在辯論場上，有些時候要手握精確的數據才能扳倒對方，然而，若是數據本身就存在著虛假，又該如何看清事實真相？《數據的假象》不疾不徐地引述各種分析觀點，立場堅定地強調重點、逐步解說，引導大眾透過更縝密的方法去作判讀，便可走出偽裝真實所羅織出來的數據幻境。
網路時代強化固執己見，小心以訛傳訛被牽著走
為了達成宣傳效果，抹黑事實、指鹿為馬的事件早已稀鬆平常，無論是無心之過還是刻意造謠生事，這些錯誤都經由網路讓鬼扯文化氾濫，不僅模糊了大眾的視線，也阻礙了社會的進步。點閱率與訂閱制強化了人們的固執己見，許多人堅信自己所接收或釋出的訊息是正確的，其實不然。
假消息、假新聞、各種未經證實就任意傳播的恐慌或迷信，標題跟內容對應不上、報導立場偏頗、錯誤使用百分比，終至引爆誤導大眾的導火線，圖文也隨之失去閱讀價值。間接或直接影響引用這些資料，溝通的管道僅僅只是以訛傳訛的工具。
面對上述的問題，科技、法令規範和教育三者之中，作者主張教育是最有力的解方，主因源自於：在說服的過程中通常需要正當的理由，有道理的事情才容易服人，因此，當人具備充足且正確的知識去分辨其真偽時，便不容易被欺騙，多少可以降低被假象蒙蔽的機率。
各種資料經過科學分析，也比較能得到基本的標準，特別是近年來AI技術和機器學習演算法的普及，適時地指明確切的因果關係，可以避免被指導性報導或行銷手法牽著鼻子走。
視覺圖表暗藏玄機、取樣偏誤缺乏驗證
除此之外，為了方便閱讀，數據資料視覺化早已成為主流之一。但圖表繪製出來的精確性和呈現方式卻未必能精準地解釋事件的全貌，賣弄視覺圖像有時非但無益於立論和統計，反倒干擾了溝通，原本正確的內容，可能因未能擬出適當的傳達方式而功虧一簣。
不當使用圖表易違反「比例墨水原則」，使用人工智慧科技若簡化流程，也會惡化原就易於忽略的部分。使用者事先就應考慮數據誤植可能引爆的連鎖影響，要求自己抱持嚴謹的態度去看待手邊的各項資料，並注意深偽技術（deepfakes）的殺傷力，平日多擷取專業以訓練自我判讀外界訊息的能力，不過度依賴網路，挑選出合適的取樣和研究方式，善用「反證法」，才能讓最終完成的資料具備有效的公信力。
當測量成為目標，它就不再是好的測量標準──「古德哈特定律」如是說。無法實證的研究就像找不到證據的刑案一樣棘手，手上的資料都是表象的，輕易就可以被推翻與否定。由於一般人不常將後天變化納入考量，真相往往容易因此被曲解，若又過度依賴量化，就會讓有些落差更加被忽略或淡化。由此可知，濫用數學、取樣偏誤的後果很嚴重，對於眼前事物真實性毫無質疑是危險的，經過修剪的資料有時暗藏偏差，轉發那些資料還會讓這些錯誤廣為流傳。
當大眾因為太相信自己或權威，無法即時發現問題，在工作與生活中，接觸到惡意假設、喬裝專業的問題就會層出不窮，駭客、有人人士捏造事實、製造複製謠言便很容易發生。《數據的假象》提醒外界保持冷靜看待所接收的訊息、圖表、言論、數字等，將所學的知識用於更深入的探索與求證，經由訓練去思考、提問，無需太快就下定論，避免隨意散布或過度情緒反應，發覺錯誤時誠實更正，才不會誤導自己與他人。
（作者為文字工作者。）
分享圖文請註明出處，未經本站同意不得轉載
瀏覽次數：7229
