Основные аргументы, используемые софистами и недоумками
Софистика и слабоумие
Софисты — это те, кто использует внешне правдоподобные, но ошибочные методы рассуждения или аргументации.
Мидвиты(недоумки) тесно связаны с софистами. На самом деле, вы часто найдете софиста и недоумка в одном и том же человеке.
Недоумки — это люди со средним интеллектом, которые часто отвлекаются от правды, сосредотачиваясь на мелочах. В этой статье про мидиев они описаны так:
Интеллигент не способен использовать многочисленные потоки информации из множества разных областей, чтобы понять новую информацию в более широком контексте системы. Чтобы компенсировать это, недоумок обращается внутрь себя, фокусируясь с возрастающим разрешением и детализацией в границах самой информации. Для слабоумных это нюанс. Гению за деревьями не хватает леса.
И софисты, и недоумки достаточно умны, чтобы уловить кое-что из «жаргона» науки. Они часто говорят статистически звучащие вещи. Это может ввести вас в заблуждение, заставив думать, что их аргументы изощренны, но немного покопавшись, выяснится, что они, честно говоря, полны дерьма.
Давайте рассмотрим некоторые популярные фразы и аргументы, которые софисты и недоумки регулярно используют и злоупотребляют, чтобы вы могли их остерегаться.
1. «Научный факт достигается консенсусом»
Это утверждение обычно используется, чтобы опровергнуть ученых, придерживающихся неудобных убеждений. Он служит для того, чтобы загнать ученых-еретиков в глубокие, темные углы, где о них больше никто не услышит.
Это также верный признак того, что вы имеете дело с софистом или недоумком.
Варианты этого утверждения включают:
- Научная истина достигается консенсусом
- Научные факты — это то, с чем согласны большинство ученых
Связанные фразы включают:
- Доверьтесь науке
- Это установленный факт
- Наука урегулирована
Консенсус может быть ошибочным
Давайте сначала согласимся с тем, что «истина» существует независимо от того, кто или сколько людей в нее верит.
Поэтому само собой разумеется, что большинство людей, даже ученые, могут ошибаться в чем-то, даже в своей области. Таким образом, утверждение может быть неверным, даже если все в него верят, и оно может быть истинным, даже если все считают его нелепым.
Это не означает, что мы не должны слышать, что говорит «консенсусная наука». Но на это нельзя полагаться. Ученые, как и все остальные, подвержены заблуждениям, давлению со стороны коллег, групповому мышлению, карьеризму и коррупции. История науки полна примеров, когда большинство ученых ошибались в чем-то даже в своей области.
Вот сайт , на котором перечислены ученые, чьи идеи высмеивались, отвергались или игнорировались в то время, иногда в течение десятилетий, прежде чем они получили широкое признание. Многие из них в то время считались «маргиналами».
Единственная проблема, которая у меня есть с этим веб-сайтом, заключается в том, что они говорят, что эти ученые-индивидуалисты/еретики позже «доказали» свою правоту. Я бы скорее сказал, что теории этих ученых стали широко принятыми или «мейнстримными», потому что доказательство — это очень высокая планка. Я открыт для возможности того, что даже некоторые из этих «хрестоматийных» случаев, которые сейчас являются мейнстримом, где «все знают», что они верны, могут быть впоследствии «опрокинуты».
Мне нравится, что сказал по этому поводу физик Ричард Фейнман:
Наука есть вера в невежество экспертов.
А также:
Необходимо научить как принимать, так и отвергать прошлое с неким балансом, требующим значительных навыков. Только наука из всех предметов содержит в себе урок опасности веры в непогрешимость величайших учителей предыдущего поколения.
Фейнман описывает суждение в науке как умение «передавать накопленную мудрость плюс мудрость, которая может и не быть мудростью».
Ученые тоже люди, а науку можно исказить
Мы никогда не должны недооценивать способность людей, в том числе наиболее авторитетных ученых и врачей, участвовать в массовом заблуждении или групповом мышлении. Они не застрахованы от давления со стороны сверстников, которое закрывает разум даже для одобрения определенных идей.
Можно даже утверждать, что они могут быть более восприимчивы к такого рода давлению, чем средний человек, потому что научные круги и медицина могут выбирать людей, которые заботятся о социальном положении и респектабельности.
