Хотела написать серьезный пост
Ходила на этой неделе на лекцию Чарльза Мански Policy Analysis with Incredible Certitude: про то, что нефиг делать вид, что мы всё знаем и умеем, лучше честно признать, что полной уверенности нет, и плясать от этого. Сама лекция была посвящена разбору полетов - классификации ситуаций, в которых делается вид, что вот эта цифирька точно-точно правильная:
1. conventional certitude - есть консенсус, что Это правильно, а Это может правильным и не быть
2. dueling certitudes - при анализе одних и тех же данных, А говорит, что результат вот такой, и это точно-точно, а Б говорит, что результат совсем другой, и по-любому он прав (и дело даже не в том, что А и/или Б где-то ошиблись, причина разницы в результатах - разные предпосылки, а они в борьбе за правильность цифирьки вообще никак не обсуждаются)
3. conflating science and advocacy - когда под нужный результат подгоняется весь анализ
4. wishful extrapolation - неозвучивание и необсуждение предположения, что в будущем всё будет так же, как в прошлом, при экстраполяции наблюдаемых тенденций
5. illogical certitude - ошибки дедукции (e.g. говорить, что гипотеза верна, если она не отвергается статистически = non-rejection does not prove a null hypothesis is correct).
6. media overreach - ради броского заголовка журналисты не задумаются, какая степень доверия к цитируемой цифирьке (байка, иллюстрирующая этот момент, была вообще за пределами моего понятия о добре-зле: журналист одного очень уважаемого издания взял цифру из обычной презентации, рисёч был в процессе, и о каком-либо реферировании речь еще даже не шла. А "новость" стала что-то вроде фольклора, потому что устраивала многих)
В общем, статья про то, что в основе любого вывода лежат предпосылки, и чем они сильнее, тем точнее заключение, и не надо про это забывать.
1. conventional certitude - есть консенсус, что Это правильно, а Это может правильным и не быть
2. dueling certitudes - при анализе одних и тех же данных, А говорит, что результат вот такой, и это точно-точно, а Б говорит, что результат совсем другой, и по-любому он прав (и дело даже не в том, что А и/или Б где-то ошиблись, причина разницы в результатах - разные предпосылки, а они в борьбе за правильность цифирьки вообще никак не обсуждаются)
3. conflating science and advocacy - когда под нужный результат подгоняется весь анализ
4. wishful extrapolation - неозвучивание и необсуждение предположения, что в будущем всё будет так же, как в прошлом, при экстраполяции наблюдаемых тенденций
5. illogical certitude - ошибки дедукции (e.g. говорить, что гипотеза верна, если она не отвергается статистически = non-rejection does not prove a null hypothesis is correct).
6. media overreach - ради броского заголовка журналисты не задумаются, какая степень доверия к цитируемой цифирьке (байка, иллюстрирующая этот момент, была вообще за пределами моего понятия о добре-зле: журналист одного очень уважаемого издания взял цифру из обычной презентации, рисёч был в процессе, и о каком-либо реферировании речь еще даже не шла. А "новость" стала что-то вроде фольклора, потому что устраивала многих)
В общем, статья про то, что в основе любого вывода лежат предпосылки, и чем они сильнее, тем точнее заключение, и не надо про это забывать.