что такое корреляция в психологии простыми словами

Корреляции в дипломных работах по психологии

Термин «корреляция» активно используется в гуманитарных науках, медицине; часто мелькает в СМИ. Ключевую роль корреляции играют в психологии. В частности, расчет корреляций выступает важным этапом реализации эмпирического исследования при написании ВКР по психологии.

В этой статье мы простым языком объясним суть корреляционной связи, виды корреляций, способы расчета, особенности использования корреляции в психологических исследованиях, а также при написании дипломных работ по психологии.

Что такое корреляция

Корреляция – это связь. Но не любая. В чем же ее особенность? Рассмотрим на примере.

Представьте, что вы едете на автомобиле. Вы нажимаете педаль газа – машина едет быстрее. Вы сбавляете газ – авто замедляет ход. Даже не знакомый с устройством автомобиля человек скажет: «Между педалью газа и скоростью машины есть прямая связь: чем сильнее нажата педаль, тем скорость выше».

Это зависимость функциональная – скорость выступает прямой функцией педали газа. Специалист объяснит, что педаль управляет подачей топлива в цилиндры, где происходит сжигание смеси, что ведет к повышению мощности на вал и т.д. Это связь жесткая, детерминированная, не допускающая исключений (при условии, что машина исправна).

Теперь представьте, что вы директор фирмы, сотрудники которой продают товары. Вы решаете повысить продажи за счет повышения окладов работников. Вы повышаете зарплату на 10%, и продажи в среднем по фирме растут. Через время повышаете еще на 10%, и опять рост. Затем еще на 5%, и опять есть эффект. Напрашивается вывод – между продажами фирмы и окладом сотрудников есть прямая зависимость – чем выше оклады, тем выше продажи организации. Такая же это связь, как между педалью газа и скоростью авто? В чем ключевое отличие?

Правильно, между окладом и продажами заисимость не жесткая. Это значит, что у кого-то из сотрудников продажи могли даже снизиться, невзирая на рост оклада. У кого-то остаться неизменными. Но в среднем по фирме продажи выросли, и мы говорим – связь продаж и оклада сотрудников есть, и она корреляционная.

В основе функциональной связи (педаль газа – скорость) лежит физический закон. В основе корреляционной связи (продажи – оклад) находится простая согласованность изменения двух показателей. Никакого закона (в физическом понимании этого слова) за корреляцией нет. Есть лишь вероятностная (стохастическая) закономерность.

Численное выражение корреляционной зависимости

Итак, корреляционная связь отражает зависимость между явлениями. Если эти явления можно измерить, то она получает численное выражение.

Полученное число называется коэффициентом корреляции. Для его правильной интерпретации важно учитывать следующее:

Прямая и обратная

Сильная и слабая

Чем ниже численное значение коэффициента, тем взаимосвязь между явлениями и показателями меньше.

Рассмотрим пример. Взяли 10 студентов и измерили у них уровень интеллекта (IQ) и успеваемость за семестр. Расположили эти данные в виде двух столбцов.

Испытуемый

Успеваемость (баллы)

Посмотрите внимательно на данные в таблице. От 1 до 10 испытуемого растет уровень IQ. Но также растет и уровень успеваемости. Из любых двух студентов успеваемость будет выше у того, у кого выше IQ. И никаких исключений из этого правила не будет.

Перед нами пример полного, 100%-но согласованного изменения двух показателей в группе. И это пример максимально возможной положительной взаимосвязи. То есть, корреляционная зависимость между интеллектом и успеваемостью равна 1.

Рассмотрим другой пример. У этих же 10-ти студентов с помощью опроса оценили, в какой мере они ощущают себя успешными в общении с противоположным полом (по шкале от 1 до 10).

Испытуемый

Успех в общении с противоположным полом (баллы)

Смотрим внимательно на данные в таблице. От 1 до 10 испытуемого растет уровень IQ. При этом в последнем столбце последовательно снижается уровень успешности общения с противоположным полом. Из любых двух студентов успех общения с противоположным полом будет выше у того, у кого IQ ниже. И никаких исключений из этого правила не будет.

