好書推薦：一眼就突破盲點的思考力：破解假數字、偽科學、不實資訊背後的真相
- 人文觀察
- 撰文者：白榮銓 （居仁國中退休教師）
- 發文日期：2017-09-05
- 點閱次數：1522
2016年，被視為最全面和權威的《牛津英語詞典》（Oxford English Dictionary），宣布「後真相」（post-truth）被選為年度的英語代表字，並將此字定義為「形成公眾輿論（public opinion）時，客觀事實的影響力，比不上訴諸情感（emotion）和個人信念（belief）」。在充滿社群媒體的年代，各種假新聞與資訊，充斥在我們的生活周遭，有些人可能盲目地接受與他們想法接近的人、事、物，真相則次之。到底我們應如何理性地分析與思考？如何辨別統計圖表（statistical diagram）與資料（data）的真假？如何認清不實資訊（information）背後的真相？
本書作者是美國神經學家暨認知心理學家列維廷（Daniel Levitin, 1957-），目前任教於加拿大麥基爾大學（McGill University），著有多本科普暢銷書。2001年，列維廷在大學開設一門批判思考的課程，2014-2016年，他整理當時的授課內容，2016年，出書《A Field Guide to Lies : Critical Thinking in the Information Age》（謊言教戰手冊）。2017年，作者重新撰寫「前言」，修改書名再版，成為本書。本書內容是教導讀者以批判思考的方式，對抗看似真實的錯誤訊息，辨認出建構在故事裡的謬誤觀點，揪出謊話連篇的假新聞（fake news）、反知識（counterknowledge）和陰謀論（conspiracy theory）。
破解假數字
愈來愈多的人透過社群網站獲得新資訊，但網路上有許多的不實謠言及假新聞事件。2015年6月，在谷歌公司（Google Inc.）的支持下，30多家新聞與科技公司組成「初稿聯盟」（First Draft Coalition），成員除了臉書、推特（Twitter），還包括紐約時報（The New York Times）、華盛頓郵報（The Washington Post）、BuzzFeed新聞、法新社（Agence France Presse, AFP）、澳洲廣播公司（Australian Broadcasting Corporation, ABC）新聞網和CNN等媒體，合力整頓假新聞，以及改善社群媒體上的資訊品質。
美國總統川普（Donald Trump, 1946-）喜愛使用推特，他盛讚這種現代的溝通工具，是反擊對手的重要管道，對於勝選更是貢獻良多，不過他的反對者曾多次批評川普的推文，真真假假，部分內容可能有虛構之嫌疑。2016年12月，《華盛頓郵報》發布了一個Google Chrome瀏覽器的擴展（extension）程式「RealDonaldContext」，安裝之後，它能自動對川普每條Twitter的可信度進行分析，在推文下方顯示“Just so you know"（只是讓你知道一下）、“This is incorrect or false"（這是不正確或錯誤的）、“There's important context missing"（有重要的脈絡缺失）等標記，對川普發言的內容進行補充、澄清或者說明，讓社會大眾盡可能掌握更全面或真實的資訊（參考網址https://zh-tw.facebook.com/RealDonaldContext/）。
英國的《每日郵報》（Daily Mail）平均每日銷售約一百五十多萬份，曾經因為散播種族主義、性別歧視而受到指責，醫學和科學方面的相關報導也遭到一些醫生和科學家的批判。2017年2月，維基百科的英文編輯群經過討論，達成一致意見，認定《每日郵報》的報導，疏於查證、譁眾取寵甚至編造新聞，因此將該報歸入「不可靠消息來源」，決定往後不再用於維基百科內容事實的參考資料。《每日郵報》的一位發言人就此事回應：「投票作出這一決定的編輯，人數只占數百萬位維基百科匿名編輯（anonymous editors）的一小部分，此舉讓人不知要哭或是要笑，紀錄顯示：2014年時，《每日郵報》就已經因為《維基百科》的不可靠性，禁止本報記者將其做為消息的唯一來源」。
