، به چالش کشیدن فرضیات، بررسی داده‌های بازار، طراحی صحیح پروتکل تحقیقاتی، به‌کارگیری نمونه‌گیری تصادفی یا طبقه‌ای و استفاده از مدل‌ها و روش‌های ریاضی همچون مدل‌های شبکه‌های عصبی را به کار گرفت.
تقدیر و تشکر: از استادان دانشگاه تهران جهت ارائۀ بازخورهای سازنده تشکر می‌کنم.
تعارض منافع: نویسندگان اعلام می‌کنند که هیچ تعارض منافعی در ارتباط با این پژوهش وجود ندارد.

کلیدواژه‌ها


منابع
آل داود، سیدعلیرضا (1402). هنر جنگ‌شناختی در عصر هوش مصنوعی. تهران: انتشارات نواندیشان دنیای کتاب.
سعیدی، محمدتقی (1403). خطاهای مغز من: سوگیری‌های شناختی مغز انسان و نحوه تشخیص و اصلاح آنها.تهران: انتشارات مهرسا.
عبدی، برزو (1403). سوگیری‌ها و خطاهای شناختی. تهران:انتشارات بهارسبز. 
منوچهریان، کامبیز (1401). 25 سوگیری شناختی: کشف اصول تفکر منطقی. تهران: انتشارات گونیا.
References
ʿAbdī, B. (1403 H.sh./2024). Sūgīrīhā wa khaṭāhā-yi shinākhtī [Biases and cognitive errors]. Tehran: Intishārāt-i Bahār-i Sabz. [In Persian]
Āl Dāvūd, S. A. (1402 H.sh./2023). Hunar-i jangshinākhtī dar ʿaṣr-i hūsh-i maṣnūʿī [The art of cognitive warfare in the age of artificial intelligence]. Tehran: Intishārāt-i Nū Andīshān-i Dunyā-yi Kitāb. [In Persian]
Anderson, S. R., Auquier, A., Hauck, W. W., Oakes, D., Vandaele, W., & Weisberg, H. I. (2009). Statistical methods for comparative studies: Techniques for bias reduction. John Wiley & Sons.
Bingham, C. B., & Eisenhardt, K. M. (2014). Response to Vuori and Vuori's commentary on "Heuristics in the strategy context". Strategic Management Journal, 35(11), 1698-1702.
Dobelli, R. (2022). The art of thinking clearly: The secrets of perfect decision-making. Hachette UK.
Gaglio, C. M., & Katz, J. A. (2007). The psychological basis of opportunity identification: Entrepreneurial alertness. Small Business Economics, 16(2), 95-111.
González, M. F., Husted, B. W., & Aigner, D. J. (2017). Opportunity discovery and creation in social entrepreneurship: An exploratory study in Mexico. Journal of Business Research, 81, 212-220.
Holm, C. (2015). The 25 cognitive biases: Uncovering the myth of rational thinking. Amazon Media, EU.
Ioannidis, J. P. (2019). Why most published research findings are false. Chance, 32(1), 4-13.
Koellinger, P., Minniti, M., & Schade, C. (2007). "I think I can, I think I can": Overconfidence and entrepreneurial behavior. Journal of Economic Psychology, 28(4), 502-527.
Li, S., Song, C., & Zhu, Y. (2022, December). The influence of confirmation bias and survivorship bias on electronic industry. In 2022 6th International Seminar on Education, Management and Social Sciences (ISEMSS 2022) (pp. 2245-2253). Atlantis Press.
Manūchihriyān, K. (1401 H.sh./2022). *25 sūgīrī-yi shinākhtī: Kashf-i uṣūl-i tafakkur-i manṭiqī* [25 cognitive biases: Discovering the principles of logical thinking]. Tehran: Intishārāt-i Gūnīyā. [In Persian]
McGwin Jr, G., Melton, S., Kerby, J., Rue III, L. W., Magnotti, L. J., Croce, M. A., ... & Weinberg, J. A. (2013). Survival bias revisited. Journal of Trauma and Acute Care Surgery, 74(1), 345-346.