Ситуация становится еще более напряжённой, если учесть тот факт, что наука в 21 веке всё больше попадает под влияние денег, бюрократии, корпораций и других сторон, далеких от бескорыстных искателей истины (см. это и это ). Эта институционализированная Большая наука создала очаги «монополий знаний» или исследовательских картелей , которые служат для исключения диссидентских взглядов.
В конце концов, вы не можете полагаться на «консенсус» в отношении истины. Некоторых это пугает, но иногда самые авторитетные люди нашего общества, так называемые эксперты, ошибаются.
2. «Но это не рецензировано»
Варианты этого утверждения включают:
- Это просто препринт .
- Это не из уважаемого журнала.
Это то, что я часто слышу. Софист или авантюрист, утверждающий это, примет данные только из рецензируемой литературы. Они забывают, что большая часть научных исследований была сделана до широкого распространения любой формализованной «экспертной оценки».
Послушайте, что об этом сказал эколог Аллан Сэвори:
Я настоятельно рекомендую вам прослушать весь клип, который длится менее двух минут, но вот несколько цитат из него:
Люди выходят из университета со степенью магистра или доктора наук, вы выводите их в поле, и они буквально не верят ни во что, кроме рецензируемой статьи. Это единственное, что они примут... Это их взгляд на науку. Поступая в университеты способными молодыми людьми, они выходят из него с мертвыми мозгами, даже не зная, что такое наука. Они думают, что это означает рецензируемые статьи и т. д. Нет! Это академия.
Дело не в том, что рецензирование бесполезно. Когда экспертная оценка сделана хорошо, она может быть чрезвычайно полезной. Просто у некоторых идеализированное представление об этом; что в большинстве случаев он отфильтровывает «лучшую науку».
Вот описание того, как экспертная оценка могла бы происходить в идеальных обстоятельствах :
У вас есть рукопись, и ее отправляют рецензентам, которые, между прочим, имеют глубокие познания в ваших исследованиях, в том числе во всех или, по крайней мере, в большинстве методологий, которые вы использовали в своих экспериментах. Некоторые из них даже проводят точно такие же исследования, как и вы, но они не чувствуют необходимости конкурировать с вами, поэтому они не слишком критичны. Кроме того, никто из них не относится к тому типу людей, которые получают повышение эго, отвергая и потроша работу других людей. Наоборот, все они очень справедливы; просто достаточно критичны.
И несмотря на то, что они ничего не получат от того, что потратят много времени на вашу рукопись, они корпеют над бумагой, запрашивают необработанные данные, повторяют любой сделанный вами анализ, проверяют все ссылки и вносят подробные предложения или исправления. . Если вы провели анализ в программе, с которой они не знакомы, они обратятся к тому, кто знает эту программу, и спросят, что они думают. Они прилагают эти усилия просто потому, что им не все равно.
Реальность
Не то чтобы я был настолько циничным, чтобы думать, что рецензенты никогда не делают хорошую работу. Но вы почти никогда не приблизитесь к этому идеализированному виду экспертной оценки. Реальность такова, что у вас больше шансов получить рецензентов, которые просто не тратят много времени на рукопись.
Тогда есть предвзятость, которая может идти в любом направлении. Рецензентом может быть либо конкурент, либо кто-то, кто верен членам вашей исследовательской группы, например, ваш главный исследователь (PI). Если ваш личный помощник хорошо известен в своей области или является редактором журнала, в котором все в вашей области хотели бы когда-нибудь опубликоваться, этот личный помощник может затруднить карьеру других людей, а это значит, что рецензенты могут не захотеть его злить.
В худшем случае в какой-либо области может даже доминировать исследовательский картель, который может отфильтровать любую работу, противоречащую общему мнению.
Кто равный?
Затем возникает вопрос о том, кого считать «равным». Во многих исследованиях используется множество различных методологий; вот почему часто так много авторов. Некоторые из этих методологий более привередливы, чем другие, а это означает, что некоторые из них легче испортить, иногда таким образом, что это значительно меняет результаты. Это те случаи, когда знание методологии действительно помогает. Но вы почти никогда не найдете рецензентов, которые вместе со всеми являются экспертами во всех или даже в большинстве этих методологий.
