Τι να πιστέψουμε σε έναν κόσμο «μετα-αλήθειας»
-
0:02 - 0:05Η Μπελ Γκίμπσον ήταν
μια χαρούμενη νεαρή Αυστραλέζα. -
0:05 - 0:07Ζούσε στο Περθ και αγαπούσε
το σκέιτμπορντ. -
0:08 - 0:13Αλλά το 2009 η Μπελ έμαθε πως είχε καρκίνο
στον εγκέφαλο και τέσσερις μήνες ζωής. -
0:13 - 0:17Δύο μήνες χημειοθεραπείας
και ακτινοθεραπείας δεν έφεραν αποτέλεσμα. -
0:17 - 0:19Αλλά η Μπελ ήταν αποφασιστική.
-
0:19 - 0:21Υπήρξε πάντα μαχήτρια.
-
0:21 - 0:24Από έξι χρονών μαγείρευε
για τον αυτιστικό αδελφό της -
0:24 - 0:26και για τη μητέρα της
με σκλήρυνση κατά πλάκας. -
0:27 - 0:28Ο πατέρας της ήταν άφαντος.
-
0:29 - 0:32Κι έτσι η Μπελ πάλεψε,
με γυμναστική, διαλογισμό, -
0:32 - 0:35κι αντικαθιστώντας το κρέας
με φρούτα και λαχανικά. -
0:35 - 0:38Και θεραπεύτηκε πλήρως.
-
0:39 - 0:40Η ιστορία της Μπελ εξαπλώθηκε.
-
0:40 - 0:44Διαδόθηκε σε εκατομμύρια άτομα
στο Twitter και στα ιστολόγια. -
0:44 - 0:47Έδειχνε τα οφέλη της αντικατάστασης
της παραδοσιακής ιατρικής -
0:47 - 0:49με διατροφή και γυμναστική.
-
0:49 - 0:54Τον Αύγουστο 2013 η Μπελ παρουσίασε
μια εφαρμογή υγιούς διατροφής, -
0:54 - 0:55«The Whole Pantry».
-
0:55 - 0:59Είχε 200.000 λήψεις τον πρώτο μήνα.
-
1:01 - 1:05Αλλά η ιστορία της Μπελ ήταν ένα ψέμα.
-
1:05 - 1:07Δεν είχε ποτέ καρκίνο.
-
1:08 - 1:11Ο κόσμος μοιράστηκε την ιστορία της
χωρίς να την επαληθεύσει. -
1:13 - 1:16Είναι ένα κλασικό παράδειγμα
της προκατάληψης επιβεβαίωσης: -
1:16 - 1:19δεχόμαστε επιπόλαια μια ιστορία
-
1:19 - 1:21εάν επιβεβαιώνει κάτι
που θα θέλαμε να είναι αληθές. -
1:21 - 1:24Και απορρίπτουμε κάθε ιστορία
που την αντικρούει. -
1:25 - 1:27Πόσο συχνά συμβαίνει αυτό
-
1:27 - 1:30στις ιστορίες που μοιραζόμαστε
και που αγνοούμε; -
1:30 - 1:34Στην πολιτική, στη δουλειά
και στo θέμα της υγείας. -
1:35 - 1:39Η λέξη του 2016 στο λεξικό
της Οξφόρδης ήταν η «μετα-αλήθεια». -
1:40 - 1:43Η παραδοχή πως τώρα ζούμε
σε έναν κόσμο μετα-αλήθειας -
1:43 - 1:47μας αναγκάζει να επαληθεύουμε
πιο πολύ τα γεγονότα. -
1:47 - 1:49To κύριο θέμα της ομιλίας μου
-
1:49 - 1:52είναι ότι η επαλήθευση και μόνο δεν αρκεί.
-
1:52 - 1:55Ακόμη κι αν αλήθευε η ιστορία της Μπελ,
-
1:55 - 1:57θα παρέμενε εξίσου άσχετη.
-
1:58 - 2:00Γιατί;
-
2:00 - 2:03Ας δούμε λοιπόν ένα από τα βασικά
εργαλεία της στατιστικής. -
2:03 - 2:06Ονομάζεται συμπέρασμα του Μπέυζ.
-
2:06 - 2:09Και η απλούστερη εκδοχή του είναι η εξής:
-
2:09 - 2:13μας ενδιαφέρει εάν τα δεδομένα
υποστηρίζουν τη θεωρία; -
2:13 - 2:17Ενισχύουν τα δεδομένα
την εμπιστοσύνη μας σε μια θεωρία; -
2:17 - 2:19Αντ' αυτού, αναρωτιόμαστε τελικά
-
2:19 - 2:22εάν τα δεδομένα ταιριάζουν με τη θεωρία.
