|
图源：pixabay 假设是一种描述或解释，它不一定是正确的。比如我可以假设没有一个人的身高超过五英尺，但显然这不是事实。那么，当你有不完整的数据时，怎样才能证明某件事是不正确的呢？ 科学方法围绕可证伪性展开——如果你接受这个说法，当你没有办法反驳这一假设的时候，你就不会认真地对待它，紧接着你会推倒这个假设。但如果它可以经得起你的验证，那么它将会作为一种理论被你暂时接受。 理论是科学的产出，指的是一个假设在成长过程中会变成什么样子。人们将两者混为一谈，认为理论只不过是假说而已，但并非如此。 越清楚这二者之间的关系，你的理论就会越成熟。不幸的是，理论中涉及到不确定性时（如大多数科学探究一样），往往会出现以下两个问题： · 已知的未知数。除了是否拥有足够的统计能力让方法成功的问题之外，你还必须应对统计测试的基本主观性：当样本仅覆盖一小部分人口时，你就不得不做出假设。 · 未知的未知数。为了证明理论，你在进行尝试证伪时必须考虑所有内容，能做到吗？ 这也许就是为什么我从未听说过真正的科学家将某事称为“科学事实”的原因。科学家们都知道，不确定的情况下无法创造真理。 相反，科学家利用数据创建了“暂时但持久的”理论。他们提倡谨慎采用基于这些理论的策略，时间会检验它们最终将是“暂时的”还是“持久的”。如果更好的理论出现了，最好多多关注一下数据。 巨人颤抖的肩膀 科学是渐进式发展的，这意味着研究人员必须在一种文化中工作。在这种文化中，他们会信任可信的前辈的结论，并将其作为假设。自然地，如果后来发现已有的结论不正确时（通常是因为人们未能成功地复制它们），那么整个研究过程都会受到影响，科学机构必须重新审视或反思所有受影响的研究。 “如果我看得更远，那就是站在巨人的肩膀上。” 这些不顺利在科学研究中经常发生，特别是当结果由统计得出（由于随机的机会而可能出现错误）时，但是科学界将其视为经营成本的一部分。如果他们否认自己信任的研究结果，那么他们将不得不重新研究每个理论。这样的话，科学的发展就太漫长了。 科学的结论 那么，当科学家使用统计得出结论时意味着什么呢？他们只是发表了自己的观点，并决定与世界分享。这不是一件坏事，科学家的工作正是形成观点，这使我更乐意相信他们的意见。 科学在社会中的作用 我们之所以支持科学家是因为他们拒绝被轻易说服。我们的隐含的期望是，当科学家发表了意见，那么那些不直接参与的人可以把这些意见当作比某些随机推文质量更高的内容去相信。 没有科学家，经验主义者的认识论实践将是不切实际的，每个人都必须自己研究科学。所有人都必须坚持理性主义，或者从头开始重新积累自己的经验。每个人的生命都是有限的，如果这样做的话，我们不会走得太远。 像其他形式的团队合作一样，对科学的投资是文明物种的明智之举，因此，尽管他们无法通过统计推断得出事实，但我很高兴有科学家的存在。 我们应该信任科学家吗？ 图源：unsplash 很幸运能够认识许多值得信赖的科学家。我很欣赏这些人，因为他们非常善于了解他们所知的局限性——如果他们确信，这对我来说意味着什么？ 不幸的是，很多“科学家”发现自己处于粗糙的工作市场中，被诱使着做出愚蠢的行为。不愿发表意见可能是因为与获得自己的教授职位相冲突——并非每个科学家都是值得信赖的。当我发现这些骗子时，我会立即在他们的职位上加上引号，这样我就不会犯信任他们的错误。 “科学即职业”意味着出版某些主题和其他受欢迎的结果的压力很大，因为这些出版往往要受时代潮流和资金的支配，而资金偏向和出版偏向困扰着科学。 · 出版偏向发生在确定研究结果能否发表时，并非所有高质量的科学研究都已出版。 · 资金偏向发生在当投资人的利益影响调查方向的时候，如果你想保留研究经费，那么某些发现将会很受影响。 你还需要提防职业主义者。尽管许多科学家精通概率论，但我看到有些“科学家”的统计数据十分混乱。我很喜欢语言，所以我喜欢约翰·安托纳基斯提出的“科学家疾病”的这些有趣的词： · 意义症：过度关注统计学上显著的结果。 · 新颖症：对新颖性的过分追求。 · 理论症：新理论的狂热症。 · 不严谨症：理论和经验工作缺乏严格性。 · 感染病：倾向于产生大量多余，琐碎和不连贯的作品。 报告偏见 所谓报告偏见就是说，不要让小事影响你对有能力的科学家的见解，因为对他们而言，追求增量发现是必要的。他们正在努力探寻新的理论造福社会。 问题在于，这些聪明而有能力的人在工作时——不形成固定观点——而会总结他们结论的局限性。如果你读了一篇优秀的科学文章，你可能会发现很多大量的注意事项……只有当你是科学家时，这些文章才会变得有吸引力。而当你在推特看到它们时，这些出版物可以说是是处方级别的安眠药。 你能猜到当记者被要求为公众提供这些发现时会发生什么情况吗？首先要做的是削减无用信息。如果结论听起来像是科学事实，那它其实更可能只是一个故事！这就是报告偏差的现象。当人们得出的结论不是他们给出的所有信息所能得出的结论时，就会发生报告偏差。 这是我最喜欢的讽刺之一：社会愿意信任科学家，因为他们的工作是发表意见——这就是为什么说科学家的名字会有媒体的影响力——但他们低调的专业并不能编造出令人兴奋的故事。读者要的是事实，而不是注意事项。在有需求的地方，可以试图提供事实，有的人会很乐意将角铁粘在马匹上，假装买的是独角兽。 人们该怎么办？ 我非常热衷于向比我拥有更多专业知识和信息的人提建议，但我永远不会让自己将他们的观点与事实混淆。不管是接受还是放弃，我们要感谢优秀科学家的辛勤工作。在对某个主题的所有声音中，我会尽力挑选更可靠的说法。 但是，对科学和科学家的盲目信仰会让人们看起来一无所知。科学家也只是人类，他们可能像任何人一样容易犯错和贪婪，有很多示例警示我们，希望我们不再使用“因为科学”来“证明”我们正在做的事。 作为一名统计学家，我痛苦地意识到用数字撒谎是多么容易。如果你不信任此人，那么你也将无法信任他的数据。当信任度极低时，唯一的前进方法就是亲自进行研究。 选择信任的人时，请记住要考虑能力和激励措施。 图源：unsplash 当我没有时间和资源亲自进行研究时，我必须被迫信任某人。我会选择信任最可靠的结果。如果我看到有道理的推理，并且相信他们的动机，那么我会重视其观点。无论何时，证据是第一位的。 |
|
|
