Confirmation Bias vs Availability Heuristic
確認偏誤 vs 可得性捷思
確認偏誤與可得性捷思都讓你錯誤地評估證據，但機制不同：確認偏誤是「過濾」（已有立場 → 只收支持的證據），可得性捷思是「樣本偏差」（用「想得到的」當代表性樣本，但你想得到的本來就不均勻）。一個是動機型偏誤，一個是記憶型偏誤。
偏誤
確認偏誤
Confirmation Bias
只看見支持你已有想法的證據——不是不誠實，是注意力本身在過濾。
讀詳細頁 →
偏誤
可得性捷思
Availability Heuristic
把「容易想到的」誤以為「常發生的」——記憶的鮮明度蓋過了實際機率。
讀詳細頁 →
關鍵差別
什麼時候用 確認偏誤
當你已經對某事有立場——政治、職涯選擇、產品判斷——而你在「找證據」確認自己。確認偏誤這時最猛烈，因為注意力會自動過濾。
什麼時候用 可得性捷思
當你在估計「多常發生」、「有多少人這樣」、「機率多高」——這時候大腦的捷徑是「我想得到的例子」，但媒體與演算法已經污染了你的取樣池。
結論
確認偏誤需要「主動找反例」對抗，可得性捷思需要「主動找統計」對抗。兩者經常合作：演算法用可得性捷思塞給你極端案例 → 你用確認偏誤把它編織成「我早就知道」的敘事。打破這個迴路的關鍵是離開記憶，回到數據。
常見問題
兩者哪個比較難對抗？
確認偏誤更難——因為它涉及自我認同保護。質疑記憶相對容易（「我可能記錯」），質疑信念很難（「我可能整個立場錯了」）。對抗確認偏誤的最高心法是 Charles Darwin 的做法：他特別記錄那些與自己理論矛盾的觀察，因為知道大腦會自動忘掉它們。對抗可得性偏誤相對機械——查資料就好。
為什麼這兩個偏誤特別容易出現在社群媒體？
因為社群媒體同時放大兩者：演算法給你看你想看的（強化確認偏誤）、給你看極端內容（強化可得性偏誤）。結果是你的「世界圖像」雙重扭曲——既只看到支持你立場的內容，又把極端案例當作代表樣本。對抗方法：定期主動 follow 不同立場的高品質來源、用統計圖表代替敘事故事估計現實。
如果我發現自己同時被兩個影響，從哪個開始解？
從可得性偏誤開始——它比較容易解（查數據）、不觸發身分防禦。當你用實際數據校正了世界圖像，再回頭看自己的立場，常會發現原本被確認偏誤撐起來的信念其實沒那麼穩。簡單先動，深層的會跟著鬆動。