Πώς να προστατεύσετε τον εαυτό σας από τη χειραγώγηση από δεδομένα
Στην αρχαία Αίγυπτο, πίστευαν ευρέως ότι οι σκαραβαίοι, φυλαχτά σχεδιασμένα σε σχήμα σκαθαριού, είχαν υπερφυσικός ακίνητα και παραχώρησε καλή τύχη στον χρήστη. Στη μεσαιωνική Ευρώπη, τα πέταλα πίστευαν επίσης ότι είχαν ειδικές δυνάμεις και οι άνθρωποι τα κρεμούσαν πάνω από τις πόρτες για να προσελκύσουν καλή τύχη και να απωθήσουν τα κακά πνεύματα. Θα μπορούσα να συνεχίσω με περισσότερα παραδείγματα, αλλά νομίζω ότι μπορείτε ήδη να δείτε το μοτίβο: σε όλη την ιστορία οι άνθρωποι έχουν αποδώσει μαγικές δυνάμεις σε συνηθισμένα αντικείμενα. Όταν μιλάμε για αυτές τις πεποιθήσεις τώρα, οι άνθρωποι μερικές φορές γελούν ή κοροϊδεύουν πόσο ευκολόπιστοι ήταν οι άνθρωποι που ζούσαν στην αρχαιότητα. Η ειρωνεία είναι ότι αυτή η τάση δεν έχει πραγματικά εξαφανιστεί ακόμα κι αν εκφραστεί με διαφορετική μορφή. Και υπάρχει μια συγκεκριμένη μορφή στην οποία θα εστιάσω σήμερα: τα δεδομένα.
Στον σημερινό κόσμο υπάρχει μια ορισμένη φετιχοποίηση δεδομένων, όπου γίνεται αντιληπτό ότι έχει ένα αλάνθαστο, μεγαλύτερο ανάστημα, όπως τα φετιχοποιημένα αντικείμενα του παρελθόντος (το
πρωτότυπο νόημα του «φετίχ» ήταν ένα «υλικό αντικείμενο που θεωρείται με δέος ότι έχει μυστηριώδεις δυνάμεις»). Εάν κάνετε μια αξίωση και έχετε κάποια δεδομένα για να την δημιουργήσετε αντίγραφα ασφαλείας, γιατί, τότε πρέπει να είναι αλήθεια. Αλλά πώς μοιάζει αυτό με ένα αντικείμενο που έχει μαγικές δυνάμεις; Δεν είναι τα δεδομένα επιστημονικά και αντικειμενικά; Σίγουρα μπορεί να είναι, αλλά όλα εξαρτώνται από το πώς επιλέγονται, συλλέγονται, παρουσιάζονται και ερμηνεύονται τα δεδομένα, και είναι σπάνιο όλα αυτά να γίνονται με την ίδια αντικειμενικότητα. Δυστυχώς, όπως και με τους προμηθευτές πετρελαίου φιδιού του αρχαίου κόσμου, υπάρχουν και εκείνοι που κάνουν κατάχρηση δεδομένων για να χειραγωγήσουν άλλους. Ευτυχώς, μπορείτε να προστατεύσετε τον εαυτό σας με τον ίδιο τρόπο, μέσω της κριτικής σκέψης ή μάλλον μιας πολύ συγκεκριμένης μορφής κριτικής σκέψης που μπορούμε να ονομάσουμε αλφαβητισμός δεδομένων.Τα δεδομένα μπορεί να είναι αντικειμενικά, αλλά οι άνθρωποι συχνά δεν είναι
Ας ξεκαθαρίσουμε κάτι. Ως ακαδημαϊκός, εκτιμώ πολύ τα δεδομένα. Αυτό δεν είναι σε καμία περίπτωση ένα από αυτά τα συναισθήματα τύπου «η επιστήμη είναι ψεύτικη» που βλέπετε μερικές φορές μεσα ΚΟΙΝΩΝΙΚΗΣ ΔΙΚΤΥΩΣΗΣ. Για να είμαστε σαφείς, δεν είναι ότι η επιστήμη είναι ψεύτικη ή εντελώς υποκειμενική. Είναι ότι τα δεδομένα, τα οποία είναι προϊόν της επιστήμης, μπορούν να οπλιστούν και να χρησιμοποιηθούν κατάχρηση για να σε χειραγωγήσουν ώστε να σκέφτεσαι ή να συμπεριφέρεσαι με συγκεκριμένο τρόπο.
