隨想 物理

好書推薦:一眼就突破盲點的思考力:破解假數字、偽科學、不實資訊背後的真相

Print Friendly and PDF
撰文者:白榮銓 (居仁國中退休教師)
發文日期:2017-09-05
點閱次數:582
  • 2016年,被視為最全面和權威的《牛津英語詞典》(Oxford English Dictionary),宣布「後真相」(post-truth)被選為年度的英語代表字,並將此字定義為「形成公眾輿論(public opinion)時,客觀事實的影響力,比不上訴諸情感(emotion)和個人信念(belief)」。在充滿社群媒體的年代,各種假新聞與資訊,充斥在我們的生活周遭,有些人可能盲目地接受與他們想法接近的人、事、物,真相則次之。到底我們應如何理性地分析與思考?如何辨別統計圖表(statistical diagram)與資料(data)的真假?如何認清不實資訊(information)背後的真相?

    本書作者是美國神經學家暨認知心理學家列維廷(Daniel Levitin, 1957-),目前任教於加拿大麥基爾大學(McGill University),著有多本科普暢銷書。2001年,列維廷在大學開設一門批判思考的課程,2014-2016年,他整理當時的授課內容,2016年,出書《A Field Guide to Lies : Critical Thinking in the Information Age》(謊言教戰手冊)。2017年,作者重新撰寫「前言」,修改書名再版,成為本書。本書內容是教導讀者以批判思考的方式,對抗看似真實的錯誤訊息,辨認出建構在故事裡的謬誤觀點,揪出謊話連篇的假新聞(fake news)、反知識(counterknowledge)和陰謀論(conspiracy theory)。


    破解假數字

    愈來愈多的人透過社群網站獲得新資訊,但網路上有許多的不實謠言及假新聞事件。2015年6月,在谷歌公司(Google Inc.)的支持下,30多家新聞與科技公司組成「初稿聯盟」(First Draft Coalition),成員除了臉書、推特(Twitter),還包括紐約時報(The New York Times)、華盛頓郵報(The Washington Post)、BuzzFeed新聞、法新社(Agence France Presse, AFP)、澳洲廣播公司(Australian Broadcasting Corporation, ABC)新聞網和CNN等媒體,合力整頓假新聞,以及改善社群媒體上的資訊品質。

    美國總統川普(Donald Trump, 1946-)喜愛使用推特,他盛讚這種現代的溝通工具,是反擊對手的重要管道,對於勝選更是貢獻良多,不過他的反對者曾多次批評川普的推文,真真假假,部分內容可能有虛構之嫌疑。2016年12月,《華盛頓郵報》發布了一個Google Chrome瀏覽器的擴展(extension)程式「RealDonaldContext」,安裝之後,它能自動對川普每條Twitter的可信度進行分析,在推文下方顯示“Just so you know"(只是讓你知道一下)、“This is incorrect or false"(這是不正確或錯誤的)、“There's important context missing"(有重要的脈絡缺失)等標記,對川普發言的內容進行補充、澄清或者說明,讓社會大眾盡可能掌握更全面或真實的資訊(參考網址https://zh-tw.facebook.com/RealDonaldContext/)。

    英國的《每日郵報》(Daily Mail)平均每日銷售約一百五十多萬份,曾經因為散播種族主義、性別歧視而受到指責,醫學和科學方面的相關報導也遭到一些醫生和科學家的批判。2017年2月,維基百科的英文編輯群經過討論,達成一致意見,認定《每日郵報》的報導,疏於查證、譁眾取寵甚至編造新聞,因此將該報歸入「不可靠消息來源」,決定往後不再用於維基百科內容事實的參考資料。《每日郵報》的一位發言人就此事回應:「投票作出這一決定的編輯,人數只占數百萬位維基百科匿名編輯(anonymous editors)的一小部分,此舉讓人不知要哭或是要笑,紀錄顯示:2014年時,《每日郵報》就已經因為《維基百科》的不可靠性,禁止本報記者將其做為消息的唯一來源」。

    1954年,美國作家赫夫(Darrell Huff, 1913-2001)出書《How to lie with statistics》(2005年中文版譯為《別讓統計數字騙了你》),此書的目的當然不是教人如何用統計說謊,而是告訴人們統計圖表如何做,數據如何呈現,也就是如何透過使用統計材料,讓外界得到全然不同的印象。嚴謹的統計報告,通常會避免使用含糊的「平均值」(average)一詞,取而代之的是,使用較精準的用詞「均值(mean)、中位數(median)、眾數(mode)」。均值就是將所有數據加在一起,再除以總體的樣本數量;中位數是一組數值從低到高排列,恰好處在中間位置的那個數值;眾數是一組數值中,出現最多次數的數值,例如4、4、5、6、8的均值是5.4,中位數是5,眾數是4。