-
2:23 - 2:25Η αντιστοιχία όμως με τη θεωρία
-
2:25 - 2:28δεν σημαίνει πως τα δεδομένα
την υποστηρίζουν. -
2:29 - 2:30Γιατί;
-
2:30 - 2:33Εξαιτίας ενός βασικού
αλλά ξεχασμένου τρίτου όρου: -
2:34 - 2:37ότι τα δεδομένα μπορεί
να ταιριάζουν με αντίθετες θεωρίες. -
2:38 - 2:43Αυτές όμως τις αγνοούμε λόγω
της προκατάληψης επιβεβαίωσης, -
2:43 - 2:46διότι θέλουμε να διαφυλάξουμε
τη δική μας προσφιλή θεωρία. -
2:47 - 2:49Ας δούμε λοιπόν την ιστορία της Μπελ.
-
2:49 - 2:53Μας ενδιαφέρει εάν η ιστορία της
υποστηρίζει τη θεωρία -
2:53 - 2:55ότι η διατροφή θεραπεύει τον καρκίνο.
-
2:55 - 2:57Αντ' αυτού, αναρωτιόμαστε τελικά
-
2:57 - 3:01εάν η ιστορία της ταιριάζει με την ιδέα
πως η διατροφή θεραπεύει τον καρκίνο. -
3:02 - 3:04Και η απάντηση είναι θετική.
-
3:04 - 3:08Εάν η διατροφή θεραπεύει τον καρκίνο,
θα ψάξουμε ιστορίες σαν της Μπελ. -
3:09 - 3:12Αλλά ακόμη κι αν δεν θεράπευε τον καρκίνο,
-
3:12 - 3:15πάλι θα ψάξουμε ιστορίες σαν της Μπελ.
-
3:15 - 3:20Ένα μόνο περιστατικό μιας ασθενούς
που δήθεν θεραπεύτηκε από μόνη της, -
3:20 - 3:23ενώ της είχαν κάνει λάθος
διάγνωση ευθύς εξαρχής. -
3:24 - 3:27Δηλαδή, ακόμα κι αν το κάπνισμα
βλάπτει την υγεία σας -
3:27 - 3:31και πάλι θα δείτε έναν καπνιστή
που έφτασε τα 100. -
3:31 - 3:32(Γέλια)
-
3:32 - 3:35Ακόμα κι αν η εκπαίδευση
ήταν καλή για το εισόδημά σας, -
3:35 - 3:39πάλι θα βλέπατε έναν μεγιστάνα
που δεν πήγε στο πανεπιστήμιο. -
3:39 - 3:41(Γέλια)
-
3:44 - 3:48Άρα, το μεγαλύτερο πρόβλημα με την ιστορία
της Μπελ δεν είναι ότι ήταν ψευδής, -
3:48 - 3:51μα ότι είναι απλώς μια ιστορία.
-
3:51 - 3:55Θα έχει χιλιάδες άλλες ιστορίες
στις οποίες η διατροφή απέτυχε, -
3:55 - 3:58αλλά ποτέ δεν τις ακούμε.
-
3:58 - 4:02Μοιραζόμαστε τις ασυνήθιστες
περιπτώσεις επειδή είναι νέες, -
4:02 - 4:04άρα αποτελούν είδηση.
-
4:05 - 4:07Ποτέ δεν μοιραζόμαστε
τις συνήθεις περιπτώσεις. -
4:07 - 4:10Είναι πολύ συνήθεις.
Τέτοιες συμβαίνουν κατά κανόνα. -
4:11 - 4:14Αποτελούν όμως το πραγματικό
99% που αγνοούμε. -
4:14 - 4:17Όπως και στην κοινωνία,
δεν γίνεται να ακούσεις μόνο το 1%, -
4:17 - 4:18τα ασυνήθιστα,
-
4:18 - 4:21και να αγνοείς το 99%, τα συνηθισμένα.
-
4:22 - 4:25Διότι αυτό είναι το δεύτερο παράδειγμα
προκατάληψης επιβεβαίωσης. -
4:25 - 4:28Δεχόμαστε τα γεγονότα ως δεδομένα.