А как понять смысл корреляции равной нулю (0)? Это значит, связи между показателями нет. Еще раз вернемся к нашим студентам и рассмотрим еще один измеренный у них показатель – длину прыжка с места.

Испытуемый

Длина прыжка с места (м)

Не наблюдается никакой согласованности между изменением IQ от человека к человеку и длинной прыжка. Это и свидетельствует об отсутствии корреляции. Коэффициент корреляции IQ и длины прыжка с места у студентов равен 0.

Мы рассмотрели крайние случаи. В реальных измерениях коэффициенты редко бывают равны точно 1 или 0. При этом принята следующая шкала:

Приведенная градация дает очень приблизительные оценки и в таком виде редко используются в исследованиях.

Чаще используются градации коэффициентов по уровням значимости. В этом случае реально полученный коэффициент может быть значимым или не значимым. Определить это можно, сравнив его значение с критическим значением коэффициента корреляции, взятым из специальной таблицы. Причем эти критические значения зависят от численности выборки (чем больше объем, тем ниже критическое значение).

Корреляционный анализ в психологии

Корреляционный метод выступает одним из основных в психологических исследованиях. И это не случайно, ведь психология стремится быть точной наукой. Получается ли?

В чем особенность законов в точных науках. Например, закон тяготения в физике действует без исключений: чем больше масса тела, тем сильнее оно притягивает другие тела. Этот физический закон отражает связь массы тела и силы притяжения.

Пример исследования на студентах из предыдущего раздела хорошо иллюстрирует использование корреляций в психологии:

Вот как могли выглядеть краткие выводы по результатам придуманного исследования на студентах:

Таким образом, уровень интеллекта студентов выступает позитивным фактором их академической успеваемости, в то же время негативно сказываясь на отношениях с противоположным полом и не оказывая значимого влияния на спортивные успехи, в частности, способность к прыгать с места.

Как видим, интеллект помогает студентам учиться, но мешает строить отношения с противоположным полом. При этом не влияет на их спортивные успехи.

Неоднозначное влияние интеллекта на личность и деятельность студентов отражает сложность этого феномена в структуре личностных особенностей и важность продолжения исследований в этом направлении. В частности, представляется важным провести анализ взаимосвязей интеллекта с психологическими особенностями и деятельностью студентов с учетом их пола.

Коэффициенты Пирсона и Спирмена

Рассмотрим два метода расчета.

Коэффициент Пирсона – это особый метод расчета взаимосвязи показателей между выраженностью численных значений в одной группе. Очень упрощенно он сводится к следующему:

Коэффициент ранговой корреляции Спирмена рассчитывается похожим образом:

В случае Пирсона расчет шел с использованием среднего значения. Следовательно, случайные выбросы данных (существенное отличие от среднего), например, из-за ошибки обработки или недостоверных ответов могут существенно исказить результат.

В случае Спирмена абсолютные значения данных не играют роли, так как учитывается только их взаимное расположение по отношению друг к другу (ранги). То есть, выбросы данных или другие неточности не окажут серьезного влияния на конечный результат.

Если результаты тестирования корректны, то различия коэффициентов Пирсона и Спирмена незначительны, при этом коэффициент Пирсона показывает более точное значение взаимосвязи данных.

Как рассчитать коэффициент корреляции

Коэффициенты Пирсона и Спирмена можно рассчитать вручную. Это может понадобиться при углубленном изучении статистических методов.

Однако в большинстве случаев при решении прикладных задач, в том числе и в психологии, можно проводить расчеты с помощью специальных программ.

Расчет с помощью электронных таблиц Microsoft Excel

Вернемся опять к примеру со студентами и рассмотрим данные об уровне их интеллекта и длине прыжка с места. Занесем эти данные (два столбца) в таблицу Excel.