Εκτός από ακαδημαϊκός, είμαι επίσης πρώην δικηγόρος. Νομικά έχουμε ένα νομικό ισοδύναμο με τα δεδομένα. λέγεται «αποδείξεις». Αλλά εδώ είναι το θέμα των αποδεικτικών στοιχείων: αν και δύο αντίπαλες πλευρές λειτουργούν κάτω από το Οι ίδιοι νόμοι και διαδικασίες, το πώς κάθε πλευρά παρουσιάζει τα επιλεγμένα στοιχεία της οδηγεί πάντα στο αντίθετο συμπεράσματα. Τα δεδομένα (ή τα «αποδεικτικά στοιχεία») εκτός της αίθουσας του δικαστηρίου μπορούν να λειτουργήσουν με τον ίδιο τρόπο. Μπορεί να (λανθασμένα) ερμηνευθεί ότι υποστηρίζει διαφορετικά συμπεράσματα με βάση τον τρόπο που το επιλέγει και το παρουσιάζει. Ένα συνηθισμένο παράδειγμα αυτού είναι η συρρίκνωση ή η ανατίναξη ενός γραφήματος για να κάνει μια αύξηση ή μείωση να φαίνεται πιο σημαντική από ό, τι είναι στην πραγματικότητα.
Λοιπόν, το σημείο που θίγω είναι ότι τα δεδομένα είναι πράγματι πολύ σημαντικά, τόσο σημαντικά που χρειάζεστε παιδεία δεδομένων για να αποφύγετε τη χειραγώγησή τους από αυτά.
The Principles of Data Literacy
Πώς, λοιπόν, καλλιεργείτε την παιδεία στα δεδομένα; Όπως συμβαίνει με τα περισσότερα θέματα σε αυτό το ιστολόγιο, δεν υπάρχει εύκολη καθολική φόρμουλα. Αλλά εδώ είναι μερικές αρχές που μπορεί να θέλετε να υιοθετήσετε.
1. Αναπτύξτε μια γενική βάση της κριτικής σκέψης
Η παιδεία δεδομένων είναι ένα υποσύνολο της κριτικής σκέψης, και έτσι το πρώτο βήμα είναι να γίνετε καλύτερος κριτικός στοχαστής γενικά. (Ευτυχώς, έχω τουλάχιστον τρεις αναρτήσεις σε αυτό το ιστολόγιο που καλύπτουν διάφορες διαστάσεις της κριτικής σκέψης, συμπεριλαμβανομένου του γιατί ενισχύει την ικανότητά σας να επηρεάζετε, κοινές παγίδες για τους κριτικούς στοχαστές, και χρησιμοποιώντας την κριτική σκέψη για να κατανοήσουν τις αφηγήσεις που οδηγούν τους ανθρώπους.)
2.Αναρωτηθείτε ποιος μπορεί να ωφεληθεί και πώς;
Αυτό είναι αρκετά εύκολο να γίνει, με ένα κοινό και σχετικό παράδειγμα είναι όταν κάποιος προσπαθεί κυριολεκτικά να σας πουλήσει κάτι και κατευθύνει μια μάζα δεδομένων με τον τρόπο σας για να υποστηρίξετε την υπόθεσή του. Σαφώς, θα επωφεληθούν από την αγορά ό, τι και αν πουλήσουν. Τώρα, δεν σημαίνει απαραίτητα ότι παραποιούν εσκεμμένα τα δεδομένα σε μια προσπάθεια να σας χειραγωγήσουν. Αλλά έχουν ένα ξεκάθαρο μερίδιο στο να πειστείτε, οπότε αξίζει (συχνά κυριολεκτικά) να είστε σε επιφυλακή.
3. Εάν πρόκειται για εξειδικευμένη γνώση, ποιον μπορείτε να ρωτήσετε σχετικά;
Υπάρχουν περιπτώσεις όπου κάποιος θα μπορούσε να παρουσιάζει ένα επιχείρημα με δεδομένα που υποτίθεται ότι το υποστηρίζουν, αλλά δεν είστε ειδικός ή πολύ ενημερωμένος για το θέμα, επομένως δεν είστε σίγουροι τι να το κάνετε (ή τουλάχιστον έτσι εσείς πρέπει αισθανθείτε αν δεν είστε ενημερωμένοι για κάτι). Μπορείτε πάντα να ρωτήσετε κάποιον που είναι ενημερωθείτε για το θέμα τι σκέφτονται, απλώς μην ξεχάσετε να διατηρήσετε την οπτική σας κριτικής σκέψης. Δεν είστε υποχρεωμένοι να δέχεστε αντανακλαστικά τις απόψεις κάποιου που μπορεί να γνωρίζει περισσότερα για ένα συγκεκριμένο θέμα από εσάς. Αυτός είναι ένας λόγος, για παράδειγμα, για τον οποίο οι άνθρωποι συχνά φέρνουν μαζί τους έναν έμπειρο αγοραστή αυτοκινήτου όταν πηγαίνουν σε μια αντιπροσωπεία αυτοκινήτων.
4. Αναρωτηθείτε τι λείπει από τα δεδομένα;
Μερικές φορές οι άνθρωποι παρουσιάζουν δεδομένα ή στοιχεία με τρόπο που δεν είναι φανερά ξαπλωμένη, αλλά μάλλον ψέματα από παράλειψη. Αυτό συμβαίνει στη διαδικασία επιλογής όταν αφήνουν έξω ένα ή περισσότερα κρίσιμα κομμάτια πληροφοριών που μπορεί να κάνουν τη διαφορά.