1954年，美國作家赫夫（Darrell Huff, 1913-2001）出書《How to lie with statistics》（2005年中文版譯為《別讓統計數字騙了你》），此書的目的當然不是教人如何用統計說謊，而是告訴人們統計圖表如何做，數據如何呈現，也就是如何透過使用統計材料，讓外界得到全然不同的印象。嚴謹的統計報告，通常會避免使用含糊的「平均值」（average）一詞，取而代之的是，使用較精準的用詞「均值（mean）、中位數（median）、眾數（mode）」。均值就是將所有數據加在一起，再除以總體的樣本數量；中位數是一組數值從低到高排列，恰好處在中間位置的那個數值；眾數是一組數值中，出現最多次數的數值，例如4、4、5、6、8的均值是5.4，中位數是5，眾數是4。
如果一組數據中有過高或過低數值，則對均值會產生很大影響，例如9個人各有1,000美元存款，第10個人只有1美元存款，則均值是900.10美元。因為中位數處於中間位置，故很容易隱藏了那些很大或很小的數值，例如過去9年每年漲價3%，但今年漲價20%，中位數仍然是3%。如果數據組龐大，則較少機會出錯，如果數據組較小，則容易有誤區，例如100位受訪者對某產品的滿意度在1至10之間打分數，即使打10分的人數，只比其他分數多了1位，10分就是眾數。
統計數據真的有那麼可靠嗎？其實也不盡然，因為統計數據是人編製出來的，所以我們應注意「數字是怎樣被蒐集的、數字是怎樣被詮釋的」。畢竟有時候，數字根本是錯的，就算數字言之有理，統計只是詮釋數字，讓你信以為真，但未必是事實。幾年前，有一個被廣為報導的統計數據是這樣說的：「在美國，每年有15萬名少女和年輕女性死於厭食症」，你如何看待這項主張的合理性？根據美國疾病管制中心（Centers for Disease Control and Prevention, US CDC）的數據，年齡介於15至24歲的少女和年輕女性，每年死於各種原因的人數約8,500人，再加上25至44歲的女性人數，得到的數字也只有55,000人。因此，單一年度的厭食症死亡人數，不可能是所有死亡人數的3倍，15萬極可能是患有厭食症的人數，但是有些網路媒體沒有仔細查證，仍然以訛傳訛地複製錯誤。
2001年，美國德拉瓦大學（University of Delaware）社會學暨刑事司法系（Department of Sociology and Criminal Justice）教授貝斯特（Joel Best, 1946-），出書《Damned Lies and Statistics》（2008年中文版譯為《統計數字：是事實，還是謊言？》），書中提到作者的一段經驗：1995年，貝斯特應邀參與某一博士論文審查，在審查過程中，他發現這份博士論文「引言」的某句話很有問題，這句話是「美國自從1950年起，孩童遭到槍殺的人數，每年增加1倍」。假設1950年，只有1名美國孩童遭到槍殺，則遭到槍殺的人數，將從1、22、23、24…升高到1995年的245人，即遭到槍殺的人數會超過35兆，故這種說法不但說不通，更是不可能！
貝斯特教授深入追查，發現這句話出自美國兒童保護基金會（Children ' s Defense Fund），1994年的年度報告《The state of America's children yearbook 1994》，原文是“The number of American children killed each year by guns doubled since 1950“（自從1950年以來，美國兒童遭到槍殺人數，至今已增加一倍），也就是說，引用文獻者誤解了此句的真正含義，造成研究論文上的紕漏。