Переместив курсор в пустую ячейку, нажмем опцию «Вставить функцию» и выберем «КОРРЕЛ» из раздела «Статистические».

Формат этой функции предполагает выделение двух массивов данных: КОРРЕЛ (массив 1; массив»). Выделяем соответственно столбик с IQ и длиной прыжков.

В таблицах Excel реализована формула расчета только коэффициента Пирсона.

Расчет с помощью программы STATISTICA

Заносим данные по интеллекту и длине прыжка в поле исходных данных. Далее выбираем опцию «Непараметрические критерии», «Спирмена». Выделяем параметры для расчета и получаем следующий результат.

Как видно, расчет дал результат 0,024, что отличается от результата по Пирсону – 0,038, полученной выше с помощью Excel. Однако различия незначительны.

Использование корреляционного анализа в дипломных работах по психологии (пример)

Большинство тем выпускных квалификационных работ по психологии (дипломов, курсовых, магистерских) предполагают проведение корреляционного исследования (остальные связаны с выявлением различий психологических показателей в разных группах).

Сам термин «корреляция» в названиях тем звучит редко – он скрывается за следующими формулировками:

Рассмотрим кратко этапы его проведения при написании дипломной работы по психологии на тему: «Взаимосвязь личностной тревожности и агрессивности у подростков».

1. Для расчета необходимы сырые данные, в качестве которых обычно выступают результаты тестирования испытуемых. Они заносятся в сводную таблицу и помещаются в приложение. Эта таблица устроена следующим образом:

Источник

Корреляции в психологии

Корреляционный анализ активно используется в психологических исследованиях для выявления взаимосвязи между психологическими параметрами. Практическая глава курсовых, дипломных и магистерских работ психологии чаще всего содержит корреляционный анализ.

Для того, чтобы написать диплом по психологии и успешно его защитить, необходимо не только знать, что такое корреляция, но и понимать специфику использования этого статистического метода в психологических исследования.

В курсовых и дипломных по психологии чаще всего используются два корреляционных метода: коэффициенты ранговой корреляции Спирмена и корреляции Пирсона. Второй из них более строгий, то есть для его использования необходимо выполнения некоторых условий к данным. Чаще используется менее строгий коэффициент корреляции Спирмена. Но суть обоих коэффициентов корреляции применительно к психологическому исследованию одинакова.

Корреляции в психологическом исследовании

Корреляция – это степень взаимосвязи между какими-то показателями. В психологическом исследовании психологические показатели коррелируют, если в некоторой группе они изменяются согласованно. Например, от испытуемого к испытуемому с ростом одного показателя растет и другой – корреляция положительная или прямая. Или от испытуемого к испытуемому с ростом одного показателя второй снижается – корреляция отрицательная или обратная.

Например, мы измерили у 10 российских мужей два психологических показателя: 1) уровень удовлетворенности браком и 2) уровень интеллекта. Для простоты не будем привязываться к конкретным методикам, и показатели возьмем условные. В таблице приведены эти данные.

Уровень удовлетворённости браком

Посмотрим внимательно, как меняются показатели УБ и интеллекта от испытуемого к испытуемому. Видно, что УБ растет и уровень интеллекта тоже растет. Причем нет ни одного исключения в этой закономерности. Это пример положительной корреляции, причем это максимально возможная положительная (прямая) корреляция, равная 1.

Содержательно полученная корреляция означает, что чем выше уровень интеллекта у российских мужей, тем выше их удовлетворенность браком.

В следующей таблице данные, полученные на мужьях другой страны, например, Монголии.

Уровень удовлетворённости браком

Посмотрим внимательно, как меняются показатели УБ и интеллекта от испытуемого к испытуемому. Видно, что УБ растет, а уровень интеллекта строго снижается. Причем нет ни одного исключения в этой закономерности.

Содержательно полученная корреляция означает, что чем выше уровень интеллекта у монгольских мужей, тем ниже их удовлетворенность браком. Или, по-другому, чем ниже уровень интеллекта монгольских мужей, тем выше их удовлетворенность браком. Описание полученного результата может звучать примерно так.