Για παράδειγμα, ας υποθέσουμε ότι ένας πωλητής ελαστικών προσπαθεί να σας πουλήσει μια εκτεταμένη εγγύηση και σας δίνει όλα αυτά τα στοιχεία και τα στοιχεία για το πώς πολλά χρήματα θα εξοικονομούσατε αγοράζοντας ένα, μαζί με το πόσο θα εξοικονομήσετε άλλοι πελάτες με την εκτεταμένη εγγυήσεις. Επιφανειακά μπορεί να ακούγεται σαν μια προφανής επιλογή, αλλά ποια δεδομένα μένουν έξω; Μπορεί να είναι πολλά πράγματα. Ίσως, για παράδειγμα, το ποσοστό των πελατών τους που χρειάστηκε να χρησιμοποιήσουν την επέκταση τους οι εγγυήσεις είναι μόλις 1 τοις εκατό, οπότε οι πιθανότητες να χρειαστείτε πραγματικά αυτή την εγγύηση είναι εξαιρετικά χαμηλά. Ρωτάτε λοιπόν πάντα τον εαυτό σας, τι μένει έξω;
5. Αν κάτι ακούγεται πολύ καλό για να είναι αληθινό, υπάρχει μεγάλη πιθανότητα να είναι
Αυτή η διαχρονική αληθοφάνεια ισχύει επίσης για τα δεδομένα και συχνά συμβαδίζει με την αρχή #3. Μερικές φορές οι άνθρωποι στοιβάζουν πολλά κομμάτια δεδομένων σε μια προσπάθεια να δημιουργήσουν κάτι που μοιάζει με αδιαμφισβήτητη υπόθεση. Για να χρησιμοποιήσουμε ξανά το παράδειγμά μας για τον πωλητή και την εκτεταμένη εγγύηση, όσο περισσότερο όλα τα δεδομένα κάνουν κάτι σαν τη μόνη λογική επιλογή, τόσο περισσότερο δικαιολογείται ένας υγιής σκεπτικισμός. Η εταιρεία δεν θα πουλούσε εκτεταμένες εγγυήσεις εκτός και αν τελικά λειτουργούσε υπέρ της (αρχή #2). Αυτό οφείλεται στο γεγονός ότι η πλειοψηφία των ανθρώπων που αγοράζουν εκτεταμένες εγγυήσεις καταλήγουν στην πραγματικότητα δεν τους χρειάζονται.
6. Να είστε προσεκτικοί με τους δικούς σας προκατάληψη επιβεβαίωσης
Δεν είναι μόνο οι προκαταλήψεις άλλων ανθρώπων που πρέπει να προσέχετε. Πρέπει να προσέχεις και τους δικούς σου. Έχουμε μια φυσική τάση να δεχόμαστε δεδομένα χωρίς κριτική και μια συγκεκριμένη ερμηνεία αυτών των δεδομένων, εάν ενισχύει μια θέση που ήδη κατέχουμε. Αυτό είναι ονομάζεται προκατάληψη επιβεβαίωσης, και ο καλύτερος τρόπος για να αρχίσετε να προστατεύεστε από τη δική σας επιβεβαίωση προκατάληψη είναι να παρατηρείς πότε συμβαίνει — και πιστέψτε με, συμβαίνει πολύ. Όταν παρατηρήσετε ότι θέλετε κάτι να είναι σωστό, προσπαθήστε να σκεφτείτε σκόπιμα πώς μπορεί να είναι λάθος. Μπορεί στην πραγματικότητα να έχετε δίκιο, αλλά με αυτόν τον τρόπο θα μειώσετε τις πιθανότητες να κάνετε λάθος.
Σε καμία περίπτωση αυτές οι αρχές δεν καλύπτουν τα πάντα σχετικά με την παιδεία δεδομένων, αλλά είναι μια καλή αρχή. Και τίποτα από αυτά δεν σημαίνει ότι οι άνθρωποι σε αυτές τις καταστάσεις είναι πάντα χειραγωγώντας τα δεδομένα ή σκόπιμα προσπαθεί να σας ξεγελάσει. Ακόμα κι αν έχουν κάτι να κερδίσουν από το να πειστείτε, ίσως το επιχείρημά τους να είναι πραγματικά σωστό. Και ακόμη κι αν παραποιούν τα δεδομένα, δεν σημαίνει ότι το κάνουν απαραιτήτως επίτηδες. Ίσως παρερμήνευσαν τα δεδομένα ή έπεσαν στη δική τους μεροληψία επιβεβαίωσης. Επομένως, το θέμα δεν είναι να απορρίπτετε αυτόματα τα επιχειρήματα των ανθρώπων σε αυτές τις καταστάσεις και, αντίθετα, αυτές οι αρχές δεν εγγυώνται ότι δεν θα παραποιηθείτε. Η κριτική σκέψη που σχετίζεται με τον αλφαβητισμό δεδομένων απλώς μειώνει τις πιθανότητες να παρασυρθείτε και στον σημερινό κόσμο που είναι κορεσμένος με δεδομένα και πληροφορίες, αυτός είναι ένας στόχος που αξίζει να επιδιώξετε.