چرا برخی از افراد پس از شکست موفق می شوند ، در حالی که دیگران همچنان دست و پا می زنند؟

ییان یین  و یانگ وانگ و جیمز ایوانز و داشون وانگ 2 دسامبر 2020

بسیاری از داستانهای موفقیت چشمگیر با ناکامی آغاز شدده اند . هنری فورد قبل از راه اندازی شرکت Ford Motor ورشکست شد. توماس ادیسون و همکارانش هزاران ماده را قبل از ایجاد لامپ رشته ای آزمایش کردند . J. K. Rowling قبل از انتشار اولین کتاب هری پاتر ، دوازده ردیه برای انتشار آن دریافت کرد.

مطمئناً اینها نمونه های الهام بخشی هستند – اما داشون وانگ فکر نمی کرد که آنها کل داستان را بیان کرده اند. چرا این افراد در نهایت موفق شدند ، در حالی که بسیاری از افراد دیگر هرگز موفق به عبور از مرحله شکست خود نمی شوند؟

از وانگ ، استادیار مدیریت و سازمانها در مدرسه Kellogg ، که مرکز علم علوم و نوآوری (CSSI) را هدایت می کند ، می پرسند .

“اگر آن روند را درک کنیم ، آیا می توانیم پیش بینی کنیم که آیا حتی اگر بازنده باشی ، برنده خواهی شد؟”

در مقاله جدیدی که در صد و پنجاهمین سالگرد انتشار Nature منتشر شد ، وانگ و همکارانش یک مدل ریاضی را برای مشخص کردن آنچه کسانی که موفق می شوند را از کسانی که فقط سعی می کنند دوباره امتحان کنند جدا می کند.  وانگ به همراه دانشجوی دکتری یان یین و محقق فوق دکترا یانگ وانگ در CSSI و جیمز ا. ایوانز از دانشگاه شیکاگو دریافتند که موفقیت در نتیجه یادگیری از اشتباهات قبلی فرد حاصل می شود – به عنوان مثال ، ادامه بهبود بخشهایی از اختراعی که  درست کار نمی کنند به جای حذف آنها ، یا تشخیص اینکه کدام بخش از یک برنامه رد شده را نگه دارید و کدام یک را دوباره بنویسید.

اما این امر ساده نیست که کسانی که هرچه بیشتر می آموزند شانس پیروزی بهتری دارند. بلکه یک نقطه اوج مهم است. اگر توانایی شما برای تلاش در کارهای قبلی شما بیش از یک آستانه مشخص باشد ، در پایان احتمالاً موفق خواهید شد. اما اگر حتی یک مو زیر آن آستانه باشد ، ممکن است محکوم به شکست برای همیشه باشید.

وانگ می گوید: “افرادی كه در دو طرف آستانه هستند ، می توانند دقیقاً همان نوع باشند” ، اما آنها دو نتیجه بسیار متفاوت خواهند داشت. “

با استفاده از این بینش ، محققان قادرند موفقیت طولانی مدت یک فرد را فقط با مقدار کمی اطلاعات در مورد تلاش های اولیه آن فرد پیش بینی کنند.

مجموعه تحقیقاتی در حال رشد از این ایده حمایت می کند که شکست می تواند در طولانی مدت وضعیت شما را بهتر کند. در واقع ، در یک مطالعه اخیر دیگر ، وانگ خود دریافت که یک شکست اولیه شغلی اغلب موفقیت بعدی را برای دانشمندان ایجاد می کند.

با این حال ، همانطور که داستانهای فورد ، ادیسون و رولینگ به وضوح نشان می دهد ، راه موفقیت معمولاً بیش از یک عقب گرد است. وانگ می گوید: “شما فقط یک بار شکست نمی خورید.” “شما بارها و بارها شکست می خورید.” و گرچه این انبوه ناکامی ها ممکن است وضعیت ادیسون های جهان را بهتر کند ، اما به نظر می رسد بسیاری از افراد دیگر را منفعل می کند.

برای درک دلیل این امر ، وانگ و همکارانش به اطلاعات زیادی در مورد روند سقوط ، عقب نشینی و تلاش مجدد نیاز داشتند.

آنها به سه مجموعه داده عظیم روی آوردند که هر کدام حاوی اطلاعاتی درباره انواع بسیار متفاوتی از عدم موفقیت و موفقیت بودند . درباره تعداد 776،721 درخواست اعطای کمک مالی به موسسه ملی بهداشت (NIH) بین سالهای 1985 و 2015. پایگاه داده انجمن ملی سرمایه های خطر پذیر از 58،111 شرکت تازه تأسیس برای دریافت سرمایه سرمایه گذاری خطرناک از 1970 تا 2016 ؛ و پایگاه جهانی تروریسم ، که شامل 170،350 حمله بین سالهای 1970 و 2016 است.

این منابع به محققان این امکان را می داد تا گروه ها و افراد را ردیابی کنند زیرا آنها به مرور زمان برای رسیدن به یک هدف تلاش می کردند هدف دریافت بودجه کمک مالی ، هدایت شرکت خود برای دستیابی به ارزش های بالا یا دستیابی به IPO ، یا در مورد سازمان های تروریستی ، مطمئناً حمله ای با حداقل یک مرگ  موفقیت آمیز.