-
4:29 - 4:33Το μεγαλύτερο πρόβλημα δεν είναι
πως ζούμε σε έναν κόσμο μετα-αλήθειας, -
4:33 - 4:37αλλά σε έναν κόσμο μετα-δεδομένων.
-
4:38 - 4:42Προτιμούμε μία μόνο ιστορία
παρά μια σωρεία δεδομένων. -
4:43 - 4:46Οι ιστορίες είναι δυνατές,
έντονες, ζωντανεύουν τα πάντα. -
4:46 - 4:49Λένε να ξεκινάς κάθε ομιλία
με μια ιστορία. Αυτό έκανα εγώ. -
4:50 - 4:54Αλλά μια μοναδική ιστορία
είναι ανούσια και παραπλανητική -
4:54 - 4:58εάν δεν την υποστηρίζει
μια πληθώρα δεδομένων. -
4:59 - 5:04Αλλά ακόμα κι αν διαθέταμε μια πληθώρα
δεδομένων, αυτό δεν θα αρκούσε. -
5:04 - 5:08Διότι μπορεί να ταιριάζουν
και με αντίπαλες θεωρίες. -
5:08 - 5:10Ας το εξηγήσω.
-
5:10 - 5:13Μια κλασική μελέτη
του ψυχολόγου Πίτερ Γουέισον -
5:13 - 5:15μας προσφέρει μια σειρά με τρεις αριθμούς
-
5:15 - 5:18και μας ζητάει να σκεφτούμε
τον κανόνα που τους παράγει. -
5:19 - 5:23Δηλαδή, εάν οι αριθμοί
ήταν το δύο, το τέσσερα και το έξι, -
5:23 - 5:24ποιος είναι ο κανόνας;
-
5:25 - 5:28Η πλειοψηφία θα σκέφτονταν
ότι είναι διαδοχικοί ζυγοί αριθμοί. -
5:29 - 5:30Πώς θα το ελέγχαμε;
-
5:30 - 5:34Θα προτείναμε άλλη μια σειρά
διαδοχικών ζυγών αριθμών: -
5:34 - 5:374, 6, 8 ή 12, 14, 16.
-
5:38 - 5:41Και ο Πίτερ θα έλεγε πως κι αυτή
η σειρά θα ήταν λειτουργική. -
5:41 - 5:44Όμως μ' αυτή τη γνώση της σειράς,
-
5:44 - 5:48ότι ίσως εκατοντάδες τέτοιες σειρές
ενδεχομένως να λειτουργούν, -
5:49 - 5:50δεν μας λέει τίποτα.
-
5:51 - 5:54Επειδή αυτή ταιριάζει επίσης
με τις αντίπαλες θεωρίες. -
5:55 - 5:58Ίσως ο κανόνας να είναι
οποιαδήποτε τρία ζεύγη αριθμών, -
5:59 - 6:01ή οποιοιδήποτε τρεις αυξανόμενοι αριθμοί.
-
6:02 - 6:05Αυτό είναι και το τρίτο παράδειγμα
της προκατάληψης επιβεβαίωσης: -
6:05 - 6:09η αποδοχή των δεδομένων ως τεκμήρια,
-
6:09 - 6:12ακόμη και όταν ταιριάζουν
με αντίπαλες θεωρίες. -
6:13 - 6:16Τα δεδομένα είναι μόνο
μια συλλογή γεγονότων. -
6:16 - 6:21Τα τεκμήρια υποστηρίζουν μια θεωρία
ως δεδομένα, ενώ απορρίπτουν τις άλλες. -
6:23 - 6:25Ο καλύτερος τρόπος
για να υποστηρίξετε τη θεωρία σας -
6:25 - 6:29είναι να την απορρίψετε,
παίζοντας τον δικηγόρο του διαβόλου. -
6:29 - 6:31Δοκιμάστε κάτι λοιπόν.
-
6:31 - 6:34Όπως το 4, το 12, και το 26.
-
6:35 - 6:39Εάν έχετε αποτέλεσμα,
τότε η θεωρία σας διαψεύδεται -
6:39 - 6:41στους διαδοχικούς ζυγούς αριθμούς.
-
6:41 - 6:43Όμως, η δοκιμασία αυτή είναι δυνατή,
-
6:43 - 6:48διότι εάν δεν βγει αποτέλεσμα θα διαψεύσει
το «κάθε ζεύγος τριών αριθμών» -
6:48 - 6:50ή των «αυξανόμενων αριθμών».