McMahon, C. J. (2024). Cognitive biases and heuristics in human cognition. In Intelligence-Based Cardiology and Cardiac Surgery (pp. 145-151).
Miller, D. P., Gomberg-Maitland, M., & Humbert, M. (2012). Survivor bias and risk assessment. European Respiratory Journal, 40(3), 530-532.
Neal, T., Lienert, P., Denne, E., & Singh, J. P. (2022). A general model of cognitive bias in human judgment and systematic review specific to forensic mental health. Law and Human Behavior, 46(2), 99.
Niazi, F. A., & Riggs, J. E. (2020). Association of ALS and military service: Reflection of survival bias due to the "healthy soldier effect"? Military Medicine, 185(1-2), e5-e7.
Ning, J., Rahbar, M. H., Choi, S., Hong, C., Piao, J., del Junco, D. J., & Holcomb, J. B. (2016). A joint latent class analysis for adjusting survival bias with application to a trauma transfusion study. Statistics in Medicine, 35(1), 65-77.
Raj, S. (2025). Primary cognitive drivers and the emergence of biases in human judgment and decision-making. Available at SSRN 5229165.
Saʿīdī, M. T. (1403 H.sh./2024). Khaṭāhā-yi maghz-i man: Sūgīrīhā-yi shinākhtī-yi maghz-i insān wa naḥvih-ʾi tashkhīṣ va iṣlāḥ-i ānhā [My brain's errors: Cognitive biases of the human brain and how to identify and correct them]. Tehran: Intishārāt-i Mihrsā. [In Persian]
Schuster, N. A., Hoogendijk, E. O., Kok, A. A., Twisk, J. W., & Heymans, M. W. (2020). Ignoring competing events in the analysis of survival data may lead to biased results: A nonmathematical illustration of competing risk analysis. Journal of Clinical Epidemiology, 122, 42-48.
Siniksaran, E. (Ed.). (2024). Overcoming cognitive biases in strategic management and decision making. IGI Global.
Smit, R. A., Trompet, S., Dekkers, O. M., Jukema, J. W., & Le Cessie, S. (2019). Survival bias in Mendelian randomization studies: A threat to causal inference. Epidemiology, 30(6), 813-816.
Smith, G., & Peloghitis, J. (2024). Approaching cognitive bias in critical thinking instruction. JALT Postconference Publication, 2023, 339-346.
Thomas, O. (2018). Two decades of cognitive bias research in entrepreneurship: What do we know and where do we go from here? Management Review Quarterly, 68(2), 107-143.
Vincent, K. P. (2025). Errors in judgment: Biases, fallacies, and paradoxes. In A Friendly Guide to Data Science: Everything You Should Know About the Hottest Field in Tech (pp. 755-780). Berkeley, CA: Apress.
Whitesmith, M. (2020). Experimental research in reducing the risk of cognitive bias in intelligence analysis. International Journal of Intelligence and CounterIntelligence, 33(2), 380-405.
Wise, T. (2023). Human centered projects and survivorship bias: The perceived success of project outcomes? Beyond the Project Horizon: Journal of the Center for Project Management Innovation, 1(1), 4.
Yousefi, M., Nykänen, V., Harris, J., Hronsky, J. M., Kreuzer, O. P., Bertrand, G., & Lindsay, M. (2024). Overcoming survival bias in targeting mineral deposits of the future: Towards null and negative tests of the exploration search space, accounting for lack of visibility. Ore Geology Reviews, 172, 106214.
Zhang, S. X., & Cueto, J. (2017). The study of bias in entrepreneurship. Entrepreneurship Theory and Practice, 41(3), 419-454.
Zhang, Z., Cortese, G., Combescure, C., Marshall, R., Lee, M., Lim, H. J., & Haller, B. (2018). Overview of model validation for survival regression model with competing risks using melanoma study data. Annals of Translational Medicine, 6(16), 325.