Кроме того, рецензентов часто выбирают не потому, что они являются экспертами в используемых методологиях. На самом деле, в некоторых случаях автор рукописи имеет право голоса в том, кто будет их рецензентом; они могут запросить своих собственных рецензентов, и в этом случае они могут захотеть выбрать кого-то, кто, как они знают, будет «легким» с ними.
Между прочим, хотя рецензенты, которые занимаются теми же исследованиями, что и вы, безусловно, могут быть полезны, это также может поддерживать удобный пузырь, который приводит к застою в области. Иногда было бы лучше иметь кого-то в другой или смежной области; они могут придумывать интерпретации, о которых люди в вашей области просто не знают. Однако такого рода вещи никогда не случаются в рецензировании.
3. «Анекдоты — это не данные» (Анекдотами в науке называют случаи из практики. Прим. В.З.)
Это подводит меня к следующему аргументу, часто используемому софистами и недоумками; что «анекдоты — это не данные». Это тесно связано с предыдущим утверждением о рецензировании, поскольку оно отдает предпочтение определенным типам доказательств, а именно тем, которые «официально санкционированы».
Вариации включают:
- Это не "научные доказательства"
- Рандомизированные контролируемые испытания (РКИ) являются золотым стандартом доказательности
Существует дезинформированное представление о том, что «анекдоты» не являются «научными доказательствами». Прежде всего, термин «научное свидетельство» подразумевает, что некоторые доказательства являются научными, а некоторые нет. Я бы сказал, что все доказательства являются научными, поэтому излишне даже говорить «научные доказательства».
Проблема с анекдотами заключается в том, что они часто представляют собой всего лишь несколько точек данных, а не результат контролируемых экспериментов. Это заставляет некоторых людей вообще их игнорировать и, соответственно, заявлять, что РКИ (рандомизированные контролируемые испытания) являются «золотым стандартом доказательств».
Это правда, что хорошо иметь контролируемые эксперименты, когда это возможно, но это не всегда возможно. Они также игнорируют недостатки RCT и тот факт, что в RCTS неизбежно можно играть; просто посмотрите на все проблемы, которые были в этом испытании .
Почти все типы доказательств могут иметь проблемы с ним, но это не значит, что они бесполезны . Вот почему в идеале у вас должны быть разные типы доказательств в поддержку чего-либо.
И это могут быть анекдоты. Конечно, это становится грязным, потому что вы должны сами судить, является ли то, что вы видите, просто совпадением или чем-то другим. Но никто не говорил, что наука проста.
Кстати, мы интуитивно знаем, что анекдоты полезны. В противном случае, зачем кому-то заботиться о том, сколько лет опыта у врача?
Хороший врач, практикующий много лет, повидал много случаев. Поэтому, когда они получают новый, у них может быть хорошее представление о том, как с ним обращаться, основываясь на том, что они видели раньше. Они стали хорошими машинами для распознавания образов. Другими словами, они полагаются на анекдоты, которые собирали годами.
Простой пример, когда анекдоты могут быть полезны
Предположим, после кампании по вакцинации от определенного вируса вы случайно слышите о серьезных негативных реакциях на вакцины от нескольких людей из вашего круга общения, несмотря на то, что вам снова и снова говорят, что вакцины исключительно безопасны . Конечно, это анекдоты, но если у вас накопилось несколько анекдотов, вам определенно следует задать несколько вопросов. Это просто здравый смысл. Другими словами, вы не игнорируете эти данные .
Будем надеяться, что в здравомыслящем обществе, когда таких анекдотов накопилось достаточно, они используются для выдвижения гипотез и финансирования некоторых высококачественных исследований, включая РКИ, чтобы выяснить, есть ли что-то небезопасное в вакцинах. И мы надеемся, что эти исследования не были сняты с ослепления преждевременно, и не проводились самими производителями вакцин или третьими лицами, у которых есть стимулы угодить производителям вакцин. С надеждой.
Но если вы подозреваете, что не принадлежите к такому обществу, вам, возможно, придется взвешивать анекдоты более серьезно, чем даже некоторые РКИ. Другими словами, анекдоты полезны. Анекдоты — это данные.
Самый интересный «анекдот», с которым я столкнулся в аспирантуре
Я также скажу, что иногда есть свидетельства того, что вы слышите из уст в уста, которые никогда не публикуются в какой-либо официальной форме, а иногда они оказываются одними из самых интересных фрагментов информации, с которыми вы сталкиваетесь во время своей аспирантской карьеры.
