Return to Video

Τι να πιστέψουμε σε έναν κόσμο «μετα-αλήθειας»

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

more » « less
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
Show all

Greek subtitles

Revisions