我们身处一个非使用数据不可的资讯时代 太多书在介绍数据分析与资料科学有多厉害又多重要 《数据的假象》反而是一本带领我们遍览数据鬼扯的书、充满「乱用数据」的案例分享 我将在这则笔记写下到底这世上为什麽数据鬼扯如此泛滥 认识数据鬼扯的成因、我们才更知道该如何避免自己也成为拿数据鬼扯的人 部落格好读版： https://haosquare.com/calling-bullshit/ --- ## 不易被打败的数据鬼扯 如果用华丽词藻堆砌出的是我们印象中的典型鬼扯，那麽透过数字、图表、或者统计学包 装出的假资讯，可以说是现代的新型鬼扯。骇人的是，新型鬼扯加上数据後，莫名变得貌 似很有说服力，让一般人反而变得不敢轻易质疑。 来试试看，看到以下这句话，你的想法是什麽呢？ > 「爱猫人士比爱狗人士更有赚钱头脑！」 如果你是热爱狗的狗派，肯定会跳出来、马上生出各种理由反击，像是：爱狗的人都比较 热情，热情与善於交流都是投资与创业的重要特质，赚钱脑袋怎麽可能输给猫派！ 但要是，刚刚那句话变成： > 「利用台北市政府公开资料，我们控制重要人口变因後、依照职业别进行显着水准 5% 的假设检定，60 种职业类别的其中 21 种，有饲养猫的平均年薪显着高於有饲养狗人士的 平均年薪。」 这段话光是能耐心看完就已经是奇蹟了，哪有力气反驳它的论点？更别说要探究它的统计 分析方法到底有没有道理。人们通常只会浓缩成一句过度简化的结论：从它说的数据看起 来，爱猫的人好像真的比较会赚钱。（本例纯属虚构） --- 验证数据的真实性并不容易，因此数据鬼扯不易被打败。《数据的假象》在书中整理出了 以下的定律： > 反驳鬼扯所需的力气，是制造鬼扯所需力气的十倍 > 布兰多里尼定律 - 义大利软体工程师 Alberto Brandolini 我认为因果关系就是一个容易被鬼扯、又很难推翻的典型例子。如果你在新闻标题上看到 「研究显示，罹患自闭症与注射麻疹疫苗有关」，你心中会不会偷偷下个结论：「我不敢 再打麻疹疫苗了！」？但是，这则标题并没有写出具体而言相关性是透过什麽数据计算出 来的、不知道相关性有多强，此外，标题也只写了相关性、它并不代表疫苗造成自闭症的 因果关系！ 延伸阅读：科学家如何分析因果关系？ https://haosquare.com/causal-inference-intro/ 写出容易令人误会的新闻标题很简单，而光是要想该怀疑什麽数据就已经很费力了，更别 说要劳心劳力动手验证数据的真伪。更恐怖的是，随口说出一句跟数据有关的鬼扯根本不 需要什麽脑袋，但要反驳这句鬼扯，却需要很多聪明人用科学方法才能达成！ > 一个蠢蛋能扯出的鬼话，超过你希望能够驳斥的量 > 法内利定律 - 义大利部落客 Ureil Fanelli --- ## 鬼扯传得比真相快多了 数据鬼扯很好产生、又难以被打败，它还很容易传播！ > 假话秒传千里，真相姗姗来迟 > 讽刺文学作家 Jonathan Swift 数据的鬼扯与假消息，可以飞快地渗透普及到全世界。在 Facebook、Dcard、Instagram 这些社群媒体平台蓬勃发展的时代，全球各个角落发生的每则奇闻轶事，都会毫无延迟地 呈现在你眼前，也正是因为取得与散播资讯太过容易，一天有几千则消息映入眼帘，我们 怎麽可能费力气去怀疑、怎麽可能花时间想哪则消息是真、哪则消息是假呢？ 《数据的假象》用「殭屍统计数据」来描述上述这种现象：没人知道数据从何而来。被引 用的资讯或统计数据，有可能从一开始就是捏造、不实的，但因为没有人去追究真伪、只 是跟风不断引用，所以这些数据会一直存活在我们眼前不会消失！引用了数据却不追究来 源与真实性，这项资讯是死是活搞不清楚、根本就像是殭屍一样！ 就算人们不是恶意地，社群媒体的确助长假资讯与数据鬼扯的快速传播。