Ο κόσμος μας είναι κορεσμένος με μαλακίες. Μάθετε να τις εντοπίζετε και να τις εξουδετερώνετε.
Δύο καθηγητές στο Πανεπιστήμιο της Ουάσινγκτον, ανέπτυξαν ένα μάθημα που ονομάζεται "Αποκαλώντας κάτι μαλακία στην εποχή των Big data". Η ύλη και τα αναγνώσματα είναι φανταστικά. Ακολουθούν τα θέματα των διαλέξεων υπάρχει και σε on line version και θα το πρότεινα σε όλους:
Οι μαθησιακοί στόχοι είναι απλοί. Αφού παρακολουθήσετε το μάθημα, θα πρέπει να είστε σε θέση:
Να παραμένετε σε εγρήγορση για να αναγνωρίζετε αν η κατανάλωση των πληροφοριών σας έχει μολυνθεί από μαλακίες.
Να αναγνωρίζετε αυτές τις μαλακίες όποτε και όπου κι αν τις συναντήσετε.
Να μπορείτε να ανακαλύψετε μόνοι σας γιατί μια συγκεκριμένη μαλακία είναι μαλακία.
Να δίνετε σε έναν στατιστικολόγο ή άλλον επιστήμονα μια τεχνική εξήγηση γιατί ένας ισχυρισμός είναι μαλακία.
Δώστε στη θεία σας που ασχολείται με κρυστάλλους και ομοιοπαθητική ή στον ρατσιστή θείο σας μια κατανοητή και πειστική εξήγηση για το γιατί ένας ισχυρισμός είναι μαλακία.
... Ειδάλλως ξανακοιταχτείτε στον καθρέπτη και αποφασίστε σε ποιες από τις δυο κατηγορίες ανήκετε.
Θα εκπλαγείτε αν αυτές οι δεξιότητες δεν αποδειχθούν από τις πιο χρήσιμες και ευρύτερα εφαρμόσιμες από αυτές που αποκτάτε κατά τη διάρκεια της πανεπιστημιακής σας εκπαίδευσης.
ΠΕΡΙΕΧΟΜΕΝΑ
Εισαγωγή στις μαλακίες
Εντοπισμός μαλακίας
Η φυσική οικολογία των μαλακιών
Αιτιότητα
Στατιστικές παγίδες
Οπτικοποίηση
Μεγάλα δεδομένα
Μεροληψία δημοσίευσης
Ληστρικές δημοσιεύσεις και επιστημονικά παραπτώματα
Η δεοντολογία του να λες μαλακίες.
Ψεύτικες ειδήσεις
Αντίκρουση μαλακίας
Χρονοδιάγραμμα και διαβάσματα
Κάθε μία από τις εβδομαδιαίες ενότητες θα διερευνήσει μία συγκεκριμένη πτυχή των μαλακιών. Για κάθε εβδομάδα, ανατίθεται ένα σύνολο απαιτούμενων αναγνωσμάτων. Παρέχονται επίσης συμπληρωματικά αναγνώσματα για όσους επιθυμούν να εμβαθύνουν περισσότερο.
Εβδομάδα 1. Εισαγωγή στη μαλακία. Τι είναι οι μαλακίες; Έννοιες και κατηγορίες της μαλακίας. Η τέχνη, η επιστήμη και η ηθική επιταγή του να λες μαλακίες. Η αρχή της ασυμμετρίας των μαλακιών του Brandolini.
Χάρι Φρανκφούρτης (1986) Περί μαλακίας. Raritan Quarterly Review 6
Συμπληρωματική ανάγνωση
G. A. Cohen (2002) Deeper into Bullshit: Deeper into Bullshit. Buss and Overton, eds, Contours of Agency: Themes from the Philosophy of Harry Frankfurt Cambridge, Massachusetts: MIT Press.
Philip Eubanks και John D. Schaeffer (2008) A kind word for bullshit: the problem of academic writing. College Composition and Communication 59(3): 372-388
J. L. Austin Performative Utterance, στο Austin, Urmson, and Warnock (1979) Philosophical Papers. Clarendon.
Εβδομάδα 2. Εντοπισμός μαλακίας. Η αλήθεια, όπως και η ελευθερία, απαιτεί αιώνια επαγρύπνηση. Πώς εντοπίζετε τις μαλακίες στην άγρια φύση; Μεγέθη αποτελέσματος, διαστάσεις, εκτίμηση Φέρμι και έλεγχοι αληθοφάνειας. Ισχυρισμοί και τα συμφέροντα αυτών που τις διατυπώνουν. Ιατροδικαστική ανάλυση δεδομένων: Δοκιμή GRIM, νόμος Newcomb-Benford.
