A Pesszimizmus És A Maximalizáló Mentalitás Összefüggései, És Ezek Hatása A Döntéshozatalra

A PESSZIMIZMUS S A MAXIMALIZL PESSZIMIZMUS S A MAXIMALIZL MENTALITS SSZEFGGSEI, S EZEK MENTALITS SSZEFGGSEI S EZEK
HATSA A DNTSHOZATALRA HATSA A DNTSHOZATALRA
Budapest 2007. december 10. Budapest 2007. december 10.
TARTALOMJEGYZK
BRAJEGYZK ----------------------------------------------------------------------------- 3 TBLZATJEGYZK ----------------------------------------------------------------------- 3 1. VEZET I SSZEFOGLAL ------------------------------------------------------------- 4 2. VIZSGLAND TMAKR ------------------------------------------------------------- 5 2.1. TMAVLASZTS INDOKLSA ---------------------------------------------------------- 5 2.2. KUTATS MDSZERTANA -------------------------------------------------------------- 6 Demogrfiai krd v ----------------------------------------------------------------- 7 Optimizmus krd v ----------------------------------------------------------------- 8 Maximalizl krd v ---------------------------------------------------------------- 8 3. KUTATS ELMLETI HTTERE ------------------------------------------------------ 11 3.1 OPTIMIZMUS/ PESSZIMIZMUS ------------------------------------------------------3.2 DNTSELMLETI HTTR -----------------------------------------------------------Filozfiai kzeltsmd a dntselmleti kutatsok kezdete -------------A korltozott racionalits --------------------------------------------------------Magyarorszgi kutatsok --------------------------------------------------------A legjabb kutatsok -------------------------------------------------------------11 18 18 20 24 27
4. KUTATS EREDMNYEI S KVETKEZTETSEI----------------------------------- 31 4.1. OPTIMIZMUS/ PESSZIMIZMUS------------------------------------------------------4.2. MAXIMALIZL ATTIT D -----------------------------------------------------------4.3. DEMOGRFIAI VLTOZK ----------------------------------------------------------4.4. OPTIMIZMUS, KOR S MAXIMALIZLS: MAGYARZ MODELL -----------------------4.5 KVETKEZTETSEK ------------------------------------------------------------------31 39 41 56 57
5. MELLKLET ---------------------------------------------------------------------------- 60 5.1 DEMOGRFIAI KRD V-------------------------------------------------------------- 60 5.2 OPTIMIZMUS KRD V --------------------------------------------------------------- 63 5.3 MAXIMALIZL KRD V ------------------------------------------------------------ 65 6. IRODALMI HIVATKOZSOK --------------------------------------------------------- 68 7. FGGELK: ---------------------------------------------------------------------------- 71 8. KUTATST VGZ SZERVEZET: ----------------------------------------------------- 83
8.1 KRVONAL KZHASZN ALAPTVNY:------------------------------------------------------------------- 83 8.2 KUTATK:-------------------------------------------------------------------------------- 83
2
Krvonal Kzhaszn Alaptvny, 2007.
BRAJEGYZK
1. BRA TLAGOS MAXIMALIZLS S ISKOLAI VGZETTSG ..................................................44 2. BRA TLAGOS MAXIMALIZLS S CSALDI LLAPOT .......................................................49 3. BRA TLAGOS MAXIMALIZLS S NETT JVEDELEM ......................................................52 4. BRA TLAGOS MAXIMALIZLS S A VLASZAD KORA .....................................................54
TBLZATJEGYZK
1. TBLZAT MAXIMALIZLS/ KIELGT DNTSEK (ZOLTAYN, 2005)...................................22 2. TBLZAT KMO - BARTLETT TESZT ............................................................................32 3. TBLZAT: A MODELLBE BEVONT VLTOZK KOMMUNALITS RTKEI .....................................33 4. TBLZAT: INFORMCI TARTALOM .............................................................................35 5. TBLZAT:ROTLT MEGOLDS ...................................................................................36 6. TBLZAT: OPTIMIZMUS S PESSZIMIZMUS VLTOZ LER STATISZTIKI ...............................38 7. TBLZAT: A MAXIMALIZL VLTOZ LER STATISZTIKI .................................................40 8. TBLZAT: MAXIMALIZL ATTIT D S NEM ..................................................................42 9. TBLZAT: VARIANCIA-ANALZIS ...............................................................................42 10. TBLZAT: OPTIMIZMUS S NEM ..............................................................................42 11. TBLZAT: VARIANCIA-ANALZIS ..............................................................................43 12: TBLZAT VARIANCIA-ANALZIS ..............................................................................44 13. TBLZAT ISKOLAI VGZETTSG S OPTIMIZMUS ...........................................................45 14. TBLZAT VARIANCIA-ANALZIS ...............................................................................45 15. TBLZAT BEFEJEZETT TANULMNYOK S HASZONMAXIMALIZLS.......................................47 16. TBLZAT: VARIANCIA-ANALZIS .............................................................................47 17. TBLZAT BEFEJEZETT TANULMNYOK S OPTIMIZMUS ....................................................48 18. TBLZAT: VARIANCIA-ANALZIS ..............................................................................48 19. TBLZAT: VARIANCIA-ANALZIS ..............................................................................49 20. TBLZAT: CSALDI LLAPOT S OPTIMIZMUS ..............................................................50 21. TBLZAT: VARIANCIA-ANALZIS ..............................................................................51 22. TBLZAT: CSALDI LLAPOT S KOR ........................................................................51 23. TBLZAT: VARIANCIA-ANALZIS ..............................................................................52 24. TBLZAT: JVEDELEM S OPTIMIZMUS .....................................................................53 25. TBLZAT: VARIANCIA-ANALZIS .............................................................................53 26. TBLZAT VARIANCIA-ANALZIS ...............................................................................55 27. TBLZAT OPTIMIZMUS S KOR ...............................................................................55 28. TBLZAT VARIANCIA-ANALZIS ...............................................................................56 29. TBLZAT A MODELL ILLESZKEDSE ..........................................................................56 30. TBLZAT KOEFFICIENSEK .....................................................................................57 31. TBLZAT NEM-HASZONMAX...................................................................................71 32. TBLZAT: OPTIMIZMUS S NEM .............................................................................72 33. TBLZAT:OPTIMIZMUS S ISKOLAI VGZETTSG ..........................................................73 34. TBLZAT: MAXIMALIZL S ISKOLAI VGZETTSG .......................................................74 35. TBLZAT: MAXIMALIZL S BEFEJEZETT TANULMNYOK ................................................75 36. TBLZAT: OPTIMIZMUS FELHASZNLT S BEFEJEZETT TANULMNYOK ..................................76 37. TBLZAT: MAXIMALIZL S CSALDI LLAPOT ...........................................................77 38. TBLZAT: OPTIMIZMUS S CSALDI LLAPOT .............................................................78 39. TBLZAT:OPTIMIZMUS S JVEDELEM ......................................................................79 40. TBLZAT: JVEDELEM S MAXIMALIZL...................................................................80 41. TBLZAT: MAXIMALIZL S KOR ...........................................................................81 42. TBLZAT: OPTIMIZMUS S KOR ..............................................................................82
3
1. VEZET
I SSZEFOGLAL
Clunk annak feltrsa volt, hogy ltezik-e sszefggs az optimizmus/ pesszimizmus s a maximalizl mentalits kztt, hiszen ha ez a kapcsolat igazolhat, akkor az optimista/ pesszimista attit db l kvetkeztethetnk a dntshozatali kpessgre is. Internetes kutatsunk sorn, amely 1.112 kitlttt krd v feldolgozsra alapult, a kvetkez eredmnyekre jutottunk:
maximalizl
mentalits
megllaptsban
segtsgnkre
lehet
vlaszad
vgzettsge, valamint a kora. A magasabb vgzettsggel rendelkez k, valamint az id sebbek tlagosan kevsb maximalizlnak. A kor demogrfiai vltoz valamint a maximalizl mentalits kztti er s
sszefggs miatt az optimizmuson s pesszimizmuson kvl ezt a tnyez t is bevontuk a magyarz modellnkbe. Amennyiben valaki mg nem fejezte be a tanulmnyait, arra enged kvetkeztetni, hogy az illet jobban hajlik a maximalizls fel. Az hogy mikor rdemes maximalizlni s mikor nem, helyzet- illetve krnyezetfgg . A maximalizls clravezet bb, ha a vlasztsi alternatvk szma kevs, nincsen id nyoms valamint bizonytalansg. Kielgt dntsre trekedni ezzel szemben
clravezet bb ha a vlasztsi alternatvk szma sok (vgtelen), illetve ha nagy a bizonytalansg, valamint gyorsan kell meghozni a dntst. A legtbb dntsi helyzet azonban nem sorolhat be egyrtelm en az el bb emltett kt kategriba.
Kutatsunk sorn megllaptottuk, hogy az optimista attit d s maximalizl attit d kztt negatv, a pesszimista vilgnzet s a maximalizl attit d kztt pozitv, valamint a vlaszad kora s a maximalizl attit d kztt negatv kapcsolat ll fenn. Felmerl a krds, hogy a munkaadk, a vezet k elvrhatjk-e dolgoziktl, hogy mindig a legjobb alternatvt, a legjobb megoldst keressk?. Az esetek tbbsgben nem dnthet szerint el ktsget kizran, hogy mikor rdemes maximalizlni s mikor nem. Ezek amikor nem egyrtelm , hogy a kielgt dntsekre trekvs vagy a
maximalizls a clravezet bb, az optimista dolgozktl inkbb kielgt
alternatva
megkeresst ajnlatosabb elvrni, a pesszimisttl a maximalizlst, az id sebbekt l pedig inkbb a kielgt dnts meghozatalt, mg a fiatalabbaktl a maximalizlst.
4
2. VIZSGLAND TMAKR
2.1. Tmavlaszts indoklsa
A hatkony s helyes dntshozatal legyen az zleti- vagy magnlet letnk sikeressgnek alapkve. A naponta meghozand dntsek szma az elmlt
vtizedekben ugrsszer en megnvekedett s mg nehezebb teszi a dntshozatalt az a tny, hogy a vlaszthat alternatvk szma szintn nagymrtkben megn tt. nmagban mr a napi dntsek ilyen hihetetlenl nagy szma is indokolja, hogy rdemes a dntshozatal mdjval foglalkozni. Vannak helyzetek amikor, a
dntshozatal egyszer bb s kevesebb id t ignyel. Mindenki tapasztalta mr, hogy egyszer bb kivlasztani, melyik ruhadarabot vegyk fel, mint eldnteni melyik llst vlasztjuk, vagy melyik munkavllalt. S t az is egyrtelm en megfigyelhet , hogy az emberek klnbz en hoznak meg dntseket. Vannak, akik sokszor vgig gondoljk, tbbszr megfontoljk, hogy melyik alternatvt vlasszk. Msok pedig rezhet en el bb kpesek dnteni, br ezzel az is egytt jr, hogy nem felttlenl a legjobb mellett dntenek. Nekik az elg j is megfelel.
Simon Herbert kutatsai ta tudjuk, hogy az el bbi emberekre a maximalizl attit d, mg az utbbiakra a megelgedettsgre trekvs a jellemz . Amerikai kutatk egy csoportja Schwartz (2002) s trsai megalkotottak egy krd vet, mellyel mrhet v vlt ezen belltottsg. Az ltaluk ksztett krd v segtsgvel kvnjuk a maximalizl mentalitsrl eddig kialaktott kpet tovbb rnyalni (legf kppen az optimizmus/ pesszimizmus mentalitst. tekintetben), valamint felmrni Magyarorszg maximalizlsi
A dntshozatali kpessgre amely nem ms, mint a rendelkezsre ll alternatvk kzl kivlasztani az optimlist clja kvetkeztethetnk feltrsa, hogy a maximalizl ltezik-e mentalits az
ismeretben.
Kutatsunk
annak
sszefggs
optimizmus/ pesszimizmus s a maximalizl mentalits kztt, hiszen ha ez a kapcsolat igazolhat, akkor az optimista/ pesszimista attit db l kvetkeztethetnk a dntshozatali kpessgre is.
A kzgondolkods szerint bizonyos pozcikban, bizonyos munkahelyeken ltfontossg a precz, tkletes munkavgzs. Kpzeljnk el egy orvost, akinek el kell dntenie melyik
5
beavatkozst vgezze el a betegen. Termszetesnek t nik, hogy minden ltez alternatvt megvizsgl s csupn a legjobb az elg j neki, orvosoknl teht elvrt a munkahelyi maximalizls. Most kpzeljnk el egy menedzsert, akinek be kell ruhznia a szervezet pnzt. Mivel a beruhzsi lehet sgek szma vgtelen, senki sem vrja el t le, hogy az sszes ltez alternatvt szekvencilisan elemezze. B vel elg, ha tall egy olyat amelyik megfelel az elvrsoknak. Ebben az esetben teht inkbb kielgt kell el nyben rszesteni, ugyanis maximalizlsra nincsen md. dntst a
Amennyiben
maximalizl mentalitsrl b vtjk ismereteinket, a ks bbiekben lehet sg nylhat annak felhasznlsra plyavlasztsi tancsads, szervezeti kivlaszts vagy akr el lptets kapcsn is.
2.2. Kutats mdszertana
Jelen tanulmny alapjt kpz kutatst a Gordio Tancsad Csoport internetes vlaszadi felletn vgeztk, melyet ezton is szeretnnk megksznni. Az internetes kutats mellett dntttnk, hiszen ezltal jval nagyobb mintbl llt mdunkban
kvetkeztetseket levonni, br tisztban vagyunk az ilyen fajta kutats htrnyaival is. Az internet segtsgvel jval tbb emberhez tudtuk eljuttatni krd vnket, mintha szemlyes megkeresst alkalmaztunk volna. Ehhez hozzjrul az a tny is, hogy a Gordio Tancsad Csoport internetes vlaszadi fellete a www.korkerdes.hu 15.000 f s vlaszadi bzissal rendelkezett, melyet szintn rendelkezsnkre bocstottak.
Kutatsunk kezdetn egy invitl levelet kldtnk szt ezen vlaszadi krnek, valamint a Krvonal Alaptvny rintettjeinek, partnereinek. A korbban regisztrltak egy egyedi jelsz alapjn lphettek be a vlaszadi felletre, melyre a hasznlt krd vek miatt volt szksg. A regisztrls lehet sge brki szmra adott volt. A vlaszad szm nvelsre a kitlt k kztt knyvnyeremnyeket sorsoltunk ki. Termszetesen a sorsolsbl ki lettek zrva mind a Krvonal Alaptvny mind a Gordio Tancsad Csoport munkavllali s kzeli csaldtagjaik. A krd v kitltsi kedvnek nvelse rdekben azonnali automatikus visszajelzst nyjtottunk a maximalizl skla kitltse utn. Tovbb kutatsunk vgeztvel mindenkinek, aki kitlttte a krd vet egy rvid sszefoglalt kldnk eredmnyeinkr l. Az internetes kutats tovbbi el nyei, hogy a vlaszadk a szmukra megfelel id ben tlthettk ki a krd vet, valamint gy az adatok mr eleve elektronikus formban lltak rendelkezsre. Ilyen mennyisg adat
feldolgozskor ugyanis mr jelent s lehet az emberi tnyez
az adatok szmtgpre
6
vitelekor. Az internetes lekrdezsek sajtja, hogy a vlaszads teljesen vletlenszer a kitlts termszetesen nkntes.
Az adatfelvtel 2007. novemberben trtnt, mely sorn sikerlt 1112 rtkelhet krd vet sszegy jteni. Nem rtkelhet nek min stettnk azon krd veket, melyekben csupn az optimizmus vagy csupn a maximalizl skla lett kitltve, valamint ahol minden feltett krdsre azonos vlaszt kaptunk. Az rtkelhetetlen krd vek szma nem haladja meg a 3%-ot mely ismt igazolja az internetes kutats el nyt, hiszen korbbi tapasztalatok szerint a szemlyes megkeress esetben ez szm jval nagyobb. Aki elhatrozta, hogy kitlti krd vnket, az esetek nagy tbbsgben valban rtkelhet mdon tette ezt, fggetlenl attl, hogy a trgynyeremny vagy pedig kutatsunk segtse cljbl tette. Kutatsi mdszertanunk kidolgozsa sorn el kellett dntennk, hogy elfogadjuk-e ha valaki nem az sszes krdsre vlaszol, vagy esetleg ksztnk egy Nem tudom vlasztsi lehet sget is. A szakirodalom (Gilljam s Granberg, 1993) e tekintetben nincsen egysges llsponton. Bizonyos nzetek szerint amennyiben nem adunk lehet sget arra, hogy a vlaszad ne dntsn, azzal lnyegben befolysoljuk t a
kitlts sorn. Mg akkor is vlemnyt kell alkotnia, ha az adott tmban egybknt nem rendelkezik semmilyen meggy z dssel, vagy nem rendelkezik elg informcival ahhoz, hogy brmilyen megtls kialakulhasson benne. A msik nz pont szerint amennyiben megadjuk a nem vlaszts lehet sgt, akkor azok a vlaszadk, akiknek nincsenek hatrozott elkpzelsei, inkbb a nem vlaszts mellett dntenek. Vlemnynk szerint ez utbbi esetben szmottev vlaszad rtkes vlemnye veszne el. Tovbb az
ltalunk vizsglt krdsekben valszn leg mindenkinek van vlemnye, hiszen a mindennapi lettel kapcsolatosak. Kutatsunk sorn teht kizrtunk annak lehet st, hogy krdsek megvlaszolatlanul maradjanak. A krd vek kitltse sorn addig nem haladhatott tovbb a vlaszad a kvetkez krd vre, ameddig resen hagyott cellt
szlelt a szmtgp. Ez all kivtel csupn a demogrfiai adatok egy rsze volt, melyekhez a nyeremnyjtkon val rszvtel miatt volt szksg.
Demogrfiai krd v
Kutatsunk egyik alapkve a demogrfiai vltozk minl pontosabb lekrdezsben rejlik. Ezltal nylik lehet sgnk ugyanis a maximalizlsrl, valamint az optimista/
7
pesszimista mentalitsrl eddig kialakult kpet tovbb rnyalni. A klnbz felhasznlsval olyan krdsekre kvnunk vlaszt kapni, mint pldul
adatok van-e
sszefggs a vlaszadk neme s maximalizl mentalitsa kztt. A demogrfiai adatok jellegb l addan termesztsen biztostottuk vlaszadinkat, hogy adataikat harmadik szemly nem adjuk t, valamint marketing clokra nem hasznljuk fel. A begy jttt adatok egy rszre a nyeremnyjtkban val rszvtelhez volt szksg. Ezek kitltse nem volt ktelez , azonban hinyukban a nyeremnyjtkban val rszvtel nem volt lehetsges. Ezen adatokat csillaggal jelltk (vezetknv, keresztnv, vros/ kzsg, cm, telefonszm). A vlaszad email cmre lekrdezsi mdszertanunk miatt volt szksg, melyet korbban kifejtettnk. A fggelkben kzljk az ltaluk hasznlt demogrfiai krd vet.
Optimizmus krd v
Ksznettel
tartozunk
www.staffing.hu
munkatrsainak,
akik
rendelkezsnkre
bocstottk a tulajdonukat kpez
optimizmus krd vet, melynek segtsgvel trtuk fel
az emberek ltalnos optimizmust illetve pesszimizmust. A krd v sszesen hsz lltsbl ll. Mindegyik lltst egyt l tig kell pontozni attl fgg en, hogy a vlaszad mennyire rt egyet az lltssal. Az egy azt jelenti, hogy egyrtelm en hamis az llts, vagyis egyltaln nem jellemz llts, vagyis nagyon jellemz a kitlt re, az t pedig azt, hogy egyrtelm en igaz az a kitlt re. A krdsek egy rsze azt mri mennyire
optimista az illet , a msik fele pedig azt, hogy mennyire pesszimista. Lsd a fggelket a teljes krd vrt.
Maximalizl krd v
A maximalizl krd v clja, annak feltrsa volt, hogy az emberek tlagosan milyen mrtkben fogadjk el, vagy utastjk el a maximalizlsi mentalitst. A krd vek kirtkelse utn mdunkban ll meghatrozni, hogy valaki maximalizl,
megelgedettsgre trekv , vagy esetleg mindkett
egyszerre. Az ltalunk hasznlt
krd vet Schwartz s trsai dolgoztk ki (Schwartz et al, 2002). Ezen tanulmnyt tekintjk kutatsunk kiindul pontjaknt, hiszen itt lltottak ssze el szr krd vet a maximalizlsi mentalits operacionalizlsra, ebb l addan ez volt az els szlesebb
8
krben elvgzett ilyen jelleg
felmrs is. A krd v magyar nyelv
fordtsa Schwartz
dntselmleti knyvb l (Schwartz, 2006) szrmazik, mely megjelent Magyarorszgon is.
A krd vben lv
lltsokat 1-7ig lehetett osztlyozni ahol az 1 azt jelentette, hogy
egyltaln nem rt vele egyet a 7, pedig azt hogy teljesen egyetrt vele. Az lltsok egy rsze ltalnos vlasztsi helyzeteket fogalmaz meg, a tbbi pedig konkrt helyzetekr l szl. A krd v kitltsre krlbell 10 percre van szksg, kirtkelsnl az egyes lltsokra adott pontszmok sszegb l kell kiindulni. A Fggelkben kzljk a maximalizl krd vet.
A krd vek kitltse utn, mint ahogyan azt mr korbban emltettk egy rvid visszajelzssel is szolgltunk a kitlt knek. A krd vek kirtkelse automatizlva trtnt, az rtkelst e-mailben kldtk el. A visszajelzst tbb szempontbl is hasznosnak tltk meg. El szr is, ezzel is kvntunk nvelni a kitltsi kedvet s a minta nagysgot is. Msodszor pedig, ezltal is megkszntk a rszvtelt, hiszen a vlaszads teljes mrtkben nkntesen zajlott. Harmadszor pedig segtsget
nyjtottunk az embereknek nmaguk megismersben, hogy ezltal is tudatosabban vlasszk meg dntsi stratgiikat. Albb kzljk a visszajelzseket, melyeket a kitlt k kaptak.
Megelgedettsgre trekv k Az n szmra a megoldskeress addig tart ameddig nem tall egy, az n szmra elg j megoldst. Ezt kvet en mr nem tr dik a tbbi elszalasztott lehet sggel, ezltal viszonylag elgedett dntseivel. Mivel megelgedettsgre trekszik nem zavarja, ha tbb a vlasztsi lehet sgek szma, hiszen ha mr megtallta az n szmra elg jt, egyszer en figyelmen kvl hagyja a tbbi lehet sget. Ha pedig mg nem tallta meg a kielgt megoldst, akkor a tbblet vlasztsi lehet sgek tovbb javtjk
helyzett. Az abszolt legjobbal szemben n megelgszik az elg jval is, ez nagyban leegyszer sti mindennapi dntshozatalait, hiszen irrelis mindig a legjobbra trekedni.
Nem fogadja el de, nem is utastja el a maximalizlst n dntshozatalkor kt klnbz stratgit alkalmaz, dntsi terlett l fgg en.
Bizonyos krdsekben csak s kizrlag a legjobb az elfogadhat nnek. Ilyenkor az sszes ltez alternatvt vgigvizsglva vlasztja ki a legjobb megoldst. Ms
9
lethelyzetekben azonban nem trekszik a tkletessgre. Az alternatvk vizsglata sorn mihelyt tall egy, az n szmra kielgt en j megoldst, azt vlasztja s nem bajldik a tovbbi alternatvk elemzsvel.
Maximalizlk Az n szmra ltalban csak a legjobb az elg j. Dntsi helyzetekben az sszes alternatvt vgigvizsglva a legjobb megoldst vlasztja ki. Ezen okbl kifolylag, amikor n tbb vlasztsi lehet sggel tallja szemben magt, akkor a dnts nehzsget okoz nnek, hiszen ezltal tbb lehet sget kell megvizsglnia s
sszehasonltania miel tt dntst hozna. A problma akkor lesz igazn jelent s, amikor a vlasztsi lehet sgek szma meghaladja azt, amit mg ssze tud hasonltani. Ilyen esetekben rknyszerl, hogy egy id utn abbahagyja a keresst. A vlasztssal
azonban nem lesz elgedett, nem tudhatja mi lett volna ha egy msik megolds mellett dnt lehet, hogy az lett volna a legjobb.
10
3. KUTATS ELMLETI HTTERE