-
6:50 - 6:53Θα απορρίψει τις αντίπαλες θεωρίες,
αλλά όχι τη δική σας. -
6:54 - 6:59Οι πιο πολλοί άνθρωποι όμως φοβούνται
να δοκιμάσουν το 4, το 12, και το 26, -
6:59 - 7:03επειδή δεν θέλουν να βγει λανθασμένη
η προσφιλή θεωρία τους. -
7:05 - 7:07H προκατάληψη επιβεβαίωσης
δεν αφορά μόνο -
7:08 - 7:10την αποτυχία να ψάχνουμε για νέα δεδομένα,
-
7:10 - 7:14αλλά και την παρερμηνεία
των δεδομένων που λαμβάνουμε. -
7:14 - 7:18Κι αυτό ισχύει σε σημαντικά,
υπαρκτά προβλήματα εκτός εργαστηρίου. -
7:18 - 7:21Όπως είπε και ο Τόμας Έντισον,
-
7:21 - 7:23«Δεν απέτυχα,
-
7:23 - 7:27βρήκα 10.000 τρόπους που δεν λειτουργούν».
-
7:28 - 7:31Το να βρεις πως κάνεις λάθος
-
7:31 - 7:34είναι ο μόνος τρόπος να βρεις το σωστό.
-
7:35 - 7:37Ας πούμε ότι είστε ο υπεύθυνος
εγγραφών σε ένα πανεπιστήμιο -
7:38 - 7:40και θεωρείτε πως μόνο
οι φοιτητές με καλούς βαθμούς -
7:40 - 7:42των εύπορων οικογενειών διαπρέπουν.
-
7:42 - 7:45Άρα, δέχεστε μόνο τέτοιους φοιτητές.
-
7:45 - 7:46Κι όντως διαπρέπουν.
-
7:46 - 7:49Αλλά κι αυτό ταιριάζει
με την αντίπαλη θεωρία: -
7:50 - 7:52ίσως όλοι οι φοιτητές
με καλούς βαθμούς διαπρέπουν, -
7:52 - 7:54είτε είναι πλούσιοι είτε φτωχοί.
-
7:54 - 7:58Ποτέ όμως δεν δοκιμάζετε τη θεωρία
διότι ποτέ δεν δέχεστε φτωχούς φοιτητές, -
7:58 - 8:01γιατί δεν θέλετε να σας διαψεύσουν.
-
8:03 - 8:04Τι μάθαμε λοιπόν;
-
8:05 - 8:09Ένα περιστατικό δεν αποτελεί γεγονός,
διότι μπορεί να μην είναι αληθές. -
8:09 - 8:12Ένα γεγονός δεν αποτελεί δεδομένο.
-
8:12 - 8:16Ίσως να μην είναι αντιπροσωπευτικό
αν είναι ένα μεμονωμένο σημείο δεδομένων. -
8:17 - 8:19Και τα δεδομένα δεν αποτελούν τεκμήριο
-
8:19 - 8:23εάν ταιριάζουν με τις αντίπαλες θεωρίες
και δεν είναι υποστηρικτικά. -
8:24 - 8:27Τι κάνουμε λοιπόν;
-
8:27 - 8:30Όποτε βρίσκεστε
σε κρίσιμα σημεία της ζωής σας, -
8:30 - 8:33επιλέγοντας μια στρατηγική
για την επιχείρησή σας, -
8:33 - 8:35μια τεχνική ανατροφής για το παιδί σας
-
8:35 - 8:37ή μια διατροφή για την υγεία σας.
-
8:38 - 8:41Πώς διασφαλίζετε
ότι δεν έχετε ένα αφήγημα, -
8:41 - 8:43αλλά τεκμήρια;
-
8:44 - 8:46Θα σας δώσω τρεις συμβουλές.
-
8:47 - 8:50Το πρώτο είναι να ψάχνετε ενεργά
για άλλες απόψεις. -
8:51 - 8:54Διαβάστε και ακούστε άτομα
με τα οποία διαφωνείτε κάθετα. -
8:54 - 8:58Το 90% όσων λένε ίσως να σας φανεί λάθος.
-
8:59 - 9:01Αλλά τι γίνεται εάν το 10% είναι σωστό;
-
9:02 - 9:03Όπως είπε ο Αριστοτέλης,
-
9:03 - 9:06«Το χαρακτηριστικό ενός εξελιγμένου νου
-
9:06 - 9:09είναι να φιλοξενεί μια σκέψη
-
9:09 - 9:11έστω και αν δεν την αποδέχεται».