Carl Sagan 1996 Η λεπτή τέχνη της ανίχνευσης ψευδών στοιχείων. Κεφάλαιο 12 στο Sagan (1996) The Demon-Haunted World.
Μελέτες περιπτώσεων: απάτη με κουπόνια τροφίμων, 99% χωρίς καφεΐνη
Εβδομάδα 3. Η φυσική οικολογία της μαλακίας. Πού βρίσκουμε τις μαλακίες; Γιατί τα ειδησεογραφικά μέσα μας παρέχουν μαλακίες. Οι ομιλίες TED και η αγορά για τις μαλακίες υψηλής ποιότητας. Γιατί τα μέσα κοινωνικής δικτύωσης παρέχουν ιδανικές συνθήκες για την ανάπτυξη και τη διάδοση της μαλακίας.
Gordon Pennycook et al. (2015) On the reception and detection of pseudo-profound bullshit. Judgement and Decision Making 10:549-563
Adrien Friggeri κ.ά. (2014). Rumor Cascades. Πρακτικά του όγδοου διεθνούς συνεδρίου AAAI για τα ιστολόγια και τα μέσα κοινωνικής δικτύωσης
Εβδομάδα 4. Αιτιότητα Μια συνηθισμένη πηγή ψευδών αναλύσεων δεδομένων προκύπτει όταν οι άνθρωποι αγνοούν, σκόπιμα ή μη, το γεγονός ότι η συσχέτιση δεν είναι αιτιώδης συνάφεια. Οι συνέπειες μπορεί να είναι ξεκαρδιστικές, αλλά αυτή η σύγχυση μπορεί επίσης να χρησιμοποιηθεί για παραπλάνηση. Η σύγχυση της αιτιότητας με την αναγκαιότητα ή την επάρκεια. Η παλινδρόμηση προς το μέσο όρο που προβάλλεται ως επίδραση της θεραπείας. Ο θερμοστάτης του Μίλτον Φρίντμαν. Επιλογή, μεταμφιεσμένη ως μετασχηματισμός.
Robert Matthews (2000) Οι πελαργοί γεννούν μωρά (p=0,008). Teaching Statistics 22:36-38, Μελέτη πεδίου: Βελτίωση της κυκλοφορίας
Συμπληρωματική ανάγνωση
Karl Pearson (1897) On a Form of Spurious Correlation which may arise when Indices are used in the Measurement of Organs. Πρακτικά της Βασιλικής Εταιρείας του Λονδίνου 60: 489-498. Για το πλαίσιο βλέπε επίσης Aldrich (1995).
Εβδομάδα 5. Στατιστικές παγίδες και τεχνάσματα. Κανόνας Bayes και υπό συνθήκη πιθανοτήτων. Πλάνη του βασικού ποσοστού / πλάνη του εισαγγελέα. Το παράδοξο του Simpson. Λογοκρισία δεδομένων. Φαινόμενο Will Rogers, προπορευόμενη χρονική μεροληψία και χρονική μεροληψία. Μέσοι όροι έναντι διάμεσων. Σημασία των υψηλότερων στιγμών.
Alvan Feinstein et al. (1985) The Will Rogers Phenomenon - Stage Migration and New Diagnostic Techniques as a Source of Misleading Statistics for Survival in Cancer. New England Journal of Medicine 312:1604-1608. Μελέτες πεδίου: Μουσικοί και θνησιμότητα.
Εβδομάδα 6. Οπτικοποίηση δεδομένων. Τα γραφικά δεδομένων μπορούν να αποτελέσουν ισχυρά εργαλεία για την κατανόηση πληροφοριών, αλλά μπορούν επίσης να αποτελέσουν ισχυρά εργαλεία για την παραπλάνηση του κοινού. Εξετάζουμε τους πολλούς τρόπους με τους οποίους τα γραφικά δεδομένων μπορούν να κατευθύνουν τους θεατές προς παραπλανητικά συμπεράσματα.
Εργαλεία και τεχνάσματα: Παραπλανητικοί άξονες
Εργαλεία και κόλπα: Αναλογικό μελάνι
Συμπληρωματική ανάγνωση
Alberto Cairo (2019) How Charts Lie: Getting Smarter about Visual Information. W.W. Norton and Company.