3.1 Optimizmus/ pesszimizmus
Az optimizmus: "A lehet legjobb vgkifejlet elvrsra val hajlam".
Az emberek ltalban inkbb hajlanak optimizmusra, mint a pesszimizmusra, de ennek mrtke s a megkzdsi stratgik kultrnknt illetve egynenknt eltr ek lehetnek.
Egy szemly kedvez
elvrsainak sokfle oka lehet: szemlyes hatkonysg, szerencse
vagy egyb okok. Az optimista belltottsg szemly jobban meg tud kzdeni a stresszhatsokkal; terveket kszt, az aktulis feladatokra sszpontost, jobban vdekezik a stresszhez kapcsold negatv rzelmekkel szemben. Azok a szemlyek, akiket korbban (a pesszimistkhoz kpest) optimistnak talltak, kevesebb tnetr l s jobb testi, pszichikai llapotrl szmoltak be. Az optimista szemlyek a szubjektve kevsb optimista szemlyekhez kpest nem csak jobbnak tlik meg egszsgi llapotukat, hanem ez a klnbsg az objektven mrt tnetszmokkal is kimutathat (Szondy, 2006). Az optimizmus jobb immunm kdssel s gyorsabb gygyulsi sebessggel jr, illetve az optimista szemlyek szignifiknsan tovbb lnek a pesszimistkhoz kpest. Az optimizmus s a kedvez bb egszsgi llapot kzti kapcsolatot legf kppen az
befolysolja, hogy az optimista szemlyek kevesebb stresszorral tallkoznak, azokat a pesszimistbb emberekhez kpest eltr en rtkelik, illetve hatkonyabban kzdenek meg velk (Szondy, 2006). A fent rtakat olyan kutatsok tmasztjk al, melyek eredmnyei szerint a pesszimista magyarz stlus gyengbb egszsgi llapotra hajlamost, klnsen a kzpkorak esetben. A pesszimista hajlam sszefondik egyfajta passzv magatartssal. Jellemz rjuk, hogy a passzv magatartst problmamegold mechanizmusknt hasznljk.
Klnfle problma megoldsi stratgik (Perez, 2007):
Az optimista s pesszimista szemlyek eltr
stratgikat alkalmaznak a felmerl
problmk esetn. Az emberek ktfle mdon kzdenek meg a stresszt okoz krlmnyekkel, stresszhatsokkal:
11
Az els , n. 'problmacentrikus' megolds lnyege, hogy a szemly a stressz forrst kvnja megsznteti vagy kikerli a fenyeget amelyek a stressztnyez t gtoljk. A msik fajta stratgia az gynevezett 'rzelemcentrikus' megkzds. Ennek clja a stresszhelyzethez kapcsold negatv rzelmi llapot cskkentse, kikszblse. Ennek a stratginak kt lehetsges el nye van. Egyrszt: az aggodalom cskkentse nmagban is hasznos. Msrszt: a stressz ltal kivltott negatv rzelmi llapot akadlyozza a stresszel val aktv szembeszllst, gy az rzelemcentrikus megkzds, mivel cskkenti a negatv rzelmi llapotot, knnyebb teszi a szemly szmra, hogy ttrjen a problmacentrikus stratgira. Ez a kt stratgia nem sszefrhetetlen. Az emberek stresszhelyzetben gyakran ezek keverkt hasznljk. Bizonyos vltozk meghatrozhatjk, hogy melyik stratgia dominl a szemly vlaszaiban. ingert. A szemly olyan clok fel halad,
A problmacentrikus stratgit gyakrabban hasznljk azokban a szitucikban, ahol a szemlyek hisznek abban, hogy lehet valami konstruktvat tenni a stresszhelyzet megoldsa rdekben. Az rzelemcentrikus stratgit akkor hasznljk gyakrabban, ha gy ltjk, hogy az adott helyzetet mindenkppen el kell viselnik. A pesszimizmus inkbb hajlamosthat az rzelemcentrikus megkzds bizonyos fajtira, mg az
optimizmus pozitvan korrell a problmacentrikus stratgik hasznlatval, klnsen akkor, ha a vizsglt szemlyek a stresszhelyzetet kontrolllhatnak tekintik.
Az optimizmus pozitvan kapcsoldik mg a helyzet relis elfogadshoz, de csak azoknl a szemlyeknl, akik a helyzetet kontrolllhatatlannak lttk. Ahelyett, hogy tagadnk a helyzetet, az optimistk megksrelnek egyenesen az aktulis problmkkal foglalkozni, s a legjobbat prbljk ltni a helyzetben, amellyel szembekerltek. Az optimistk hasznljk az elfogads, a beletr ds stratgiit is, de csak akkor, ha ezek a stratgik adaptvnak ltszanak, vagyis, ha a stresszhelyzet kontrolllhatatlannak t nik. Ez utbbi eredmny azrt figyelemremlt, mert azt sugallja, hogy az optimizmus nemcsak akkor jelent el nyt a megkzdsben, amikor a szemly tud valamit tenni a stresszhelyzet lekzdsre, hanem akkor is, ha a szemlynek el kell fogadnia az esemnyt, s alkalmazkodnia kell hozz (Perez, 2007). Az optimista szemlyek ennek ksznhet en kpesek tudatostani magukban a megoldhatatlannak t n problmkat s nem ragadnak bele a kiltstalannak t n optimistkhoz hasonlan feladatokat,
helyzetekbe. A kevsb
k is hatkonyan tirnytjk er forrsaikat a lekzdhet
feladatokra (Aspinwall s Richter, 1999). Az optimista ember olyan megoldsi mintkat
12
alkalmaz, amelyek lehet v teszik, hogy mindent elkvessen, ami csak lehetsges az adott szituciban. A pesszimista ember ezzel ellenttben megprblja tagadni a stresszhelyzetet, belefeledkezik annak kellemetlen rzelmi hatsaiba, s megprbl szabadulni azoktl a cloktl, amelyek elrst a stresszhelyzet gtolja (Perez, 2007). A legalapvet bb klnbsg az optimista s a pesszimista szemlyek kztt az ltaluk kit ztt clokban illetve a vgyakkal kapcsolatosan fellltott elvrsaikban mutatkozik meg legszembet n bben. Az kit ztt elvrsok megvalsulshoz kt d bizakods
illetve ktsg rzse hatst gyakorol a clok elrse rdekben tett er fesztseikre is. Ha a szemly nem bizakod, meg sem prbl tenni semmit a kit ztt vgyak irnyban, mg ha lt remnyt, minden t le telhet t megtesz az gy rdekben (Carver, 2007). Mindezekb l kvetkezik, hogyha kihvssal szembeslnek, az optimistk bizakodan s llhatatosan kezelik a problmt mg abban az esetben is, ha a halads nehzkesnek s lassnak grkezik, mg a pesszimistk ugyanazon krlmnyek kztt bizonytalann vlnak, elkezdenek hezitlni s valszn bben vrnak el szerencstlen vgkimenetelt (Carver, 2007). Emiatt amikor az optimista ember szerencstlen helyzetbe kerl, prblkozik, a pesszimista alkat szemly viszont ltalban hamar feladja.
Vajon a pesszimizmus mindig rossz (Perez, 2007)?
E rsznl kln kell beszlnnk a vdekez
pesszimista fogalmrl. A vdekez
pesszimista el re megrez bizonyos dolgokat, s aggdik a negatv esemnyek miatt. Egyrszt az eleve gyenge teljestmny elvrsa cskkenti az emberben a sokkhatst abban az esetben, ha a szerencstlensg valban bekvetkezik. Msrszt az aggds, a kudarc el re vettsvel kapcsolatos nyugtalansg cselekvsre sarkallja a szemlyt. Mindezeknek eredmnyekppen a vdekez pesszimistk hajlamosak ugyanolyan j
teljestmnnyel szerepelni a teszteken, mint elmleti optimista trsaik. gy t nik, hogy a vdekez pesszimizmus m kd kpes legalbbis rvidtvon- azoknl, akik alkalmazzk, de nem jobb hatsfokkal, mint az optimizmus. Nem szabad figyelmen kvl hagyni viszont azt a tnyt, hogy bizonyos esetekben a pesszimizmus inkbb akadlyozza a j teljestmnyt, mintsem el mozdtan azt.
13
Vajon az optimizmus mindig j (Perez, 2007)?:
A norml szemlynek ltalban irrelisan pozitv kpe van sajt magrl, s tlzottan hisz abban, hogy ellen rizni tudja krnyezett, jv jt messze jobbnak kpzeli, mint az tlagembert. Amikor a szemlyek egy letesemny bekvetkezst valszn stik, irrelisan optimistk. gy gondoljk, hogy a kellemetlen esemnyek velk ritkbban, a pozitv esemnyek pedig gyakrabban esnek meg, mint msokkal. Amikor a szemlyeket megkrik, hogy jsoljk be egy szocilis vagy politikai esemny kimenetelt, a jslat egybevg azzal, amit szeretnnek (azaz sajt preferencikkal). Az emberek irrelis optimizmusnak egyrszt oka lehet, hogy kevs informcijuk van a kockzat pontos felbecslsre, msrszt, hogy az esemnyek valszn sgnek becslsben
szisztematikus hiba van. Az ilyen hiba irnya fgg az esemny valszn sgt l s a szemlyes tapasztalat gyakorisgtl, de nem fgg az esemny tpustl. Ha egy esemny kontrolllhatnak t nik, a szemly hisz abban, hogy lpseket tehet annak rdekben, hogy nvelje az esemny bekvetkeztnek valszn sgt. Ha a fent lert m kdsmdot vezet pozciban lv szemlyekre vettjk ki, azt talljuk hogy a sajt helyzet tlrtkelse illetve a konkurencia alulbecslse slyos dntsbeli hibkhoz vezethet. A rszrehajl gondolkodsmd inkbb vezet elfogult vagy konfliktust eredmnyez dntshozatalhoz. Amennyire jellemz , hogy az emberek 80%-a az kszsgt, ugyanannyira gyakori, hogy a rtkelik sajt cgk piaci
tlagosnl jobbnak tli meg sajt autvezet dntshoz pozciban lv szemlyek
magasabbra
stabilitst, mint a konkurencit. gy az ellenttes rdekeket kpvisel trgyalsok sorn gyakran sajt flnyk Ez tlbecslse pedig olyan miatt
felek a kzs hajlanak vezethet,
kevsb
engedmnyekre,
kompromisszumokra.
jtszmkhoz
melyekb l nemcsak eredmnyesen, hanem egyltaln kiszllni nehz (Kahneman s Renshon, 2007). Az ilyen jelleg pozciban lv szemly illetve dntsi csapdkra megoldst knlhat, ha a vezet kszt egy intuitv el rejelzst egy tervszer a vgkifejlet el rejelzs gtl
egyrszt
tekintetben,
mindezt
igyekszik
ellenslyozni
elksztsvel is. Ehhez nlklzhetetlen tgondolni az esetleg felmerlhet
tnyez ket, lehet sgeket, alternatvkat. A megbzhat dnts meghozatalhoz nem lehet figyelmen kvl hagyni a hasonl szitucikban tapasztalt krlmnyeket. E krlmnyek kikszblhet gondos feltrkpezsvel s a velk val tudatos tervezssel
az egynre illetve a szervezetre jellemz
elfogult optimizmus, mely a
meghozott dntsekre sok esetben negatv hatst gyakorol (Lovallo s Kahneman, 2003).
14
A dntsek meghozatalval kapcsolatban rdekes eredmnyre bukkant Rosa Maria Puca (2004), aki azt tallta, hogy a vgleges dnts megszletse utn a szemlyek sokkal inkbb bznak a kit ztt cljaik beteljeslsben, szemben a dnts meghozatala el tti fzisban lv egynekkel, akik mg csak gy jtik az elrend clhoz vezet lehetsges
cselekvsi terveket. A jelensg rdekessge, hogy a dnts meghozataln mr tl lv szemlyek optimistbb hozzllsa nem a magasabbra t ztt cljaikbl vagy a siker biztosabbnak val elvrsbl fakad, hanem csupn abbl, hogy kisebb mrtkben szmolnak a buks lehet sgvel (Puca, 2004). A tlzott optimizmus azokban az esetekben okozhat f knt problmt, amikor az egyn egy jfajta, ismeretlen szitucival szembesl s kevs relevns informcival, tapasztalattal rendelkezik, ami miatt megalapozatlan elvrsokat alakt ki (Haynes s mtsai, 2006). Egy e tmval foglalkoz tanulmnyban kzpiskolbl fels oktatsba ppen bekerlt, els ves hallgatkat vizsgltak meg. Ez esetben a mr elvgzett
kzpiskola kpezte az ismer s krnyezetet a fiatalok szmra, mg a fels oktatsi intzmny az ismeretlent. Els sorban arra voltak kvncsiak, hogyan alakul a tlzottan optimista illetve a kevsb optimista dikok kontrollrzete, mindennapokban
megmutatkoz jellemvonsai, tanulmnyi eredmnye, kudarcokkal szembeni ellenllsa. Feltteleztk, hogy azok a hallgatk, akik knnyedn teljestettk a maximumot a kzpiskolai vek alatt, rosszabbul fognak reaglni a fels oktats eltr kvetelmnyeire, illetve az azok miatt tlt kudarclmnyekre. A kapott eredmnyek is igazoltk, hogy a kzpiskola kiemelked en okos dikjai hajlamosak rosszabbul teljesteni a f iskoln, egyetemen, mint diktrsaik, mert nem relis elvrsokkal futnak neki a
tanulmnyaiknak, s az
ket rt kudarcokat nem adaptv mdon magyarzzk,
rtelmezik. Emiatt a tlzottan optimista hallgatknl nagyobb arnyban tapasztalhat buks illetve intzmnyelhagys (Haynes s mtsai, 2006).
A legtbb ember kevsb emlkezik a kudarcaival kapcsolatos informcikra, mint a sikereivel kapcsolatosakra s pozitvabbnak tli meg egy adott feladatban nyjtott teljestmnyt, mint amilyen az a valsgban volt. Vizsglatok azt mutatjk, hogy a szemlyek a pozitv eredmnyeket inkbb tulajdontjk sajt maguknak, mint a negatvakat. Az ltalnos kp ellenre, amely azt mutatja, hogy a szemlyek inkbb vllaljk a felel ssget a pozitv kimenetel dolgokrt, mint a negatvakrt, bizonyos
eredmnyek azt sugalljk, hogy az emberek felnagytjk sajt felel ssgket, ha kiemelked en negatv esemnyr l van sz.
15
A pozitv illzi ktfle mdon nvelheti a kreatv, produktv munkra val kapacitst (Perez, 2007): - az illzik nmagukban megknnythetik az intellektulis, kreatv m kdst - nvelik a motivcit, a kitartst s a teljestmnyt Az emberek ltalban az ellenttes vagy negatv, esetleg ktrtelm informcikat
egyszer en asszimilljk korbbi pozitv nkpkhz s vilgkpkhz. A pozitv illzik fenntartsra szocilis s kognitv sz r mechanizmust m kdtetnek, amely a negatv informcit kiszelektlja. Bizonyos esetekben a pozitv illzik fenntartsra irnyul kapacitsunkat inkbb tekinthetjk rtkes er forrsnak, amelyet tpllni s tmogatni kell, mintsem hibs feldolgoz rendszernek, amit korriglni kellene. Az optimista embert nem az abszolt pozitv jv kp jellemzi, vagy a kudarcok pozitv fogadsa, hanem az, hogy a negatv dolgokkal meg tud birkzni. Szmt arra, hogy lesznek akadlyok, de gy gondolja, hogy ezeket le tudja gy zni, s ezrt bzik az gretes jv lehet sgben (Perez, 2007).
Habr a fejezet elejn arra utaltunk, hogy az emberek inkbb hajlanak az optimista gondolkodsmdra, Seligman azt tallta, hogy napjainkban tzszer olyan mrtk depresszi, mint msfl genercival ezel tt, amelynek f a
oka a pesszimizmus. Ez a mai
vilg egyik legfurcsbb ellentmondsa, hiszen az atomhbor veszlye sokkal kisebb manapsg, mint a hideghbor idejn, a fasizmust legy ztk, s a kommunizmus is lecseng ben van. Kevesebb katona hal meg a csatatren szerte a vilgon, a gyerekek egyre kisebb szzalka hal meg hinyos tpllkozs miatt, jobb az oktats. A legtbb rendelkezsre ll statisztika pozitv irny fejl dst mutat, de a remnytelensg, a pesszimizmus, a depresszi s az ngyilkossg egyre terjed (Seligman, 2007).
Seligman hrom okot emlt a pszichs betegsgek ilyen mrtk
elterjedsnek okaknt
(Seligman, 2007). El szr is az emberek sokkal inkbb sajt magukkal tr dnek, sokkal fontosabb az "n". A depresszival ltalban akkor tallkozunk, amikor gy rezzk, meghistottk legfontosabb cljainkat, keresztlhztk szmtsainkat. Napjaink fiataljai egyre inkbb gy gondoljk, k az egyetlenek a vilgon, eredmnyeik s hibik risi
jelent ssggel brnak. Minl fontosabbnak gondoljk magukat, minl er sebb az "n", annl valszn bb, hogy a kudarcokra pesszimizmussal reaglnak. Msodsorban sokkal kisebb a "mi", kevsb tr dnek az emberek msokkal.
Nagyszleink idejben ha az egyn, mint individuum hibzott, tkletes, vagy kzel
16
tkletes lelki tmaszra tallt. Ma mindenkinek sajt magnak kell megkzdenie a cljait gtl tnyez kkel. Harmadikknt Seligman az nbecsls nvelsre trekv mozgalmakat okolja a
pesszimizmus s ez ltal a depresszi elterjedsrt. Sokkal tbbet tr dnk azzal, hogyan reznek a fiatalok, mint azzal, hogyan teljestenek a vilgban. A '60-as vekben vltozs indult meg az iskolai s nevelsi szoksokban: legf bb gondunk a gyermekek nbizalma lett, vagyis az, hogyan rzik magukat, mit gondolnak nmagukrl.
Az let tele van kudarccal, elutastsokkal, emiatt smkat alaktunk ki, amelyekkel megprbljuk megmagyarzni magunknak, mirt trtntek meg velnk. Ezek a
magyarzatok risi jelent ssggel brnak annak meghatrozsban, mennyire vagyunk hajlamosak a depresszira. Vannak emberek, akik klnsen rzkenyek az elutastsra s sikertelensgre, tehetetlenn vlnak, mg msok kpesek arra, hogy minden elutasts s kudarc leperegjen rluk. Az emberek klnbz kppen magyarzzk meg maguknak, hogy mirt ppen ket ri csalds. Azok az emberek, akik lland, megvltoztathatatlan okokkal magyarzzk ami trtnik velk, hossz tvon remnytelensggel s
pesszimizmussal vlaszolnak a kudarcokra. Fggetlenl attl, hogy az okok kls k, vagy bels k, az lesz alkalmazkodsra kpes, aki megvltoztathat, ideiglenes okokra
sszpontost. Azon a terleten megsrl, ahol kudarc rte
t, de tovbbra is kpes
hatkonyan m kdni a tbbi terleten. Azok, akik katasztroflis, lland magyarzatot tallnak kudarcaikra, alaknznak ezzel mindent, amit csinlnak. Ez a pesszimizmus egyik legrosszabb velejrja.
Seligman kiemeli az optimizmus s pesszimizmus kapcsolatt a depresszival (azon bell pedig az ngyilkossggal): a pesszimista emberek kzt 2-8-szoros a kockzata a depresszinak, a munkban, iskolban, szerelemben, illetve a szabadid ben
megmutatkoz rosszabb teljestmnynek. Beck, Steer, Kovcs s Garrison 1985-ben egy 10 vre kiterjed vizsglatot vgeztek olyan emberekkel, akik ngyilkossgi ksztetssel
kerltek krhzba (Perez, 2007). A krhzi gondozs alatt mindenkivel kitltettk a megfelel krd veket (BDI, Remnytelensgi Mr skla), melyek a pesszimizmus
felmrsre szolgltak. A tz v elteltvel a pesszimistk esetben nagyobb volt a valszn sge annak, hogy meglik magukat, mint az optimistknl. Kln kiemelend , hogy a teljes BDI eredmnyek nem jeleztk el re a tovbbi ngyilkossgokat, csakis egy bizonyos BDI rszlet jsolta meg megbzhatan a ks bbi ngyilkossgot. Ez pedig a krd v azon rszlete volt, mely a pesszimizmusra val hajlamot mrte.
17
3.2 Dntselmleti httr
Filozfiai kzeltsmd a dntselmleti kutatsok kezdete
Mr az kori filozfusok is foglalkoztak a dntsek termszetvel. Kutatsuk fkuszban a j dntsek, cselekvsek lltak. Tbbnyire az egyni dntshozatallal foglalkoztak, arra kerestk a vlaszt, hogy hogyan kell jl lni, ehhez hogyan kell cselekedni, valamint hogy ehhez milyen dntseket kell hozni. Felmerlt teht a j meghatrozsnak krdse melyet alapvet en kt irnybl kzeltettek meg (Zoltayn, 2005): vagy meghatroztk, hogy mi a j s ennek vetleteit alkot rtkeket, vagy pedig az elfogadhat rtkek sszegy jtsvel definiltk. Mindegyik esetben azonban egy szabad nem akadlyozott dntshozt feltteleztek, aki maga vlasztja ki, hogy mi a szmra elrend cl, valamit ezek megvalstsa rdekben racionlis dntseket hoz.
A filozfusok klnbz mdon tekintettek a jra, mint fogalomra is. Voltak akik szerint a j objektv lerhat az emberekt l, a trsadalomtl fggetlenl. Msok arra hvtk fel a figyelmet, hogy a j let csupn az emberek cljainak elrst jelenti. Az emberek cljai pedig mindig klnbz ek teht, csak bizonyos emberek esetben, s t valszn leg csupn bizonyos id pontban lehetsges kijelenteni, hogy milyen a j let. Arisztotelsz volt az, aki a korbbi hagyomnyokkal szaktva azt mondta hogy: a legf bb jrl kell beszlnk, mgpedig arrl a legf bb jrl, amely szmunkra a legf bb j (Arisztotelsz, 1975)
Vlemnye szerint a legf bb jnak kt kritriumnak kell megfelelnie. El szr is olyannak kell lennie, hogy mindig nmagrt vlasszuk s sohasem msrt, a legf bb jnak mindig clnak kell lennie s sohasem eszkznek. Msodszor pedig nmagban is elgsgesnek kell lennie. Arisztotelsz gy hatrozta meg a dnts fogalmt: Az elhatrozs nyilvn nem egyb, mint a t lnk fgg trekvs: a megfontols alapjn megalkotva tletnket, dolgokra val megfontolt treksznk valamire a
megfontols tmutatsa szerint. (Arisztotelsz, 1997)
18
Kzgazdasgi kzeltsmd a racionlis vlaszts elmlete
filozfusokkal
ellenttben
kzgazdszok
dntsek
hasznnak,
vagyis
hasznossgnak szmszer stsvel foglalkoztak. A dntsi problmk melyeket kutattak a kereslet-knlat mindkt oldalval foglalkoztak. Adott ron mennyi termket ad el a termel ? Mennyit vsrol a fogyaszt ezen az adott ron? Milyen dntseket hoz a fogyaszt s a termel ? A hasznossg kifejezs Adam Smith ta kerlt be a kztudatba. A kzgazdasgtan atyja a hasznossgrl gy beszl (Varian, 2004), mint az ember tlagos jltnek mutatja. A hasznossg, teht amit az j termk nyjt a vrsrlnak, valamint az ami miatt megri a termel nek az el lltssal foglakoznia, amit az el llts nyjt szmra. Az emberek legf bb clja a hasznossguk maximalizlsa, a sz ks er forrsok takarkos
felhasznlsval. Ezen er forrsok felhasznlsnak azonban, tbb alternatv mdja ltezik, minden alternatvhoz, cselekvsi vltozathoz ms kifizets, ms vgs
hasznossg tartozik. Mindegyik alternatvnak ms lesz az eredmnye. A klnbz eredmnyek bekvetkezshez klnbz valszn sgek tartoznak. A valszn sg
annak meghatrozsa, hogy vrhatan az adott cselekvsi vltozathoz tartoz esemny mekkora esllyel fog bekvetkezni. sszefoglalva teht egy bizonyos cselekvsi vltozat hasznossga az egyes eredmnyek rtknek s ezek valszn sgnek valamilyen fggvnyei.
A racionlis dntshozatal kezdetben nem volt ms, mint a hasznossgi fggvny maximalizlsra trekv vlaszts (Zsolnai, 2007). Ez azt kveteli meg, hogy a dntsi
dntshoz preferencii tranzitvek valamint teljesek legyenek a hozzfrhet
alternatvk halmazn. A tranzitivits kritriuma azt lltja, hogy amennyiben X-et jobbnak tartjuk Y-nl, s Y-t jobbnak tartjuk Z-nl, akkor X-nl is jobbnak kell tartanunk Z-t. A teljessg kritriuma pedig arra vonatkozik, hogy vlasztsi alternatvk
sszevethet ek egymssal. Ezen racionalits elmlet kritikja, hogy egyltaln nem veszi figyelembe a dntshoz preferenciit. Adott esetben egy altruista vagy egy egoista ugyangy dntene ezen elmlet alapjn, melyet mi sajt tapasztalataink alapjn is knnyen megcfolhatunk.
19
A racionalits tovbb fejlesztett vltozata a homo oeconomicus modell, a gazdlkod ember modellje, melyet Taylor D.W. (1965) dolgozott ki: 1. Egy adott vltozat vlasztsa esetben valamennyi eredmny bizonyosan
bekvetkezik (biztos krlmnyek kztti dnts). 2. A vltozatokra s az eredmnyekre vonatkoz informcik teljesek, azaz a dntshoz rendelkezik valamennyi szksges informcival. 3. Az eredmnyek egy rtk- (hasznossg-) skln rendezhet k. Az arnyskla nem felttlen kvetelmny, de az rtkkontinuum folytonosnak ttelezett abban az rtelemben, hogy kt klnbz eredmny mindig megklnbztethet . Ez ms kpessge vgtelenl
szval azt jelenti, hogy a dntshoz megklnbztet rzkeny. 4.
A dntshoz azt a vltozatot vlasztja, amelyik az rtket (hasznossgot) maximalizlja.
jdonsg az el z
elmletekhez kpes, hogy megjelent a teljes informltsg valamint az
nrdekkvets elve is. A kzgazdasgi modell azonban ezen vltoztatsokkal egytt sem kpes lerni az egyni vagy a szervezeten belli dntshozatalt. Ugyanakkor makrogazdasgi szinten sikeresnek (Zoltayn, 2005) bizonyult. Fontossgt pedig tovbb nveli a tny, hogy tbb sikeres a mai napig hasznlt elmlet s mdszertan alapjt rakta le, mint pldul a lineris programozs.
A korltozott racionalits
A korltozott racionalits elmlete az optimlis dntsek elmletre adott vlasz. El szr teht vizsgljuk meg mit is llt az utbbi. Az optimlis dntsek elmlete (Zoltayn, 2005) a klasszikus dntselmleti felfogsban gondolkozik. Amennyiben egy dntshoz ismeri az sszes lehetsges cselekvsi vltozatot, s biztosan tudja, hogy az egyes cselekvsi vltozatoknak mi lesz az eredmnye, valamint biztosan megtudja llaptani az eredmnyek preferencia sorrendjt, akkor az optimlis dnts kivlasztsa elvileg knny feladat. Amennyiben ezt a mondatot kzelebbr l megvizsgljuk nem nehz
beltni, hogy valjban az optimlis dntsek meghozatalnak felttelei a teljes informltsg s a clok rangsorolsnak kpessge. Simon Herbert a Nobel-djas kzgazdsz bebizonytotta, hogy az optimlis dntsek felttelei a valsgban nagyon ritkn, vagy sosem teljeslnek. Simon kidolgozta a
20
korltozott racionalits elmlett, hiszen az objektv racionalits elmlete nem volt helytll s ezt be is bizonytotta. A korltozott racionalits elve a kvetkez : A komplex problmk megfogalmazsban s megoldsban, a valsgos helyzetekben el fordul problmk nagysghoz viszonytva az emberi elme kapacitsa nagyon kicsi ahhoz, hogy az objektv racionalits alapjn oldhassuk meg ezeket a problmkat (Herbert, 1957)
Simon szerint a racionlis dntshozatal modellje irrelis, hiszen tlzottan megterheli az emberi felfog kpessget. Az emberek azltal prbljk magukat jobb helyzetbe, hozni, azzal egyszer stik le a dntshozatalt, hogy optimlis dntsek helyett ltalban berik kevesebbel is. A korltozott racionalits ezt a jelensget hrom dologgal magyarzza (Zoltayn, 2005): 1. Alternatvk szekvencilis kezelse 2. Heurisztikk alkalmazsa 3. Kielgtsre trekvs
1.Az alternatvk szekvencilis kezelse: A korbbi elmletekkel ellenttben a korltozott racionalits engedlyezi a vlasztsi alternatvk egyms utni szmba vtelt s nem ragaszkodik az sszes alternatva megvizsglshoz. Stabil krnyezet esetben mg esetleg elkpzelhet lehet sgek szisztematikus vizsglata de vltozkony kls alkalmazhat stratgia. a vlasztsi
felttelek esetn nem
2. Heurisztikk alkalmazsa: A heurisztikk olyan szablyok, amelyek olyan terletekre irnytjk az alternatvk keresst, ahol nagy esly van arra, hogy kielgt heurisztikk alkalmazsa klnsen bizonytalan megoldsokat talljunk. A jelenhet el nyt.
krnyezetben
Ugyanakkor fontos leszgezni, hogy a heurisztikk alkalmazsval nem a legoptimlisabb dntseket talljuk meg, csupn a szuboptimlisakat. A heurisztikus kzeltsmd leegyszer stseket alkalmaz az rvelsi folyamatban s hvelykujjszablyokat a
dntshozatalban. Hasznlatuk sorn fokozottan figyelmesnek kell lenni, a helytelen hasznlat nagy veszlyeket rajt magban. Egy heurisztika pldaknt: a knny
21
felidzhet sg
heurisztikja,
mely
az
az
esemnyek
melyre
knnyebben
visszaemlksznk sokkal gyakoribbnak t nik, mint azok amelyeket nehezebb el hvni.
3. Kielgtsre trekvs (Zsolnai, 2007): A dntshozk nem kpesek maximalizlni hasznossgi fggvnyket. Maximalizl dntsek helyett kielgt en j (satisficing) dntsek meghozatalra trekszenek. Simon vlemnye szerint a korltozott racionalits elvt figyelembe kell venni a dntsekben, s ennek megfelel en dolgozta ki a kielgt dntsek alapjait. A korltozott racionalits s
a tbbclsg folytn a legtbb komplex dntsi helyzetben a dntshoz egyszer sti a dntsi folyamatot azzal, hogy a maximalizls helyett a kielgt megoldsra trekszik
olyan cselekvsi vltozat vlasztsval, amelyik elegend en j, azaz kielgt . A kielgt dntsek elmlete szerint tulajdonkppen tanulsi folyamatrl van sz, melynek sorn a dntshoz addig tanulmnyozza s vizsglja a lehetsges cselekvsi vltozatokat, amg meg nem tallja azt, amelyik kielgt bizonyos minimlis kvetelmnyeket, azaz megfelel en kielgt ahhoz, hogy ezt vlassza s megvalstsa. A tovbbiakban mr
nem foglalkozik azzal, hogy a nem tanulmnyozott vltozatok kztt volt-e olyan vagy sem, amelyik jobb annl, mint amit vlasztott. Az albbi tblzatban sszehasonltjuk a maximalizl valamint a kielgtsre trekv dntshozatal legf bb jellemz it.
1. Tblzat Maximalizls/kielgt
dntsek (Zoltayn, 2005) Kielgtsre trekv dntshozatal
Maximalizlsra trekv dntshozatal Az sszes lehetsges alternatva megvizsglsa s a legjobb kivlasztsa jellemzi Minden jellemz mrsi sklval. kifejezhet egyetlen
Addig hasonltjk ssze az egyes alternatvkat, amg elg jt nem tallnak. Minden jellemz hz egy cl tartozik, ezeket a clokat mint egymstl fggetlen korltokat kezelik. Azt a megoldst vlasztjk, amelyik minden kritrium szempontjbl elg j. A korbban kiejtett megoldsok miatt esetleg el fordul, hogy nincs megolds. A jelenlegi helyzetnek a clhoz viszonyra rzkeny ez a mdszer. val
Azt a megoldst vlasztjk, amely minden kvetelmnyt a legjobban kielgt. Mindig van megolds. rzkeny az olyan vltozsokra, amelyek az egyes alternatvkat nem egyformn rintik
22
Az emberek egy bizonyos csoportjnak kifejezetten nehzsget okoz, ha tbb vlasztsi lehet sg ll rendelkezskre. Ezzel kapcsolatban ksztettk a kvetkez vizsglatot
(Schwartz, 2006): Egy ksrlet sorn egyik esetben 6 klnbz , a msik esetben 24-fle dzsemet knltak kstolsra. De mindkt esetben 24-flb l lehetett vsrolni. A nagy vlasztk jobban csbtotta az embereket az asztalhoz, mint a szernyebb, br mindkt esetben tlagosan krlbell ugyanannyi dzsemet kstoltak meg. A vsrlsoknl viszont nagy klnbsget tapasztaltak. A szernyebb vlasztkbl kstol vev k harminc szzalka vsrolt egy veg dzsemet; mg a nagyobb vlasztkbl kstolk kzl csupn hrom szzalka lt a vsrls lehet sgvel. A nagyszm vlasztsi lehet sg cskkentheti a varzst annak, amit valban vlasztannak, mert a ki nem hasznlt lehet sgekre gondolnak, amelyek mrsklik a vsrls rmt.
A j dntsek cljaink vilgos megfogalmazsval kezd dnek. A pontos clmeghatrozs utn azt kell eldntennk, hogy a legeslegjobb, vagy az elg j kivlasztsra fogunk-e trekedni. A maximalizlnak (maximizer) arra van szksge, hogy biztostva legyen, hogy minden vsrlsa vagy dntse a legjobb volt, amit megtehetett. Ez termszetesen nagy nehzsgeket is okozhat, hiszen ennek egyetlen mdja van, ha megvizsgljuk az sszes alternatvt. Ezen okokbl kifolylag, ha egy maximalizl tbb vlasztsi lehet sggel tallja szemben magt, akkor a dnts szmra nehezebb lesz. Ennyivel tbb lehet sget kell megvizsglnia s sszehasonltania miel tt dntst hoz. A problma mg nagyobb, amikor a vlasztsi lehet sgek szma meghaladja, amit mg ssze tud hasonltani. Ilyen esetekben rknyszerl, hogy egy id utn abbahagyja a keresst. A
vlasztssal azonban nem lesz elgedett, folyton arra gondol mi lett, volna ha. A sajnlkozs minden formjra trekv k. sokkal fogkonyabbak beltni, ha ezt a a maximalizlk, sajnlatot mint az
megelgedettsgre
Knny
rendszeresen
tapasztaljuk, mg attl az elgedettsgt l is megfosztjuk magunkat, amit a j dntsek nyjtanak. Ami mg ennl is rosszabb, hogy tnylegesen sajnlkoznak mr azel tt, hogy a dntst meghoznk.
A maximalizl alternatvja az elgedettsgre trekv mondjuk, hogy elgedettsgre trekv
(satisficer) ember. Akkor
valaki, ha a meghozott dntse elg j, s nem tpus is ugyangy
aggdik amiatt, hogy van annl jobb is. Az elgedettsgre trekv
kpes klnbsget tenni, mint a maximalizl. A klnbsg csak az, hogy az elgedettsgre trekv tpus az abszolt legjobbal szemben megelgszik az elg jval is.
Az elgedettsgre trekv ket nem zavarja, ha n nek a vlasztsi lehet sgek, hiszen ha
23
mr megtallta a szmra elg jt egyszer en figyelmen kvl hagyja a tbbi lehet sget. Ha mg nem tallta meg a szmra elg j lehet sget, akkor pedig a tbblet vlasztsi lehet sg csak javt a helyzetn.
Magyarorszgi kutatsok
Magyarorszgon a Budapesti Corvinus Egyetemen Vllalatgazdasgtan Intzetben foly Versenyben a vilggal kutats kapcsn 1996-ban tbbek kztt foglalkoztak a maximalizl s kielgt dntsekkel is. A kutatats keretben megkerestek sszesen beoszts szakembert, valamint 325
42 magyarorszgi s 8 spanyolorszgi cg vezet
vllalat 1200 vezet je (vezrigazgat, a pnzgyi, a termelsi s a marketing terletet irnyt fels vezet ) vett rszt krd ves felmrskben. Zoltayn Paprika Zita a Dntsmdszertani alprojekt vezet jnek vlemnye szerint (Zoltayn, 1998):
brmely
piacgazdasgi
rendszer
versenykpessgnek
stratgiai
tnyez je
mikroszfrban szlet gazdasg valsgos
zleti dntsek meghozatalnak mdja. Ahhoz, hogy egy ltez m kdst kielgt en lerjuk, hatkonysgt rtkeljk,
versenytrsaival sszehasonltsuk, pontosan meg kell hatroznunk, hogy milyen mdon jutnak el a gazdasg szerepl i az eljk trul alternatvk kztti vlasztsig.
Fontos krds, hogy az alternatvk kztti vlasztsok, az egyes dntsek milyen dntselmleti mdszertanra alapozva szletnek meg. A mdszertanok klnbz el feltevsekre plnek, melyek meghatrozzk a dntshoz kpessgeit. Az ltalunk korbban trgyalt kielgt optimalizl valamint korltozott racionalitst figyelembe vev
dntsekre trekv
dntselmleti irnyzatokon fell az emltett kutatsban
mg kt fajta mdszertant vizsgltak. Tipolgijuk bizonyos rszleteiben eltr a minkt l, hiszen ez a kutats szervezeti keretek kztt zajlott s nem az egyni dntshozatalrl szlt. A pontos rthet sg, valamint sszehasonlthatsg vgett teht kzljk az ltaluk hasznlt tipolgit is, melyet Allison (1969)dolgozott ki.
24
Racionlis egysges cselekv megkzelts: Egyszemlyes dntshozatalt felttelez, ahol a dntshoz a klasszikus kzgazdasgi megkzelts szerint jr el, az optimlis megolds elrsre trekszik. Ez egy normatv modell, az elemzst lltja a kzppontba. Azt felttelezi, hogy minden szksges informci rendelkezsre ll vagy beszerezhet . Minden elkpzelhet alternatvt sszer kltsggel fel lehet trni, ezek kvetkezmnyei pontosan bemrhet k. A megfelel kvantitatv mdszerek dntst alkalmazsval lehet hozni, ltalban ezrt ezt optimlis, a flfogst a vllalkozs szoktk profitjt
maximalizl
optimalizl
kzeltsmdnak is nevezni.
Szervezeti modell: Tbb dntshoz is szerepet jtszik a stratgiai dntshozatalban, akik ugyan egy kzs szuperordinlt clrt tevkenykednek, de azrt vannak sajt cljaik is s f knt olyan kognitv korltokkal rendelkeznek, amelyek miatt korltozottan racionlis dntshozknt nyilvnulnak meg. E modell azt felttelezi, hogy a dntsek el ksztse sorn nem lehet minden szksges informcit beszerezni, ppen ezrt az optimlis dntsek
meghozatalhoz szksges kvantitatv mdszerek alkalmazstl el kell tekinteni. A problmk ltalban tl komplexek, magas a bizonytalansgi szintjk. A dntshozk nem is trekednek optimlis megoldsra, mert a szervezet cljainak a kielgt megoldsok is megfelelnek. A kielgt ltalban j eredmnyt lehet elrni. kzeltsmddal sszer rfordts mellett
Politikai modell: Abban tr el a szervezeti modellt l, hogy nem ismeri el egy szuperordinlt cl ltezst a szervezetben, hanem felttelezi, hogy a dntshozatali folyamatban mindenki a sajt cljait, rdekeit kveti. A hatalmi sz ilyen krlmnyek kztt meghatroz, a konfliktuskezels leghatkonyabb mdszere. A szervezet fontos alapegysgeinek vezet i teljes tekintlykkel az ltaluk irnytott egysg helyzetnek javtsra trekszenek. (Ezrt ezt a modellt szoks tekintlyelv modellnek is nevezni.) A stratgiai
dntshozatalra a menedzsment tagjainak rdekrvnyestsi kzdelme nyomja r a blyegt.
25
Viselkedstudomnyi dntselmlet modellje: Olyan dntshozkat vizsgl, akik nem rendelkeznek a racionalits kpessgvel, s olyan dntseket hoznak, amelyekkel id t nyerhetnek, s valahogy tevicklhetnek egyik helyzetb l a msikba. Ez a kzeltsmd komoly felkszltsget ignyel a problma azonosts fzisban. A szervezet stratgiai dntseire ltalban a vltozkony, nagyfok bizonytalansggal jellemezhet krnyezet nyomja r a blyegt. A dntshozknak kevs az idejk s az er forrsuk a problmk tfog elemzshez. A megoldsok tbbnyire a korbban felhalmozdott vezet i tapasztalatokon alapulnak, a rszletekbe men elemzst gyakran intuitv megoldsokkal hidaljk t.
Az a vllalat, amely kpes dntseit a racionlis egysges cselekv
megkzelts szerint
alaktani, nagy el nyt szerezhet a versenytrsaival szemben, hiszen ez azt jelenten mindig csak s kizrlag a legjobbat vlasztja. Nagyfok bizonytalansg esetn azonban ez nem lehet cl, ilyen esetekben egyszer en nem lehetsges az sszes alternatva szisztematikus megvizsglsa. A kutats szerint az optimalizl mellett a kielgt dntsekre trekvst is pozitvan rtkeli, mivel a mdszertan is szisztematikusan vgigvizsglja a megoldsokat csak megll az els elfogadhatan jnl. A msik kt
megkzelts a politikai s viselkeds tudomnyi modell nagy veszlyeket rejtenek magukba pl.: a heurisztikk nem megfelel alkalmazst.
A vlaszadknak egyt l tig kellett rtkelnik az egyes megkzelts mdokat, hogy azok mennyire jellemz ek a vllalatukra. Az t jelentette a teljes mrtk egy pedig azt, hogy egyltaln nem jellemz . A vizsglat sorn kiderlt, hogy a magyar vezet k leginkbb az optimalizl egyezst az
dntshozatalra tmaszkodnak az alternatvk kztti vlasztsoknl, de a msik hrom elmleti modell is szerepet jtszik. A klnbz klnbz pozciban lv menedzserek, a
terletek vezet i nem tlik meg klnbz en a vllalatok dntshozatalt. A
mlyinterjk sorn a vezet ket ismt megkrdeztk a dntshozatal formirl ekkor rszben eltr eredmnyek szlettek. A krd v kitltse nkitlt s mdszerrel trtnt,
ezrt akkor a vlaszadknak nem llt mdjban tisztz krdseket feltenni, melyet azonban az interjknl megtehettek. Az interjk sorn ksztett felmrs inkbb az intuitv dntshozatalt emeli ki. rdekessg azonban, hogy az interjk sorn, amikor a dntsi folyamatrl krdeztek, a vlaszadk tbbsge az optimalizlst emelte ki. A dntseik indoklsra azonban sokkal gyakrabban a korltozott racionalits elmletb l mertettek.
26
Zoltayn Paprika Zita 1999-ben ismtelten elvgezte ezt a kutatst (Zoltayn, 2001). Ismtelten az Alison fle tipolgit hasznltk a klnbz dntshozatali mdszereknl,
ismtelten 5 fokozat skln kellett rtkelni, hogy az adott vllalatnl mennyire jellemz az adott mdszer. Az el z ekhez hasonlan ismt krlbell hromszz
vllaltnl tbb mint ezerktszz vezet t (vezrigazgat, a pnzgyi, a termelsi s a marketing terletet irnyt fels vezet ) krdezetek meg. Egyetlen lnyegesebb
klnbsg a kutatsok kztt a vizsglt vllalatokban rejlik. Mg korbban nagyobb mret export orientlt vllaltokat kerestek meg, addig ez almalommal kzepes mret
hazai vllalatokat.
A kt klnbz
kutats eredmnyinek sszehasonltsakor azt vehetjk szre, hogy
elmozduls trtnt az optimalizl dntshozatal fel, ezzel egyidej leg pedig a msik hrom kzeltsmd jelt sge cskkent. A kutatsban rsztvev menedzserek vlemnyei mg mindig nem trnek el eltr pozciban lv szignifiknsan.
egymstl
Ugyanakkor a korltozott racionalitst az anyagi folyamatokhoz kzelebb ll vezet k, a kereskedelmet s a termelst irnytk tartjk kevsb jellemz nek a sajt
krnyezetkben. A politikai kzeltsmd, amely a hatkony konfliktuskezelsnek is eszkze lehet, jellemz mdon a vezrigazgatk s a termelsi vezet k szerint
tipikusabb. Az intuitv kzeltsmdot szintn a vezrigazgatk s a pnzgyi vezet k rzkelik inkbb a sajt krnyezetkben jellemz nek, ami termszetes, hiszen ezt a kzeltsmdot leginkbb k gyakorolhatjk. Azt mondhatjuk, hogy a klnbz vezet k
a sajt terletkkel leginkbb konform dntshozatali kzeltsmdot er sebbnek rzkelik az tlagosnl.
A legjabb kutatsok
2002-ben az Amerikai Egyeslt llamokban nagyszabs vizsglat sorn sszesen 1700 embernek mrtk fel a maximalizlsi mentalitst egy az Amerikai Pszicholgiai Trsasg (APA) ltal kidolgozott krd vvel. Ezen kutatsok sorn tovbb b vlt a maximalizl emberekr l alkotott kp (Schwartz et al, 2002).
Kutatsaik
sorn a
megprbltk maximalizlsi
feltrni,
hogy
megfigyelhet ek-e 7db krd ves
nemek
szerint kzl
klnbz sgek
mentalitsban.
lekrdezs
27
sszesen ngy esetben semmilyen nemekkel kapcsolatos sszefggs nem jelentkezett. A maradk hrom esetben azonban a frfiak nagyobb valszn sggel voltak
maximalizlk, mint a megkrdezett n k. Sajt kutatsaink sorn mi is megkvnjuk vizsglni ezt a krdskrt, hogy pontosabb kpnk alakuljon ki a maximalizl emberekr l.
Tbbek kztt megvizsgltk a tkletessgre val trekvs s a maximalizls kztti kapcsolatot. A kett kztt egyrtelm korrelcit tapasztaltak. Fontos azonban kiemelni, a maximalizlssal. Mg a boldogsg
hogy a tkletessgre trekvs nem egyenl
negatvan korrellt a maximalizlssal, addig a tkletessgre trekvs pozitvan. Mg az nbecsls negatvan kortallt a maximalizlssal addig a tkletessgre trekvs pozitvan. A tkletessgre trekv k, akrcsak a maximalizlk is, arra trekednek, hogy a legjobbat valstsk meg. De mgis, kett jk kztt van egy fontos klnbsg. Amg a maximalizlknak s a tkletessgre trekv knek is nagyon magas ignyeik vannak, a tkletessgre trekv k nem remlik, hogy nagyon magas ignyeiket elrik, mg a maximalizlk vrjk ignyeik teljeslst. Ez magyarzza, hogy a tkletessgre trekv k mirt nem depresszisak, vagy boldogtalanok. Igaz ugyan, hogy annyira boldogok a dntseikkel, mint lehetnnek, de k sem a
elgedettebbek
maximalizlknl.
Ezen kutats keretein bell vizsgltra kerlt tovbb, hogy a maximalizls vajon egy id ben viszonylag lland jellemvons-e, hogy az embereknek ez egy tulajdonsga-e. Ennek vizsglata 9 hnapon keresztl zajlott. Ugyanazzal a csoporttal tbb zben is kitltettk a krd vet. Ha valban jellemvons, akkor huzamosabb ideig nem vltozik lnyegesen. Erre ugyan a 9 hnapos vizsglat nem felttlenl elg hossz, azonban ezen id szak alatt a vizsglt csoportnl nem trtnt szignifikns vltozs. sszessgben teht megllapthat, hogy a maximalizls valszn leg egy jellemz vonsa az embereknek. Felmerl a krds, hogy a maximalizlk vajon jobban kpesek-e dntseket hozni. Mivel a maximalizlknak magasabb ignyeik vannak, mint az elgedettsgre trekv knek, az ember azt gondoln, hogy jobb dolgokat is rnek el. A legjobb jobb vlasztsnak t nik az egsz jnl, vagy a kielgt en jnl. Ez termszetesen gy is van, ezt nem kvnjuk megcfolni. Sok ms tnyez vizsglatra is szksg van azonban ahhoz, hogy
eldnthessk ki a jobb dntshoz. A maximalizlk objektven jobbat vlaszthatnak, mint az elgedettsgre trekv k, szubjektven mgis inkbb rosszat kapnak. Teht fel kell tennnk a krdst magunknak, hogy mi szmt egy dnts min sgnek
28
rtkelsekor, az objektv eredmnyek vagy a szubjektv tapasztalatok? Valszn leg az a fontos, milyen rzsnk alakul ki a meghozott dntsnkkel kapcsolatban. Amennyiben azt tartjuk szem el tt, hogy a maximalizlk a sajt dntseikkel elgedetlenek, akkor k bizonyulnak a rosszabb dntshoznak. Mivel valamir l roppantul nehz megllaptani, hogy az a lehet legeslegjobb, ezrt a maximalizlk hajlamosabbak a msokkal val
sszehasonltsra. gy kpesek ugyanis megllaptani, hogy az vk-e a legjobb.
Ezzel szorosan sszefggnek a 2002-es kutats eredmnyei is. A vizsglat sorn klnbz feladatokat kellett a rsztvev knek megoldani, egy teremben ahol, rajtuk kvl egy beptett ember ugyanazokat a feladatokat oldotta meg. A ksrlet kezdete el tt azonban felmrtk a rsztvev k pillanatnyi hangulatt. A cl annak kimutatsa volt, hogy hogyan reaglnak a maximalizlk, illetve a megelgedettsgre trekv k, ha ltjk, hogy a beptett ember nluk jobban vagy rosszabbul teljest a feladat megoldsa sorn. A maximalizlk, akiknl a beptett ember gyorsabban oldotta meg a feladatot,
sszessgben rosszabbul rtkeltk sajt kpessgeiket, valamint a pillanatnyi kedvk is tbbet romlott. Azok a megelgedettsgre trekv k, akiknek hasonl szitucival kellett szembenznik nem vagy csak csekly figyelmet fordtottak arra, hogy a beptett ember hogyan teljest. A maximalizlk teht jval rzkenyebbek a trsadalmi sszehasonltsokra s fontosabb nekik a sttus, mint a megelgedettsgre trekv knek. A maximalizls htrnyai annyira mlyrehatak, s el nyei annyira elenysz k, hogy felmerl a krds mirt is kvetn valaki ezt a stratgit (Schwartz, 2006). Az els magyarzat, hogy sok maximalizl nincs tudatban ennek a hajlamnak. Taln tudjk, hogy dntshozsuk nehzsget okoz s flnek attl, hogy dntsket megbnjk. Ezt gyakran a rvid ideig tart elgedettsget ad dntsekb l szrmaztatjk, de nem tudatosodik bennk, hogy mi a problma gykere. A msodik problma a sttussal kapcsolatos. Az emberek, amg csoportokban lnek, ktsgtelenl tr dni fognak trsadalmi helyzetkkel. De a sttus fontossga az id k sorn megvltozott. A globlis telekommunikci s a globlis tudat korszaka, msokkal szemben, csak a legjobbnak biztost sikert. A megnvekedett b sg, anyagiassg modern marketing technikk s az elkbt mennyisg tr ds kirobbantsa vlasztsi lehet sg keverke knyszert r, hogy a sttussal val a tkletessgre val trekvst. Fontos tisztzni, hogy a
maximalizl dntsi mdszer bizonyos esetekben valban jobb dntsekhez vezet. Ha minimlis a bizonytalansg s egyszer , jl strukturlt problmt kell megoldani akkor nem okoz gondot az sszes alternatva szisztematikus vizsglata. Ezen esetekben valban gy tancsos dntseket hozni. Amennyiben magas fok a bizonytalansg s
29
radsul rosszul strukturlt a problma akkor lehetetlen, vagy tl id ignyes minden egyes alternatva alapos szmbavtele. Ilyenkor csupn a kielgt helyes megolds. dnts modellje a
Vgezetl
fontos
kiemelni,
hogy
maximalizlk
csupn
bizonyos
terleteken
maximalizlnk. Nem ltezik olyan ember, aki mindig mindenben csupn a tkletessel elgszik meg. Ezzel sszefggsben pedig megllapthat, hogy a legtbb ember az let valamely terletn maximalizl. Teht a maximalizls mrse sorn csak az llapthat meg, hogy valaki inkbb maximalizlsra hajlamos vagy megelgedettsgre hajlamos esetleg egyikre sem. Amikor azt mondjuk valaki maximalizl, az azt jelenti, hogy az letben felmerl krdsek kzl mint msok. tbb terleten alkalmazza a maximalizlsi stratgit,
Az elmlt vek kutatsai (Schwartz, 2006) teht kimutattk a kvetkez ket: 1. A maximalizlk tbb id t tltenek a vlasztsi alternatvk sszehasonltsval, mint az elgedettsgre trekv k. 2. A maximalizlknak tbb id be telik egy dntst meghozni, mint az
elgedettsgre trekv knek. 3. A maximalizlk tbb id t tltenek dntseiknek msok dntseivel val
sszehasonltsval, mint az elgedettsgre trekv k. 4. A maximalizlk sokkal gyakrabban reznek elgedetlensget a dntseik utn. 5. A maximalizlk dntskor sokkal tbb id t szentelnek a felttelezett alternatvk tgondolsra. 6. A maximalizlk ltalban kevsb rzik pozitvan magukat a dntskkel kapcsolatban. 7. A maximalizlk az elgedettsgre trekv knl kevsb lvezik a pozitv
esemnyeket, s (sajt bevallsuk szerint) nem birkznak meg olyan jl a negatv esemnyekkel. 8. Ha valami rossz trtnik velk, a maximalizlk jlti llapota hosszabb id ll helyre. 9. A maximalizlk hajlamosabbak arra, hogy bslakodjanak, vagy rgdjanak, mint az elgedettsgre trekv k. utn
30
4. KUTATS EREDMNYEI S KVETKEZTETSEI