想像一下，你是 社群的小编或是新闻记者的话，要是要求你每则消息都要求证 100% 正确无误才能转贴分 享，那你分享消息的速度可能永远都要比其他人晚三、四个月罗。为了跟上社群媒体飞快 变化的脚步，我们都可能会（无意间）成为殭屍统计数据的传播者。 Facebook 也确实从他们的贴文资料库检视过鬼扯快速传播的现象：不实资讯比证实过正确 的资讯传播得更久。网路上的鬼扯即使被有公信力的单位戳破为不实资讯，依然会继续被 转发分享，被戳破的不实资讯只是比较可能被删除而已，但被删除的速度仍跟不上被分享 的速度，鬼扯还是在扩大传播。 > 当谎言都蹦蹦跳跳绕世界大半圈了，真理还来不及穿好裤子哩 > 美国罗斯福总统任内的国务卿 Cordell Hull ## 为达到目的而鬼扯 > 当测量成为目标，它就不再是个好的测量标准 > 古德哈特定律 - 人类学家 Marilyn Strathern （转述） 只要人们看到有机会获得奖赏的机会，就会开始操弄游戏规则，原本为了评估而设计的数 据测量，反而失去衡量成效的原始目的。 我读到这段，马上就想到经济学课本一定会提到的 代理人问题（Agency Problem）。有些 企业会把股价当作衡量执行长（CEO）经营表现的指标，并直接根据股价来支付 CEO 的薪 资。企业希望 CEO 帮助公司恒久成长，但是，CEO 的表现是被股价衡量的，而 CEO 想提 升股价，并不只有对公司有益的手段而已，CEO 可以选择到处夸大公司表现、吸引大众投 资来炒高股价；也可以选择删减公司长期投资计画、把钱都投资在眼前的短期生意，让 CEO 在位期间经营表现都超好、股价节节上升，但实际上对公司长期经营则是种伤害。企 业经营的代理人问题，就是古德哈特定律的典型范例。 除了代理人问题，假论文的市场也反映了为达到衡量目的而鬼扯的现象、是我在《数据的 假象》学到最有趣的数据鬼扯之一。对许多科学家而言，比起金钱，自己在科学界的声望 是他们更渴望的报酬，出版论文就是累积声望的主要方式，要在举足轻重的期刊发表论文 需要经过严格的同侪审查机制，如果你的论文能通过知名学者的审阅、自然也会受到全世 界其他学者的认可。然而，科学家会用论文发表的数量来评断彼此的能力，这反而造就了 假论文市场的产生，有一种论文出版商会采用极度松散的同侪审查机制，即使水准不高的 学者，也能通过形同虚设的审阅、在这个出版商发表论文。最後，论文发表的数量变成一 个可以透过不可靠论文来滥竽充数的数字，不只成为一个对科学家能力无效的衡量，还助 长了低品质论文在科学界流窜！ ## 结语：对抗数据鬼扯！ 《数据的假象》这本书介绍了数据鬼扯满天飞的成因： * 制造鬼扯所需的力气与智力比清除还少 * 鬼扯传播的速度比清除的速度快 * 用数据来衡量目标，人们会为达到利益而用数据鬼扯 我们有必要认识这些数据鬼扯的形成，就是因为它是对抗数据鬼扯的第一步！ > 在任何时候，你得应付的主要鬼扯消息来源就是你自己 > 美国作家与教育家 Neil Postman 这世界充斥着数据的鬼扯，而且没有教育制度、法律、或者酷炫的科技（例如貌似万能的 人工智慧？）可以立即解决数据鬼扯流窜的问题，我们只能从自己做起。我们不需要是统 计学专家，只要用一点逻辑思考就能做到，即使侦测还有清除数据鬼扯十分费力，只要我 们分享任何资讯之前，多一分思考、多一点谨慎，就是对更健全的人类资讯体系莫大的贡 献！ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 36.225.4.172 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/book/M.1668250152.A.7C6.html