-
9:13 - 9:15Να έχετε έναν περίγυρο
που να σας αμφισβητεί -
9:15 - 9:19και δημιουργήστε μια κουλτούρα
που επιδοκιμάζει ενεργά τη διαφωνία. -
9:19 - 9:22Κάποιες τράπεζες έπασχαν
από ομαδική σκέψη: -
9:22 - 9:26το προσωπικό δεν τολμούσε να διαφωνήσει
με τις αποφάσεις της διοίκησης, -
9:26 - 9:28και έτσι συνέδραμε την οικονομική κρίση.
-
9:29 - 9:33Διορίστε κάποιον για δικηγόρο
του διαβόλου σε μια συνάντηση -
9:33 - 9:35ενάντια στη δική σας προσφιλή γνώμη.
-
9:36 - 9:38Και μην ακούσετε μια άλλη άποψη.
-
9:38 - 9:41Προσέξτε την επίσης.
-
9:41 - 9:44Όπως είπε ο ψυχολόγος Στίβεν Κόβεϊ:
-
9:44 - 9:47«Ακούστε με σκοπό να κατανοήσετε
-
9:47 - 9:49και όχι την απαντήσετε».
-
9:50 - 9:53Μια αντίθετη άποψη υπάρχει για να μάθεις,
-
9:53 - 9:55όχι για να αντιταχθείς.
-
9:56 - 9:58Κι αυτό μας πάει σε άλλους
ξεχασμένους όρους -
9:58 - 10:00του συμπεράσματος του Μπέυζ.
-
10:00 - 10:02Διότι τα δεδομένα
σας βοηθούν να μαθαίνετε, -
10:03 - 10:06αλλά αυτό σχετίζεται
με ένα σημείο εκκίνησης. -
10:06 - 10:12Εάν ξεκινήσετε με την απόλυτη πεποίθηση
πως η προσφιλή θεωρία σας είναι σωστή, -
10:12 - 10:14τότε η άποψή σας δεν θα αλλάξει,
-
10:14 - 10:16ανεξάρτητα από τα δεδομένα που έχετε.
-
10:17 - 10:21Μόνο εάν δεχτείτε
τη δυνατότητα να κάνετε λάθος -
10:21 - 10:22γίνεται να μάθετε.
-
10:24 - 10:26Όπως έγραψε ο Λέων Τολστόι:
-
10:26 - 10:28«Τα πιο δύσκολα θέματα
-
10:28 - 10:31μπορείς να τα εξηγήσεις
στο πιο αργόστροφο άτομο, -
10:31 - 10:34έαν δεν έχει διαμορφώσει
κάποια άποψη για αυτά. -
10:34 - 10:36Τα πιο απλά πράγματα όμως
-
10:36 - 10:39δεν μπορείς να τα ξεκαθαρίσεις
στον πιο έξυπνο άνθρωπο -
10:39 - 10:43εάν πιστεύει ακράδαντα πως ήδη τα ξέρει».
-
10:44 - 10:49Δεύτερη συμβουλή: «Ακούστε τους ειδικούς».
-
10:49 - 10:53Αυτή ίσως να είναι η λιγότερο
δημοφιλής συμβουλή που μπορώ να σας δώσω. -
10:53 - 10:54(Γέλια)
-
10:54 - 10:59Ο Βρετανός πολιτικός Μάικλ Γκόουβ
είπε ότι ο κόσμος στη χώρα αυτή -
10:59 - 11:01βαρέθηκε τους ειδικούς.
-
11:02 - 11:05Σε μια πρόσφατη δημοσκόπηση ο κόσμος
θα εμπιστευόταν τον κομμωτή -
11:05 - 11:08(Γέλια)
-
11:08 - 11:09ή έναν περαστικό
-
11:09 - 11:14παρά τους επικεφαλής του εμπορίου,
της υγείας, ακόμη και της φιλανθρωπίας. -
11:14 - 11:18Εκτιμούμε τη φόρμουλα λεύκανσης
δοντιών που ανακάλυψε μια μάνα -
11:18 - 11:21ή ακούμε την άποψη μιας ηθοποιού
για τον εμβολιασμό. -
11:21 - 11:24Μας αρέσουν όσοι λένε ό,τι σκέφτονται,
που πράττουν ενστικτωδώς, -
11:24 - 11:26και λέμε πως είναι γνήσιοι.