Edward Tufte (1983) The Visual Display of Quantitative Information (Η οπτική απεικόνιση της ποσοτικής πληροφορίας). Κεφάλαια 2 (Γραφική ακεραιότητα) και 5 (Chartjunk: δονήσεις, πλέγματα και πάπιες).\
Εβδομάδα 7. Big data. Πότε ένας οποιοσδήποτε παλιός αλγόριθμος λειτουργεί με αρκετά δεδομένα και πότε είναι σκουπίδια μέσα, σκουπίδια έξω; Χρήση και κατάχρηση της μηχανικής μάθησης. Παραπλανητικές μετρήσεις. Νόμος του Goodhart.
Danah boyd και Kate Crawford (2011) Six Provocations for Big Data. A Decade in Internet Time: Symposium on the Dynamics of the Internet and Society.
David Lazer κ.ά. (2014) Η παραβολή της γρίπης της Google: Παγίδες στην ανάλυση μεγάλων δεδομένων. Science 343:1203-1205
Alyin Caliskan et al. (2017) Semantics derived automatically from language corpora contain human-like biases Science 356:183-186
Jevin West (2014) How to improve the use of metrics: learn from game theory. Nature 465:871-872
Συμπληρωματική ανάγνωση
Cathy O'Neil (2016) Weapons of Math Destruction Crown Press.
Peter Lawrence (2014) The mismeasurement of science (Η λανθασμένη μέτρηση της επιστήμης). Current Biology 17:R583-585
Εβδομάδα 8. Μεροληψία δημοσίευσης. Ακόμη και μια κοινότητα ικανών επιστημόνων που ενεργούν με καλή πίστη μπορεί να δημιουργήσει παραπλανητικά επιστημονικά αρχεία όταν - όπως συμβαίνει στο σημερινό εκδοτικό περιβάλλον - τα περιοδικά προτιμούν να δημοσιεύουν θετικά αποτελέσματα έναντι αρνητικών. Σε ένα προκλητικό και με τεράστια επιρροή έγγραφο του 2005, ο επιδημιολόγος Ιωάννης Ιωαννίδης έφτασε στο σημείο να υποστηρίξει ότι αυτή η μεροληψία δημοσίευσης έχει δημιουργήσει μια κατάσταση στην οποία τα περισσότερα δημοσιευμένα επιστημονικά αποτελέσματα είναι πιθανότατα ψευδή. Ως αποτέλεσμα, δεν είναι σαφές ότι μπορεί κανείς να βασιστεί με ασφάλεια στα αποτελέσματα κάποιας τυχαίας μελέτης που αναφέρεται στην επιστημονική βιβλιογραφία, πόσο μάλλον στο Buzzfeed. Μόλις εμπλακούν εταιρικοί χρηματοδότες με ιδιωτικές ατζέντες, τα πράγματα γίνονται ακόμη πιο περίπλοκα.
Γιάννης Ιωαννίδης (2005) Γιατί τα περισσότερα δημοσιευμένα επιστημονικά αποτελέσματα είναι ψευδή. PLOS Medicine 2:e124.
David Michaels και Celeste Monforton (2005) Manufacturing Uncertainty: Contested Science and the Protection of the Public's Health and Environment. American Journal of Public Health 95:S39-S48.
Συμπληρωματική ανάγνωση
Erick Turner et al. (2008) Selective Publication of Antidepressant Trials and Its Influence on Apparent Efficacy New England Journal of Medicine 358:252-260
Silas Nissen et al. (2016) Publication bias and the canonization of false facts. eLife 5:e21451
Εβδομάδα 9. Τυποκλοπή στις δημοσιεύσεις και επιστημονικό παράπτωμα. Τυποκλοπή. Ο κατάλογος που ήταν γνωστός ως Beall's. Οικονομικά των εκδόσεων. Παθολογίες της κουλτούρας του «δημοσιεύω ή πεθαίνω». Επιδίωξη των δημοσίων σχέσεων αντί της προόδου. Εκσκαφή δεδομένων, p-hacking και παρόμοιες παρανομίες.
Ψεύτικη ακαδημαϊκή κοινότητα που μοιάζει πολύ με την πραγματική.
New York Times 29 Δεκεμβρίου 2016.
Adam Marcus και Ivan Oransky (2016) Γιατί να πλαστογραφήσεις δεδομένα όταν μπορείς να πλαστογραφήσεις έναν επιστήμονα; Nautilus 24 Νοεμβρίου.
