Cách tránh kết luận nguyên nhân quá sớm

Cách tránh không phải là trì hoãn mọi kết luận vô thời hạn. Cách tốt hơn là coi nguyên nhân ban đầu là giả thuyết làm việc, sau đó kiểm tra xem nó dự đoán điều gì, dữ kiện nào có thể bác bỏ nó và giả thuyết cạnh tranh nào vẫn giải thích được các dấu hiệu hiện có.

Vì sao kết luận nguyên nhân quá sớm dễ làm sai hướng chẩn đoán?

Vấn đề bắt đầu ngay khi người chẩn đoán chuyển từ “đây là một khả năng” sang “đây chính là nguyên nhân” mà chưa có đủ kiểm chứng.

Một dấu hiệu có thể phù hợp với nhiều nguyên nhân. Nếu chỉ tìm thấy một nguyên nhân có vẻ khớp rồi dừng lại, những dữ kiện không phù hợp về sau dễ bị xem là ngoại lệ, nhiễu hoặc không quan trọng. Đây là điểm nguy hiểm của anchoring và confirmation bias: cùng một dữ kiện có thể được diễn giải khác đi tùy theo giả thuyết đã được chọn trước.

Có thể hình dung quá trình sai lệch như sau:

Dữ kiện → Giả thuyết đầu tiên → Tin rằng giả thuyết đúng → Chỉ tìm bằng chứng xác nhận → Bỏ qua bằng chứng mâu thuẫn → Kết luận quá sớm

Ngược lại, quá trình chẩn đoán thận trọng hơn là:

Dữ kiện → Giả thuyết → Dự đoán → Kiểm chứng → So sánh giả thuyết → Cập nhật kết luận

Điểm khác biệt quan trọng nằm ở bước kiểm tra giả thuyết cạnh tranh, chứ không đơn giản ở việc thu thập thêm thật nhiều thông tin.

Tách dữ kiện quan sát khỏi giả thuyết nguyên nhân

Bước đầu tiên để tránh kết luận nguyên nhân quá sớm là không trộn lẫn “điều đã quan sát được” với “cách giải thích điều đó”.

Ví dụ, câu:

“Hệ thống chậm vì cơ sở dữ liệu quá tải”

đã chứa sẵn một kết luận nguyên nhân.

Nếu dữ kiện thực tế mới chỉ là:

“Thời gian phản hồi tăng mạnh khi số lượng yêu cầu đồng thời tăng”

thì nguyên nhân cơ sở dữ liệu quá tải vẫn chỉ là giả thuyết. Những khả năng khác như nghẽn mạng, giới hạn tài nguyên máy chủ, khóa tài nguyên hoặc xử lý ứng dụng kém hiệu quả vẫn chưa được loại trừ.

Có thể dùng ba lớp riêng biệt:

·         Observation: Điều gì thực sự được quan sát hoặc đo được?

·         Hypothesis: Nguyên nhân nào có thể giải thích điều đó?

·         Inference: Từ dữ kiện hiện tại, giả thuyết nào đang có mức hỗ trợ cao hơn?

Việc tách ba lớp này làm giảm nguy cơ biến một suy luận ban đầu thành “sự thật” chỉ vì nó xuất hiện đầu tiên.

Đặc biệt, nếu một dữ kiện không phù hợp với giả thuyết đang dẫn đầu, không nên lập tức tìm cách giải thích tại sao dữ kiện đó “không quan trọng”. Chính dữ kiện bất thường có thể là tín hiệu cho thấy mô hình nguyên nhân hiện tại đang thiếu một biến quan trọng.

Dùng nhiều giả thuyết thay vì một nguyên nhân duy nhất

Sau khi có giả thuyết ban đầu, nên tạo một chẩn đoán phân biệt ở mức vừa đủ: không phải liệt kê mọi khả năng có thể xảy ra, mà giữ lại một số giả thuyết thực sự có khả năng giải thích dữ kiện.