Tanulmnyunkban azt vizsgljuk, hogy milyen sszefggs ll fenn az optimista/ pesszimista mentalits valamint a maximalizl attit d kztt. Kutatsi krdsnknek tbb el zmnye van a nemzetkzi pszicholgiai kutatsokban, melyek kzl els sorban Schwartz s munkatrsai (Schwartz et al, 2002) munkjt tekintettk kiindulsnak, akik szintn tbbvltozs mdszereket alkalmaztak. A Schwartz-k ltal hasznlt PCA mdszer rotlt vltozatt mi is alkalmaztuk kutatsunk sorn. A maximalizl attit d s optimista mentalits sszefggsre vonatkoz krds megvlaszolshoz kt adatredukcis s egy magyarz modellt fogunk felhasznlni. El bbi mdszer az empirikusan mrt vltozk mgtt meghzd ltens struktrt trja fel, mg utbbi fgg s fggetlen vltozk kzt meglv statisztikai sszefggsek
elemzsre alkalmas. Ezen tlmen en ismertetni fogjuk az ltalunk jonnan ltrehozott vltozk megoszlsait klnfle szocio-demogrfiai httrvltozk szerint.
4.1. Optimizmus/ pesszimizmus
Az
optimizmus
krd vb l szrmaz adatok alapvet en a
pesszimista/ optimista
belltdsra vonatkozna, a kvetkez kben ezek elemzsvel foglalkozunk. Az el bb idzet kt absztrakt fogalom feltrshoz f komponens-elemzst vgeztnk. Ezzel a mdszerrel ugyanarra a fogalomkrre vonatkoz vltozk nagy szmt kevesebb szm vltozra cskkentjk az eredeti vltozk informci tmegnek minl nagyobb arny megtartsval. Az eljrs alkalmazsa rvn kezelhet mennyisg amely msfel l alkalmas elvgzsre. tovbbi, tbbvltozs adattmeget kapunk,
matematikai-statisztikai elemzsek
Az kettes szm tblzatban a KMO-Bartlett teszt eredmnyei lthatk. Ez a teszt statisztika mutatja meg, hogy az empirikusan mrt vltozk mgtt meghzdhat-e ltens struktra. A KMO mutat minimlis rtke 0 maximlis rtke 1 lehet. Amennyiben a mutat nagyobb 0,5-nl abban az esetben az empirikusan mrt vltozk mgtt ltezhet egy olyan ltens struktra melyet egy vagy tbb vltozval le lehet rni. Ez a mutat teht arrl tudst, hogy adatbzisunk eleget tesz-e bizonyos statisztikai kvetelmnyeknek, amelyek az adatredukcis mdszerek alkalmazshoz szksgesek.
31
A kh eloszlson alapul Bartlett teszt az vizsglja, hogy a modellbe bevont empirikusan mrt vltozk pronknt fggetlenek-e egymstl. Egymstl fggetlen vltozk mgtt kis esllyel lelhet fel ltens struktra. A kh ngyzet becsls alapjn elmondhat, hogy
el kell vetni azt a null-hipotzist mely szerint a vltozk pronknt fggetlenek egymstl, ugyanis a p-rtk kicsi s a kh ngyzet rtke jval meghaladja a kritikus rtket. A KMO rtk s a Bartlett teszt eredmnyei alapjn a hsz, empirikusan mrt vltozt meg lehet ragadni kevesebb szm vltozval.
2. Tblzat KMO - Bartlett Teszt KMO-rtk1
0,949 Kh-ngyzet szabadsgfok P 10924,413 190 0,000
Bartlett Teszt
A harmadik tblzat szemllteti a kommunalitsokat melyek segtsgvel lthat, hogy a f komponensek az adott empirikusan mrt vltozkbl mekkora szzalkot tmrtenek magukba. ltalnos, a nemzetkzi kutats mdszertani gyakorlatban is bevett szably szerint, ha egy vltoz a f komponens kevesebb, mint 25%-t rzi meg akkor az adott
vltoz nem lehet alkoteleme a modellnek. Ebben az esetben mindegyik vltoz kommunalitsa meghaladja a 0,25 rtket, vagyis mindegyik vltoz rsze lehet a modellnek.
Kaiser-Meyer-Olkin mutat
32
3. tblzat: A modellbe bevont vltozk kommunalits rtkei
Kezd Az let napos oldaln lek Megltom a pozitvat, msoknak negatv A nehzsgek maradok ellenre a abban is ami 1,000 1,000 1,000 1,000
rtk
Kommunalits 0,484 0,508 0,580 0,291 0,433 0,617 0,547 0,458 0,536 0,317 0,557 0,548 0,695 0,573 0584 0,478 0,575 0,581 0,666 0,270
bizakod el
Sikeresen teljestem kit ztt clokat
magam
Amikor letrt vagyok, arra gondolok, 1,000 milyen j dolgok vannak az letemben Jl rzem magam a b rmben Ritkn vagyok szomor Soha nem mondok le a remnyr l Szeretem az letet Mindig a legrosszabbra szmtk Nincsenek el remen leg terveim t vre 1,000 1,000 1,000 1,000 1,000 1,000
Nem vagyok bizakod abban, hogy minden,amit csinlok, a legjobban fog 1,000 elslni Nem vilgos el ttem, mi trtni a jv ben fog velem 1,000 1,000 1,000 1,000 1,000 1,000
Stt kiltsaim vannak a jv re nzve gy rzem, cltalan az letem Nem szeretem magam Mindenben csak a nehzsget ltom Sokszor rossz a hangulatom
Nem vagyok biztos, abban merre tart az 1,000 letem A sors keze irnyt 1,000
33
A negyedik tblzat mutatja meg, hogy az j vltozk (f komponensek) milyen mennyisg informcit tmrtenek magukba az empirikusan mrt eredeti vltozkbl.
A sajt rtkek sszesen oszlopban lthatk az egyes f komponensek, azaz az jonnan ltrehozott vltozk informci tartalma. Az sszesen rovatban felsorolt f komponensek kzl a Kaiser kritrium alapjn azok tekinthet k relevnsnak, melyek sajt rtke 1 vagy annl nagyobb. Ebben az esetben a hsz krds mgtt meglv ltens struktrt
kt j vltozval, azaz f komponenssel lehet lerni. A f komponens elemzsnl mg azt a kritriumot szoktk megfogalmazni, hogy f komponensek az empirikusan mrt vltozk informciinak tbb mint 50 szzalkt meg rizzk. Az els relevns f komponens ezen
informcik 43, mg a msodik 8 szzalkt tmrti. Ebben az esetben viszont kt vltozt fogunk felhasznlni hsz helyett s ez a kt vltoz a rotls (lsd lentebb) utn sszessgben a hsz vltoz szrsnak tbb mint felt meg rzi, vagyis ltalnosan bevett nemzetkzi mdszertani gyakorlat alapjn alkalmas a modellksztshez val felhasznlsra.
Az tdik tblzat mutatja az n. varimax rotcis technika alkalmazsa utn ltrejv f komponenseket. A rotls egy a matematikai-statisztikban alkalmazott, olyan szles krben elterjedt megolds, amelynek sorn az adatbzisunkon egy meghatrozott szably szerinti elforgatst vgznk, szmtgpes program segtsgvel. A rotlst az tette szksgess, hogy a kt f komponenst egyrtelm en interpretlni lehessen. Az gy ltrejv els j vltoz, f komponens az empirikusan mrt vltozk informci
tmegnek harminc mg a msodik az el bb emltett informcik huszonegy szzalkt testesti meg (lsd 4.Tblzat). Az els f komponens rtkei az els kilenc krds
esetben mg a msodik f komponens rtkei a fennmarad tizenegy krds esetben pozitvak s magasak. Ez azt jelenti, hogy a f komponens-elemezssel ltrehozott els j vltoz (1) az optimista vilgkpet, mg a msodik (2) a pesszimista ltsmdot testesti meg.
34
4. tblzat: Informci tartalom
Sajt rtkek
Komponensek sorszmai
Rotlt f komponensek ssz. 6,011 4,285 % szrs 30,054 21,424 Kumullt % szrs 30,054 51,478
ssz. 8,669 1,627 0,998 0,894 0,870 0,754 0,685 0,617 0,595 0,541 0,515 0,470 0,439 0,403 0,373 0,347 0,328 0,320 0,296 0,260
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
% szrs 43,345 8,134 4,991 4,469 4,351 3,768 3,423 3,086 2,973 2,706 2,575 2,349 2,196 2,017 1,865 1,734 1,638 1,599 1,481 1,299
Kumullt % szrs 43,345 51,478 56,469 60,939 65,289 69,058 72,481 75,567 78,540 81,246 83,822 86,171 88,367 90,384 92,249 93,983 95,621 97,220 98,701 100,000
35
5. tblzat: Rotlt megolds
F komponens 1 OPTIMISTA Az let napos oldaln lek Megltom a pozitvat, msoknak negatv A nehzsgek maradok ellenre a abban is 0,637 ami 0,707 2 PESSZIMISTA -0,280 -0,092 -0,162 -0,435 -0,086 -0,327 -0,194 -0,160 -0,294 0,343 0,745 0,620 0,804 0,541 ,647 0,450 0,448 0,330 0,723 0,519
bizakod 0,744 el 0,319
Sikeresen teljestem kit ztt clokat
magam
Amikor letrt vagyok, arra gondolok, 0,652 milyen j dolgok vannak az letemben Jl rzem magam a b rmben Ritkn vagyok szomor Soha nem mondok le a remnyr l Szeretem az letet Mindig a legrosszabbra szmtk Nincsenek el remen leg terveim t 0,714 0,714 0,657 0,670 -0,447 vre -0,032
Nem vagyok bizakod abban, hogy minden,amit csinlok, a legjobban fog -0,403 elslni Nem vilgos el ttem, mi trtni a jv ben fog velem -0,221 -0,529 -0,407 -0,525 -0,611 -0,687
Stt kiltsaim vannak a jv re nzve gy rzem, cltalan az letem Nem szeretem magam Mindenben csak a nehzsget ltom Sokszor rossz a hangulatom
Nem vagyok biztos abban, merre tart az -0,379 letem A sors keze irnyt -0,031
36
A fenti tblzatban szerepl + rtkek azt jelentik, hogy az adott vltoz pozitvan, mg a faktorslyok az ellenttes korrelcit mutatjk. Az albbiakban kln sszefoglaljuk, hogy az egyes f komponenseket mely vltozk reprezentlnak.
1. j vltoz= optimizmus amely a kvetkez lltsokkal mutat magas korrelcit Az let napos oldaln lek Megltom a pozitvat, abban ami msoknak negatv A nehzsgek ellenre is bizakod maradok Sikeresen teljestem a magam el kit ztt clokat Amikor letrt vagyok, arra gondolok, milyen j dolgok vannak az letemben Jl rzem magam a b rmben Ritkn vagyok szomor Soha nem mondok le a remnyr l Szeretem az letet
2. j vltoz= pesszimizmus amely a kvetkez lltsokkal mutat magas korrelcit Mindig a legrosszabbra szmtk Nincsenek terveim t vre el remen leg Nem vagyok bizakod abban, hogy minden, amit csinlok a legjobban fog elslni Nem vilgos el ttem, mi fog velem trtni a jv ben Stt kiltsaim vannak a jv re nzve gy rzem, cltalan az letem Nem szeretem magam Mindenben csak a nehzsget ltom Sokszor rossz a hangulatom Nem vagyok biztos abban, merre tart az letem A sors keze irnyt
A hatodik tblzat foglalja ssze az jonnan ltrehozott kt vltoz (optimizmus s pesszimizmus) fontosabb ler statisztikit. Az optimista attit d esetben a minimlis rtk(-3.66068) jelli azokat, akik egyltaln nem optimistk, mg a maximlis rtk(2.42848) azon megkrdezetteket jelli akik teljesen optimistnak mondtk magukat. A pesszimizmus esetben hasonl helyzet, azzal az eltrssel, hogy ott rtelemszer en a skla nem az optimista hanem a pesszimista attit dt reprezentlja. A
37
tblzatbl vilgosan kit nik, hogy a megkrdezettek tlagosan inkbb optimistnak mondtk magukat, ugyanis az tlagos rtk (0.0000) kzelebb van a maximlis (teljesen optimista) rtkhez, mint a minimlis(egyltaln nem optimista) rtkhez. Az
Eurobarometer vizsglatai tbbszr kimutattk, hogy Magyarorszg a legpesszimistbb orszg az Eurpai Uniban. A 2007-es vizsglatban mr ugyan nem Magyarorszg a legpesszimistbb, azonban ez csupn annak ksznhet , hogy csatlakozott Bulgria valamint Romnia. Az emberek tbbsge (51%) gy nyilatkozott, hogy ltalnossgban elgedett az letvel, az Unis tlag azonban (80%) krl mozog. Kutatsunk eredmnyt teht krltekint en kell rtelmezni, hiszen igaz ugyan, hogy a tbbsg optimistnak vallotta magt, azonban a szomszdos orszgokban jval nagyobb az optimistk arnya, teht relatv rtelemben mgis Magyarorszg az egyik
legpesszimistbb orszg az Eurpai uniban.
6. tblzat: Optimizmus s Pesszimizmus vltoz ler statisztiki
Optimizmus N Hinyz adat tlag Medin Mdusz Szrs Ferdesgi mutat Terjedelem Minimum Maximum 1112 1 0,0000000 0,1097748 1,34600 1,00000000 -0,723 6,08916 -3,66068 2,42848
Pesszimizmus 1112 1 0,0000000 -0,1348420 -1,05702 1,00000000 0,444 5,56332 -2,54550 3,01781
38
4.2. Maximalizl attit d
A maximalizl attit d esetben is megksreltnk ltens struktrkat feltrni az adatbzisban, hasonl mdszerekkel, mint azt a fentiekben lertak esetben tettk. A maximalizlsra vonatkoz krdsek mgtt azonban nem lehetett egyrtelm en olyan ltens struktrt tallni, mint az optimizmus/pesszimizmus esetben. Ennek sok oka lehet, elkpzelhet , pl. hogy a maximalizl attit d nmagban vve is egy nll, er s mentlis jellegzetessg, amely mr nmagban is szignifikns magyarz er vel br. Ezt tmasztja al a Schwartz-k (Schwartz et al 2002) kutatsa is, ahol 9 hnapon keresztl vizsgltk az alanyok maximalizl mentalitst, annak rdekben, hogy feltrjk ez id ben viszonylag lland tulajdonsg-e. Ugyan sajt lltsuk szerint ez az id tartam, egy ilyen jelleg kutatshoz nem elg hossz. Mgis
valszn sthetjk, hogy a maximalizls egy nll, ms mentlis jellemz kt l fggetlen kognitv jellegzetessg, mely bizonyos emberekre jobban jellemz mint msokra.
A fenti jellegzetessgb l addan egy egyszer bb, egyvltozs adatcskkent alkalmaztunk melynek lnyege, hogy egy vltoz szettb l egyszer
2
eljrst
sszegzssel egy j
vltozt hoztunk ltre. Ezen vltoz a maximalizl attit dt ht fok skln kpezi le melynek minimlis rtke (1.62) jelenti a maximalizl attit d teljes elutastst mg a maximlis rtke (7) ezen attit d teljes elfogadsra vonatkozik. A hetedik tblzat ad kpet ezen vltoz fontosabb ler statisztikrl. Itt vilgosan lthat, hogy a megkrdezettek tlagosan (3.5811) nem is fogadjk el, de nem is utastjk el a maximalizlst, vagyis fogalmazhatunk gy, hogy az tlagos mintatag tlagos
maximalizl embernek tekinthet , ms szavakkal: a maximalizls tekintetben nem tapasztaltunk a mintnkban ferdltsget (standard normlis eloszls adathalmaz).
Kutatsunk teht altmasztotta a korbbi kutatsokat, miszerint az emberek ltalban nem szls sgesen vlasztjk a maximalizl dntshozatalt, hanem letk bizonyos terletn csak s kizrlag a legjobbal rik be, mskor pedig megelgszenek az elg jval is. Pldul valaki a lehet minden ltez legjobb tv kszlket hajland csak megvsrolni, ezrt
informcit begy jt, de mozifilm kivlasztsakor csak pphogy tfutja a
filmcmeket. Ez a jelensg magyarzhat azzal, hogy az egyszer bb, kevs alternatvval rendelkez
2
problmk megoldsnl, nem vesz ignybe tl sok id t az sszes alternatva
Itt 13 darab Likert sklbl alkottunk meg 1 darab Sklt gy, hogy a 13 vltoz szmtani tlagt vettk, ez adta az j vltoznk rtkt.
39
szisztematikus vizsglata. Ilyenkor viszonylag kis rfordtssal rhet
el a lehet
legnagyobb haszon. Ha azonban az alternatvk szma, vagy a problma komplexitsa meghalad egy bizonyos szintet akkor mr nem clravezet , s t ltalban kros, ha az ember nem elgszik meg az els elegend en j vlasztssal.
7. tblzat: A maximalizl vltoz ler statisztiki
N Hinyz adat tlag Medin Mdusz Szrs Terjedelem Minimum Maximum
1112 1 3,5811 3,5385 3,31 0,75887 5,38 1,62 7,00
40
4.3. Demogrfiai vltozk
Ebben a rszben a mr ismertetett, jonnan ltrehozott vltozk tlagait mutatjuk be a demogrfiai vltozk egyes kategriin bell. Ehhez az egy utas variancia-analzis mdszert hvtuk segtsgl. a Itt a vltozkrl a csak a legfontosabb szerepl adatokat, tblzatok
statisztikkat tartalmazzk.
kzljk,
tovbbi
adatokat
Fggelkben
nyolcadik
tblzat
mutatja
maximalizl
attit d
tlagait
nemek
egyes
kategrijban. Itt vilgosan lthat, hogy mind a frfiak mind a n k tlagosan nem utastjk el s nem is fogadjk el a maximalizl attit dt. Ez azt jelenti, hogy br a frfiak kiss jobban maximalizlk a maximalizls tekintetben valjban nincs klnbsg a frfiak s a n k kztt, vagyis a nem, mint httrtnyez nincs hatssal erre az emberi mentalitsra. Ezt a kilencedik tblzat msodik sora is meger sti ugyanis a bels szrshoz tartoz F statisztika rtke (1.603) alacsony mg a p-rtk (0.202)
magas. Ebb l kifolylag elmondhat, hogy el kell utastanunk az a nullhipotzist, mely a nem s a haszonmaximalizls kzti sszefggsre vonatkozik. Ms szavakkal: nem ltezik szignifikns3 kapcsolat e kt vltoz kztt. Schwartz-k kutatsban szintn hasonl adatokat kaptak. k is arra a kvetkeztetsre jutottak, hogy nincsen szignifikns
sszefggs a nemek s a maximalizl mentalits kztt. rdekessg azonban, hogy az 7 lekrdezses kutatsuknl 3 esetben a frfiak jobban maximalizltak. Teht vannak arra utal jelek, hogy a frfiak krben tbb a maximalizl, azonban ezt statisztikailag mg nem sikerlt igazolni.
Szignifikns kapcsolatrl akkor beszlnk, ha az adott sszefggs nemcsak a mintra, hanem a teljes populcira igaz.
41
8. tblzat: Maximalizl Attit d s Nem
N N Frfi Hinyz sszesen 612 458 42 1112
tlag 3,5452 3,6292 3,5806 3,5811
Szrs 0,76022 0,76212 0,68806 0,75887
9. tblzat: Variancia-analzis
Ngyzetsszeg Bels Kls Szrs Szrs 1,844 637,970 639,815
Szabadsgfok 2 1109 1111
Szrsngyzet 0,922 0,575
F 1,603
p-rtk 0,202
sszesen
A tizedik tblzat msodik oszlopban (tlag) lthat, hogy a mintban szerepl tlagosan optimistbbak, mint a n k, azonban ez a klnbsg sem tekinthet
frfiak
statisztikai szrs)
rtelemben szignifiknsnak. Ezt a tizenegyedik tblzat msodik sorbl (bels
lehet kiolvasni ugyanis p-rtk (.519) magas s az F-statisztika rtke(.656) alacsony.
10. tblzat: Optimizmus s Nem
N N Frfi Hinyz
4
tlag -0,0128436 0,0298433 -0,1382848 0,0000000
Szrs 1,01605244 0,96706558 1,12098415 1,00000000
612 458 42 1112
sszesen
Az adatbzisban 42 szemlyr l nem lehetett egyrtelm en eldnteni, hogy melyik nemhez tartozik ugyanis az adatbzisban a nv rovat res volt s ezen szemlyek nemt 0-val kdoltk. A nem vltoz esetben a n k az 1-es mg a frfiak a 2-es szmmal voltak jellve
42
F 0,656
P-rtk 0,519
sszesen
ltalnos tapasztalat az empirikus szociolgiban, hogy az iskolai vgzettsg nagyon sok esetben rendkvl j fggetlen vltoznak bizonyul, ezrt rdemes ezt is
megvizsglnunk. A kvetkez
(12-es) tblzat mutatja a maximalizl vltoz tlagait az
iskolai vgzettsg egyes kategriin bell. Az albbi diagramon5 vilgosan lthat, hogy a nyolc ltalnost vgzettek tlagosan jobban elfogadjk a maximalizl attit dt, mint a tbbiek.. Ezen sszefggst a tizenharmadik tblzat msodik sora is meger sti ugyanis az F-rtk(3.679) magas mg a p-rtk(0.003) alacsony. Ez azt is jelenti, hogy az iskolai vgzettsg s a maximalizl attit d kztt szignifikns kapcsolat ll fenn. A fentiekb l kifolylag elmondhat, hogy magasabb vgzettsg ek tlagosan kevsb fogadjk el a maximalizl attit dt, mint az alacsonyan kvalifikltak. Az iskolai vgzettsg mint demogrfiai vltoz sorn felmerl az elvrt vlaszok problmja. Az alacsonyabban kpzettek ugyanis hajlamosak azt a vlaszt adni, amelyet szerintk a tbbsgi trsadalom ltal elfogadottnak tekintett vlemnyt reprezent5lja. Ebb l addan nem szabad megfeledkeznnk arrl, hogy a vlaszok a fent emltett szisztematikus torztst is magukba foglaljk. Ezt rszben ki lehet kszblni a krd vek sszelltsval, hogy ne legyen egyrtelm a krds feltevsb l mi az a vlasz, amit a krd v kszt i hallani a torzt hats annak hangslyozsval, hogy
szeretnnek. Szintn cskkenthet
nincsenek j s rossz vlaszok. Jelen kutatsunkban mi nem ksztettnk j sklkat, ezrt a msodik mdszert alkalmaztuk. A krd v kitlts el tt, a tjkoztatban hvtuk fel a figyelmet arra, mi valban a vlemnyket szeretnnk hallani, s krtk vlaszadinkat legyenek a lehet j s rossz vlaszok.6
tovbbi adatokat lsd a fggelkben A hagyomnyos empirikus mdszertan idealizlt modellje gyakran elfed olyan fontos problmkat mint: a fogalmak tkletes operacionalizlsval kapcsolatos problmk, az empirikus mutatk folytonos javthatsga stb.
6 5
leg szintbbek. Hangslyoztuk tovbb hogy nincsenek
43
1. bra tlagos Maximalizls s Iskolai Vgzettsg
8 ltalnos 4,4 4,2 4 3,8 3,6 3,4 3,2 3 Befejezett kzpiskola Befejezett f iskola, fels fok technikum Befejezett egyetem Befejezett doktori kpzs Szakmunkskpz
12:. Tblzat Variancia-analzis Ngyzetsszeg Bels Kls Szrs Szrs 10,467 629,348 639,815 Szrsngyzet 2,093 0,569
F 3,679
P-rtk 0,003
sszesen
A tizennegyedik tblzat mutatja az optimista attit d tlagos megoszlst az iskolai vgzettsg egyes kategriin bell. Itt vilgosan kit nik, hogy tlagosan a magasabban kvalifikltak jval optimistban tekintenek a jv fel, mint az alacsony iskolai
vgzettsggel rendelkez k. Ezen sszefggs szignifikns ugyanis a tizentdik tblzat msodik sorban a p-rtk(.000) alacsony s az F-statisztika rtke(8.290) magas. Ezen jelensg egyik lehetsges magyarzata, hogy azok az emberek, akiknek szemlyes karrier cljai teljesltek, akiket terveik megvalsulsval kapcsoltban pozitv
tapasztalatok rtek pozitvabban tekintenek a jv be, mint azok akik ilyen mdon nem
44
kaptak
pozitv
meger stst.
Az
alacsonyabb
kpzettsg
okait
itt
nem
clunk
messzemen en elemezni, ennek regionlis, csaldi stb. httert. Fontosnak tartjuk kiemelni azonban, hogy ha valaki nem a tovbbtanulst vlasztja, akkor az lehet annak is az oka, hogy alapvet en negatv elkpzelsei vannak a jv r l, teht pesszimista. Wiener (1985) modellje azt lltja, hogy a siker vagy kudarc bizonyos okokkal val magyarzata meghatrozhat rzelmeket vlt ki. Amennyiben valaki a sikert bels s
kontrolllhat tnyez knek tulajdontja akkor az optimista rzseket szl. Ennek ellenkez je is igaz. Ha valaki a kudarcot kls s kontrolllatlan tnyez khz kti akkor
az pesszimista rzseket szl. Az el z ekb l teht elkpzelhet , hogy akik alacsonyabb iskolai vgzettsggel rendelkeznek, azok inkbb ltaluk irnythatatlan tnyez knek tulajdontjk a sikert, valamint a kudarcot.
13. Tblzat Iskolai vgzettsg s Optimizmus
tlag
Szrs
8 ltalnos Szakmunkskpz Befejezett kzpiskola Befejezett f iskola, fels fok technikum Befejezett egyetem Befejezett doktori kpzs sszesen
8 19 331 354 346 54 1112
-1,5476745 -0,6406070 -0,1343435 0,0833190 0,0807361 0,2146484 0,0000000
1,37533079 0,89818625 1,09858221 0,93746762 0,88974568 1,07704603 1,00000000
14. Tblzat Variancia-analzis Ngyzetsszeg Bels Kls Szrs Szrs 40,134 1070,866 1111,000 Szrsngyzet 8,027 0,968
F 8,290
P-rtk 0,000
sszesen
45
A tizenhatodik tblzatban a maximalizl attit dt ler vltoz tlagos rtkei szerepelnek aszerint, hogy a megkrdezett befejezte-e mr a tanulmnyait vagy mg mindig valamilyenfle kpzsben vesz rsz. Itt lthat, hogy akik mg nem fejeztk be a tanulmnyaikat tlagosan maximalizlbbak, mint azok, akik mr befejeztk a
tanulmnyukat. A tizenhetedik tblzat mutatja, hogy ezen sszefggs szignifikns ugyanis az F-statisztika rtke (17.218) magas, mg a p-rtk (0.000) alacsony. Akik mg tanulnak folyamatos versenyhelyzetben vannak, ki tanul tovbb, ki hol tanul tovbb, ki kerl be melyik szakirnyra stb. A tanulmnyok vgzse sorn pedig jval egyszer bb a teljestmnyek sszehasonltsa, a magyar iskolarendszer a jegyekre pt. Egyrtelm en megllapthat, hogy melyik jegy a legjobb, ezltal knnyebb
maximalizlnak lenni. Ivanov Katalin (2003) kutatsa a frissen vgzett kzgazdszok kztt kimutatta, hogy az egyetemr l kilpve a frissdiplomsok els munkahelykr l
ltalban gy gondoljk, hogy a dntsek szakmai alapon szletnek. A kutatsban rsztvev k tbbszr kiemeltk, hogy korbbi elvrsaikkal ellenttben inkbb a