-
11:27 - 11:30Το ένστικτο από μόνο του
δεν θα σας πάει μακριά. -
11:31 - 11:35Αλλά θα σας πει να μην δώσετε νερό
σε ένα μωρό με διάρροια, -
11:35 - 11:37επειδή θα το αποβάλει.
-
11:38 - 11:40Ένας ειδικός σας λέει το αντίθετο.
-
11:41 - 11:45Ποτέ δεν θα εμπιστευόσασταν
να σας χειρουργήσει ένας περαστικός. -
11:45 - 11:48Θέλετε έναν χειρουργό με πολυετή εμπειρία
-
11:48 - 11:51και να γνωρίζει τις καλύτερες τεχνικές.
-
11:52 - 11:55Αυτό όμως θα έπρεπε να ισχύει
για κάθε κρίσιμη απόφαση. -
11:55 - 11:57Η πολιτική,
-
11:57 - 11:58η εργασία
-
11:59 - 12:00και η υγεία
-
12:00 - 12:03χρειάζονται ειδικούς όπως η χειρουργική.
-
12:04 - 12:08Γιατί υπάρχει τέτοια δυσπιστία
προς τους ειδικούς; -
12:09 - 12:12Ένας λόγος είναι πως δεν έχουν επαφή
με την πραγματικότητα. -
12:12 - 12:17Ένας εκατομμυριούχος επιχειρηματίας
δύσκολα εκφράζει τον μέσο άνθρωπο. -
12:17 - 12:21Η πραγματική ειδημοσύνη
όμως βασίζεται σε τεκμήρια, -
12:21 - 12:24κι αυτό συμφέρει τον μέσο άνθρωπο
-
12:24 - 12:26ενάντια στην ελίτ.
-
12:26 - 12:29Διότι τα τεκμήρια πρέπει να τα αποδείξεις.
-
12:30 - 12:34Τα τεκμήρια δεν επιτρέπουν στην ελίτ
να επιβάλλει τη γνώμη της -
12:34 - 12:35χωρίς αποδείξεις.
-
12:37 - 12:39Ένας δεύτερος λόγος
αμφισβήτησης των ειδικών -
12:39 - 12:42είναι πως δεν λένε τα ίδια.
-
12:42 - 12:46Για κάθε ειδικό που έλεγε πως η αποχώρηση
από την ΕΕ θα έβλαπτε τη Βρετανία, -
12:47 - 12:49ένας άλλος έλεγε το αντίθετο.
-
12:49 - 12:53Οι μισοί εξ αυτών
των ειδικών θα κάνουν λάθος. -
12:54 - 12:58Και πρέπει να παραδεχτώ ότι πολλές
δημοσιεύσεις τους είναι λανθασμένες. -
12:59 - 13:02Ή στην καλύτερη οι ισχυρισμοί τους
που δεν υποστηρίζονται από τα τεκμήρια. -
13:03 - 13:06Άρα, δεν πρέπει απλά
να τους εμπιστευόμαστε. -
13:07 - 13:09Τον Νοέμβριο του 2016
-
13:09 - 13:13μια έρευνα για τον μισθό
των στελεχών έγινε πρωτοσέλιδο, -
13:13 - 13:16παρόλο που καμία εφημερίδα
που κάλυψε την έρευνα -
13:16 - 13:18δεν την είχε δει.
-
13:19 - 13:20Ακόμα δεν είχε δημοσιευτεί.
-
13:21 - 13:23Απλά βασίστηκαν στα λόγια του αρθρογράφου
-
13:24 - 13:25όπως συνέβη με την Μπελ.
-
13:26 - 13:29Ούτε σημαίνει πως πρέπει
να πιάσουμε κάποια έρευνα -
13:29 - 13:31που τυχαίνει να στηρίζει την άποψή μας.
-
13:31 - 13:33Κι αυτό θα ήταν προκατάληψη επιβεβαίωσης.
-
13:33 - 13:35Ούτε σημαίνει ότι επτά μελέτες
που αποδεικνύουν το Α -
13:35 - 13:37και τρεις το Β
-
13:37 - 13:39δεν κάνει σωστό το Α.
-
13:39 - 13:41Αυτό που μετράει είναι η ποιότητα
-
13:42 - 13:45κι όχι η ποσότητα της ειδημοσύνης.
-
13:46 - 13:48Θα έπρεπε να κάνουμε δύο πράγματα.