«Как видим, мы получили совершенно различные результаты на выборках российских и монгольских мужей. Корреляционный анализ показал, что чем умнее российские мужчины, тем они более счастливы в браке.

Таким образом, у монгольских мужчин низкий интеллект выступает фактором роста удовлетворенности браком, а у российских – фактором снижения удовлетворенности браком.»

В следующей таблице мы немного изменили показатели во втором столбце.

Уровень удовлетворённости браком

Расчет показал, что теперь коэффициент корреляции равен 0,976.

Теперь еще больше перепутаем показатели во втором столбце.

Уровень удовлетворённости браком

Корреляция в дипломной (курсовой) работе по психологии

Положительный коэффициент корреляции означает положительную (прямую) зависимость между двумя психологическими показателями в группе.

Отрицательный коэффициент корреляции означает отрицательную (обратную) зависимость между двумя психологическими показателями в группе.

Статистически значимые коэффициенты корреляции выявляются путем сравнения полученного нами эмпирического коэффициента корреляции с критическим значением.

Критическое значение коэффициента корреляции берется из специальных статистических таблиц, и его значение определяется объемом выборки. Чем больше человек в выборке, тем ниже критическое значение.

Если расчет коэффициента корреляции проводится с помощью статистических программ, то она сама помечает значимые корреляции, и необходимость искать критические значения и сравнивать исчезает.

В группе подростков из 30 человек с помощью тестов были измерены два показателя: уровень агрессивности и уровень тревожности.

С помощью статистической программы рассчитали коэффициент корреляции агрессивности и тревожности.

Коэффициент корреляции агрессивности и тревожности в группе подростков

Критическое значение коэффициента корреляции Спирмена для выборки из 30 человек при уровне значимости р=0,05 (см. ниже) равен 0,36.

Сравниваем и получаем, что наш эмпирический коэффициент корреляции больше по модулю, чем критический. Следовательно, корреляция статистически значима.

Вот как правильно должно выглядеть описание полученной корреляции:

«Анализ данных, приведенных в таблице, показывает, что выявлена статистически значимая положительная корреляция между уровнем агрессивности и уровнем тревожности в группе подростков. Это означает, что чем выше проявления агрессивности у подростков, тем выше их склонность проявлять тревожные реакции в ситуациях, угрожающих безопасности или самооценке».

Обычно описания корреляции достаточно. Однако лучше дополнительно привести интерпретацию полученного результата. Примерно вот так:

«С нашей точки зрения, полученный результат показывает, что рост тревоги подростка в связи с его физической безопасностью, а также в связи с угрозой самооценке может реализоваться в форме агрессивных реакций. Такой результат еще раз подтверждает мнение многих авторов о том, что подростковая агрессия выступает непродуктивным и архаичным способом адаптации. В этой связи развитие у подростков конструктивных способов преодоления негативных эмоциональных состояний, в том числе и тревожности, будет способствовать снижению их агрессивности».

Все статистические расчеты носят приблизительный характер. Уровень этой приблизительности и определяет «р». Уровень значимости записывается в виде десятичных дробей, например, 0,023 или 0,965. Если умножить такое число на 100, то получим показатель р в процентах: 2,3% и 96,5%. Эти проценты отражают вероятность ошибочности нашего предположения о взаимосвязи между агрессивностью и тревожностью.

То есть, выше приведенный коэффициент корреляции 0,58 между агрессивностью и тревожностью получен при уровне статистической значимости 0,05 или вероятности ошибки 5%. Что это конкретно означает?

Выявленная нами корреляция означает, что в нашей выборке наблюдается такая закономерность: чем выше агрессивность, тем выше тревожность. То есть, если мы возьмем двух подростков, и у одного тревожность будет выше, чем у другого, то, зная о положительной корреляции, мы можем утверждать, что у этого подростка и агрессивность будет выше. Но так как в статистике все приблизительно, то, утверждая это, мы допускаем, что можем ошибиться, причем вероятность ошибки 5%. То есть, сделав 20 таких сравнений в этой группе подростков, мы можем 1 раз ошибиться с прогнозом об уровне агрессивности, зная тревожность.