szervezeti politika hatrozza meg a dntseket. gy mr nem rzik felttlenl szksgt, hogy a legjobbat nyjtsk, hiszen azt ltalban nem rtkelik. Mg az iskolai vek alatt a legjobb teljestmny kiemelkedik a j teljestmnyek kzl, addig a munkahelyen ez mr nem felttlenl igaz. Az iskolban azt a tanult kldik el a matematika versenyre aki az osztlybl a legjobb. A vllalati szfrban ezzel szemben nem biztos, hogy a legjobb mrnkt, programozt, orvost stb. lptetik el . A teljestmnyek rtkelse sokkal tbb sszetettebb a szervezeteknl, nem csupn az objektv elrt eredmnyek a mrvadak, hanem a vezet i kpessgek, a fejl dsi potencil, a politikai rzk, az informcis hl stb. amelyeket nehz azonban egyrtelm , objektv mutatkkal jellemezni. Az iskolai vek alatt teht egyszer bb s kifizet d bb a maximalizls, ezrt tbben is
maximalizlnak, azonban az sem hanyagolhat el, hogy akik mg tanulnak fiatalok s ez a httrtnyez szintn hatssal van a maximalizl mentalitsukra.
46
15. Tblzat Befejezett tanulmnyok s Haszonmaximalizls
tlag
Szrs
Igen Nem sszesen
866 246 1112
3,5312 3,7570 3,5811
0,75577 0,74494 0,75887
16. Tblzat: Variancia-analzis Ngyzetsszeg Bels Kls Szrs Szrs 9,773 630,042 639,815 Szrsngyzet 9,773 0,568
F 17,218
P-rtk 0,000
sszesen
Az albbi tblzat mutatja az optimista attit dt kpvisel
vltoz tlagait a befejezett
tanulmnyok szerint. Itt vilgosan kit nik, hogy akik mg nem fejeztk be a tanulmnyaikat kevsb optimistk, mint azok, akik mr ezt megtettk. bels Ezen szrs
sszefggs szignifikns, ugyanis a tizenkilencedik tblzatban szerepl
sorban az F-statisztika rtke magas (5.758) mg a p-rtk (0.017) alacsony. Ebb l kifolylag elmondhat, hogy nemcsak a mintra, hanem a teljes populcira igaz azon llts, hogy akik befejeztk a tanulmnyaikat tlagosan optimistbbak, mint azok, akik mg valamilyen fajta kpzsben vesznek rszt. Azonban a bels ngyzetsszeg rtke (5.733) alacsony, mg a kls szrs sorban a
szrs(1105.267) esetben magas,
ami azt jelenti, hogy a befejezett tanulmnyok csekly rszben magyarzzk meg az optimista szemlletet.
47
17. Tblzat Befejezett tanulmnyok s Optimizmus
tlag
Szrs
Igen Nem sszesen
866 246 1112
0,0382700 -0,1347230 0,0000000
0,96447201 1,10774319 1,00000000
F 5,758
P-rtk 0,017
sszesen
A kettes szm brn7 a maximalizl attit dt kpvisel
vltoz tlagai szerepelnek a
csaldi llapot egyes kategrii szerint. Itt vilgosan lthat, hogy az tlagok szerint csekly klnbsg van a csaldi llapot egyes kategrii kztt a maximalizl attit d szerint. Annyit azonban megllapthatunk, hogy tlagosan a n tlenek/hajadonok fogadjk el a maximalizl attit dt a hzasokhoz, elvltakhoz, zvegyekhez, lettrsi viszonyban l khz kpest. Ezen klnbsg a huszonegyedik tblzat szerint nem szignifikns ugyanis az F-statisztika rtke(2.142) alacsony, mg a p-rtk (0.074) magas.
Tovbbi adatokat lsd a fggelkben
48
2. bra tlagos Maximalizls s Csaldi llapot
3,7 3,65 3,6 3,55 3,5 3,45 3,4 3,35 3,3 3,25 N tlen/Hajadon Hzas Elvlt zvegy lettrsi viszonyban l
F 2,142
P-rtk 0,074
sszesen
Az albbi tblzat mutatja az optimista attit dt mr
vltoz tlagait a csaldi llapot
egyes kategriin bell. Itt vilgosan lthat, hogy tlagosan a n tlenek/hajadonok a legkevsb, mg az zvegyek a leginkbb optimistk. Ezen sszefggsr l elmondhat, hogy szignifikns, ugyanis a huszonharmadik tblzat msodik sorban szerepl statisztika rtke(9.093) magas, mg a p-rtk(0.000) alacsony. Tbb F-
amerikai
49
kutatsban is vizsgltk mr az optimizmus, valamint a csaldi llapot sszefggst. A Yodler (1980), s Chambers (2000) kutatsa is jval kevesebb differencilta a csaldi llapotot, mint mi a jelen kutatsunkban. Az eredmnyek ott is hasonlak: a hzasok optimistbbak, mint akik nem hzasok. rdekessg, hogy zvegy kategria egyik amerikai kutatsban sem volt jelen, teht az zvegyeknek a nem hzas kategria marad. Amerikban ltalban csupn kt vltozt szoktak vizsglni ilyen jelleg kutatsokban: kulturlis
ppen aktulisan hzas vagy nem? Vlemnynk szerint a klnbz
klnbsgek indokoltt teszik az zvegy kategrit is. Ezt tmasztja al kutatsi eredmnynk is miszerint az zvegyek a legoptimistbbak. Tbb kutats (Schou 2005) is igazolta, hogy ha valaki rosszhreket kap az nincsen befolyssal az
optimizmusra/pesszimizmusra. Teht az, hogy az zvegyek a legoptimistbbak nem azt jelenti, hogy k csak azrt mert elvesztettk hzastrsukat hajlamosabbak a legjobb
vgkifejlet elvrsra, hiszen a rosszhrek nincsenek befolyssal az optimizmusra. Feltehet en itt egyb httrtnyez k llnak e jelensg mgtt pldul az hogy az zvegyek tlagosan id sebbek a tbbi csoportnl, mely a huszonkettedik tblzatbl olvashat ki. A ks bbiekben rszletesen is elemezzk az optimizmus/pesszimizmus s a kor sszefggst, elljrban azonban annyit, hogy az id sebbek optimistbbak, teht az zvegyek optimizmust rszben a koruk magyarzza.
20. tblzat: Csaldi llapot s Optimizmus
tlag
Szrs
n tlen/ hajadon hzas elvlt zvegy lettrsi viszonyban l sszesen
369 465 96 19 163 1112
-0,1933696 0,1049306 0,2522602 0,6876928 -0,0903222 0,0000000
1,07899287 0,92961495 0,98277952 0,66587436 0,95097307 1,00000000
50
F 9,093
P-rtk 0,000
sszesen
22. Tblzat: Csaldi llapot s kor
tlag
Szrs
n tlen/ hajadon hzas elvlt zvegy lettrsi viszonyban l sszesen
369 465 96 19 163 1112
29,9648 42,4215 47,0313 60,3684 35,2883 37,9469
7,52794 12,23983 9,58887 7,70433 9,21266 12,20024
A harmadik brn8 lthatk a maximalizlst ler vltoz tlagai az egyes jvedelem kategrikon bell. Az tlagok alapjn elmondhat, hogy csekly klnbsg van az egyes jvedelemkategrik kztt a haszonmaximalizls tekintetben. A huszontdik tblzat alapjn llthat, hogy ez a klnbsg nem szignifikns ugyanis az F-statisztika(0.976) rtke alacsony, mg a p-rtk(0.461) magas. Minden kutatsnl, ahol a jvedelemr l nbevallsos mdszer alapjn nyilatkoznak a kitlt k figyelembe kell venni annak eslyt, hogy esetleg nem vals adatokat szolgltatnak a kitlt k. Kzdi Gbor (1998) tanulmnya szerint a magasabb kereset egyebek vltozatlansga mellett vrhat rtkben mindig alacsonyabb bevallsi arnyt eredmnyez. Vlemnye szerint azonban ha tisztban vagyunk a nbevallson alapul felvtelek korltaival, akkor ezek az adatok is jl szolglhatjk a kutats cljait.
8
tovbbi adatokat lsd a fggelkben
51
3. bra tlagos Maximalizls s Nett Jvedelem
3,75 3,7 3,65 3,6 3,55 3,5 3,45 3,4 3,35 3,3
0-49.999 50.000-99.999 100.000-149.999 150.000-199.999 200.000-249.999 250.000-299.999 300.000-349.999 350.000-399.999 400.000-
F 0,967
P-rtk 0,461
sszesen
A huszonhatodik tblzat mutatja az optimizmus vltoz tlagait az egyes jvedelem kategrikon bell. Itt vilgosan kit nik, hogy magas jvedelm ek tlagosan
optimistbbak, mint az alacsony keresettel rendelkez k. A huszonhetedik tblzat alapjn elmondhat, hogy ezen sszefggs szignifikns ugyanis a huszonhetedik tblzat msodik sorban szerepl F-statisztika rtke (4.539) magas, mg a p-rtk
(0.000) alacsony. Azonban a jvedelem csak kis rszben magyarzza az optimista
52
attit dt, ugyanis a bels (1075.590) kpest.
szrs rtke (35.410) alacsony a kls
szrs rtkhez
A jvedelem s az optimizmus kztt teht szignifikns kapcsolat van, azonban nem csupn a magasabb jvedelem hatsra lesznek optimistbbak az emberek. is
Egyrtelm en megllapthat, hogy a magasabb iskolai vgzettsg ek tbbet keresnek, valamint akik mg tanulmnyokat folytatnak tlagosan
kevesebb
jvedelemmel rendelkeznek.
24. Tblzat: Jvedelem s Optimizmus
tlag
Szrs
0-49.999 50.000-99.999 100.000-149.999 150.000-199.999 200.000-249.999 250.000-299.999 300.000-349.999 350.000-399.999 400.000sszesen
129 243 254 206 115 42 41 13 69 1112
-0,3028561 -0,1443336 -0,0506084 0,1376307 0,1689822 0,1452160 0,1611268 0,4252741 0,3040191 0,0000000
1,24727955 1,00835798 1,01875221 0,95204627 0,73365590 0,92658057 0,78691638 0,71727001 0,89529367 1,00000000
25. Tblzat: Variancia-analzis Ngyzetsszeg Bels Kls Szrs Szrs 35,410 1075,590 1111,000 Szrsngyzet 4,426 0,975
F 4,539
P-rtk 0,000
sszesen
53
Az albbi bra mutatja a maximalizlst ler vltoz tlagait az egyes korcsoportokon bell. Lthat, hogy kis klnbsg van az egyes korcsoportok kztt a maximalizl attit d szerint. A huszonkilencedik tblzat alapjn elmondhat, hogy ezen sszefggs szignifikns ugyanis a tblzat msodik sorban szerepl F-statisztika rtke (2.871)
magas, mg a p-rtk (0.009) alacsony. Ebb l kifolylag elmondhat, hogy el kell fogadnunk a nullhipotzist, mely a kor s a haszonmaximalizls kzti sszefggsre vonatkozik. Kijelenthetjk, hogy a fiatalabbak kevsb utastjk el a maximalizl attit dt, mint az id sebbek. Az sszefggs rendkvl er s kapcsolatot bizonyt a kor s a maximalizl attit d kztt, olyannyira hogy a ks bbiekben mg a magyarz modellnkbe is bevonjuk.
4. bra tlagos maximalizls s a vlaszad kora
3,9 3,8 3,7 3,6 3,5 3,4 3,3 3,2 3,1 3 17-25 v 26-35 v 36-45 v 46-55 v 56-65 v 65-75 v 75-89 v
54
F 2,871
P-rtk 0,009
sszesen
Az albbi tblzat mutatja az optimizmus vltoz tlagait az egyes korcsoportokon bell. Itt az tlagok alapjn vilgosan lthat, hogy a fiatalok kevsb optimistk, mint az id sebbek. Ezen sszefggsr l elmondhat, hogy szignifikns ugyanis a harmincegyedik tblzatban szerepl F-statisztika rtke (7.854) magas, mg a p-rtk (0.000) alacsony. Azonban a kor csak csekly rszben magyarzza az optimizmust, mivel a bels rtke (45.568) alacsony a kls szrs
szrs rtkhez(1060.735) kpest. Kutatsunk
eredmnyei alapjn felttelezhetjk, hogy nem csak Amerikban (Robert Roy Britt 2006), hanem Magyarorszgon is optimistbbak az emberek az id el re haladtval. Egy
lehetsges magyarzata ennek, hogy az id sebb emberek inkbb a j dolgokra koncentrlnak a rosszak helyett, hogy ezzel tartsk meg lendletket s ne az elmls felett keseregjenek.
27. Tblzat Optimizmus s Kor
tlag
Szrs
17-25 26-35 36-45 46-55 56-65 65-75 75-89 sszesen
115 475 220 177 92 21 4 1104
-0,3543775 -0,0847227 0,0040883 0,2426738 0,1989107 0,6749389 1,0103405 -0,0005699
1,19680675 0,99094871 0,94427990 0,88230146 0,99181974 0,66434722 0,67392182 1,00149640
55
F 7,854
P-rtk 0,000
sszesen
4.4. Optimizmus, kor s maximalizls: magyarz modell
A maximalizl attit d magyarzatban nemcsak az optimista mentalitst, de a pesszimizmus szerept is megvizsgltuk. Tovbb bevont modellnkbe a vlaszad kort is mivel itt is nagyon er s kapcsolatot tapasztaltunk. Az ok-okozati sszefggsek feltrsra a lineris regresszis modellt alkalmaztuk. Ez a tbbvltozs statisztikai mdszer egyike azoknak a matematikai modelleknek, amelyekkel vltozk kzti kapcsolatok megltt, illetve a meglv kapcsolat er ssgt mrni lehet. A harminckettedik tblzat mutatja a modell illeszkedst. Itt a korriglt R- ngyzet mutat rtke 0,049, mely azt jelenti, hogy a pesszimizmus s az optimizmus, valamint a vlaszad kora egyttesen 4,9 szzalkban magyarzzk a maximalizl attit dt. Ez azt jelenti, hogy a maximalizl attit dt a pesszimizmus s az optimizmus, valamint a vlaszad kora csak kis rszben magyarzza. Ez egyltaln nem meglep , hiszen a kutats sorn csupn ezen tmkban gy jtttnk informcikat, tovbbi vltozk bevonsval nyilvnval mdon mg inkbb rnyalni lehetne modellnket.
29. Tblzat A modell illeszkedse Korriglt RModell 1 R 0,226 R ngyzet 0,051 ngyzet 0,049 A becsls standard hibja 0,74017
56
A harmincharmadik szemllteti a lineris regresszi analzis eredmnyeit. Az optimizmus vltoz regresszis koefficiense (bta-rtke) -0,122, a pesszimizmus vltoz regresszis koefficiense pedig 0,103, a kor vltoz regresszis koefficiense pedig -0,004. Ezek alapjn kijelenhet , hogy az optimista attit d s maximalizl attit d kztt negatv, a pesszimista vilgnzet s a maximalizl attit d kztt pozitv, valamint a vlaszad kora s a maximalizl attit d kztt negatv kapcsolat ll fenn. A p-rtkek alapjn elmondhat, hogy a modell statisztikai rtelemben
szignifikns. Modellnk alapjn egyrtelm
statisztikai bizonytst nyert az llts hogy
minl optimistbb valaki s minl id sebb annl kevsb maximalizl. Ezen kvl modellnk mg egy j informcit is szolgltatott, amely rszben kvetkezik az el bbib l, azonban elmleti rtelemben nem felttlenl: kimutattuk, hogy valamint minl pesszimistbb valaki annl jobban maximalizl.
30. Tblzat Koefficiensek
Standardizlatlan egytthatk Standard Koefficiens Konstans Optimizmus Pesszimizmus Vlaszad kora -0,004 0,002 3,721 -0,122 0,103 Hiba 0,074 0,023 0,022
Standardizlt egytthatk T-teszt p- rtk Koefficiensek 50,438 -0,161 0,135 -0,059 -5,398 4,630 -1,993 0,000 0,000 0,000 0,046
4.5 Kvetkeztetsek
A maximalizls problmja az let minden terletre kiterjed, minden dntsi helyzetben vlasztunk egy stratgit: maximalizlunk vagy megelgedettsgre
treksznk. Egyik stratgia sem nevezhet
egyrtelm en rossznak, csupn helyzet s
krnyezetfgg , hogy mikor melyik clravezet bb. Kevs vlasztsi lehet sg esetn, ha nincsen id nyoms s a bizonytalansg is egyszer en kezelhet akkor a maximalizls a
57
jobb
stratgia.
Az
utbbi
tpus
problmkbl
azonban
viszonylag
kevs
van,
pontosabban nem ezen problmk megoldsa jelenti a nehzsget.
A lnyegi dntshozatal ott kezd dik amikor mr szmtalan alternatva rendelkezsre ll, nagyfok a bizonytalansg s t mg a dnts meghozatalra sznhat id is sz ks. Ilyen esetekben egyszer en nem lehetsges a maximalizls. Vgtelen szm alternatvt nem lehet szisztematikusan vgigvizsglni a legjobb megtallsnak rdekben. Ugyangy ellehetetlentheti az alternatvk szisztematikus vizsglatt ha egyszer en nem ll rendelkezsnkre az ehhez szksges id , vagy ha a bizonytalansg miatt a vlasztsi alternatvk nem egyrtelm en meghatrozhatak, esetleg gyorsan vltoznak. Mint mr korbban emltettk ilyenkor nem lehetsges maximalizlni. A kielgt en j vlasztsra szabad csupn trekedni az objektv legjobb vlasztsa helyett. A kielgt en j dntsek meghozatala is az alternatvk szisztematikus vizsglatval kezd dik. Az egyetlen br annl fontosabb klnbsg a maximalizls s a megelgedettsgre trekvs kztt az, hogy a megelgedettsgre trekv k mihelyt tallnak egy olyan alternatvt amelyik megfelel szmunkra abbahagyjk a keresst. Igaz ezzel ltalban nem a lehet alternatvt vlasztjk, de ez nem is cljuk, beltjk, hogy a lehet megtallni tl id ignyes vagy lehetetlen. legjobb
legjobb alternatvt
A kzgondolkods szerint bizonyos munkahelyeken, bizonyos pozcikban ennek ellenre csupn a maximalizls elfogadott. Egy orvostl alapvet megtallja a legjobb gygymdot, a legjobb gygyszert, elvrs, hogy mindig
k nem rhetik be a kielgt en
j gygyszerrel. A maximalizls munkahelyi ktelessg. Ms munkahelyeken pldul egy vllalat fels vezet je esetben akinek az a feladata, hogy befektesse a szervezet vagyont, sokkal inkbb a kielgt dntsen van a hangsly. Lehetetlen minden egyes
befektetsi lehet sget vgigvizsglni radsul a legjobb dnts nem biztos, hogy nagyban klnbzik a kielgt en jtl.
Az alternatvk szmbavtele kzben a legnagyobb problmt taln az id hiny okozza. A mindennapi letnk olyan szinten felgyorsult, hogy az emberek tbbsge folyamatos id hinyban szenved. Mind a munkahelyen mind pedig a magn letben r vagyunk knyszertve a gyors dntshozatalra, a maximalizls egyre kevsb elfogadhat. Az egyes vlasztsi lehet sgek kivizsglsa, az informci megszerzse nagy er forrs igny . Az informcik megszerzse pnz, id valamint emberi rfordtssokkal is jr. Az
sszes alternatvrl beszerezni informcit ltalban nem elfogadhat annak kltsgei
58
miatt, kivve ha legjobb dnts s a kielgt en j dnts kztti klnbsg fedezi a tbblet kltsget.
Szintn a maximalizls ellen szl: a megnvekedett stressz. Stressz akkor alakul ki, amikor valaki a dntsi stratgijt nem a krnyezethez, a kontextushoz igaztja, amikor maximalizl mikzben lehetetlen megtallni a legjobb megoldst. Ilyen esetekben a dntshoz folyamatosan frusztrldik, hogy kptelen megtallni a legjobb alternatvt, pedig ez nem is az hinyossga, vagy hibja hanem a problma struktrja miatt ez
eleve lehetetlen. A folyamatos idegessg vgl stresszhez vezet. A hossz tv stressznek szmos kros hatssal jr (Gordio, 2004): elgedetlensg, trelmetlensg, cskkent munkakedv, kimerltsg, n a kigs veszlye, cskken a teljestmny stb.
Kutatsunk sorn megllaptottuk, hogy azok akik mg tanulmnyokat folytatnak tlagosan maximalizlbbak mint akik mr befejeztk az iskolikat. Itt termszetesen tbb httrtnyez fiatalabbak mint is szerepet jtszik ebben, pldul, hogy akik tanulnak tlagosan akik mr nem. Mgis rdekesnek t nik a krds, vajon a
fiatalok/tanulk a magas elvrsoknak ksznhet en lesznek inkbb maximalizlk, valban azt az zenetet kvnjuk tovbbtani nekik, hogy csupn a legjobb az elfogadhat?
Felmerl a krds, hogy a munkaadk, a vezet k elvrhatjk-e dolgoziktl, hogy mindig a legjobb alternatvt, a legjobb megoldst keressk? Bemutattuk, hogy milyen helyzetekben lehetetlen maximalizlni, valamint azt is, hogy mikor clravezet . Az esetek tbbsgben azonban nem ennyire nyilvnval a dnts. El fordulhat, hogy az alternatvk szma mg kezelhet nagysgrend azonban az id nyoms miatt mgsem
egyrtelm , hogy lehet-e maximalizlni vagy hogy clszer -e. Szintn el fordulhat olyan szituci amikor brmennyi id t eltlthetnk az alternatvk vizsglatval, azonban azok szisztematikus lehetetlenti. vizsglatt Kutatsunk a bizonytalansg nagyban hogy megnehezti, az esetleg el is s
sorn
megllaptottuk,
optimista
attit d
maximalizl attit d kztt negatv, a pesszimista vilgnzet s a maximalizl attit d kztt pozitv, valamint a vlaszad kora s a maximalizl attit d kztt negatv kapcsolat ll fenn. Ezek szerint amikor nem egyrtelm , hogy a kielgt dntsekre
trekvs vagy a maximalizls a clravezet bb, akkor az optimista dolgozktl inkbb kielgt alternatva megkeresst ajnlatosabb elvrni, a pesszimisttl pedig a
maximalizlst.
59
5. MELLKLET
5.1 Demogrfiai krd v
60
61
62
5.2 Optimizmus krd v
63
64
5.3 Maximalizl krd v
65
66
67
6. IRODALMI HIVATKOZSOK
A Gallup prtpreferencia adatai. (2006) http://www.gallup.hu/Gallup/release/ppref070115.htm (utols letlts dtuma: 2007.12.01.).
Allison (1969) Conceptual Models and the Cuban Missile Crisis. American Political Science Review, 1969, LXIII/ 3., 689-718. pp.
Arisztotelsz (1975) Eudmoszi Etika. Budapest, Gondolat kiad, 1975.
Arisztotelsz (1997) Nikomakhoszi etika. Budapest, Eurpa kiad, 1997.
Aspinwall, L. G.; Richter, L. (1999) Optimism and Self-Mastery Predict More Rapid Disengagement from Unsolvable Tasks in the Presence of Alternatives. Motivation and Emotion, Vol. 23, No. 3, 1999.
Britt, R. R. (2006) Optimism Come with Age. http://www.livescience.com/health/060406_old_optimism.html (utols letlts dtuma: 2007.12.01.)
Carver, C. S. (2007) Optimism. http://dccps.cancer.gov/brp/constructs/dispositional_optimism/dispositional_optimis m.pdf (utols letlts dtuma: 2007.12.01.)
Chambers, C. (2000) Americans Are Overwhelmingly Happy and Optimistic About the Future of the United States. http://www.gallup.com/poll/2434/Americans. (utols letlts dtuma:
Overwhelmingly-Happy-Optimistic-About-Future.aspx 2007.12.01.)
Gilljam, Granberg (1993) Should we take Dont Know for an answer?. Public Opinion Quarterly, Vol. 57, 348-357. pp.
Gordio Tancsad Csoport (2004) Munkahelyi stressz felmrs.
68
Haynes, T.L.; Ruthig, J.C.; Perry, R.P.; Stupnisky, R.H.; Hall, N.C. (2006) Reducing the Academic Risks of Over-optimism: The Longitudinal Effects of Attributional Retraining on Cognition and Achievement. Research in Higher Education, Vol. 47, No. 7, November 2006.
Herbert, S. (1955) A behavioral model of rational choice. Quarterly Journal of Economics, Vol. 5, 1955. 99-118 pp.
Herbert, S. (1957) Administrative behaviour. McMillan, New York 1957.
Ivanov K. (2003) Azt hittem majd megvltom a vilgot. In.: Vezetstudomny XXXIV. vf. 46-56 old.
Kahneman, D.; Renshon, J. (2007) Why Hawks Win. Foreign Policy, Jan/Feb 2007.
Kzdi G. (1998) Az nbevallson alapul kereseti adatok rvnyessge. Kzgazdasgi Szemle, XLV fv., november 1035-1042 old.
Lovallo, D.; Kahneman, D. (2003) Delusions of Success: How Optimism Undermines Executives' Decisions. Harvard Business Review, Vol. 81, No. 7, July 2003.
Perez,
C.
(2007)
Pesszimizmus
kultrkzi (utols
tnymegllaptsa. letlts dtuma:
http://www.optimistaklub.hu/download/szakdolgozat.pdf 2007.12.05.)
Puca, R. M. (2004) Action Phases and Goal Setting: Being Optimistic After Decision Making Without Getting Into Trouble. Motivation and Emotion, Vol. 28, No. 2, June 2004.
Schou, I. (2005) Stability in Optimism-Pessimism in Relation to Bad News: A Study of Women With Breast Cancer. Journal of Personality Assessmnet, Vol. 84, No. 2, 2005. 148-154. pp.
69
Schwartz, B. (2006) A vlaszts paradoxona Mirt a kevesebb tbb?. Gy r, Lexecon knyvkiad.
Schwartz, B. et al (2002) Maximizing Versus Satistficing: Happiness is a Matter of Choice. Journal of Personality and Social Psychology, Vol. 83, 2002., 1178-1197. pp.
Seligman, M. (2007) Az oktatsi rendszer felel ssgr l. Az nbecsls-kzpontsg veszlyei. http://www.gallup.hu/oktatas/Tallozo/selig_selfesteem.htm (utols letlts dtuma: 2007.12.03.)
Szondy M. (2006) Optimizmus s egszsg. Magyar Pszicholgiai Szemle, 2006, 61.4., 617-636. old.
Taylor D.W. (1965) Decision making and problem solving. in:March J.G. (ed.) Handbook of organizations, Rand Mcnally, Chicago.
Varian (2004) Mikokonmia kzpfokon. Budapest, KJK-KERSZV Jogi s zleti kiad Kft..
Weiner, B. (1985) An attributional theory of achievement motivation and emotion. Psychological Review, Vol. 92, 1985., 548-573. pp.
Yodler, J.D.; Nichols (1980) A Life Perspective Comparison of Married and Divorced Persons. Journal of Marriage and the Family, Vol. 42, No. 2, May 1980., 413-419. pp.
Zoltayn P. Z. (2001) A magyar menedzserek versenykpessge. Cgvezets, IX. vfolyam 1. szm.
Zoltayn P. Z. (2005) Dntselmlet. Budapest, Alinea kiad, 2005.
Zsolnai
L.
(2007)
Felel ssg
dnts.
Korunk
folyirat,
mjus
2007. letlts
http://www.korunk.org/oldal.php?ev=2007&honap=5&cikk=3173 dtuma: 2007.12.01.)
(utols
70
7. FGGELK:
31. Tblzat Nem-haszonmax.

