解读科学观点时,你应该知道的20个事实

由天下分享时间：2025/1/18 11:49:42 加入收藏我要投稿点赞

解读科学观点时，你应该知道的20个事实（上篇）

（文/William J. Sutherland，David Spiegelhalter，Mark Burgman）近几十年来，关于政治决策与科学更紧密融合的呼吁已经成为老生常谈。然而，无论是从能源到健康，还是从环境到教育，要将科学应用到政策中，仍存在许多严峻的问题。在此背景下，我们认为当务之急是让政策制定者认识科学那不完美的本质。能够明智地对专家顾问进行问询，能够正确理解证据的质量、局限性和偏差，这些都是政策制定者必需的素质。我们把这些素质称为解读科学的能力（interpretive scientific skills）。这些技能比理解基础科学本身更易掌握，并且可以成为大多数政治人物广泛技能的组成部分。

鉴于此，针对公务员、政治人物、政策顾问、记者以及其他与科学或科学家打交道的非专业人士，我们提出了20个在培养自身科学素养时需要掌握的概念。一个倡导科学的、具有怀疑精神的政治人物，一定会希望用这些重要的知识武装自己。当然，其他人也许会列出略有不同的清单。重点是，我们认为如果社会对这20个概念有了更广泛理解，将标志着社会的一大进步。

1.条件差异和几率都会引起变化。

现实世界的变化是不可预测的，而科学想探究是什么造就了这些变化。为什么现在比过去十年更热为什么某些地区的鸟比其他地方的多关于这些趋势有很多解释，科学研究的最大挑战是从无数的其他来源的变化中，梳理出我们感兴趣的过程所起到的作用（比如，要研究气候变化对于鸟类数量的影响，就要把“气候变化”这个因素，从农业集约化、入侵物种的传播这类大范围变化，以及一些偶然发生，却可以决定生死的本地小规模事件中剥离出来）。

我们看到的现象通常是许多因素共同影响的结

果。图片来源：

2.没有绝对准确的测量

事实上，所有测量都存在误差。每一次重复试验都可能得到不同的结果。在某些情况下，与实际变化相比，测量误差也许会很大。比如，如果你得知上个月的经济增长了%，那么实际上缩减的可能也是存在的。提出结果时应该给出结果的误差范围，以避免不合理精确度的出现。

即使用所能达到的最完善的方法进行测量，误差也还是会存在，而不会达到绝对精确。图片来源：

3.偏见是很普遍的

实验设计或测量装置可能会对实验结果造成影响，在某一特定的方向上产生非典型结果。比如，通过访问路人、家里人和网民来确定投票行为，由于样本的成分不同，所以可能会得到不同的结果。而因为那些有“统计上显著”的结果更可能会被报道和出版，科研论文会倾向于用夸张的说法来阐述问题的严重性和解决办法的效用。实验中的偏见很可能这样产生：实验的参与者知道自己接受的是不同的治疗，所以会尝试表现的不同；调查者们对结果的收集会受“知道谁接受了治疗”的影响。其实理想实验应该是双盲的（Double-Blind），即参与者和收集数据的

研究者都不知道哪些参与者接受了什么处理。这在药物试验中是很容易做到的，但是对于社会问题就不可能。科学家们在希望找到数据来补充之前的调查结果，或者想反驳一个观点的时候，比较容易产生确认倾向（confirmation bias）。

单盲实验和双

盲实验的示意漫画。而在实际情况下，并不是所有研究都能采用理想的双盲实验方法，容易产生偏见。图片来源：

4.样本量通常越大越好

大的样本量得到的平均观测结果往往比小样本量的更有益。因为当我们积累证据的时候，我们的理解也在加深。这对那些变量多、容易产生测量误差的复杂体系尤其重要。一种药物的有效性在每个个体间都存在差异，因此为了在药物测试中更可靠、准确的估计药物的平均功效，就要选择一个有数以万计的样本的实验，而不是使用一个只有数百个样本的。

当看到一

个吸引眼球的研究结论时，在奔走相告之前，不妨先了解一下这个研究的样本量。图片来源：

5.相关关系不代表因果关系

假定一件事物可以导致另一事物固然是很诱人的。然而，相关关系的得出有时候是出于偶然，又或者某两种看似相关的因素的关系，其实是由复杂的或潜在的第三因素决定的。比如，生态学家曾一度确信是有毒藻类杀光了河口的鱼；但其实是这些藻只是恰巧长在了鱼死的地方而已，并不是藻类导致鱼类死亡。