Вот «анекдот» из моего времени в аспирантуре, где все анонимно, потому что моя цель не в том, чтобы людей увольняли:
Мой знакомый постдоктор провел несколько экспериментов, которые показали, что данные одной из самых важных статей его руководителя были результатом артефакта. Под «артефактом» я подразумеваю результат, возникший из-за экспериментальной ошибки. Публикация этих результатов была бы очень плохой идеей для его начальника. Постдок не хотел подвергать опасности свою работу, тем более что это означало бы потерю статуса визы. Короче говоря, результаты так и не были опубликованы. В течение многих лет после этого люди проводили эксперименты, предполагая, что работа PI(руководителя постдока) была хорошей, что тратило впустую много времени и денег людей.
Как часто происходит подобное? И насколько хуже, когда в дело вмешиваются большие деньги, вроде денег фармацевтической компании?
4. «Но это статистически незначимо»
Вариации включают:
- Вы не провели статистический тест
Проклятые p-значения
Большая часть проверки гипотез в научных работах, к лучшему или к худшему, использует частотную статистику.
Для иллюстрации: предположим, у нас есть исследование, в котором проверяется, оказывает ли лекарство положительное влияние на определенное заболевание. По соглашению мы определяем «нулевую гипотезу» следующим образом: препарат не оказывает никакого действия. Мы хотим знать, должны ли мы отвергнуть эту нулевую гипотезу или нет. После того, как мы проведем наши эксперименты, тестируя лекарство и плацебо на некоторых людях, мы получим результат. В этот момент мы обычно использовали какое-нибудь статистическое программное обеспечение для расчета так называемого «p-значения». Значение p отвечает на следующий вопрос: какова вероятность увидеть этот результат (или что-то более экстремальное) при условии, что нулевая гипотеза верна? Если это число, p-значение, крошечное, это означает, что вероятность увидеть этот результат ничтожна (если нулевая гипотеза верна). Поэтому мы отвергаем нулевую гипотезу.
«Отсечка» для того, что считается «маленьким», обычно устанавливается на 0,05. В этом числе нет ничего волшебного. Это просто несколько произвольный порог, который разделяет результаты на «статистически значимые» и «статистически незначимые».
Проблема в том, что люди часто думают, что только потому, что результат не является статистически значимым, он «доказывает» нулевую гипотезу. Итак, предположим, что в нашем примере с лекарствами мы обнаружили, что у большего числа людей, принимавших препарат, наблюдалось улучшение, но результаты не были «статистически значимыми». Поскольку результаты не были «статистически значимыми», это могло привести некоторых дезинформированных исследователей к выводу, что лекарство бесполезно для лечения болезни; другими словами, нулевая гипотеза, утверждающая, что лекарство не действует, верна.
Это неправильная интерпретация. Это понятие «статистической значимости» часто приводит к тому, что ученые отрицают различия, которые ясно видны тем, кто не знаком со статистикой. Подробнее об этом читайте в этой статье .
В двух словах, есть много причин, по которым препарат действительно может иметь эффект, но результаты не оказались статистически значимыми. Это может быть связано с дизайном исследования, дозировкой или временем приема препарата, генетическими различиями между пациентами и т. д.
Ошибка может пойти и в другом направлении; другими словами, иногда мы можем получить крошечное p-значение, но на самом деле лекарство не действует.
Вот почему некоторые люди призывают положить конец p-значениям или, по крайней мере, ограничить их использование. По крайней мере, мы должны научиться принимать неопределенность вместо того, чтобы «раскладывать» результаты на основе произвольных отсечений.
Анекдот о статистической значимости, который заставил меня побеспокоиться о состоянии человечества
Несколько месяцев назад я разговаривал с очень авторитетным врачом о результатах испытаний вакцины против COVID от Pfizer. Я сказал ему, что это тревожный сигнал, что в группе вакцинированных умерло больше людей, чем в группе непривитых (подробнее об этом см. в разделе 4 или прочитайте это ). Он ответил, что результаты не были статистически значимыми.