Konfidencia Intervallum (95%) Standard N n frfi hinyz sszesen Model Fixed Effects Random Effects 612 458 42 1112 tlag 3,5452 3,6292 3,5806 3,5811 Szrs 0,76022 0,76212 0,68806 0,75887 0,75846 hiba 0,03073 0,03561 0,10617 0,02276 0,02274 Als hatr 3,4849 3,5592 3,3662 3,5365 3,5365 Fels hatr 3,6056 3,6991 3,7950 3,6258 3,6258 Min. 1,62 1,62 2,23 1,62 Max. 6,15 7,00 4,85 7,00 BetweenComponent Variance
0,03286
3,4398
3,7225
0,00119
71
32. Tblzat: Optimizmus s Nem

Konfidencia Standard N tlag Szrs hiba Intervallum (95%) Als hatr n 612 0,0128 436 Frfi 458 0,0298 433 42 0,1382 848 ssz. 111 2 0,0000 000 1,01605 244 0,041071 49 0,093 5020 0,058 9587 0,487 6081 0,058 8395 0,058 8579 0,129 0680( a) Fels hatr 0,067 8148 3,660 68 3,176 99 2,726 40 3,660 68 2,4284 8 Min. Max. BetweenComponent Variance
0,96706 558
0,045188 01
0,118 6454
2,1944 0
Hinyz
1,12098 415
0,172971 61
0,211 0384
1,7535 4
1,00000 000
0,029988 01
0,058 8395
2,4284 8
Fixed Effects
1,00031 014
0,029997 31
0,058 8579
Random Effects
Model
0,029997 31(a)
0,129 0680( a)
-0,00117825
Warning: Between-component variance is negative. It was replaced by 0.0 in computing this
random effects measure.
72
33. Tblzat:Optimizmus s Iskolai vgzettsg

