小孩學奧數學編程都不如學這個：像科學家一樣思考問題（9）

科學家們為什麼把事情搞得這麼複雜？

如果你與科學家去交談，他們通常不會給出直接的答案。

例如，如果您問科學家「這種藥物安全嗎？」，通常他都不會簡單地回答「是」，它可能會附帶一些聲明。儘管這可能會激怒到您，但其實是有很多充分的理由的。

下面介紹一下科學家對研究結果持謹慎態度的一些原因。

1，真理並不總是普遍的

很多時候有些情況下在某些情況下可能是正確的，但在其他情況下則並非如此。

例如，鍛鍊身體並保持健康是個好事情嗎？是。

但是如果身體生病了，則並非如此，此時需要休息一段時間才是最佳的選擇。

回到我們最初的例子，這種藥是否安全？

是的，但並非適用於所有患者。

因此，當科學家談論他們的工作時，如果沒有像您所希望的那樣簡單直接明了，不是因為他們很笨拙，而是科學家們在試圖做到儘量準確。

鍛鍊有益於身體保持健康，但不是任何情況下都成立

2，缺乏證據並不意味著證據不存在

這個聽起來有點拗口的句子意思是，即使您無法檢測到某些東西，它可能仍然是存在的。

例如，在顯微鏡發明之前，我們看不到細菌（它們很小，長約1/1000毫米），但是那並不意味著他們不存在，只是我們沒有合適的設備來發現它們。

我們將其稱為敏感度––反映我們測量實際存在的東西的能力。 （與之相關聯的一個相關的術語是「特異度」，指的是我們能夠正確推斷出確實不存在的某些事物的能力。）

不是證據不存在，而是我們沒有找到

還記得早先關於藥物是否安全的問題嗎？好吧，我們只有通過向患者提供藥物，才能真正知道它是否安全。假設我們在1000名患者中測試了該藥，而且沒有問題，這是否意味著該藥物安全呢？

如果它在10,000例患者中有1例發生嚴重問題（例如心臟病發作）怎麼辦，那麼只是對1000例患者進行檢查時沒有發現問題，是否就可以認為它安全呢？必須測試多少患者才能絕對肯定地證明其安全呢？

答案是我們永遠都做不到！

3，假陽性和假陰性

當我們測量某些東西時，科學家們很清楚，有時他們可能會得到錯誤的結果。

例如，約翰去看醫生，檢查是否患有糖尿病，如果他實際上沒有糖尿病，但是錯誤的測試結果表明他患有糖尿病，那麼我們可以稱其為「假陽性」 ––測試結果為「假」，因為它說他的糖尿病測試呈陽性。

另一方面，如果他確實患有糖尿病，但測試結果錯誤表明他沒有糖尿病，我們稱其為「假陰性」 –測試結果為「假」，因為他它說他的糖尿病測試為陰性。

當科學家設計測試時，他們必須考慮假陽性和假陰性的發生頻率。如果它們太頻繁，則測試結果可能不可信。

這也是讓科學家們對解釋結果持謹慎態度的原因之一。

實驗結果有時候是錯誤的

4，仔細查看主要數據，而不是讓人信服

最近在英國，對法律進行了修改，以允許父親在孩子出生後有更多的時間休假。一項調查發現，只有1％的男性休了育兒假，這表明男性沒有利用這個機會。但是隨後發現，在被調查的那些男人中，實際上只有小部分調查對象最近生過孩子。最近沒有孩子出生的男人當然也不會休育兒假，所以說這項調查是荒謬的。

沒有生孩子的男人當然不需要休育兒假

但這並沒有阻止這件報導成為全國性的新聞，它甚至可能繼續影響政府的政策制定。

所以說，應該仔細研究「原始數據」而不是依賴於他人對結果的解釋，這樣才能有效克服類似的問題。

5，數字到底是什麼意思？

我們經常聽到有人引用數據來支持他們的論點，此時他們就是用數字來提出觀點。科學家們也做著同樣的事情。

但是，不論是那種情況，我們都需要停下來問自己「這些數字到底意味著什麼」？

我們假設在英國每天都有許多人在參與一項活動，而我想說服你它是安全的。如果我告訴你，每年英國死於此項活動的人口不到全英國的0.0027％，聽起來很安全，對不對？

2013年在英國死於道路交通事故的是1700人

且慢，現在讓我們做一下數學運算。英國大約有6400萬人，其中0.0027％大約是1700人。因此，實際上，在英國，每年有1700人死於此項活動，現在你仍然覺得這個活動聽起來安全嗎？