وانگ می گوید: “این سه دامنه” نمی توانند متفاوت باشند ، “اما به همان اندازه که متفاوت به نظر می رسند ، جالب این است که همه آنها الگوهای بسیار قابل پیش بینی و مشابهی را نشان می دهند.”

چه چیزی باعث موفقیت شما می شود: شانس یا یادگیری؟

با در دست داشتن داده ها ، تیم به فکر موفقیت و شکست در ساده ترین سطح بودند. آنها نظریه پردازی کردند که موفقیت باید نتیجه یکی از دو پدیده اساسی باشد: شانس یا یادگیری. افرادی که در یک حوزه مشخص موفق می شوند یا با گذشت زمان به طور مداوم در حال پیشرفت هستند و یا از مزایای شانس برخوردار  هستند. بنابراین محققان هر دو نظریه را آزمایش کردند.

تیم تصور کرد که اگر پیروزی ها در درجه اول نتیجه یک شانس باشد ، همه تلاش ها به همان اندازه موفق می شوند یا شکست می خورند – درست مثل پرتاب سکه ، جایی که اتفاقات قبلی تأثیر چندانی روی اتفاقات بعدی نمی گذارد. این بدان معناست که صدمین تلاش فرد معمولی نسبت به اولین تلاش موفقیت آمیز نخواهد بود ، زیرا افراد بطور منظم پیشرفت نمی کنند.

بنابراین محققان اولین تلاش و آخرین تلاش (آخرین تلاش قبل از پیروزی) را برای هر دانشمند ، کارآفرین و تروریست مشتاق در مجموعه داده های خود بررسی کردند. برای اندازه گیری پیشرفت (یا عدم وجود آن) با گذشت زمان ، محققان تغییراتی را در نحوه ارزیابی برنامه های کمک هزینه دانشمندان ، میزان اعتبارات اولیه شرکت های تازه تأسیس و تعداد افراد زخمی در حملات تروریست ها را بررسی کردند.

تجزیه و تحلیل نشان داد که تئوری شانس روایی ندارد. در هر سه مجموعه داده ، احتمال تلاش دوم تا آخر یک فرد بیشتر از تلاش اول وی است.

با این حال ، مردم به همان روش محققان نمی آموختند. ایده کلاسیک منحنی یادگیری می گوید هرچه بیشتر کاری انجام دهید ، مهارت شما بالاتر می رود. بنابراین اگر همه افراد در این مجموعه داده به طور قابل اعتمادی از شکست های قبلی خود درس می گرفتند ، احتمال موفقیت آنها با هر تلاش جدید به طرز چشمگیری افزایش می یابد و این منجر به شکست های کوتاه مدت قبل از موفقیت می شود.

اما داده ها رگه های بسیار طولانی تری را از آنچه محققان پیش بینی می کردند ، نشان داد.

وانگ توضیح می دهد: “اگرچه عملکرد شما با گذشت زمان بهبود می یابد ، اما شما بیشتر از آنچه انتظار داریم شکست می خورید.” “این نشان می دهد که شما در جایی گیر کرده اید – اینکه سعی می کنید اما پیشرفت نمی کنید.”

به عبارت دیگر ، هیچ یک از این دو نظریه نمی تواند پویایی زمینه ساز شکستهای مکرر را داشته باشد. بنابراین محققان تصمیم گرفتند مدلی بسازند که کار را روی این مطلب اختصاص دهد.

پیش بینی موفقیت

این مدل فرض می کند که هر تلاش چندین مولفه دارد – مثلاً بخش های معرفی و بودجه یک پیشنهاد کمک هزینه ، یا مکان و تاکتیک های مورد استفاده در یک حمله تروریستی. نکته مهم ، حتی اگر یک تلاش به طور کلی ناکام بماند ، ممکن است برخی از اجزای آن خوب بوده باشد. هنگام انجام یک تلاش جدید ، فرد باید برای هر مولفه انتخاب کند که آیا به طرح اولیه برگردد یا نسخه قبلی با یک تلاش قبلی (ناموفق) را بهبود بخشد.

    برخی از افراد بیش از دیگران از تلاش های ناموفق خود می آموزند ، با کسانی که “بیشتر می آموزند” مولفه های بیشتری از تلاش های ناموفق خود را در تلاش های بعدی خود گنجانده اند.

تحقیقات جدید نشان می دهد دانشمندانی که در اوایل دوران حرفه ای خود شکست خورده اند ، در دراز مدت بیشتر موفق شده اند.

شکست های اولیه شغلی می تواند در طولانی مدت شما را قوی تر کند. تحقیقات جدید نشان می دهد که کار برندگان نوبل ممکن است تا حد زیادی شبیه سایر دانشمندان باشد.

برندگان جایزه نوبل دقیقاً مانند ما هستند!

وقتی داغ هستید ، داغ هستید و موفقیت های شغلی به صورت خوشه ای در می آیند. فرد مولفه های گذشته خود را بر اساس بازخورد دیگران ارزیابی می کند . برای افرادی که در تحلیل وانگ قرار دارند ، بازخورد ممکن است از NIH ، سرمایه گذاران خطرناک یا افراد بالاتر از یک سازمان تروریستی باشد.