Konfidencia Intervallum (95%) Als hatr 8 ltalnos 8 1,547 6745 szakmunks kpz 19 0,640 6070 Befejezett kzpiskola 331 0,134 3435 Befejezett f iskola, fels fok technikum befejezett egyetem 346 0,080 7361 0,8897 4568 0,0478330 2 354 0,083 3190 0,9374 6762 0,0498258 4 1,3753 3079 0,4862528 6 2,6974 798 1,0735 189 0,2531 287 0,0146 738 0,0133 450 0,0793 286 0,0588 395 0,0578 977 0,3019 808 Fels hatr 0,3978 692 0,2076 951 0,0155 583 3,660 68 2,026 23 3,660 68 3,430 14 3,176 99 3,206 74 3,660 68 0,456 74 BetweenComponent Variance
tlag
Szrs
Standard hiba
Min.
Max.
0,8981 8625
0,2060580 6
1,115 48
1,0985 8221
0,0603835 4
2,428 48
0,1813 119
2,194 03
0,1748 171
1,905 45
befejezett doktori kpzs sszesen 111 2 Model Fixed Effects 54
0,214 6484
1,0770 4603
0,1465674 0
0,5086 253
1,878 24
0,000 0000
1,0000 0000
0,0299880 1
0,0588 395
2,428 48
0,9839 8831
0,0295078 5
0,0578 977
Random Effects
0,1174756 5
0,3019 808
0,04466825
73
34. Tblzat: maximalizl s Iskolai Vgzettsg