除了數據之外，圖表常被用來呈現數據之間的關係，方便人們透過視覺化的圖表，快速地理解大量的原始數據。為了增進圖表的美觀與透視效果，圓形圖（圖1A）可能被改繪成3D圓形圖（圖1B），由於3D圓形圖呈現的角度，會導致透視的扭曲效應，靠近讀者的item C（占5%），看起來反而大於較遠的item A（占11%）。
如果要以折線圖顯示國民收入在「一年之內增加10%」，則以X軸代表月份，Y軸代表金額（以10億美元計），可以中規中矩地繪出一條上升趨勢線（圖3A）。若想要給讀者深刻印象，則可刪掉曲線底部，縮小Y軸刻度間距，雖然數據相同，但是給人「一年之內國民收入急增10%」（圖3B）的視覺印象，營造出經濟欣欣向榮的景象。
擊敗偽資訊
2008年，英國記者湯普森（Damian Thompson, 1962-）發表新書，書名就提到「反知識」一詞，意指「經過包裝的錯誤訊息，使其看起來像是事實，而且被一些關鍵多數的人所相信」。在科學、政治、歷史、時事等領域的傳播，幾乎都有這樣的例子，「如果是真的呢？」的好奇想像，讓人們懷疑自己所知的一切，助長了假新聞的散播，反知識常披著知識與權威的外衣，但深入檢視後，就可以知道這些內容並沒有事實基礎。
湯普森的書中，提到「阿波羅登月計畫陰謀論」（moon landing conspiracy theories），是一系列針對美國阿波羅登月計畫（1961~1972年）的懷疑論。最著名的主張是1969年7月，阿波羅11號太空人阿姆斯壯（Neil Armstrong, 1930-2012）根本沒有踏上月球，登月影片是在地球上拍攝的，陰謀論主張：登陸月球不是人類歷史上最偉大的一大步，而是人類歷史上最偉大的騙局。至於「911陰謀論」（9/11 conspiracy theories）則是指2001年9月11日，發生在紐約的911恐怖攻擊，整個過程有諸多疑點，例如單憑飛機燃油燃燒的熱度，不可能讓世貿中心雙子星大樓（Twin Towers）的鋼骨軟化到無法支撐大廈重量的程度，反而比較像是使用炸藥造成的拆除工程（圖5）。有些學者一直不相信美國政府的官方報告，2005年上映的記錄片《脆弱的變化》（Loose Change），甚至指出美國政府自導自演了這次攻擊，為的是激起美國人的反中東情緒，也為日後侵略伊拉克埋下伏筆。
美國有些較古老的城市，城市供水是由鉛管輸送，鉛會釋放到自來水裡，長期飲用可能導致鉛中毒；另外，前往第三世界國家旅行時，由於當地的法規與衛生標準較低，瓶裝水也許是最好的選擇。但是在已開發國家裡，瓶裝水也不會比自來水更安全或更健康，這個依據來自各式各樣有信譽的來源，包括：美國歷史最久和最具影響力的環境公益法律機構「自然資源保護委員會」（Natural Resources Defense Council），2016-17年，全美最佳醫院排行榜第一名的「梅約醫學中心」（Mayo Clinic），消費者報導（Consumer Reports），以及幾篇有同儕審查（peer review）期刊的報告。
為什麼反知識能夠到處傳播？媒體記者蒐集資訊的模式有兩種，第一種是科學調查（scientific investigation）模式：報導科學方面的發展，記者和科學家是夥伴關係，當記者在同儕審查期刊或新聞稿讀到一份研究，記者只要將內容轉換成比較簡單，且能被大眾了解的語言，以吸引讀者和觀眾的閱讀興趣，就完成報導的工作。第二種是突發新聞（breaking news）模式：記者向消息來源或事件目擊者，蒐集資訊，讓大眾理解這個世界正在發生的某些事，憑藉的只是少數目擊證人的描述，來報導事件的真相。
在第一種模式，記者報導科學的發展，其發現是根據無數次觀察和龐大資料所做成；在第二種模式，許多奇聞軼事並不是研究發現，人們期待報紙在自己學習新知的同時，也應該娛樂我們，說故事給我們聽，而新聞性文章和科學性文章的舉證嚴謹度並不一樣，這是謠言、反知識和偽事實，能如此輕易地經由媒體傳播的核心原因所在。