    如果一組數據中有過高或過低數值,則對均值會產生很大影響,例如9個人各有1,000美元存款,第10個人只有1美元存款,則均值是900.10美元。因為中位數處於中間位置,故很容易隱藏了那些很大或很小的數值,例如過去9年每年漲價3%,但今年漲價20%,中位數仍然是3%。如果數據組龐大,則較少機會出錯,如果數據組較小,則容易有誤區,例如100位受訪者對某產品的滿意度在1至10之間打分數,即使打10分的人數,只比其他分數多了1位,10分就是眾數。

    統計數據真的有那麼可靠嗎?其實也不盡然,因為統計數據是人編製出來的,所以我們應注意「數字是怎樣被蒐集的、數字是怎樣被詮釋的」。畢竟有時候,數字根本是錯的,就算數字言之有理,統計只是詮釋數字,讓你信以為真,但未必是事實。幾年前,有一個被廣為報導的統計數據是這樣說的:「在美國,每年有15萬名少女和年輕女性死於厭食症」,你如何看待這項主張的合理性?根據美國疾病管制中心(Centers for Disease Control and Prevention, US CDC)的數據,年齡介於15至24歲的少女和年輕女性,每年死於各種原因的人數約8,500人,再加上25至44歲的女性人數,得到的數字也只有55,000人。因此,單一年度的厭食症死亡人數,不可能是所有死亡人數的3倍,15萬極可能是患有厭食症的人數,但是有些網路媒體沒有仔細查證,仍然以訛傳訛地複製錯誤。

    2001年,美國德拉瓦大學(University of Delaware)社會學暨刑事司法系(Department of Sociology and Criminal Justice)教授貝斯特(Joel Best, 1946-),出書《Damned Lies and Statistics》(2008年中文版譯為《統計數字:是事實,還是謊言?》),書中提到作者的一段經驗:1995年,貝斯特應邀參與某一博士論文審查,在審查過程中,他發現這份博士論文「引言」的某句話很有問題,這句話是「美國自從1950年起,孩童遭到槍殺的人數,每年增加1倍」。假設1950年,只有1名美國孩童遭到槍殺,則遭到槍殺的人數,將從1、22、23、24…升高到1995年的245人,即遭到槍殺的人數會超過35兆,故這種說法不但說不通,更是不可能!

    貝斯特教授深入追查,發現這句話出自美國兒童保護基金會(Children ' s Defense Fund),1994年的年度報告《The state of America's children yearbook 1994》,原文是“The number of American children killed each year by guns doubled since 1950“(自從1950年以來,美國兒童遭到槍殺人數,至今已增加一倍),也就是說,引用文獻者誤解了此句的真正含義,造成研究論文上的紕漏。

    除了數據之外,圖表常被用來呈現數據之間的關係,方便人們透過視覺化的圖表,快速地理解大量的原始數據。為了增進圖表的美觀與透視效果,圓形圖(圖1A)可能被改繪成3D圓形圖(圖1B),由於3D圓形圖呈現的角度,會導致透視的扭曲效應,靠近讀者的item C(占5%),看起來反而大於較遠的item A(占11%)。
    圖1A圖1B
     
    圖1. 圓形圖與3D圓形圖的比較(圖片來源:WikiMedia Commons)
     
    2008年,蘋果公司的賈伯斯(Steve Jobs, 1955-2011)在Macworld大會所做主題演講(keynote speech),就是以「3D圓形圖」呈現美國各廠牌手機的市場占有率(圖2),Apple的19.5%單獨脫離圓形,繪在下方的較近位置,而其他類的21.2%留在圓形內,則繪在上方較遠的位置,結果造成了19.5%比21.2%還要大的神奇視覺效果,藉此突顯自家產品的市占率。
    圖2
    如果要以折線圖顯示國民收入在「一年之內增加10%」,則以X軸代表月份,Y軸代表金額(以10億美元計),可以中規中矩地繪出一條上升趨勢線(圖3A)。若想要給讀者深刻印象,則可刪掉曲線底部,縮小Y軸刻度間距,雖然數據相同,但是給人「一年之內國民收入急增10%」(圖3B)的視覺印象,營造出經濟欣欣向榮的景象。
     
    圖3(a)圖3(b)
     
    圖3. 一年內國民收入趨勢(圖片來源:白榮銓繪製)
     