Konfidencia Standard N tlag Szrs hiba Intervallum (95%) Als hatr 8 ltalnos 8 1 9 3 3 1 3 5 4 3 4 6 befejezett doktori kpzs sszesen 5 4 1 1 1 2 Fixed Effects 0,7543 4 3,536 8 3,625 5 3,581 1 0,7588 7 0,02276 3,536 5 3,625 8 1,62 7,00 4,250 0 3,834 0 3,624 0 1,0342 8 0,8812 7 0,7462 4 0,36567 3,385 3 3,409 2 3,543 3 Fels hatr 5,114 7 4,258 8 3,704 7 2,92 6,15 Min. Max. BetweenComponent Variance
szakmunk skpz Befejezett kzpiskol a Befejezett f iskola, fels fok technikum befejezett egyetem
0,20218
2,23
5,46
0,04102
1,62
5,85
3,628 6
0,7270 2
0,03864
3,552 6
3,704 6
1,77
5,77
3,474 7
0,7814 3
0,04201
3,392 0
3,557 3
1,62
7,00
3,501 4
0,7119 0
0,09688
3,307 1
3,695 7
1,85
5,15
Model
0,02262
Random Effects
0,05748
3,433 4
3,728 9
0,00965
74
35. Tblzat: Maximalizl s Befejezett Tanulmnyok

Konfidencia Standar N tlag Szrs d hiba Intervallum (95%) Als hatr igen 866 3,531 2 3,757 0 3,581 1 0,75577 0,02568 3,4808 Fels hatr 3,5816 1,62 7,00 Min. Max. BetweenComponent Variance
nem
246 111 2 Fixed Effects
0,74494
0,04750
3,6635
3,8506
2,15
6,15
sszesen
0,75887
0,02276
3,5365
3,6258
1,62
7,00
Model
0,75340
0,02259
3,5368
3,6255
Random Effects
0,12750
1,9611
5,2012
0,02402
75
36. Tblzat: Optimizmus felhasznlt s Befejezett Tanulmnyok

Befejezte -e tanulmnyait? N tlag Szrs Standard hiba Konfidencia Intervallum (95%) Als hatr igen 866 0,038 2700 246 0,134 7230 sszesen 111 2 0,000 0000 0,9644 7201 0,0327740 9 0,0260 560 0,2738 368 0,0588 395 0,0587 140 1,2053 880 Fels hatr 0,1025 961 3,660 68 3,660 68 3,660 68 2,194 40 Min. Max. BetweenComponent Variance
nem
1,1077 4319
0,0706271 3
0,0043 908
2,428 48
1,0000 0000
0,0299880 1
0,0588 395
2,428 48
Fixed Effects
0,9978 6560
0,0299240 0
0,0587 140
Model
Random Effects
0,0948660 9
1,2053 880
0,01236454
76
37. Tblzat: Maximalizl s Csaldi llapot

Konfidencia Standard N tlag Szrs hiba Intervallum (95%) Als hatr n tlen/ hajadon hzas 369 3,664 4 3,519 6 3,586 5 3,404 9 3,585 7 3,581 1 0,7942 2 0,7229 1 0,7840 1 0,8406 4 0,7419 3 0,7588 7 0,7573 2 0,04135 3,583 1 3,453 7 3,427 7 2,999 7 3,470 9 3,536 5 3,536 6 Fels hatr 3,745 7 3,585 5 3,745 4 3,810 0 3,700 4 3,625 8 3,625 7 1,77 6,15 Min. Max. BetweenComponent Variance
465
0,03352
1,62
7,00
elvlt
96
0,08002
1,62
5,77
zvegy
19
0,19286
1,85
5,31
lettrsi viszonyban l sszesen 111 2 Fixed Effects 163
0,05811
2,08
5,85
0,02276
1,62
7,00
Model
0,02271
Random Effects
0,03994
3,470 3
3,692 0
0,00344
77
38. Tblzat: Optimizmus s Csaldi llapot

Konfidencia Standard N tlag Szrs hiba Intervallum (95%) Als hatr n tlen/ hajadon 369 0,193 3696 hzas 465 0,104 9306 1,0789 9287 0,0561701 3 0,3038 242 0,0202 159 Fels hatr 0,0829 149 0,1896 454 3,660 68 3,176 99 2,822 23 ,2760 2 2,726 40 3,660 68 2,428 48 Min. Max. BetweenComponent Variance
0,9296 1495
0,0431098 6
1,821 02
elvlt 96
0,252 2602
0,9827 7952
0,1003045 1
0,0531 306
0,4513 899
1,905 45
zvegy 19
0,687 6928 -
0,6658 7436
0,1527620 5
0,3667 517 0,2374 108 0,0588 395 0,0580 008 0,3265 592
1,0086 340
1,878 24
lettrsi viszonyban l sszesen 111 2 163
0,090 3222 0,000 0000
0,9509 7307
0,0744859 6
0,0567 664
2,003 20
1,0000 0000
0,0299880 1
0,0588 395
2,428 48
Fixed Effects
0,9857 4223
0,0295604 4
0,0580 008
Model
Random Effects
0,1176177 3
0,3265 592
0,04124691
78
39. Tblzat:Optimizmus s Jvedelem
tlag
Szrs
Standard hiba
Konfidencia Intervallum (95%)
Min.
Max.
BetweenComponent Variance
Als hatr 0-49.999 129 50.00099.999 100.000149.999 150.000199.999 200.000249.999 250.000299.999 300.000349.999 350.000399.999 400.00069 sszesen 111 2 0,3028 561 0,1443 336 0,0506 084 0,1376 307 0,1689 822 0,1452 160 0,1611 268 0,4252 741 0,3040 191 0,0000 000 1,247279 55 1,008357 98 1,018752 21 0,952046 27 0,733655 90 0,926580 57 0,786916 38 0,717270 01 0,895293 67 1,000000 00 0,1098168 4 0,0646861 9 0,0639222 0 0,0663322 1 0,0684137 7 0,1429744 9 0,1228956 9 0,1989349 1 0,1077806 9 0,0299880 1 0,5201 475 0,2717 535 0,1764 958 0,0068 499 0,0334 550 0,1435 268 0,0872 547 0,0081 678 0,0889 461 0,0588 395 0,0581 043
Fels hatr 0,0855 647 0,0169 138 0,0752 790 0,2684 116 0,3045 093 0,4339 588 0,4095 083 0,8587 161 0,5190 921 0,0588 395 3,660 68 3,430 14 2,858 55 3,176 99 1,609 49 2,586 47 1,478 75 1,104 60 2,440 02 3,660 68 2,02 577 2,42 848 2,19 440 2,00 320 1,75 354 1,90 545 1,34 600 1,69 715 2,19 403 2,42 848
243
254
206
115
42
41
13
Fixed Effects
Model
0,987496 82
0,0296130 6
0,0581 043
Random Effects
0,0760862 4
0,1754 552
0,1754 552
0,02973986
79
40. Tblzat: Jvedelem s Maximalizl
tlag
Szrs
Standard hiba
Konfidencia Intervallum (95%)
Min.
Max.
BetweenComponent Variance
Als hatr 0-49.999 50.00099.999 100.000149.999 150.000199.999 200.000249.999 250.000299.999 300.000349.999 350.000399.999 400.000sszesen 129 243 254 206 115 42 41 13 69 111 2 3,710 8 3,570 4 3,627 8 3,534 4 3,529 1 3,459 7 3,512 2 3,491 1 3,563 0 3,581 1 0,86286 0,74905 0,79130 0,70161 0,66165 0,79533 0,64234 0,70678 0,82791 0,75887 0,07597 0,04805 0,04965 0,04888 0,06170 0,12272 0,10032 0,19603 0,09967 0,02276 3,5605 3,4758 3,5300 3,4380 3,4069 3,2119 3,3094 3,0640 3,3641 3,5365
Fels hatr 3,8611 3,6651 3,7256 3,6307 3,6513 3,7076 3,7149 3,9182 3,7619 3,6258 1,62 1,77 1,62 1,62 1,85 1,77 2,23 2,00 1,92 1,62 6,15 5,69 5,85 5,38 5,38 4,85 5,08 4,85 7,00 7,00
Fixed Effects
Model
0,75897
0,02276
3,5365
3,6258
Random Effects
0,02276(a)
3,5287 (a)
3,6336 (a)
-0,00017
a Warning: Between-component variance is negative. It was replaced by 0.0 in computing this random effects measure.
80
41. Tblzat: Maximalizl s Kor