兩者有關聯，就能推論之間有因果關係嗎？世界上正在發生的許多事情，難免會出現某些巧合，但這不代表某件事，會導致另外一件事發生，也就是「兩件事情有關聯，不一定表示兩者之間有因果關係」（Correlation does not imply causation）。1948年，美國著名經濟學家薩繆森（Paul Samuelson, 1915-2009）發表《經濟學》（Economics: An Introductory Analysis）一書，內容提到「因果謬誤（post hoc fallacy）是因為某件事發生在另一件事之前，就想當然地認為前者是後者的原因」，亦即「在此之後」便意味著「因為此事」（After this, therefore because of this）。雖然薩繆森指的是經濟學領域，建立理論和模型時，容易犯下因果謬誤，但這也是日常生活常見的邏輯謬誤之一。
例如，日本有醫學研究指出：「每天喝咖啡的人或是幾乎每天喝咖啡的人，罹患肝癌的比例，是那些從沒有喝咖啡的人的一半」，但這只是流行病學統計分析，並不能說兩者有因果關係。英國學者研究指出：「上網成癮者憂鬱沮喪的現象，比起沒上癮者嚴重得多，憂鬱指數足足高五倍」，即使上網成癮與罹患憂鬱症有關聯，但仍不能確定「到底是上網導致憂鬱，或是有憂鬱傾向者愛上網」。因果謬誤屬於非形式謬誤（informal fallacies），所謂非形式謬誤，並不是論證結構違犯了邏輯形式和規則，而是其他因素造成合理性或說服力不足的情況，往往需要相關的常識或背景知識，才能判斷是否為合理推論。
另一種常見的非形式謬誤是滑坡謬誤（slippery slope fallacy），就是不合理的連串使用「因果推論」，將每個環節的「可能性」，誇大地轉化為「必然性」，然後得到不合理的結論。例如孩子偶爾沒寫作業，滑坡謬誤可以將此事推向極端，敘述如下「你看看你，作業也不寫，不好好學習，如果不好好學習，就上不了好高中，再來就考不上好大學，畢業後就找不到好工作」。其實，偶爾沒寫作業，不表示一定沒好好學習，也不表示之後就考不上好高中；就算考不上好高中，也不表示之後就考不上好大學；就算考不上好大學，也不表示未來就找不到好工作。畢竟事實不一定照著線性推論發生，而是有其他的可能性發展。
由上述可知，反知識的謬誤論點，常藉著動人但誤導的方式，訴說偏離事實的故事，以故事行銷，滿足人類天生愛聽故事，以及「寧可信其有，不可信其無」的傾向，因此具有說服力且能到處傳播。因果謬誤將某事件發生的「可能性」，引申為「必然性」；滑坡謬誤將初始現象或行為，透過一連串的因果事件推向極端，得到意欲的結論，可說是倒果為因。
綜合上述，後真相時代是一個非理性的時代，到處充斥著假新聞、陰謀論和反知識，貌似合理的資訊，來源可能沒有公信力。因此，如何揭露不實資訊背後的真相？如何避免學到一大堆實情不然的偽科學？如何評估某種連串的推論，能否導出有效的結論？這些都有待您進一步的閱讀與思考！
大標：一眼就突破盲點的思考力：破解假數字、偽科學、不實資訊背後的真相
本書簡介：
作者： 丹尼爾．列維廷（Daniel J. Levitin）
譯者：曹嬿恆
出版社：商周出版
出版日期：2017年 5月11日
其他延伸閱讀： 好書推薦：『薛丁格的貓：50個改變歷史的物理學實驗』
「山寨物理」逐漸坐大的危機
本文感謝 臺灣科學教育館 『科學研習』雜誌同意轉載，本文出自於 『科學研習』 第56卷 第9期
https://www.ntsec.gov.tw/User/Article.aspx?a=3451
本書作者是美國神經學家暨認知心理學家列維廷（Daniel Levitin, 1957-），目前任教於加拿大麥基爾大學（McGill University），著有多本科普暢銷書。2001年，列維廷在大學開設一門批判思考的課程，2014-2016年，他整理當時的授課內容，2016年，出書《A Field Guide to Lies : Critical Thinking in the Information Age》（謊言教戰手冊）。2017年，作者重新撰寫「前言」，修改書名再版，成為本書。本書內容是教導讀者以批判思考的方式，對抗看似真實的錯誤訊息，辨認出建構在故事裡的謬誤觀點，揪出謊話連篇的假新聞（fake news）、反知識（counterknowledge）和陰謀論（conspiracy theory）。
