Путь джедая. Поиск собственной методики продуктивности

Примерно то же происходит и с научными изысканиями. Ученые часто исследуют большие выборки людей непродолжительное время, но полученные таким образом результаты далеко не всегда можно транслировать на себя самого (один человек и продолжительное время). Другими словами, если я напою 100 человек кофе и измерю прирост их продуктивности, я получу, скорее всего, не такой результат, как если бы я сам пил кофе 100 дней и усреднял свой прирост производительности. Именно поэтому научные работы могут быть полезными для учителя (имеющего дело со множеством людей), но они не настолько полезны для ученика (желающего изучить и улучшить одного себя).

Из-за отсутствия эргодичности и из-за того, что мы очень сильно отличаемся друг от друга, бывает опасно обобщать свой успешный опыт многих месяцев жизни или опыт каких-то известных личностей на других людей (подробнее об этом еще будет в разделе 4.7). У Андрея Ломачинского есть довольно «чернушная» история, очень хорошо иллюстрирующая последствия неаккуратного переноса своего опыта на других людей. Называется «Метанол на опохмел»^{24}

. Но предупреждаю: книга в общем и этот рассказ в частности — не для впечатлительных!

Например, рассмотрим некоторое гипотетическое исследование некой гипотетической методики для повышения личной эффективности. Предположим, что кто-то провел исследования и утверждает, что эта методика дает прирост производительности «в среднем на 16 %». Тут стоит заметить, что «на данный момент не существует универсально принятого метода измерения производительности работников умственного труда или даже общего понимания его категорий» (это дословная цитата из исследования Нембарда и Рамиреса, где описаны два с лишним десятка различных подходов к измерению умственного труда с анализом ограниченной области применимости каждого из них^{33}). Тем не менее на минуту предположим, что авторы этого исследования смогли операционализировать и сделать измеримым это понятие хотя бы в каком-то приближении, пригодном для их собственных целей. Главное не в этом, а в том, что, скорее всего, это среднее было получено путем усреднения по группе испытуемых и, соответственно, ничего не говорит о том, как менялась производительность отдельно взятых людей с течением времени. Еще один момент, который упускается в научно-популярных публикациях, — указание среднего без указания дисперсии. Мой любимый пример (наверняка редактор вырежет): «У среднего человека одно яйцо и одна сиська». Яркий пример, когда дисперсия результата сравнима со средним значением.

В нашем примере среднее повышение производительности на 16 % может быть достигнуто при условии, что в группе из 25 человек один повысил свою производительность в четыре раза, а у остальных не поменялось ровным счетом ничего. Или у пятерых испытуемых производительность повысилась на 240 %, а у остальных снизилась на 40 %. А может, у четверых эффективность повысилась на 625 %, а все остальные вообще умерли и теперь их производительность равна нулю. Это все так же будет означать повышение «в среднем на 16 %».

Результаты исследований (и то не все и не всегда) могут дать намек, куда копать и что попробовать в первую очередь. Но относиться к их итогам как к предсказанию своих результатов не стоит. Чтобы понять, какой результат вы получите в своих условиях, надо взять и попробовать.

Нассим Талеб в «Рискуя собственной шкурой»^{25} в главе, посвященной «интеллектуальным идиотам», более жестко высказывается о пользе научной работы: «Психологические исследования воспроизводятся с вероятностью менее 40 % (если Талеб имел в виду исследование Джона Боханнона, то 39 %^{28}), клинические испытания повторяют результаты менее, чем в одном случае из трех, экономические модели проигрывают астрологии в точности предсказаний и вообще надежнее следовать знаниям, доставшиеся нам от наших бабушек».