El profesor de la universidad de Michigan Scott E. Page es un experto reconocido en modelos y sistemas complejos y autor del libro “The difference”, que es probablemente el texto más citado en estudios sobre la relación entre diversidad e inteligencia colectiva. Voy a revisar algunas de sus ideas porque aportan sustancia a este tema.
Page, junto a Lu Hong, publicaron en 2004 un artículo: Groups of diverse problem solvers can outperform groups of high-ability problem solvers que tuvo un gran impacto por la tesis que defiende y que suele presentarse con este titular: “La diversidad triunfa sobre la capacidad” (“Diversity trumps ability”). Lo explico, simplificando mucho. Tomas dos grupos, uno con un coeficiente intelectual medio más alto, porque sus miembros han sido seleccionados por su grado de inteligencia, y el otro más bajo al ser elegidos de forma aleatoria. Al asignarles un mismo problema para que lo resuelvan, el segundo resulta más efectivo que el primero porque es más diverso. Su interpretación es que el criterio elitista de filtrar por los mejores destruye diversidad que es necesaria para ser creativos en la solución del reto. El grupo de los “más inteligentes” es más homogéneo que el “aleatorio” y eso castiga su rendimiento en retos que necesitan la combinación de enfoques diversos.
A pesar de que las conclusiones de Page han sido cuestionadas, con críticas como que su tesis es tautológica, que el experimento que hace es reduccionista o que está amañado por el tipo de agentes y problemas que usa; lo cierto es que para ciertos tipos de problemas, una vez que se satisface el umbral mínimo de capacidad que requiere el reto, el grado de diversidad entre los individuos que forman el grupo puede tener un impacto decisivo en la eficacia de la solución.
Al margen de la controversia que suscita la tesis de “Diversity trumps ability”, me voy a centrar ahora en otra propuesta de Page que me atrae más. Él nos regaló una fórmula muy elegante que, aunque está pensada para ejercicios de predicción colectiva, sirve como dispositivo didáctico para explicar de forma intuitiva el impacto de la diversidad en las dinámicas grupales. Se conoce como “Diversity Prediction Theorem”, y se expresa así:
Error colectivo = Error individual promedio – Diversidad grupal
Explico ahora cada término de la ecuación:
- Error colectivo: Mide cuánto se desvía el grupo, como predicción colectiva, del resultado correcto o real. A menor sea este número, con independencia del signo, más “inteligente” habrá sido el grupo. Una distancia de “0” significa que el colectivo dio exactamente con el resultado correcto.
- Error individual promedio: Indica cuánto se desvían los individuos, en promedio, del resultado correcto o real, o sea, en qué medida los individuos (no el grupo) son inteligentes para predecir de forma aislada. Para eso, primero se calcula la distancia entre lo que cada individuo predice y el resultado real/correcto, y después la media del total de desviaciones individuales. Este dato refleja la (in)capacidad individual de los participantes para dar con la solución correcta.
- Diversidad grupal: El término más correcto sería “diversidad de la predicción” porque no mide la diversidad del grupo propiamente dicho, sino de sus estimaciones. Se trata de medir cuánta desviación hay entre las predicciones individuales y el resultado colectivo, o sea, la desviación media que hay en las opiniones individuales respecto de la opinión grupal. A más desviación, menos consenso, y más diversidad de opiniones. Para cada individuo, una distancia de “0” significa que no hay diferencia entre lo que éste predijo y cómo lo hizo el grupo. Después se calcula la media de todas las desviaciones individuales. Esto nos da un indicador similar a lo que en estadística se entiende por “desviación estándar”.
Interpretemos ahora la ecuación, porque, a primera vista, transmite varios mensajes:
1. El grupo, en principio, tiene la capacidad (a través de más “diversidad grupal”) de corregir los sesgos individuales, que se miden por el “error individual promedio”.
2. Cuando la “diversidad grupal” tiende a cero, es decir, en un escenario de consenso unánime y perfecto, el “error colectivo” tiende al “error individual promedio”, lo que significa que el colectivo no ha corregido los sesgos individuales.
3. Los grupos con individuos más capaces o mejor informados, algo que se expresaría a través de un menor “error individual promedio”, tienden (ceteris paribus) a generar un resultado grupal más inteligente al reducir el “error colectivo”.
4. Al usar el “error individual promedio”, estamos relacionando el “error colectivo” con una persona-promedio del grupo, pero no con la más inteligente (la que tenga el menor error). Así que solo podemos afirmar que el grupo estimará mejor que “la mayoría” de los individuos, pero no mejor que “cualquiera de ellos siempre”.
5. Introducir “diversidad grupal” en la ecuación, por ejemplo, ampliando la muestra de participantes y/o estimulando posibles desviaciones respecto de la opinión mayoritaria, puede ayudar a reducir el “error colectivo”.
NOTA: Si te ha gustado el post, puedes suscribirte para recibir en tu buzón las siguientes entradas de este blog. Para eso solo tienes que introducir tu dirección de correo electrónico en el recuadro de “suscribirse por mail” que aparece en la esquina superior derecha de esta página. También puedes seguirme por Twitter o visitar mi blog personal: Blog de Amalio Rey.