破解假數字
愈來愈多的人透過社群網站獲得新資訊，但網路上有許多的不實謠言及假新聞事件。2015年6月，在谷歌公司（Google Inc.）的支持下，30多家新聞與科技公司組成「初稿聯盟」（First Draft Coalition），成員除了臉書、推特（Twitter），還包括紐約時報（The New York Times）、華盛頓郵報（The Washington Post）、BuzzFeed新聞、法新社（Agence France Presse, AFP）、澳洲廣播公司（Australian Broadcasting Corporation, ABC）新聞網和CNN等媒體，合力整頓假新聞，以及改善社群媒體上的資訊品質。
美國總統川普（Donald Trump, 1946-）喜愛使用推特，他盛讚這種現代的溝通工具，是反擊對手的重要管道，對於勝選更是貢獻良多，不過他的反對者曾多次批評川普的推文，真真假假，部分內容可能有虛構之嫌疑。2016年12月，《華盛頓郵報》發布了一個Google Chrome瀏覽器的擴展（extension）程式「RealDonaldContext」，安裝之後，它能自動對川普每條Twitter的可信度進行分析，在推文下方顯示“Just so you know"（只是讓你知道一下）、“This is incorrect or false"（這是不正確或錯誤的）、“There's important context missing"（有重要的脈絡缺失）等標記，對川普發言的內容進行補充、澄清或者說明，讓社會大眾盡可能掌握更全面或真實的資訊（參考網址https://zh-tw.facebook.com/RealDonaldContext/）。
英國的《每日郵報》（Daily Mail）平均每日銷售約一百五十多萬份，曾經因為散播種族主義、性別歧視而受到指責，醫學和科學方面的相關報導也遭到一些醫生和科學家的批判。2017年2月，維基百科的英文編輯群經過討論，達成一致意見，認定《每日郵報》的報導，疏於查證、譁眾取寵甚至編造新聞，因此將該報歸入「不可靠消息來源」，決定往後不再用於維基百科內容事實的參考資料。《每日郵報》的一位發言人就此事回應：「投票作出這一決定的編輯，人數只占數百萬位維基百科匿名編輯（anonymous editors）的一小部分，此舉讓人不知要哭或是要笑，紀錄顯示：2014年時，《每日郵報》就已經因為《維基百科》的不可靠性，禁止本報記者將其做為消息的唯一來源」。
1954年，美國作家赫夫（Darrell Huff, 1913-2001）出書《How to lie with statistics》（2005年中文版譯為《別讓統計數字騙了你》），此書的目的當然不是教人如何用統計說謊，而是告訴人們統計圖表如何做，數據如何呈現，也就是如何透過使用統計材料，讓外界得到全然不同的印象。嚴謹的統計報告，通常會避免使用含糊的「平均值」（average）一詞，取而代之的是，使用較精準的用詞「均值（mean）、中位數（median）、眾數（mode）」。均值就是將所有數據加在一起，再除以總體的樣本數量；中位數是一組數值從低到高排列，恰好處在中間位置的那個數值；眾數是一組數值中，出現最多次數的數值，例如4、4、5、6、8的均值是5.4，中位數是5，眾數是4。
如果一組數據中有過高或過低數值，則對均值會產生很大影響，例如9個人各有1,000美元存款，第10個人只有1美元存款，則均值是900.10美元。因為中位數處於中間位置，故很容易隱藏了那些很大或很小的數值，例如過去9年每年漲價3%，但今年漲價20%，中位數仍然是3%。如果數據組龐大，則較少機會出錯，如果數據組較小，則容易有誤區，例如100位受訪者對某產品的滿意度在1至10之間打分數，即使打10分的人數，只比其他分數多了1位，10分就是眾數。
