- 介绍
- 90-9-1 法则 (90–9–1 Principle or 1% Rule)
- 阿姆达尔定律 (Amdahl's Law)
- 破窗效应 (The Broken Windows Theory)
- 布鲁克斯法则 (Brooks's Law)
- CAP 定理 (CAP Theorem or Brewer's Theorem)
- 康威定律 (Conway's Law)
- 坎宁汉姆定律 (Cunningham's Law)
- 邓巴数字 (Dunbar's Number)
- 邓宁-克鲁格效应 (The Dunning-Kruger Effect)
- 费茨法则 (Fitts's Law)
- 盖尔定律 (Gall's Law)
- 古德哈特定律 (Goodhart's Law)
- 汉隆的剃刀 (Hanlon's Razor)
- 席克定律 (Hick's Law or Hick-Hyman Law)
- 侯世达定律 (Hofstadter's Law)
- 哈特伯定律 (Hutber's Law)
- 技术成熟度曲线 (The Hype Cycle or Amara's Law)
- 隐式接口定律 (Hyrum's Law or The Law of Implicit Interfaces)
- 柯林汉定律 (Kernighan's Law)
- 林纳斯定律 (Linus's Law)
- 梅特卡夫定律 (Metcalfe's Law)
- 摩尔定律 (Moore's Law)
- 墨菲定律 (Murphy's Law / Sod's Law)
- 奥卡姆剃刀 (Occam's Razor)
- 帕金森定理 (Parkinson's Law)
- 过早优化效应 (Premature Optimization Effect)
- 普特定律 (Putt's Law)
- 里德定律 (Reed's Law)
- 复杂性守恒定律 (The Law of Conservation of Complexity or Tesler's Law)
- 得墨忒耳定律 (The Law of Demeter)
- 抽象泄漏定律 (The Law of Leaky Abstractions)
- 帕金森琐碎定理 (The Law of Triviality)
- Unix 哲学 (The Unix Philosophy)
- Spotify 模型 (The Spotify Model)
- 沃德勒定律 (Wadler's Law)
- 惠顿定律 (Wheaton's Law)
- 原则
- 乔治·伯克斯定律 (All Models Are Wrong or George Box's Law)
- 切斯特森围栏 (Chesterson's Fence)
- 死海效应 (The Dead Sea Effect)
- 呆伯特法则 (The Dilbert Principle)
- 帕累托法则 (The Pareto Principle or The 80/20 Rule)
- 舍基原理 (The Shirky Principle)
- 彼得原理 (The Peter Principle)
- 鲁棒性原则 (The Robustness Principle or Postel's Law)
- SOLID
- 单一功能原则 (The Single Responsibility Principle)
- 开闭原则 (The Open/Closed Principle)
- 里氏替换原则 (The Liskov Substitution Principle)
- 接口隔离原则 (The Interface Segregation Principle)
- 依赖反转原则 (The Dependency Inversion Principle)
- 不要重复你自己原则 (The DRY Principle)
- KISS 原则 (The KISS Principle)
- 你不需要它原则 (YAGNI)
- 分布式计算的谬论 (The Fallacies of Distributed Computing)
- 阅读清单
- 在线资源
- 相关项目
文章来源于网络收集而来,版权归原创者所有,如有侵权请及时联系!
邓宁-克鲁格效应 (The Dunning-Kruger Effect)
无能的人往往不会意识到自己的无能。而得出正确答案所需要的技能,正是你认识到何为正确答案所需要的技能。
邓宁-克鲁格效应是一种理论上的认知偏差,大卫·邓宁和贾斯汀·克鲁格在 1999 年的一项心理学研究和论文中对此进行了描述。研究表明,在一项任务中能力水平较低的人会更容易高估自己的能力。之所以会产生这种偏向,是因为一个人对问题或领域的复杂性有足够的认识时,才能够针对自己在该领域的工作能力提出明智的意见。
邓宁-克鲁格效应也有另一个类似的,更显式的描述,即“一个人对某个领域的了解越少,他就越容易轻视这个领域的难度,从而更倾向于相信自己可以轻易 地解决该领域的问题”。该效应与技术高度相关,具体表现为不太熟悉某个领域的个人(如非技术团队成员或经验较少的团队成员)会更有可能低估解决该领域问题 所需的工作量。
随着对某一领域的理解和经验的增长,人们很可能会遇到另一种效应-虚幻的优越性 (Illusory superiority),即特定领域内的丰富经验使得他们更容易高估他人的能力,或低估自己的能力。总而言之,这些影响都归咎于认知偏差。当意识到偏差存在时,我们可以尽量提出意见来消除这些偏差,这样往往可以避免异议。
真实案例:
- 苹果公司 vs 联邦调查局:为什么这个反恐鹰派改变了立场 (Apple vs. FBI: Why This Anti-Terror Hawk Switched Sides) - 2016 年,参议员林赛·格雷厄姆改变了他对苹果在设备加密中创建“后门”的立场。起初,格雷厄姆曾批评苹果公司反对创建“后门”,因为他认为这对调查潜在的恐怖 计划是必要的。然而,随着他对这个领域的技术复杂性有了更多的了解,格雷厄姆意识到这比他原先想的要困难很多,并可能会产生严重的负面后果。这便是邓宁- 克鲁格效应的真实案例--网络安全专家会更清楚如何利用这样的后门,因为他们对该领域有深刻的理解;而外行人士可能会简单地将设备安全类比于物理上的安 全,执法时可以使用“万能钥匙”,但这显然与网络安全中的现代加密不可同日而语。
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论