Корреляционный анализ выявляет взаимосвязь между психологическими показателями. При этом наличие корреляции, строго говоря, не дает нам оснований говорить о причинно-следственных связях между показателями.

В то же время в реальных исследованиях на основании корреляций часто делаются выводы о причинно-следственных связях. В нашем случае можно было бы сказать, что наличие положительной статистически значимой корреляционной связи между агрессивностью и тревожностью позволяет говорить о том, что тревожность выступает одним из факторов (причин) роста агрессивности у подростков. В этом случае также можно сказать, что тревожность влияет на агрессивность.

Термин «влияние» как раз и предполагает наличие между показателями причинно-следственной связи. А термин «взаимосвязь» не предполагает.

В некоторых вузах требуют использовать только термин взаимосвязь, и это более правильно и строго. В других спокойно воспринимают термин «влияние», который ближе к жизни.

Надеюсь, эта статья поможет вам написать работу по психологии самостоятельно. Если понадобится помощь, обращайтесь (все виды работ по психологии; статистические расчеты). Заказать

Источник

Корреляция и каузальность

Корреляция – это статистическая взаимосвязь двух величин, при которой изменения значений одной из этих величин сопутствуют систематическому изменению значений другой величины.

Каузальность – это причинная взаимообусловленность событий, при которой при воздействии одного объекта (причина) происходит соответствующее ожидаемое изменение другого объекта (следствие).

Одно из основополагающих свойств человеческой психики – неумение думать статистически. Нам с эволюционной точки зрения нужно и важно видеть в первую очередь причинно-следственные связи: это даёт ощущение контроля, это позволяет выжить в этом полном саблезубых тигров, крокодилов и банковских коллекторов мире, это даёт шанс передать свои гены следующему поколению. Это зашито в нас на уровне ДНК.

Статистика нам на фиг не нужна. Шанс встретить динозавра, выйдя из дома? 50% – ты либо встретишь его, либо нет!

Но мир меняется, мы стали сложнее и умнее (en masse), мы придумали науки и научный метод для более глубокого и точного познания себя и окружающего мира. Среди всего прочего, мы придумали и статистику. Это сложная наука – впрочем, любая наука сложная, но статистика ещё и контринтуитивна. Если физику в её простых формах можно интуитивно понять, потому что её выводы не входят в противоречие с выработанным нами в двухлетнем возрасте умением бросить что-нибудь хрупкое и с восхищением наблюдать превращение одного крупного предмета в десять мелких, – то со статистикой этот фокус не проходит.

Честно говоря, я сам не очень хорошо разбираюсь в сложных формулах и графиках, и не строю из себя спеца в теории вероятностей. Но очень хочется поделиться одним интересным фактом насчёт принципа, который я считаю основополагающим в этой области:

или Отлёт птиц на юг не вызывает приход зимы

Большинство людей с научным складом ума знают, что корреляция не значит каузальность. Существует масса примеров, в которых очевидно отсутствует причинное влияние одной величины на другую, хотя присутствует корреляция: количество пиратов отрицательно коррелирует с ростом земной средней температуры (мы понимаем, что пираты не влияют на глобальное потепление, но есть какие-то экономические факторы, которые привели к уменьшению количества пиратов и увеличению выбросов СО2 в атмосферу); количество нобелевских лауреатов связано с потреблением шоколада; предпочтение одежды размера XXXL коррелирует с риском сердечного приступа (кто бы мог подумать?!); количество церквей в городе может коррелировать с количеством баров (хотя очевидно, что обе эти величины зависят от числа жителей данного населённого пункта); et cetera, et cetera.