統計數據真的有那麼可靠嗎？其實也不盡然，因為統計數據是人編製出來的，所以我們應注意「數字是怎樣被蒐集的、數字是怎樣被詮釋的」。畢竟有時候，數字根本是錯的，就算數字言之有理，統計只是詮釋數字，讓你信以為真，但未必是事實。幾年前，有一個被廣為報導的統計數據是這樣說的：「在美國，每年有15萬名少女和年輕女性死於厭食症」，你如何看待這項主張的合理性？根據美國疾病管制中心（Centers for Disease Control and Prevention, US CDC）的數據，年齡介於15至24歲的少女和年輕女性，每年死於各種原因的人數約8,500人，再加上25至44歲的女性人數，得到的數字也只有55,000人。因此，單一年度的厭食症死亡人數，不可能是所有死亡人數的3倍，15萬極可能是患有厭食症的人數，但是有些網路媒體沒有仔細查證，仍然以訛傳訛地複製錯誤。
2001年，美國德拉瓦大學（University of Delaware）社會學暨刑事司法系（Department of Sociology and Criminal Justice）教授貝斯特（Joel Best, 1946-），出書《Damned Lies and Statistics》（2008年中文版譯為《統計數字：是事實，還是謊言？》），書中提到作者的一段經驗：1995年，貝斯特應邀參與某一博士論文審查，在審查過程中，他發現這份博士論文「引言」的某句話很有問題，這句話是「美國自從1950年起，孩童遭到槍殺的人數，每年增加1倍」。假設1950年，只有1名美國孩童遭到槍殺，則遭到槍殺的人數，將從1、22、23、24…升高到1995年的245人，即遭到槍殺的人數會超過35兆，故這種說法不但說不通，更是不可能！
貝斯特教授深入追查，發現這句話出自美國兒童保護基金會（Children ' s Defense Fund），1994年的年度報告《The state of America's children yearbook 1994》，原文是“The number of American children killed each year by guns doubled since 1950“（自從1950年以來，美國兒童遭到槍殺人數，至今已增加一倍），也就是說，引用文獻者誤解了此句的真正含義，造成研究論文上的紕漏。
除了數據之外，圖表常被用來呈現數據之間的關係，方便人們透過視覺化的圖表，快速地理解大量的原始數據。為了增進圖表的美觀與透視效果，圓形圖（圖1A）可能被改繪成3D圓形圖（圖1B），由於3D圓形圖呈現的角度，會導致透視的扭曲效應，靠近讀者的item C（占5%），看起來反而大於較遠的item A（占11%）。
圖1. 圓形圖與3D圓形圖的比較（圖片來源：WikiMedia Commons）
2008年，蘋果公司的賈伯斯（Steve Jobs, 1955-2011）在Macworld大會所做主題演講（keynote speech），就是以「3D圓形圖」呈現美國各廠牌手機的市場占有率（圖2），Apple的19.5%單獨脫離圓形，繪在下方的較近位置，而其他類的21.2%留在圓形內，則繪在上方較遠的位置，結果造成了19.5%比21.2%還要大的神奇視覺效果，藉此突顯自家產品的市占率。
圖3. 一年內國民收入趨勢（圖片來源：白榮銓繪製）
2012年，立場偏向共和黨的美國有線電視公司《福斯新聞頻道》（Fox News Channel），播出一張條形圖，右邊長條的高度是左邊長條的6倍（圖4），顯示如果布希時代的減稅政策到期後，與現在相比，2013年1月將會發生稅賦大幅增加的視覺印象。在電視畫面匆匆一瞥的情況下，觀眾可能來不及檢視Y軸的刻度，其實，Y軸是從34%開始畫起，而且兩者的的實際差異，只是稅率35%與稅率39.6%之差而已，也就是說，如果減稅措施終止，稅賦只會增加4.6個百分點，而非這張圖所描繪的6倍。