Một nhóm giả thuyết tốt thường gồm:

·         Giả thuyết đang được ưu tiên vì giải thích nhiều dữ kiện nhất

·         Một giả thuyết cạnh tranh có khả năng giải thích các dữ kiện tương tự

·         Một giả thuyết cần được loại trừ vì hậu quả của việc bỏ sót nghiêm trọng

·         Một giả thuyết có thể giải thích những dữ kiện mà giả thuyết đầu tiên chưa giải thích được

Sau đó, thay vì hỏi:

“Tôi cần thêm bằng chứng nào để chứng minh giả thuyết A?”

hãy hỏi:

“Dữ kiện nào sẽ giúp phân biệt A với B?”

Đây là thay đổi rất quan trọng. Một kiểm tra chỉ củng cố A nhưng không cung cấp thông tin về B có thể làm người chẩn đoán tự tin hơn mà chưa thực sự giải quyết sự không chắc chắn.

Ví dụ, nếu A và B đều có thể tạo ra cùng một biểu hiện, một kiểm tra có giá trị cao hơn là kiểm tra mà kết quả của nó sẽ khiến xác suất của A và B thay đổi theo những hướng khác nhau.

Viết dự đoán trước khi kiểm chứng

Mỗi giả thuyết nên dẫn tới một số dự đoán có thể kiểm tra.

Cách này buộc người chẩn đoán phải chuyển từ “tìm thứ xác nhận” sang “dự đoán rồi kiểm tra”.

Nó cũng tạo ra một tiêu chí rõ hơn để thay đổi giả thuyết: nếu một dự đoán quan trọng liên tục thất bại, giả thuyết không nên được giữ chỉ vì nó từng là lựa chọn đầu tiên.

Kiểm chứng bằng bằng chứng có khả năng phân biệt

Không phải bằng chứng nào cũng có giá trị như nhau trong việc kiểm tra nguyên nhân.

Một bằng chứng tốt cho quá trình chẩn đoán phải trả lời được ít nhất một trong ba câu hỏi:

1.    Nó có làm giả thuyết hiện tại đáng tin hơn không?

2.    Nó có làm giả thuyết hiện tại kém đáng tin hơn không?

3.    Nó có giúp phân biệt giả thuyết hiện tại với một giả thuyết cạnh tranh không?

Nếu một kiểm tra chỉ tìm thêm dữ kiện phù hợp với A nhưng A vốn đã giải thích được dữ kiện đó, Information Gain có thể thấp.

Ngược lại, một kết quả trái với dự đoán của A có thể rất có giá trị, bởi nó buộc người chẩn đoán phải cập nhật mô hình nguyên nhân.

Chủ động tìm bằng chứng phản bác

Một câu hỏi hữu ích là:

“Nếu giả thuyết này sai, tôi có khả năng nhận ra bằng cách nào?”

Từ đó tìm kiếm:

·         Dấu hiệu mà giả thuyết không giải thích được

·         Kết quả trái với dự đoán

·         Điều kiện mà giả thuyết yêu cầu nhưng thực tế không có

·         Dữ kiện mà giả thuyết cạnh tranh giải thích tốt hơn

·         Diễn biến mới làm thay đổi xác suất giữa các nguyên nhân

Đây là cách biến kiểm chứng thành một quá trình falsification-oriented thay vì chỉ xác nhận niềm tin ban đầu.

Trong chẩn đoán lâm sàng, các chiến lược chống premature closure cũng thường nhấn mạnh việc duy trì chẩn đoán phân biệt, chủ động hỏi “còn khả năng nào khác?” và tìm kiếm thông tin có thể mâu thuẫn với chẩn đoán ban đầu.

Cập nhật giả thuyết và biết khi nào nên kết luận

Tránh kết luận quá sớm không có nghĩa là phải giữ tất cả giả thuyết mãi mãi. Nếu cứ mở rộng danh sách nguyên nhân mà không bao giờ thu hẹp, quá trình chẩn đoán sẽ trở nên kém hiệu quả.

Điểm cần thiết là đóng chẩn đoán dựa trên bằng chứng, thay vì đóng chỉ vì đã tìm thấy một lời giải thích đầu tiên.