Корреляция может быть ложной и исчезать при добавлении новых данных, а может и вовсе быть иллюзорной в связи с когнитивными искажениями (см. эвристика доступности); возможно присутствие артефактов, или ошибка 1 рода, или выборка была слишком маленькой; или использовалось cлепое прочёсывание данных и переподгонка (p-hacking/data-mining), а может, повлияла систематическая ошибка отбора или другая ошибка в процессе сбора и обработки данных.

Рекомендую этот сайт, там занимательные графики. Например, корреляция потребления сыра на душу населения и количества людей, которые умерли, запутавшись в простынях своей кровати, составляет 94,71%:

И знаете, в чём проблема? Нам ведь интересны и нужны причинно-следственные связи. А подавляющее большинство исследований рассказывают нам о корреляциях. И создаётся впечатление, что проводящие эти исследования учёные думают, что статистическая связь означает каузальность. Есть отличный обзор (Prasad et al 2013), в котором авторы изучили все оригинальные публикации о нерандомизированных исследованиях, опубликованные в 2010 году в таких серьёзных научных журналах как New England Journal of Medicine, Lancet, Journal of the American Medical Association, и Annals of Internal Medicine. Из 631 публикации 298 (47%) были посвящены обсервационным (не экспериментальным) исследованиям. В 167 (56%) из этих 298 исследований авторы давали лечебные рекомендации, основываясь на результатах своих работ. Только в 24 (14%) из 167 публикаций для проверки рекомендаций было упомянуто о необходимости провести рандомизированные клинические испытания, в остальных 143 публикациях авторы смело выдавали практические лечебные советы. Для них корреляция означала каузальность.

Причина, возможно, заключается в неосознанном применении принципа условной вероятности. Если у нас есть монета, вероятность выпадения любой из двух сторон составляет 1/2. Если мы бросаем игральную кость, вероятность выпадения любой из цифр составляет 1/6. В случае с корреляцией события А и Б могут произойти одновременно по одной из трёх причин: 1) А является причиной Б; 2) Б является причиной А; 3) некая неизвестная переменная В явилась причиной и А, и Б. Если это вариант №1 или №2, мы нашли причинно-следственную связь, и только в случае с вариантом №3 у нас затруднения – но в любом случае, у нас же шансы на каузальность минимум 33%, правда?!

Всё дело в том, что мы интуитивно считаем, что каузальные связи – это нормально и высоковероятно, потому что: ну откуда ещё взяться этой корреляции, если между А и Б нет каузальной связи? И это логично: вряд ли существует вселенский заговор, который постоянно подсовывает нам фактор В, чтобы задействовать вариант №3! И когда кто-то находит корреляцию между А и Б, совсем неудивительно, что они начинают выдавать что-то наподобие:

Мы отчаянно хотим верить. Похоже, учёные тоже отчаянно хотят верить. Потому что, если корреляция не означает каузальность, чем они вообще занимаются в большинстве случаев? Если я провожу исследование и получаю данные, которые указывают на то, что умеренное употребление алкоголя ассоциируется с небольшим увеличением средней продолжительности жизни и должно учитываться страховыми компаниями, какое мне вообще до этого дело, если только здесь не причинно-следственная связь? Когда эпидемиологи проводят опрос всего населения и триумфально объявляют, что есть небольшая ассоциация между потреблением мяса (но не яиц!) и средней продолжительностью жизни – кому это может быть интересно, кроме, быть может, тех же страховых компаний? Зачем на это выделяются гранты, зачем они тратят на это время, зачем они публикуют результаты этих исследований – если только у них нет веры («квазирелигиозной?») в то, что эти корреляции не просто некие коэффициенты в рамках модели предсказания, но отображают каузальность?

Хотите посмотреть на «отображение» каузальности? Вот графическое изображение биологической каузальной сети человеческого метаболизма:

Вот вам ссылка, тоже интересно. Попробуйте разобраться.

Здесь всё коррелирует со всем – но не всё является причиной всего. Чем больше переменных в системе, тем больше будет корреляционных связей, но каузальные связи будут появляться медленнее, поэтому количество корреляционных связей, которые также будут каузальными, будет тоже меньше.