這個活動是什麼？公布答案，2013年在英國死於道路交通事故的是1700人。

同樣道理，科學家們必須仔細斟酌如何解釋實驗數據。

例如，飲酒可以使患乳腺癌的風險增加大約10％。但是這個數字到底是意味著什麼呢？嗯，如果女性不飲酒，一生中患乳腺癌的風險約為12％。這意味著每100名不飲酒的女性中就有12名在一生中有可能患乳腺癌。如果女性喝酒，則風險會增加此值的10％。 12個人的10％約為1人，因此這100名女性中會增加1名女性可能患乳腺癌，換句話說，飲酒的100名女性中約有12 + 1 = 13名女性患乳腺癌。

總而言之，如果不喝酒，則每100名女性中就有12人可能患乳腺癌，如果喝酒，則這種風險會增加至每100名女性中有13名，這意味著大約增加10％的風險。您可以查看這些數字並自己決定自己的飲酒量。

令人震驚的是，這些數字意味著飲酒每年在英國造成約5000例乳腺癌。

飲酒可以使患乳腺癌的風險增加大約10％

6，過度解釋數據。

這是指當科學家解釋觀察結果時，不應該過於複雜化。

過度解釋數據的一個很好的例子是19世紀兩個天文學家之間的虛構對話：（此例子改編自Carl Sagan的著作《宇宙》）

「用望遠鏡時，我在金星上沒有看到任何東西」

「我想知道這是為什麼？也許表面被雲遮蓋了？」

「有可能。雲一般會遮蓋什麼類型的景觀？」

「呃，那種表面覆蓋很多水面的風景」

「那就對了。哪種類型的行星的表面有很多水面？」

「哦，我不知道。我猜可能是有海洋的行星，還有沼澤。」

「好點子。我們在大海或沼澤地裡能找到什麼？」

「好吧，通常有魚或海鳥，也許還有一些在水中生活的哺乳動物。」

觀察：金星上看不到任何東西

結論：金星正在與野生動物合作。

顯然，這是胡說八道，而且很難相信會發生如此荒謬的事情。

解決該問題的一種方法是使我們的解釋儘可能簡單，當我們試圖解釋觀察結果時，應該使用儘可能的最簡單的解釋。

儘可能簡單的解釋問題

認真思考​​我們已經測量的數據，並且有意識的思考它可能不是我們希望測量的對象時，另一個解決方案是非常關鍵的。

例如，如果我決定通過測量一個位置（例如，我居住的房屋外）幾個月的溫度來測量全球變暖的趨勢，結果是那不會告訴我們全球每年的溫度變化，它只會提供有關我屋外幾個月的溫度變化信息。

有很多原因決定了我屋外的數據可能無法反映一年中地球上其他地方的一切溫度變化。例如，也許房子在另一棟建築物的陰影下，也許測量的月份恰好與一年中的其餘月份相比異常寒冷，依此類推。因此，重要的是要記住我們想要測量的東西和我們實際測量的東西不一定是同一件事。

測量全球變暖的趨勢，你認為應該如何測量數據？

7，思考數據的其他解釋。

有時，某些數據的最明顯的趨勢並不是最正確的解釋。

例如，假設我們看到所記錄的疾病發病率增加。顯而易見的解釋是，導致疾病爆發的因子在增強，但是另一個可能的解釋是，我們在檢測疾病方面已經變得更好（檢測範圍擴大，或者檢測成功率更高）。

同樣，如果您在屋子裡看到外面發生了異常的交通擁堵，這是怎麼回事？導致此問題的原因在哪裡？前方道路是否存在導致交通擁堵的問題（顯而易見的解釋）？還是其他地方存在問題，也許某個地方的主要道路已經封閉，從而導致大量車輛改道，這導致異常大的交通量被轉移通過你屋子前面的道路。

在這種情況下，問題的原因不在於你的房屋外面這條道路上，而是因為大量車輛改道而導致車流量增加發生擁堵。

有時候，數據最明顯的趨勢不是真正的原因！

8，懷疑論和同行評議。

上面所有這些原因使得科學家們經常持一種懷疑態度。

的確，懷疑主義甚至被植入科學方法中。您會從「科學方法」頁面上回憶起我們以「假設」開頭。實際上，我們從所謂的「零假設」開始，它本質上說無論我們喜歡的理論是什麼，都可能是錯誤的！

作為科學家，我們有責任收集數據以證明原假設是錯誤的。只要願意的話，我們甚至會故意增加對自己不利的情況，以確保最終能夠正確解決問題。

除此之外，科學家最願意做的事情是給彼此的工作找漏洞。科學家們對於彼此的工作非常嚴格，不涉及個人之間的感情。

同行評審可以讓你的結論保持合理的水準

我們要努力說服同事（同行）我們的觀察和結論是正確的，這就是為什麼有同行評審的原因。在發布結論之前，我們的同事（「同行」）會對結果進行審查，以查看我們的結論是否合理。同行評審不能完全保證結論的正確性，但至少可以確保結論符合合理的標準。