پیشگیری از خطاهای استدلال در پزشکی و قانون با آموزش احتمال

تحقیق جدید LMU: درک بهتر احتمال‌های شرطی توسط دانشجویان

یک مطالعه جدید در دانشگاه LMU نشان می‌دهد که چگونه دانشجویان می‌توانند احتمال‌های شرطی را بهتر درک و تفسیر کنند. آیا نتیجه مثبت تست HIV قابل اعتماد است؟ احتمال واقعی ابتلا به عفونت در صورت مثبت بودن تست چقدر است؟ حتی متخصصان نیز اغلب در پاسخ به این سوالات دچار اشتباه می‌شوند که می‌تواند منجر به تشخیص‌های نادرست و جراحی‌های غیرضروری گردد.

در این مطالعه که با مشارکت دانشجویان رشته‌های پزشکی و حقوق انجام شده است، تیمی از پژوهشگران آموزش ریاضی از دانشگاه‌های رگنزبورگ، کاسل، فرایبورگ، دانشگاه آموزش عالی هایدلبرگ و LMU مونیخ چهار دوره آموزشی مختلف را مقایسه کردند تا به دانشجویان کمک کنند درک بهتری از احتمال‌ها پیدا کنند. یافته‌های این پروژه، که به وسیله بنیاد تحقیقات آلمان تحت عنوان TrainBayes انجام شده، اکنون در نشریه Learning and Instruction منتشر شده است.

تمرکز این تحقیق بر روی موقعیت‌های به اصطلاح بیزی بود. به عنوان مثال، فرض کنید در یک مقطع خاص از دوران پاندمی کرونا، ۰.۱٪ از جمعیت به ویروس SARS-CoV-2 مبتلا بودند. سپس یک نفر یک تست خود ارزیابی SARS-CoV-2 را انجام می‌دهد. ۹۶٪ از افراد مبتلا نتیجه مثبت دریافت می‌کنند، با این حال، ۲٪ از افرادی که مبتلا نیستند نیز نتیجه مثبت می‌گیرند.

### احتمال ابتلا به عفونت با نتیجه مثبت آزمایش

این متن به بررسی احتمال ابتلا به عفونت در افرادی می‌پردازد که نتیجه آزمایش آن‌ها مثبت است. کارین بیندر، متخصص ریاضی از دانشگاه LMU و یکی از نویسندگان این مطالعه، می‌گوید: “بسیاری از افراد، حتی کارشناسان در زمینه‌های مربوطه، این احتمال را به‌طور قابل توجهی بیش از حد تخمین می‌زنند.” او توضیح می‌دهد که پارامترهای مثبت آزمایش‌ها موجب می‌شود که افراد به نتیجه آزمایش اعتماد کنند و نسبت به نسبت کوچک افراد آلوده غافل شوند.

برای روشن‌تر شدن این موضوع، فرض کنیم که 100,000 نفر آزمایش شده‌اند: تنها 100 نفر آلوده هستند که از این تعداد، 96 نفر نتیجه مثبت می‌گیرند. از 99,900 نفر سالم، 2% یعنی 1,998 نفر نیز نتیجه مثبت می‌گیرند. بنابراین، از 2,094 نفری که در مجموع نتیجه مثبت دارند، تنها 96 نفر واقعاً آلوده هستند که معادل تقریباً 5% می‌شود. بنابراین، یک نتیجه مثبت آزمایش به‌تنهایی نمی‌تواند دلیلی برای نگرانی باشد.

نیکول استیب، نویسنده اصلی این مطالعه از دانشگاه رگنزبورگ، توضیح می‌دهد: “ترجمه احتمالات (2%) به فراوانی‌های مشخص (1,998 از 99,900)، همراه با نمایش اطلاعات در یک درخت دوگانه، مؤثرترین روش برای کمک به دانش‌آموزان در حل چنین مسائلی بود.” در مقابل، درخت‌های احتمالی که معمولاً در مدارس استفاده می‌شوند، فقط به دانش‌آموزانی که دانش ریاضی پیشرفته‌تری دارند کمک می‌کنند.

در یک پروژه پیرو، قرار است روش‌های آموزشی جدید در دروس مدارس ادغام شوند.