    2012年,立場偏向共和黨的美國有線電視公司《福斯新聞頻道》(Fox News Channel),播出一張條形圖,右邊長條的高度是左邊長條的6倍(圖4),顯示如果布希時代的減稅政策到期後,與現在相比,2013年1月將會發生稅賦大幅增加的視覺印象。在電視畫面匆匆一瞥的情況下,觀眾可能來不及檢視Y軸的刻度,其實,Y軸是從34%開始畫起,而且兩者的的實際差異,只是稅率35%與稅率39.6%之差而已,也就是說,如果減稅措施終止,稅賦只會增加4.6個百分點,而非這張圖所描繪的6倍。
    圖3
    圖4. 減稅前後的稅率比較(圖片來源:http://www.statisticshowto.com/misleading-graphs/
     
    由上述可知,即使有些網站開發軟體,打擊假新聞,但是媒體上仍充斥著許多不實的文字、統計數據、圖表和趨勢。這些經過擦脂抹粉的資訊,粉飾美化了許多重要事實,在精心包裝的華麗外表底下,可能隱藏了不為人知的訊息,以至於混淆或簡單化了事實真相。惟有積極培養洞悉問題的批判思考力,始有可能正確地解讀「統計與圖表」。

    擊敗偽資訊

    2008年,英國記者湯普森(Damian Thompson, 1962-)發表新書,書名就提到「反知識」一詞,意指「經過包裝的錯誤訊息,使其看起來像是事實,而且被一些關鍵多數的人所相信」。在科學、政治、歷史、時事等領域的傳播,幾乎都有這樣的例子,「如果是真的呢?」的好奇想像,讓人們懷疑自己所知的一切,助長了假新聞的散播,反知識常披著知識與權威的外衣,但深入檢視後,就可以知道這些內容並沒有事實基礎。

    湯普森的書中,提到「阿波羅登月計畫陰謀論」(moon landing conspiracy theories),是一系列針對美國阿波羅登月計畫(1961~1972年)的懷疑論。最著名的主張是1969年7月,阿波羅11號太空人阿姆斯壯(Neil Armstrong, 1930-2012)根本沒有踏上月球,登月影片是在地球上拍攝的,陰謀論主張:登陸月球不是人類歷史上最偉大的一大步,而是人類歷史上最偉大的騙局。至於「911陰謀論」(9/11 conspiracy theories)則是指2001年9月11日,發生在紐約的911恐怖攻擊,整個過程有諸多疑點,例如單憑飛機燃油燃燒的熱度,不可能讓世貿中心雙子星大樓(Twin Towers)的鋼骨軟化到無法支撐大廈重量的程度,反而比較像是使用炸藥造成的拆除工程(圖5)。有些學者一直不相信美國政府的官方報告,2005年上映的記錄片《脆弱的變化》(Loose Change),甚至指出美國政府自導自演了這次攻擊,為的是激起美國人的反中東情緒,也為日後侵略伊拉克埋下伏筆。

     
    圖5
    圖5. 911恐怖攻擊後世貿中心倒塌現場(圖片來源:Wikimedia Commons)
     
    為什麼反知識能夠取信於某些民眾?這是因為反知識的論述,有些是可被驗證的事實,包裝成專業性的文章,然後攙雜一些假的內容,將假事實與真正的事實相互掛鉤,就能得到似是而非的反知識,不仔細思辨,難免信以為真。例如「喝瓶裝水會比較健康」這件事,可以這樣敘述「水是由氫和氧所組成,分子式是H2O,人體組成的成分中,水的含量最高,約占體重的60%,血液含有約92%的水,水是人體代謝不可缺少的物質,但是世界上有許多地方的水遭到污染,我們接觸到的水,能飲用的少於1%,頂尖的健康研究人員建議飲用瓶裝水,他們絕大多數都喝瓶裝水」,這些敘述似乎符合邏輯,大部分都是真的,但是「頂尖的健康研究人員」是誰?「他們也喝瓶裝水」是什麼意思?

    美國有些較古老的城市,城市供水是由鉛管輸送,鉛會釋放到自來水裡,長期飲用可能導致鉛中毒;另外,前往第三世界國家旅行時,由於當地的法規與衛生標準較低,瓶裝水也許是最好的選擇。但是在已開發國家裡,瓶裝水也不會比自來水更安全或更健康,這個依據來自各式各樣有信譽的來源,包括:美國歷史最久和最具影響力的環境公益法律機構「自然資源保護委員會」(Natural Resources Defense Council),2016-17年,全美最佳醫院排行榜第一名的「梅約醫學中心」(Mayo Clinic),消費者報導(Consumer Reports),以及幾篇有同儕審查(peer review)期刊的報告。