-
13:48 - 13:53Πρώτον, να εξετάσουμε προσεκτικά
τα προσόντα των αρθρογράφων. -
13:54 - 13:58Όπως ακριβώς θα εξετάζαμε τα προσόντα
ενός πιθανού χειρουργού. -
13:58 - 14:01Είναι όντως ειδήμονες στο θέμα
-
14:02 - 14:04ή έχουν προσωπικό συμφέρον;
-
14:05 - 14:07Δεύτερον, θα έπρεπε
να δώσουμε ιδιαίτερη σημασία -
14:07 - 14:11σε δημοσιεύσεις στα κορυφαία
ακαδημαϊκά περιοδικά. -
14:12 - 14:16Κατηγορούμε συχνά τους ακαδημαϊκούς
ότι είναι εκτός πραγματικότητας. -
14:17 - 14:20Αλλά αυτό ακριβώς τους επιτρέπει
να αφιερώσουν χρόνια στην έρευνα, -
14:20 - 14:22ώστε να καταφέρουν ένα αποτέλεσμα,
-
14:22 - 14:24να απορρίπτουν τις αντίπαλες θεωρίες
-
14:24 - 14:27και να κάνουν διάκριση μεταξύ
συσχέτισης και αιτιότητας. -
14:28 - 14:32Και τα ακαδημαϊκά περιοδικά
αξιολογούνται από ομότιμους, -
14:32 - 14:34οι οποίοι ελέγχουν
εξονυχιστικά κάθε έρευνα, -
14:34 - 14:35(Γέλια)
-
14:35 - 14:37από τα κορυφαία μυαλά παγκοσμίως.
-
14:38 - 14:41Όσο καλύτερο το περιοδικό
τόσο υψηλότερο το επίπεδο. -
14:41 - 14:46Τα πιο κορυφαία περιοδικά
απορρίπτουν το 95% των ερευνών. -
14:47 - 14:51Ωστόσο, το ακαδημαϊκό τεκμήριο δεν αρκεί.
-
14:51 - 14:54Κι η εμπειρία της
καθημερινότητας μετράει επίσης. -
14:54 - 14:58Και η αξιολόγηση από ομότιμους
δεν είναι τέλεια, γίνονται λάθη. -
14:59 - 15:02Αλλά είναι προτιμότερο να εξετάζεται
κάτι από το να μην εξετάζεται. -
15:03 - 15:06Εάν προσκολλούμαστε σε μια έρευνα
επειδή μας αρέσουν τα ευρήματα, -
15:06 - 15:10χωρίς να λάβουμε υπόψη τον αρθρογράφο
ή εάν έχει αξιολογηθεί, -
15:10 - 15:13υπάρχει μια μεγάλη πιθανότητα
η έρευνα να είναι παραπλανητική. -
15:15 - 15:17Κι όσοι από εμάς
δηλώνουμε ότι είμαστε ειδικοί -
15:17 - 15:21θα έπρεπε να δεχόμαστε
τα όρια των αναλύσεων μας. -
15:21 - 15:26Πολύ σπάνια γίνεται να αποδείξουμε
ή να προβλέψουμε κάτι με βεβαιότητα, -
15:26 - 15:31αλλά είναι πολύ δελεαστικό να κάνουμε
μια γενικευμένη και επιπόλαιη δήλωση. -
15:31 - 15:35Πιο εύκολα θα γίνεις πρωτοσέλιδο
ή θέμα στο Twitter. -
15:36 - 15:40Αλλά ακόμα και τα τεκμήρια
μπορεί να μην αποτελούν απόδειξη. -
15:40 - 15:45Μπορεί να μην είναι καθολικά
ή να μην εφαρμόζονται σε κάθε πεδίο. -
15:45 - 15:47Ας μη λέμε λοιπόν:
-
15:47 - 15:50«Το κόκκινο κρασί φέρνει τη μακροζωΐα»,
-
15:50 - 15:55εφόσον τα τεκμήρια λένε
πως συσχετίζεται με τη μακροζωΐα, -
15:55 - 15:58και μόνο σε άτομα που γυμνάζονται.
-
16:00 - 16:01Τρίτη συμβουλή:
-
16:02 - 16:04«Περιμένετε πριν μοιραστείτε οτιδήποτε».
-
16:05 - 16:08Ο όρκος του Ιπποκράτη λέει:
«Πρώτον, μην βλάψω». -
16:09 - 16:12Αυτά που μοιραζόμαστε
είναι δυνάμει μεταδοτικά, -
16:12 - 16:16γι' αυτό προσέξτε καλά τι μοιράζεστε.