اما این مدل تصدیق می کند که برخی از افراد بیش از دیگران از تلاش های ناموفق خود می آموزند ، با کسانی که “بیشتر می آموزند” مولفه های بیشتری از تلاش های ناموفق خود را در تلاش های بعدی خود دارند.

در یک حالت افراطی ، بدترین زبان آموزان اطلاعاتی را که از تلاش قبلی خود به دست آورده اند ، صفر در نظر می گیرند ، هربار از ابتدا روی هر جزء شروع می کنند. در حالت دیگر ، فراگیران کاملی هستند که با هر تلاش تازه تمام شکستهای گذشته خود را در نظر می گیرند. بیشتر مردم در جایی بین این دو حد قرار دارند.

آنچه آنها دریافتند رابطه تعجب آور بین یادگیری و پیروزی نهایی است. اینطور نیست که هر یک از واحدهای اضافی یادگیری احتمال موفقیت فرد را به همان اندازه افزایش دهد. بلکه یک آستانه یادگیری منحصر به فرد وجود دارد که موفقیت های نهایی را از بقیه جدا می کند.

وانگ این آستانه را با انتقال بین آب و یخ مقایسه می کند. وی توضیح می دهد: “تصور كنید كه من از -5 تا -4 درجه سانتیگراد می روم.” “هیچ اتفاقی نمی افتد. یخ مانند یخ باقی می ماند. ” اما در لحظه برخورد دما به نقطه خاصی ، شروع به ذوب شدن می کند.

به همین ترتیب ، اگر توانایی یادگیری کسی زیر آستانه باشد ، به نظر می رسد که او هیچ چیز یاد نمی گیرد. وانگ می گوید ، ممکن است با گذشت زمان اندکی بهبود یابند ، اما هرگز به اندازه کافی م goodلفه های خوب را برای تولید موفقیت کامل حفظ نخواهند کرد.

اما افراد فراتر از آستانه باید درسهای کافی را برای همه حفظ کنند اما موفقیت را تضمین می کنند. آنها با گذشت زمان سریعتر و سریعتر تکرارهای جدید ایجاد می کنند ، تا اینکه در نهایت تکرار موفقیت آمیز داشته باشند.

وانگ توضیح می دهد ، از نظر عملی ، این بدان معناست که برای موفقیت در نتیجه نیازی به یادگیری از تمام تجربیات گذشته خود ندارید. اما حداقل مواردی وجود دارد که باید یاد بگیرید. در حالی که در هر مورد به راحتی قابل اندازه گیری نیست ، محققان آستانه دریافت کمک هزینه NIH را در حدود 3 مشخص کردند.

چگونه شما شکست می خورید آیا موفق می شوید.

این تحقیق این ایده مشترک را که موفقیت محصولی کاملاً مبتنی بر  شانس است ، رد می کند و همچنین روشن می کند که چه چیزی واقعاً برای برنده شدن یک آماتور لازم است.

به عنوان  یک مثال ساده “سعی کنید ، دوباره امتحان کنید” کافی نیست. داده ها نشان می دهد که افراد زیر آستانه یادگیری نیز به همان اندازه افراد فوق تلاش کردند و احتمالاً حتی سخت تر هم کار کردند ، زیرا آنها اصرار داشتند که در تلاش های اولیه بسیار خوب خود تغییراتی ایجاد کنند. اما این کار سخت بی فایده بود ، زیرا تلاش های گذشته را در بر نمی گرفت.

برای وانگ ، این درس روشن است: افراد باید به بازخورد و همچنین درسی که از طریق شکست می آموزند ، اهمیت بالایی بدهند. او می گوید: “این دو سرمایه بسیار ارزشمندی است که اکنون باید برای شروع یک تلاش دیگر از آنها استفاده کرد”. اما این مطالعه نشان می دهد که آنها فقط در صورتی ارزشمند هستند که بتوانید آنها را در تلاش های جدید بگنجانید ، با بیان مانترا دره سیلیکون که “شکست بهتر” رمز موفقیت است.

این مطالعه همچنین برخی از رمز و رازهای موفقیت را از بین می برد. محققان دریافتند که توانایی یادگیری یک کارآفرین ، دانشمند یا تروریست معین را می توان با سنجش صرف زمان زیادی که از چند تلاش اول آنها می گذرد ، تشخیص داد. در نتیجه ، مدل آنها قادر بود به دقت پیش بینی کند که کدام کارآفرینان ، دانشمندان و تروریست ها مدتها قبل از ظهور علائم ظاهری موفقیت سرانجام موفق می شوند.

وانگ توضیح می دهد: “توماس ادیسون گفت ،” مردم منصرف می شوند زیرا نمی دانند چقدر به موفقیت نزدیك هستند. آنچه  که مقاله کمک می کند ،  این است که اکنون ما می دانیم. اگر ما اطلاعاتی در مورد چگونگی شکست شما داشته باشیم ، ایده بهتری از اینکه به کجا می روید ، داریم.