    為什麼反知識能夠到處傳播?媒體記者蒐集資訊的模式有兩種,第一種是科學調查(scientific investigation)模式:報導科學方面的發展,記者和科學家是夥伴關係,當記者在同儕審查期刊或新聞稿讀到一份研究,記者只要將內容轉換成比較簡單,且能被大眾了解的語言,以吸引讀者和觀眾的閱讀興趣,就完成報導的工作。第二種是突發新聞(breaking news)模式:記者向消息來源或事件目擊者,蒐集資訊,讓大眾理解這個世界正在發生的某些事,憑藉的只是少數目擊證人的描述,來報導事件的真相。

    在第一種模式,記者報導科學的發展,其發現是根據無數次觀察和龐大資料所做成;在第二種模式,許多奇聞軼事並不是研究發現,人們期待報紙在自己學習新知的同時,也應該娛樂我們,說故事給我們聽,而新聞性文章和科學性文章的舉證嚴謹度並不一樣,這是謠言、反知識和偽事實,能如此輕易地經由媒體傳播的核心原因所在。

    兩者有關聯,就能推論之間有因果關係嗎?世界上正在發生的許多事情,難免會出現某些巧合,但這不代表某件事,會導致另外一件事發生,也就是「兩件事情有關聯,不一定表示兩者之間有因果關係」(Correlation does not imply causation)。1948年,美國著名經濟學家薩繆森(Paul Samuelson, 1915-2009)發表《經濟學》(Economics: An Introductory Analysis)一書,內容提到「因果謬誤(post hoc fallacy)是因為某件事發生在另一件事之前,就想當然地認為前者是後者的原因」,亦即「在此之後」便意味著「因為此事」(After this, therefore because of this)。雖然薩繆森指的是經濟學領域,建立理論和模型時,容易犯下因果謬誤,但這也是日常生活常見的邏輯謬誤之一。
    例如,日本有醫學研究指出:「每天喝咖啡的人或是幾乎每天喝咖啡的人,罹患肝癌的比例,是那些從沒有喝咖啡的人的一半」,但這只是流行病學統計分析,並不能說兩者有因果關係。英國學者研究指出:「上網成癮者憂鬱沮喪的現象,比起沒上癮者嚴重得多,憂鬱指數足足高五倍」,即使上網成癮與罹患憂鬱症有關聯,但仍不能確定「到底是上網導致憂鬱,或是有憂鬱傾向者愛上網」。因果謬誤屬於非形式謬誤(informal fallacies),所謂非形式謬誤,並不是論證結構違犯了邏輯形式和規則,而是其他因素造成合理性或說服力不足的情況,往往需要相關的常識或背景知識,才能判斷是否為合理推論。

    另一種常見的非形式謬誤是滑坡謬誤(slippery slope fallacy),就是不合理的連串使用「因果推論」,將每個環節的「可能性」,誇大地轉化為「必然性」,然後得到不合理的結論。例如孩子偶爾沒寫作業,滑坡謬誤可以將此事推向極端,敘述如下「你看看你,作業也不寫,不好好學習,如果不好好學習,就上不了好高中,再來就考不上好大學,畢業後就找不到好工作」。其實,偶爾沒寫作業,不表示一定沒好好學習,也不表示之後就考不上好高中;就算考不上好高中,也不表示之後就考不上好大學;就算考不上好大學,也不表示未來就找不到好工作。畢竟事實不一定照著線性推論發生,而是有其他的可能性發展。

    由上述可知,反知識的謬誤論點,常藉著動人但誤導的方式,訴說偏離事實的故事,以故事行銷,滿足人類天生愛聽故事,以及「寧可信其有,不可信其無」的傾向,因此具有說服力且能到處傳播。因果謬誤將某事件發生的「可能性」,引申為「必然性」;滑坡謬誤將初始現象或行為,透過一連串的因果事件推向極端,得到意欲的結論,可說是倒果為因。

    綜合上述,後真相時代是一個非理性的時代,到處充斥著假新聞、陰謀論和反知識,貌似合理的資訊,來源可能沒有公信力。因此,如何揭露不實資訊背後的真相?如何避免學到一大堆實情不然的偽科學?如何評估某種連串的推論,能否導出有效的結論?這些都有待您進一步的閱讀與思考!

    大標:一眼就突破盲點的思考力:破解假數字、偽科學、不實資訊背後的真相
    本書簡介:
    作者: 丹尼爾.列維廷(Daniel J. Levitin)
    譯者:曹嬿恆
    出版社:商周出版
    出版日期:2017年 5月11日

    其他延伸閱讀: 好書推薦:『薛丁格的貓:50個改變歷史的物理學實驗』
                         「山寨物理」逐漸坐大的危機
       
                   
    本文感謝 臺灣科學教育館 『科學研習』雜誌同意轉載,本文出自於 『科學研習』 第56卷 第9期
    https://www.ntsec.gov.tw/User/Article.aspx?a=3451
     

     
回上一頁