圖4. 減稅前後的稅率比較（圖片來源：http://www.statisticshowto.com/misleading-graphs/）
由上述可知，即使有些網站開發軟體，打擊假新聞，但是媒體上仍充斥著許多不實的文字、統計數據、圖表和趨勢。這些經過擦脂抹粉的資訊，粉飾美化了許多重要事實，在精心包裝的華麗外表底下，可能隱藏了不為人知的訊息，以至於混淆或簡單化了事實真相。惟有積極培養洞悉問題的批判思考力，始有可能正確地解讀「統計與圖表」。擊敗偽資訊
2008年，英國記者湯普森（Damian Thompson, 1962-）發表新書，書名就提到「反知識」一詞，意指「經過包裝的錯誤訊息，使其看起來像是事實，而且被一些關鍵多數的人所相信」。在科學、政治、歷史、時事等領域的傳播，幾乎都有這樣的例子，「如果是真的呢？」的好奇想像，讓人們懷疑自己所知的一切，助長了假新聞的散播，反知識常披著知識與權威的外衣，但深入檢視後，就可以知道這些內容並沒有事實基礎。
湯普森的書中，提到「阿波羅登月計畫陰謀論」（moon landing conspiracy theories），是一系列針對美國阿波羅登月計畫（1961~1972年）的懷疑論。最著名的主張是1969年7月，阿波羅11號太空人阿姆斯壯（Neil Armstrong, 1930-2012）根本沒有踏上月球，登月影片是在地球上拍攝的，陰謀論主張：登陸月球不是人類歷史上最偉大的一大步，而是人類歷史上最偉大的騙局。至於「911陰謀論」（9/11 conspiracy theories）則是指2001年9月11日，發生在紐約的911恐怖攻擊，整個過程有諸多疑點，例如單憑飛機燃油燃燒的熱度，不可能讓世貿中心雙子星大樓（Twin Towers）的鋼骨軟化到無法支撐大廈重量的程度，反而比較像是使用炸藥造成的拆除工程（圖5）。有些學者一直不相信美國政府的官方報告，2005年上映的記錄片《脆弱的變化》（Loose Change），甚至指出美國政府自導自演了這次攻擊，為的是激起美國人的反中東情緒，也為日後侵略伊拉克埋下伏筆。
圖5. 911恐怖攻擊後世貿中心倒塌現場（圖片來源：Wikimedia Commons）
為什麼反知識能夠取信於某些民眾？這是因為反知識的論述，有些是可被驗證的事實，包裝成專業性的文章，然後攙雜一些假的內容，將假事實與真正的事實相互掛鉤，就能得到似是而非的反知識，不仔細思辨，難免信以為真。例如「喝瓶裝水會比較健康」這件事，可以這樣敘述「水是由氫和氧所組成，分子式是H2O，人體組成的成分中，水的含量最高，約占體重的60%，血液含有約92%的水，水是人體代謝不可缺少的物質，但是世界上有許多地方的水遭到污染，我們接觸到的水，能飲用的少於1%，頂尖的健康研究人員建議飲用瓶裝水，他們絕大多數都喝瓶裝水」，這些敘述似乎符合邏輯，大部分都是真的，但是「頂尖的健康研究人員」是誰？「他們也喝瓶裝水」是什麼意思？美國有些較古老的城市，城市供水是由鉛管輸送，鉛會釋放到自來水裡，長期飲用可能導致鉛中毒；另外，前往第三世界國家旅行時，由於當地的法規與衛生標準較低，瓶裝水也許是最好的選擇。但是在已開發國家裡，瓶裝水也不會比自來水更安全或更健康，這個依據來自各式各樣有信譽的來源，包括：美國歷史最久和最具影響力的環境公益法律機構「自然資源保護委員會」（Natural Resources Defense Council），2016-17年，全美最佳醫院排行榜第一名的「梅約醫學中心」（Mayo Clinic），消費者報導（Consumer Reports），以及幾篇有同儕審查（peer review）期刊的報告。
為什麼反知識能夠到處傳播？媒體記者蒐集資訊的模式有兩種，第一種是科學調查（scientific investigation）模式：報導科學方面的發展，記者和科學家是夥伴關係，當記者在同儕審查期刊或新聞稿讀到一份研究，記者只要將內容轉換成比較簡單，且能被大眾了解的語言，以吸引讀者和觀眾的閱讀興趣，就完成報導的工作。第二種是突發新聞（breaking news）模式：記者向消息來源或事件目擊者，蒐集資訊，讓大眾理解這個世界正在發生的某些事，憑藉的只是少數目擊證人的描述，來報導事件的真相。