Главное наблюдение вот в чём: нельзя рассуждать по принципу «есть 3 категории возможных отношений, поэтому мы отталкиваемся от начальной вероятности в 33%», а нужно рассуждать, что «есть только один вариант ‘А является причиной Б’, только один вариант ‘Б является причиной А’, но есть множество вариантов типа ‘В1 является причиной А и Б’, ‘В2 является причиной А и Б’, ‘В3 является причиной А и Б’, и так далее». И чем больше переменных в нашей каузальной сети (если мы говорим об области психологии или биологии, например), тем больше список этих ‘В’.

Окружающий нас мир – самая большая из всех каузальных сетей. И неудивительно, что большая часть корреляций в нём не являются причинно-следственными связями.

Заметка подготовлена на основе публикации Гверна Бранвена (Gwern Branwen).

Сути так и не видно, блуждаешь в темноте, засыпая все красивыми словами. На этом же сайте недавно нашёл и прочёл отличную книгу «Логика, учебник для средней школы, 1954 год.» вот прочитай, там без корреляций и казуальностей просто и понятно обьясняется, почему улет птиц на юг не приносит зиму и мноооогое другое.

Как убедить людей, что они преступники

И Очоа так и сделал.

Он рассказал, что он с Данцингером запланировал ограбление Пицца Хат; как они связали жертву её же лифчиком, перед тем как изнасиловать её; а после того как она их узнала (они работали в другом заведении сети Пицца Хат в этом же районе), они застрелили её. На суде Очоа дал показания против Данцингера (который утверждал, что невиновен) и обоих приговорили к пожизненному заключению.

А в 1996 году в этом же преступлении признался и предоставил достаточные улики своей виновности отбывающий три пожизненных Аким Джозеф Марино. После проверки улик полиция вновь допросила Очоа. Его показания, однако, не изменились. Он утверждал, что виновен, что он совершил преступление.

Только через три года студенты из проекта «Невиновность» из Висконсинской юридической школы в Мэдисоне смогли проверить изъятые с места преступления образцы спермы. Тест ДНК подтвердил, что ни Очоа, ни Данцингер не были причастны к изнасилованию и убийству ДеПрист. 6 февраля 2002 года обоих мужчин оправдали.

Нет более убедительного с юридической точки зрения доказательства, чем признание. Если кто-то добровольно признаётся, значит, он это сделал. Однако документы проекта «Невиновность» указывают на то, что 25% ложных обвинений основаны на ложных признаниях, когда люди берут ответственность за тяжкие преступления, которых они не совершали.

Чаще всего подобные «признания» связаны с неправомерными техниками допроса: обманом (как в нашем примере, когда Очоа сказали, что его обвинил Данцингер) либо использованием насилия и угроз (давление на Очоа, что его приговорят к смерти, если он не признает себя виновным).

Однако во многих случаях мы имеем дело с созданием ложных воспоминаний, когда подозреваемые начинают верить (обычно после долгих часов допроса), что они действительно совершили преступление. В научной литературе такие воспоминания называются «честная ложь» или «фантомные воспоминания».

Тревожит то, насколько просто внушить человеку ложные воспоминания. В середине 1990-х Элизабет Лофтус с коллегами показала, как с помощью нескольких интервью убедить человека, что когда-то в 6-летнем возрасте он потерялся в супермаркете. В последующих экспериментах людям внушали, что они чуть не утонули в детстве, или как они пили чай с принцом Чарльзом, или здоровались в Диснейленде с Багзом Банни.

Новое исследование Джулии Шоу и Стивена Портера связало эти феномены с ложными признаниями в судебной системе. Людей можно убедить в том, что они совершили преступление; при этом их воспоминания будут детальными и убедительными. И абсолютно ложными.

Но мы всё равно привыкли ей доверять.

Кристоферу Очоа это сообщили спустя почти 14 лет.

Источник