Действительно? Это реакция на результаты? Нам говорят, что вакцины Pfizer «спасают жизни», и все же одно РКИ с этой прививкой на самом деле показало, что смертность от всех причин была выше в вакцинированной группе, к черту статистическую значимость. Конечно, мы не знаем наверняка, были ли все или некоторые из этих смертей вызваны вак. Но разве это не противоречит лозунгу «Вакцины спасают жизни»? Если эти результаты не были «красным флажком», то я не знаю, что это.
«Вы не провели статистический тест»
Вам не всегда нужно делать статистический тест. Выставка:
Александрос Маринос@александросмКоманда "придумай дерьмо" на марше. Я показал, что 75 пациентов должны были быть набраны до даты начала набора (23 марта 2021 г.) в соответствии с другими критериями включения/исключения, используя простую математику. По-видимому, мне нужно значение p для этого. 🤦
Это все для этого раздела.
5. «Корреляция не равна причинности»
Это утверждение, строго говоря, верно.
Конечно, корреляция не равна причинно-следственной связи. Конечно, только потому, что мы видим корреляцию между тем, сколько шоколада ест страна, и количеством Нобелевских премий, которые она получает , не означает, что одно вызывает другое.
Но софисты и недоумки заходят в этом аргументе слишком далеко. Они злоупотребляют этим аргументом и применяют его к случаям, когда действительно может существовать причинно-следственная связь .
Например, кто-то может рассказать о наблюдении, что, скажем, в начале 2021 года во время развертывания вакцины в Израиле наблюдался рост неотложных сердечно-сосудистых заболеваний среди населения моложе 40 лет .
«Корреляция не равна причинности», — могут возразить некоторые. Как глубоко.
Вот только это не похоже на пример с шоколадом и Нобелевской премией. В этом случае у нас есть другие документы, которые связывают вакцины с сердечными приступами (см. здесь , здесь и здесь ). И у нас есть правдоподобные механизмы действия (см. раздел 5 здесь ).
Поэтому, хотя это утверждение верно, будьте осторожны, когда слышите его. Человек, говорящий это, возможно, отключил свой мозг, и он может пытаться заставить вас сделать то же самое.
6. «Истина где-то посередине»
Я слышу это от людей, которые на самом деле очень умны; люди, которые не являются ни софистами, ни недоумками.
Иногда реальность вызывает панику в штанах
Во время подъема нацизма, на одном полюсе были люди, которые били тревогу, а на другом конце были люди, которые поддерживали нацистов (в том числе несколько лауреатов Нобелевской премии и большинство немецких врачей ).
Некоторые из людей, звонивших в тревожные звонки, поначалу могли выглядеть сумасшедшими. Это было до того, как произошло что-то «очевидное»; людей еще не сгоняли в концлагеря. Так что я мог легко представить, что многие люди думали, что да, что-то из того, что происходило в политике, было не очень хорошо, но не было необходимости паниковать . Другими словами, «истина была где-то посередине».
Но кто в итоге оказался прав?
Иногда прав человек с «крайней точкой зрения», и, к сожалению, применение простой рубрики, такой как «средняя» позиция, не приведет вас к истине. Реальность просто не такая любезная.
Притворяясь мудрым
Это эссе о тех, кто остается «посередине», интересно читать. Из сочинения:
Но пытаясь продемонстрировать мудрость, отказываясь строить догадки, отказываясь суммировать доказательства, отказываясь выносить суждения, отказываясь принимать чью-либо сторону, оставаясь над схваткой и глядя вниз высокомерным и снисходительным взглядом, то есть показывая мудрость, говоря: и ничего не сделать — ну, это я нахожу особенно претенциозным.
7. «Вы не подходите для [ЗАПОЛНИТЕ ПРОПУСК]»
И последнее, но не менее важное: есть аргумент, что только потому, что вы комментируете что-то, что не «в вашей области», вы должны «заткнуться», потому что «вы не квалифицированы».
Это входит в то, что такое экспертиза. Здесь слишком много, чтобы сказать, так что это будет в отдельной статье.
А пока вот варианты и родственные фразы этого аргумента:
- КАКОВЫ ВАШИ ПОЛНОМОЧИЯ
- Вы не опубликовали статью в соответствующей области
- Оставайся на своей полосе
- Доверьтесь экспертам
- Не проводите собственное исследование
- Не спускайтесь в кроличью нору