-
16:17 - 16:20Δεν πρέπει να αποβλέπουμε
στα like ή τα retweet. -
16:20 - 16:22Διαφορετικά μοιραζόμαστε
μόνο τη συναίνεση -
16:22 - 16:24και δεν αμφισβητούμε το σκεπτικό κανενός.
-
16:24 - 16:27Διαφορετικά μοιραζόμαστε μόνο
ό, τι μας ακούγεται σωστό -
16:27 - 16:30είτε αποτελεί τεκμήριο είτε όχι.
-
16:30 - 16:33Αντιθέτως, θα έπρεπε
να αναρωτηθούμε το εξής: -
16:34 - 16:36Εάν είναι μια ιστορία, αληθεύει;
-
16:36 - 16:39Εάν αληθεύει, υποστηρίζεται
από πληθώρα τεκμηρίων; -
16:39 - 16:41Εάν ναι, ποιος τα βρήκε
και ποια είναι τα προσόντα του; -
16:41 - 16:44Δημοσιεύτηκε; Πόσο σχολαστικό
είναι το περιοδικό; -
16:45 - 16:47Και κάντε την πιο κρίσιμη ερώτηση:
-
16:48 - 16:52εάν η ίδια έρευνα είχε την υπογραφή
των ίδιων αρθρογράφων με τα ίδια προσόντα -
16:53 - 16:55μα είχε τα αντίθετα αποτελέσματα,
-
16:56 - 16:59θα θέλατε ακόμα να την πιστέψετε
και να τη μοιραστείτε; -
17:01 - 17:03Η αντιμετώπιση οποιουδήποτε προβλήματος,
-
17:04 - 17:08είτε είναι της εθνικής οικονομίας
είτε της προσωπικής μας υγείας, -
17:08 - 17:09είναι δύσκολη.
-
17:09 - 17:14Άρα, πρέπει να βεβαιωθούμε πως έχουμε
τα καλύτερα τεκμήρια για να πορευτούμε. -
17:14 - 17:17Μόνο εάν είναι αλήθεια αποτελεί γεγονός.
-
17:18 - 17:21Μόνο εάν είναι αντιπροσωπευτικό
αποτελεί δεδομένο. -
17:21 - 17:24Μόνο εάν είναι υποστηρικτικό
αποτελεί τεκμήριο. -
17:24 - 17:29Και μόνο με τεκμήρια θα μεταφερθούμε
από έναν κόσμο μετα-αλήθειας -
17:30 - 17:31σε έναν κόσμο υπέρ της αλήθειας.
-
17:32 - 17:34Σας ευχαριστώ πολύ.
-
17:34 - 17:35(Χειροκρότημα)
- Title:
- Τι να πιστέψουμε σε έναν κόσμο «μετα-αλήθειας»
- Speaker:
- Άλεξ Έντμανς
- Description:
-
Μόνο εάν είμαστε πραγματικά ανοιχτοί στο ενδεχόμενο να κάνουμε λάθος γίνεται να μάθουμε, δηλώνει ο ερευνητής Άλεξ Έντμανς. Σε μια καίρια ομιλία, εξερευνά πώς η προκατάληψη της επιβεβαίωσης –η τάση δηλαδή να πιστεύουμε μόνο τις πληροφορίες που υποστηρίζουν τις προσωπικές μας απόψεις– μπορεί να μας παραπλανήσει στα μέσα κοινωνικής δικτύωσης, την πολιτική και αλλού, και μας προσφέρει τρία πρακτικά εργαλεία για να βρούμε τεκμήρια άξια της εμπιστοσύνης μας. (Ιδέα: βάλτε έναν δικηγόρο του διαβόλου στην ζωή σας.)
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 17:47
Chryssa R. Takahashi approved Greek subtitles for What to trust in a "post-truth" world | ||
Chryssa R. Takahashi edited Greek subtitles for What to trust in a "post-truth" world | ||
Thanasis Zantrimas accepted Greek subtitles for What to trust in a "post-truth" world | ||
Thanasis Zantrimas edited Greek subtitles for What to trust in a "post-truth" world | ||
Thanasis Zantrimas edited Greek subtitles for What to trust in a "post-truth" world | ||
Thanasis Zantrimas edited Greek subtitles for What to trust in a "post-truth" world | ||
Thanasis Zantrimas edited Greek subtitles for What to trust in a "post-truth" world | ||
Thanasis Zantrimas edited Greek subtitles for What to trust in a "post-truth" world |