Εργαλεία και κόλπα: Πώς μπορείτε να ξέρετε αν μια εργασία είναι νόμιμη;
Συμπληρωματική ανάγνωση
J. P. Simmons κ.ά. (2011) False-Positive Psychology: Undisclosed Flexibility in Data Collection and Analysis Allows Presenting Anything as Significant. Psychological Science 22:1359-1366
Εβδομάδα 10. Η δεοντολογία του να λες μαλακίες. Πού είναι η γραμμή μεταξύ της άξιας κριτικής και της στοχευμένης παρενόχλησης; Είναι, όπως υποστήριξε ένας διακεκριμένος μελετητής, «μεθοδολογική τρομοκρατία» το να αποκαλείς μαλακίες την ανάλυση ενός συναδέλφου σου; Τι γίνεται αν χρησιμοποιείτε τα μέσα κοινωνικής δικτύωσης αντί για ένα περιοδικό με κριτές για να το κάνετε αυτό; Τι θα λέγατε να αποκαλέσετε μαλακίες για ένα ολόκληρο πεδίο για το οποίο δεν γνωρίζετε σχεδόν τίποτα; Pubpeer. Αρχές για την ηθική καταγγελία μαλακίας. Το φαινόμενο Dunning-Kruger. Διαφορές μεταξύ του να είσαι ένας σκληροπυρηνικός σκεπτικιστής και του να είσαι ένας αυταρχικός κόπανος.
Alan Sokal (1996) Ένας φυσικός πειραματίζεται με τις πολιτισμικές σπουδές. Lingua Franca 6:62-64.
Jennifer Ruark (2017) Ανατομία μιας φάρσας. Chronicle of Higher Education
Robert Service (2014) Nano-Imaging Feud Sets Online Sites Sizzling. Science 343:358.
Susan Fiske (2016) Mob Rule or Wisdom of Crowds? APS Observer προκαταρκτικό προσχέδιο. Διαβάστε επίσης τα σχόλια [1] και [2].
Michael Blatt (2016) Vigilante Science. Plant Physiology 169:907-909.
Εβδομάδα 11. Fake news. Πριν από δεκαπέντε χρόνια, οι εκκολαπτόμενες πλατφόρμες κοινωνικής δικτύωσης προσέφεραν την υπόσχεση ενός πιο δημοκρατικού Τύπου μέσω της αποκεντρωμένης μετάδοσης και της αποσύνδεσης των εκδόσεων από τα διαφημιστικά έσοδα. Αντ' αυτού, έχουμε σεχταριστικούς θαλάμους ηχούς και, τελευταία, μια σοβαρή επίθεση στην ίδια την έννοια των γεγονότων. Όχι μόνο τα fake news έπαιξαν ουσιαστικό ρόλο στις αμερικανικές εκλογές του Νοεμβρίου 2016, αλλά πρόσφατα μια ιστορία με fake news προκάλεσε στην πραγματικότητα πυρηνικές απειλές που εκδόθηκαν από το twitter.
Πριν από τις «ψευδείς ειδήσεις» ήρθε η ψευδής προφητεία The Atlantic Monthly 27 Δεκεμβρίου 2016
Factcheck.org: Checkcheck: Πώς να εντοπίζετε τις ψεύτικες ειδήσεις Adrian Chen (2016) The Agency. New York Times Magazine
Μέσα σε ένα εργοστάσιο παραγωγής λουκάνικων με ψεύτικες ειδήσεις: «Όλα έχουν να κάνουν με το εισόδημα
New York Times 25 Νοεμβρίου 2016
Donath, Judith (2016) Why fake news stories thrive online. Γνώμη του CNN.
Brian Feldman (2017) Η επικίνδυνη κρίση ταυτότητας της Google. New York Magazine
Εβδομάδα 12: Διαψεύδοντας τις μαλακίες. Η διάψευση των μαλακιών απαιτεί διαφορετικές προσεγγίσεις για διαφορετικές ομάδες-στόχους. Αυτό που λειτουργεί για έναν επιστήμονα με ποσοτικές γνώσεις δεν πείθει πάντα τον ρατσιστή θείο στο Facebook και αντίστροφα.
John Cook και Stephan Lewandowsky (2012) The Debunking Handbook.
Craig Bennett et al. (2009) Neural correlates of interspecies perspective taking in the post-mortem Atlantic Salmon: An argument in favour of multiple comparison correction
Μελέτη πεδίου: Διαφορά φύλου στους χρόνους των 100 μέτρων
Ασκήσεις
Άσκηση 1: Μια απογραφή μαλακίας. Με πόσες μαλακίες ασχολείστε, ούτως ή άλλως; Καταγράψτε τις συναντήσεις σας με μαλακίες κατά τη διάρκεια μιας εβδομάδας και βρείτε έναν τρόπο να οπτικοποιήσετε τα αποτελέσματά σας.