Konfidencia Intervallum (95%) Als hatr 3,662 2 3,527 4 3,404 8 3,436 1 3,385 5 2,964 6 2,077 4 3,535 7 3,535 9 Fels hatr 3,9539 2,23 6,15 BetweenComponent Variance
tlag
Szrs
Standard hiba
Min.
Max.
17-25
115
3,808 0 3,596 3 3,500 3 3,549 8 3,536 0 3,274 7 3,557 7 3,580 5
0,7894 4 0,7640 7 0,7188 1 0,7663 0 0,7266 7 0,6813 5 0,9302 6 0,7581 6 0,7543 3
0,07362
26-35
475
0,03506
3,6652
1,62
5,77
36-45
220
0,04846
3,5959
1,62
7,00
46-55
177
0,05760
3,6634
1,62
5,69
56-65
92
0,07576
3,6864
1,85
5,85
65-75
21
0,14868
3,5849
1,85
4,92
75-89
4 110 4 Fixed Effects
0,46513
5,0379
2,77
4,85
sszesen
0,02282
3,6252
1,62
7,00
Model
0,02270
3,6250
Random Effects
,05139
3,454 7
3,7062
0,00791
81
42. Tblzat: Optimizmus s Kor Konfidencia Intervallum (95%) Als hatr 17-25 11 5 47 5 22 0 17 7 92 65-75 21 75-89 4 sszes en 11 04 0,3543 775 0,0847 227 0,0040 883 0,2426 738 0,1989 107 0,6749 389 1,0103 405 0,0005 699 1,19680 675 0,99094 871 0,94427 990 0,88230 146 0,99181 974 0,66434 722 0,67392 182 1,00149 640 0,11160280 0,5754 618 0,1740 662 0,1213 829 0,1117 933 0,0064 893 0,3725 316 0,0620 195 0,0597 110 0,0586 387 Fels hatr ,13329 32 0,0046 207 0,1295 596 0,3735 543 0,4043 108 0,9773 461 2,0827 005 0,0585 713 3,660 68 3,430 14 3,660 68 3,152 64 2,591 72 1,493 45 ,3514 2 3,660 68 2,428 48 2,194 40 1,881 88 2,194 03 1,878 24 1,598 40 1,630 21 2,428 48 BetweenComponent Variance
tlag
Szrs
Standard hiba
Min.
Max.
26-35
0,04546784
36-45
0,06366334
46-55
0,06631784
56-65
0,10340436
0,14497245
0,33696091
0,03014150
Fixed Effects
Model
0,98333 210
0,02959482
0,0574 990
Random Effects
0,11878959
0,2912 376
0,2900 978
0,04925548
82
8. KUTATST VGZ
SZERVEZET:
8.1 Krvonal Kzhaszn Alaptvny: AZ ALAPTVNY KLDETSE: Az Alaptvny clja, hogy a magyarorszgi emberi er forrs kultra fejlesztsn s terjesztsn keresztl hozzjruljon a trsadalom klnbz rtegeinek s az orszg htrnyos rgii munkavllalinak eslynvekedshez. A vllalkozsok humn er forrs gazdlkodsnak fejlesztse s felzrkztatsa mellett kiemelten fontosnak tartjuk a plyakezd k, valamint az letkoruk kvetkeztben htrnyos helyzetbe kerlt munkavllalk tmogatst. Szervezetnk munkja sorn egyedi eszkzkkel, kztk sajt ltalnos szociolgiai, munkapszicholgiai s munkaszociolgiai kutatsaira alapozott mdszertanok felhasznlsval segti partnereit. Ilyen mdszertanok pldul: 1, Az internetes kutatsok validitsnak ellen rzse off-line kutatsok rvn. 2, Elmleti modellek tltetse a gyakorlatba. 3, Kutatsi eredmnyekre alapozott trning mdszertanok kifejlesztse
AZ ALAPTVNY TEVKENYSGEI: Szociolgiai, munkapszicholgiai s munkaszociolgiai kutatsok Interneten s hagyomnyos mdszerekkel, Internetes HR specifikus tartalom-szolgltats, Trningek, szakmai konzultci, Kis- s kzpvllalkozsok emberi er forrs kezelst tmogat informcis rendszerek s szolgltatsok fejlesztse, Rendezvnyek, konferencik szervezse a munkaer -piaci szerepl k szmra.
83
8.2 Kutatk:
NMETH LSZL (Kutats projektvezet je) Szemlyi adatok: Szletsi v, hely: 1963. 11. 01. Eger
Tanulmnyok: Egyetem 1983-1988 Posztgradulis 1997-1998 sztndj Budapesti M szaki Egyetem 1988-ban szerezett kivl min sts villamosmrnki diplomt Purdue University West Lafayette (USA) 1998 decemberben vgzett a Purdue egyetem, Executive Master of Science in Management MBA kurzusn INSA de Rennes (Franciaorszg) 4 hnapos sztndj JICA (Japn) Japn kormny 1 hnapos sztndja termelsirnyts tanulmnyozsra.
korszer
vllalat-
A Krvonal Alaptvny Kuratriumnak elnke, a Gordio Tancsad Csoport alaptja. Gyakorlati tapasztalatait a Rolitron informatika Rt. / Synergon Rt., DataNet Tvkzlsi Rt. s a PricewaterhouseCoopers marketing igazgati pozciinak betltsvel szerezte. Nagy tapasztalatot szerzett j cgek termk-portfoliinak kialaktsban, termkek piacra vitelben, hiszen a fenti vllalkozsokban (a PricewaterhouseCoopers kivtelvel) mr alaptsuktl kezdve, veken keresztl vezette ezt a tevkenysget. Elmleti ismereteit a Purdue University (Indiana, USA) s az ESC Rouen (Franciaorszg) kzs Executive MBA progjamjn er stette meg. rdekl dsi terlete els sorban a specilis HR szolgltatsokat, a szemlyzeti munka eredmnyessgnek fejlesztst foglalja magba. Ennek rdekben orszgos
kutatsokat, cgre szabott felmrseket s internetes vizsglatokat veznyel. Nhny plda ezen kutatsokra: Munkahelyi stressz - felmrs (2004) A magyar munkaer -szerkezet motivcis httrtnyez i (2002) 2-5 ves szakmai tapasztalattal rendelkez diplomsok lojalitsnak,
vrakozsainak orszgos vizsglata (1999., majd 2001. november) Vgz s hallgatk preferencii az els munkahely megvlasztsnl (1999)
2006-tl a dntshozatal, kockzatvllals specilis s emblematikus helyzeteinek feldolgozsra koncentrl, ebben a tmban dolgozott ki s tart trningeket.
84
KESZI ROLAND (Kutatsi szakmai vezet je) Szemlyi adatok: Szletsi v, hely: 1973. 09. 21.
Tanulmnyok: 2006. Etvs Lornd Tudomnyegyetem Trsadalomtudomnyi Kar Doktori (Ph.D.) kpzs 2001. Budapesti Kzgazdasgtudomnyi s llamigazgatsi Egyetem Master of Busines Administration (MBA) oklevl 1998. Etvs Lornd Tudomnyegyetem Szociolgiai s Szocilpolitikai Intzet Szociolgus egyetemi diploma
Munkahelyek: 2001 Magyar Tudomnyos Akadmia Szociolgiai Kutatintzet tudomnyos munkatrs 2002KROLIFY Vlemny- s Szervezetkutat Intzet gyvezet igazgat
Fontosabb rott publikcik id rendi sorrendben: (2001): A munkltati ignyek, mint a tudsfelhasznls meghatrozi. A szervezetek kpzsi praxisval foglalkoz krd ves felmrs eredmnyei. In: Mak Cs. Simonyi . (szerk.) Termelsi paradigmk krvonalai; Budapest, 106-160.o (2002): Magatartstudomnyi szervezetdiagnosztika A vltozssal szembeni ellenlls stdiumainak vizsglata az X Kft. szervezet-talaktsa kapcsn. In: Vezetstudomny 2002/4. ,16-36.o. (2002): An Emerging New Pattern of Network Organisation: ICT Offers a Tool of Outsourcing Practice for the Micro- and Small Firms (The Case of an Emerging Global Internet Broker Firm). Institute for Employment Studies, Intitute for Sociology, BrightonBudapest (Trsszerz : Mak Cs.) (2002): Fogyatkos s megvltozott munkakpessg munkavllalk a 200 legnagyobb hazai vllalatnl. Munkagyi Szemle, XLVI/12. (Trsszerz k: Komromi R. Knczei Gy.)
85
(2002) Fogyatkossggal l s megvltozott munkakpessg munkavllalk foglalkoztatsnak nhny jellegzetessge a 200 legnagyobb hazai vllalatnl. Szocilis Munka, XIV/4. (Trsszerz k: Komromi R. Knczei Gy.) (2003): EWork in EU Candidate Countries. Institute for Employment Studies, Brighton, UK (trsszerz : Mak Cs.) (2003): Munkltatk tvmunkval szembeni belltottsgai. In: Vezetstudomny, 2003/12. szm (Trszerz : Mak Cs.Polynszky T.Z.) (2003): Termelsi paradigmk krvonalai a dunajvrosi kistrsgi felmrs alapjn. In: Mak Cs. Simonyi . (szerk.): A munka s a prbeszd j paradigmi. Orszgos Foglalkoztatsi Kzalaptvny, Budapest, 49-69. o. (Trszerz k: Mak Cs.Simonyi .) (2003): A TOP 200 foglalkoztatsi gyakorlatrl. Munkagyi Szemle, 47/II. (Trsszerz k: Komromi R. Knczei Gy.) (2004): Munkltati vlemnyek a tvmunka bevezetsnek el feltteleir l s gyakorlatrl In: Trsadalomkutats 2004/22/ 2-3. szm (Trsszerz : Mak Cs. Mester D.) (2007): A tvmunkavgzs munkaszervezeti bevezetst meghatroz tnyez k t eurpai rgiban Szervezetszociolgiai modellksrlet. In: Informcis trsadalom. 2007/2. szm ,VII. vfolyam (2007): Munkaszervezeti Vezetstudomny determinizmus s tvmunka In: (Megjelens alatt)
Fontosabb konferencia el adsok id rendi sorrendben: 2002:- 20th Annual International Labour Process Conference - University of Strathclyde Glasgow, United Kingdom, 2-4., April, 2002. EL ADS: Outsourcing as an Indicator of Regional Competitiveness 2003:- Foglalkoztatspolitikai s Munkagyi Minisztrium II. Tvmunka Konferencija Budapest, 2003. Februr 20. EL ADS: A tvmunkval szembeni munkltati belltdsok fontosabb jellemz i - A kzp-dunntli rgiban vgzett kutats el zetes tapasztalatai. Budapest, 2003. februr 20. - Az ILO (International Labour Organisation) ltal szervezett Socially Responsible Enterprise Restructuring c. nemzetkzi konferencia. Athen, Greece, 2003. prilis 3-4 EL ADS: Outplacement System Within the Company - A Case Study on Corporate Social Responsibility. 2004:- A La Sapienza Egyetem (Rma) ltal szervezett Data Assessment Workshop: Rome, Italy, 15 April, 2004. EL ADS: Major Mathematical-Statistical Problems of Measuring Ework Based on Survey Data 2005:- Az Orszgos Foglalkoztatsi Kzalaptvny Kutati Tudomnyos Akadmia Kisterem, Budapest, 2005. prilis 22. Konferencija. Magyar
EL ADS: A Fogyatkossggal l s megvltozott munkakpessg foglalkoztatsi krlmnyei az n. clszervezetek krben.
munkavllalk
86
Magyar Szociolgiai Trsasg ves Konferencija, MTA Szociolgiai Kutatintzet, Budapest, 2005. november 15. (MTA Szociolgiai Kutatintzet) EL ADS: A tvmunkavgzs munkaszervezeti bevezetst meghatroz tnyez k a kkv szektorban Szervezetszociolgiai modellksrlet eurpai sszehasonltsban. 2007:- Az Andorka Rudolf Trsadalomtudomnyi Trsasg, a Budapesti Corvinus Egyetem Szociolgiai s Trsadalompolitikai Intzete s a Magyar Statisztikai Trsasg Demogrfiai szakosztlyjnak Migrci trsadalmi sszefggsek cm konferencija, 2007. oktber 19. (Budapesti Corvinus Egyetem) EL ADS: Menekltgy a hazai sajtban (Trsszerz : Vicsek Lilla, Mrkus Marcell)
87
NAGY ESZTER ERZSBET (Kutatsi asszisztens)
Szemlyi adatok: Szletsi v, hely: Budapest, 1984. szeptember 28.
Tanulmnyok: Budapesti Corvinus Egyetem (2004-) Negyedv a Gazdlkodstudomnyi Karon Vezets-szervezs f szakirny, Szervezetfejleszts mellkszakirny Mricz Zsigmond Gimnzium (1998 2004)
Szakmai tapasztalatok: Z&N Kft. 2007. jlius-augusztus (marketingkutatsi asszisztens)
MSZR TNDE ANDREA (Kutatsi asszisztens) Szemlyi adatok: Szletsi v, hely: Budapest, 1978.08.30. Tanulmnyok: ELTE-PPK, szakirnyok Berzsenyi Dniel F iskola, m vel dsszervez szak, PR s mozgkp szakirnyok Kutati tevkenysgek: Bunuel filmjeinek szimblumrendszere (Berzsenyi Dniel F iskola, szakdolgozat) Anyasg trsadalmi megtlse (ELTE, szakdolgozat) Integrlt vodk s iskolk szociometriai vizsglata (ELTE, m helymunka) pszicholgia szak, egszsgpszicholgia s trsadalmi krdsek
88

A Pesszimizmus És A Maximalizáló Mentalitás Összefüggései, És Ezek Hatása A Döntéshozatalra

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

A Pesszimizmus És A Maximalizáló Mentalitás Összefüggései, És Ezek Hatása A Döntéshozatalra

Hochgeladen von

Copyright:

Verfügbare Formate

A PESSZIMIZMUS S A MAXIMALIZL PESSZIMIZMUS S A MAXIMALIZL MENTALITS SSZEFGGSEI, S EZEK MENTALITS SSZEFGGSEI S EZEK

HATSA A DNTSHOZATALRA HATSA A DNTSHOZATALRA

Budapest 2007. december 10. Budapest 2007. december 10.

8.1 KRVONAL KZHASZN ALAPTVNY:------------------------------------------------------------------- 83 8.2 KUTATK:-------------------------------------------------------------------------------- 83

maximalizls a clravezet bb, az optimista dolgozktl inkbb kielgt

2.2. Kutats mdszertana

feldolgozskor ugyanis mr jelent s lehet az emberi tnyez

bocstottk a tulajdonukat kpez

optimizmus krd vet, melynek segtsgvel trtuk fel

megelgedettsgre trekv , vagy esetleg mindkett

egyszerre. Az ltalunk hasznlt

krben elvgzett ilyen jelleg

felmrs is. A krd v magyar nyelv

dntselmleti knyvb l (Schwartz, 2006) szrmazik, mely megjelent Magyarorszgon is.

lltsokat 1-7ig lehetett osztlyozni ahol az 1 azt jelentette, hogy

3. KUTATS ELMLETI HTTERE

Az optimizmus: "A lehet legjobb vgkifejlet elvrsra val hajlam".

Egy szemly kedvez

elvrsainak sokfle oka lehet: szemlyes hatkonysg, szerencse

Klnfle problma megoldsi stratgik (Perez, 2007):

Az optimista s pesszimista szemlyek eltr

stratgikat alkalmaznak a felmerl

k is hatkonyan tirnytjk er forrsaikat a lekzdhet

feladatokra (Aspinwall s Richter, 1999). Az optimista ember olyan megoldsi mintkat

Vajon a pesszimizmus mindig rossz (Perez, 2007)?

E rsznl kln kell beszlnnk a vdekez

pesszimista fogalmrl. A vdekez

Vajon az optimizmus mindig j (Perez, 2007)?:

tlagosnl jobbnak tli meg sajt autvezet dntshoz pozciban lv szemlyek

felek a kzs hajlanak vezethet,

elksztsvel is. Ehhez nlklzhetetlen tgondolni az esetleg felmerlhet

az egynre illetve a szervezetre jellemz

elfogult optimizmus, mely a

ket rt kudarcokat nem adaptv mdon magyarzzk,

oka a pesszimizmus. Ez a mai

Seligman hrom okot emlt a pszichs betegsgek ilyen mrtk

Nagyszleink idejben ha az egyn, mint individuum hibzott, tkletes, vagy kzel

sszpontost. Azon a terleten megsrl, ahol kudarc rte

3.2 Dntselmleti httr

Filozfiai kzeltsmd a dntselmleti kutatsok kezdete

megfontols tmutatsa szerint. (Arisztotelsz, 1997)

Kzgazdasgi kzeltsmd a racionlis vlaszts elmlete

dntshoz preferencii tranzitvek valamint teljesek legyenek a hozzfrhet

szval azt jelenti, hogy a dntshoz megklnbztet rzkeny. 4.

A dntshoz azt a vltozatot vlasztja, amelyik az rtket (hasznossgot) maximalizlja.

elmletekhez kpes, hogy megjelent a teljes informltsg valamint az

felttelek esetn nem

visszaemlksznk sokkal gyakoribbnak t nik, mint azok amelyeket nehezebb el hvni.

dntsek (Zoltayn, 2005) Kielgtsre trekv dntshozatal

A maximalizl alternatvja az elgedettsgre trekv mondjuk, hogy elgedettsgre trekv

(satisficer) ember. Akkor

valaki, ha a meghozott dntse elg j, s nem tpus is ugyangy

aggdik amiatt, hogy van annl jobb is. Az elgedettsgre trekv

42 magyarorszgi s 8 spanyolorszgi cg vezet

mikroszfrban szlet gazdasg valsgos

dntselmleti irnyzatokon fell az emltett kutatsban

dntshozatalra a menedzsment tagjainak rdekrvnyestsi kzdelme nyomja r a blyegt.

Az a vllalat, amely kpes dntseit a racionlis egysges cselekv

terletek vezet i nem tlik meg klnbz en a vllalatok dntshozatalt. A

kutats eredmnyinek sszehasonltsakor azt vehetjk szre, hogy

a sajt terletkkel leginkbb konform dntshozatali kzeltsmdot er sebbnek rzkelik az tlagosnl.

megfigyelhet ek-e 7db krd ves

hogy a tkletessgre trekvs nem egyenl