在第一種模式，記者報導科學的發展，其發現是根據無數次觀察和龐大資料所做成；在第二種模式，許多奇聞軼事並不是研究發現，人們期待報紙在自己學習新知的同時，也應該娛樂我們，說故事給我們聽，而新聞性文章和科學性文章的舉證嚴謹度並不一樣，這是謠言、反知識和偽事實，能如此輕易地經由媒體傳播的核心原因所在。
兩者有關聯，就能推論之間有因果關係嗎？世界上正在發生的許多事情，難免會出現某些巧合，但這不代表某件事，會導致另外一件事發生，也就是「兩件事情有關聯，不一定表示兩者之間有因果關係」（Correlation does not imply causation）。1948年，美國著名經濟學家薩繆森（Paul Samuelson, 1915-2009）發表《經濟學》（Economics: An Introductory Analysis）一書，內容提到「因果謬誤（post hoc fallacy）是因為某件事發生在另一件事之前，就想當然地認為前者是後者的原因」，亦即「在此之後」便意味著「因為此事」（After this, therefore because of this）。雖然薩繆森指的是經濟學領域，建立理論和模型時，容易犯下因果謬誤，但這也是日常生活常見的邏輯謬誤之一。
例如，日本有醫學研究指出：「每天喝咖啡的人或是幾乎每天喝咖啡的人，罹患肝癌的比例，是那些從沒有喝咖啡的人的一半」，但這只是流行病學統計分析，並不能說兩者有因果關係。英國學者研究指出：「上網成癮者憂鬱沮喪的現象，比起沒上癮者嚴重得多，憂鬱指數足足高五倍」，即使上網成癮與罹患憂鬱症有關聯，但仍不能確定「到底是上網導致憂鬱，或是有憂鬱傾向者愛上網」。因果謬誤屬於非形式謬誤（informal fallacies），所謂非形式謬誤，並不是論證結構違犯了邏輯形式和規則，而是其他因素造成合理性或說服力不足的情況，往往需要相關的常識或背景知識，才能判斷是否為合理推論。
另一種常見的非形式謬誤是滑坡謬誤（slippery slope fallacy），就是不合理的連串使用「因果推論」，將每個環節的「可能性」，誇大地轉化為「必然性」，然後得到不合理的結論。例如孩子偶爾沒寫作業，滑坡謬誤可以將此事推向極端，敘述如下「你看看你，作業也不寫，不好好學習，如果不好好學習，就上不了好高中，再來就考不上好大學，畢業後就找不到好工作」。其實，偶爾沒寫作業，不表示一定沒好好學習，也不表示之後就考不上好高中；就算考不上好高中，也不表示之後就考不上好大學；就算考不上好大學，也不表示未來就找不到好工作。畢竟事實不一定照著線性推論發生，而是有其他的可能性發展。
由上述可知，反知識的謬誤論點，常藉著動人但誤導的方式，訴說偏離事實的故事，以故事行銷，滿足人類天生愛聽故事，以及「寧可信其有，不可信其無」的傾向，因此具有說服力且能到處傳播。因果謬誤將某事件發生的「可能性」，引申為「必然性」；滑坡謬誤將初始現象或行為，透過一連串的因果事件推向極端，得到意欲的結論，可說是倒果為因。
綜合上述，後真相時代是一個非理性的時代，到處充斥著假新聞、陰謀論和反知識，貌似合理的資訊，來源可能沒有公信力。因此，如何揭露不實資訊背後的真相？如何避免學到一大堆實情不然的偽科學？如何評估某種連串的推論，能否導出有效的結論？這些都有待您進一步的閱讀與思考！
大標：一眼就突破盲點的思考力：破解假數字、偽科學、不實資訊背後的真相
本書簡介：
作者： 丹尼爾．列維廷（Daniel J. Levitin）
譯者：曹嬿恆
出版社：商周出版
出版日期：2017年 5月11日
其他延伸閱讀： 好書推薦：『薛丁格的貓：50個改變歷史的物理學實驗』
「山寨物理」逐漸坐大的危機
本文感謝 臺灣科學教育館 『科學研習』雜誌同意轉載，本文出自於 『科學研習』 第56卷 第9期
https://www.ntsec.gov.tw/User/Article.aspx?a=3451