Sau mỗi dữ kiện quan trọng, nên cập nhật:

Giả thuyết nào được hỗ trợ?

Giả thuyết nào bị suy yếu?

Có dữ kiện nào hiện vẫn chưa được giải thích không?

Có giả thuyết nào mới trở nên đáng chú ý không?

Một kết luận trở nên đáng tin hơn khi:

·         Giả thuyết giải thích được phần lớn dữ kiện quan trọng

·         Các giả thuyết cạnh tranh đã được xem xét

·         Có bằng chứng trực tiếp hoặc gián tiếp phù hợp

·         Những dữ kiện mâu thuẫn quan trọng đã được giải thích

·         Điều kiện giới hạn của kết luận đã được xác định

·         Không còn câu hỏi chưa giải thích có khả năng làm thay đổi kết luận chính

Đặt “điểm dừng” thay vì dừng theo cảm giác

Một điểm dừng hợp lý nên dựa trên tiêu chí đã định trước, chẳng hạn:

·         Đã kiểm tra các giả thuyết có mức ưu tiên cao

·         Đã kiểm tra những nguyên nhân không được phép bỏ sót

·         Kết quả kiểm chứng phù hợp với dự đoán của giả thuyết dẫn đầu

·         Không còn bằng chứng mâu thuẫn quan trọng

·         Việc kiểm tra thêm không còn tạo thêm thông tin đủ để thay đổi quyết định

Như vậy, câu hỏi không còn là “Tôi đã tìm đủ chưa?” theo cảm giác chủ quan, mà là “Điều kiện nào phải đúng để tôi có thể hợp lý dừng quá trình tìm kiếm?”

Quy trình 6 bước để tránh kết luận nguyên nhân quá sớm

Có thể biến toàn bộ nguyên tắc trên thành một quy trình ngắn:

1. Ghi nhận dữ kiện trước khi giải thích

Viết rõ điều đã quan sát, đo được hoặc xác minh được mà không gắn ngay nguyên nhân

2. Tạo giả thuyết ban đầu

Chọn nguyên nhân có khả năng giải thích dữ kiện hiện tại, nhưng coi đó là giả thuyết làm việc chứ chưa phải kết luận cuối cùng

3. Tạo ít nhất một giả thuyết cạnh tranh

Hỏi: “Nếu không phải nguyên nhân này thì khả năng hợp lý nào khác có thể giải thích cùng hiện tượng?”

4. Viết dự đoán cho từng giả thuyết

Xác định mỗi giả thuyết dự đoán điều gì và dữ kiện nào có thể làm nó suy yếu

5. Chọn kiểm chứng có khả năng phân biệt

Ưu tiên bằng chứng giúp phân biệt giữa các giả thuyết thay vì chỉ củng cố giả thuyết đã thích

6. Cập nhật rồi mới kết luận

Chỉ thu hẹp chẩn đoán sau khi đã xem xét kết quả kiểm chứng, bằng chứng mâu thuẫn và các điều kiện giới hạn

Điểm quan trọng nhất là bước 5 và 6. Một người có thể tạo rất nhiều giả thuyết nhưng vẫn kết luận sớm nếu chỉ tìm bằng chứng xác nhận giả thuyết mình thích.

Ngược lại, một quy trình ngắn nhưng luôn có giả thuyết cạnh tranh → dự đoán → kiểm chứng phân biệt → cập nhật sẽ tạo ra chất lượng suy luận tốt hơn.

Kết luận nguyên nhân quá sớm được tránh tốt nhất khi nguyên nhân ban đầu luôn được coi là giả thuyết có thể bị bác bỏ, không phải sự thật cần được chứng minh bằng mọi giá. Tách dữ kiện khỏi diễn giải, duy trì một chẩn đoán phân biệt hợp lý, dự đoán trước kết quả và chủ động tìm bằng chứng phản bác giúp giảm anchoring và confirmation bias. Khi đó, việc kết luận không còn dựa chủ yếu vào cảm giác “đã đủ”, mà dựa trên mức độ các giả thuyết đã được kiểm chứng và những điểm còn chưa được giải thích.