被 BAMMed 了吗？如何减轻 L&D 中的偏见？

偏见问题：注意你的思维！

你刚刚推出了全新的候选人招聘体验，可以自动完成许多繁琐的任务，例如扫描简历以匹配技能和经验。对于那些通过人工智能筛选和初步招聘筛选电话的候选人，系统甚至会自动发送调查！

你对自己的想法有多大看法？

结果是：虽然调查的回报率低于预期，但候选人对体验非常满意。这有什么问题？你刚刚被 BAMM 了！

BAMM 不是一个东西

BAMM 不是官方的东西，但在我的“数据素养”研讨会上，我将偏见、假设、神话和误解的集合元素称为“BAMM”。归根结底，重要的不是标签，而是在决策过程中你能减轻多少标签的影响。

BAMM 中有哪些常见现象？

它们是隐形的，通常无法察觉，但会对您的思维方式产生重大影响：

偏见这些是扭曲感知和判断的认知捷径。它们无意识地出现，导致我们偏爱某些想法或群体。例如，在 L&D 中，确认偏见可能导致我们仅使用支持培训计划成功率的指标。

偏见

假设这些是我们在没有证据的情况下认为理所当然的信念。假设通常会简化复杂的场景，但可能会导致盲点。例如，假设所有员工都喜欢自定进度的电子学习可能会导致资源利用不足。

假设

神话这些是广泛持有但错误的信念。由于反复接触和文化规范，神话持续存在。“学习风格”神话——相信根据视觉、听觉或动觉偏好定制培训可以提高学习效果——是 L&D 中的典型例子。

神话 误解

潜伏偏见：如何识别和解决它

假设和确认偏见

幸存者偏见

礼貌偏见（反应偏见）

我们能完全忽略 BAMM 吗？