ما امروزه با آمار و ارقام و نتایج آزمایش و گزارش های متعدد سر و کله میزنیم پس خیلی مهمه که دید واقع گرایانه به تحلیل و آنالیز آمار و نتایجی که در اختیارمون قرار میدن داشته باشیم
مهم نیست که آمار از پژوهشگاه، دانشگاه، دولت و یا سازمان و هر جای دیگه به دست ما میرسد، ما باید بتوانیم این نتایج و مخصوصا آنهایی که برایمان مهم هستند راستی آزمایی کنیم، زیرا که تمام این مراکز اسیر خطای سوگیری های شناختی هستند ( یعنی به صورت کامل تمام متغیرها را در یک تحقیق آنالیز نمی کنند)
سوال اینجاست، حالا ما باید برای آنالیز آماری که در روزمره بهمون داده میشه چه کار کنیم؟
نکته اول اگر نتیجه تحقیق رو دیدید حتما بریم چک کنیم یا متغیر ها رو در ذهنتان مرور کرده و اطمینان حاصل کنیم که آیا این متغیر های از هم مستقل هستند یا خیر...
به عنوان مثال در مطالعات کلان می توان دید که آمار مرگ میر بر اثر بیمار ابولا 30% عنوان شده ولی با یک مرور اجمالی میشه دید که این ویروس مثلا در آفریقا 70% و در آمریکا 18% مرگ و میر داشته ولی چون آمار به صورت جهانی داده شده شما هم همان 30% رو ضریب احتمال میدونید در صورتی که روش های درمان و امکانات بهداشتی و درمانی در این درو قاره قابل مقایسه نیست
حالا همین آمارهای این ویروس جدید کرونا رو با هم بررسی کنیم در برخی از شهرهای چین این آمار به 1/5% و در نقاطی به 7% هم رسیده پس اینکه ما در کجا زندگی میکنیم و چه امکاناتی درمانی برای درمان فراهم است یکی از متغیر های مهم این خبر است
متغیرهایی مثل آب و هوا هم بی تاثییر نخواهد بود مثلا شاید این ویروس در نواحی گرمسیر کمتر تلفات داشه باشه و در سردسیر بیشتر
یا متغیر مانند سن رو در نظر بگیریم این آمار بطور کلی تغییر خواهد کرد
به این صورت که اگر ما به صورت حدودی نیمی از جمعیت مبتلا شده را کودکان که مقاومت بالایی در مقابل ویروس دارند رو کنار بزاریم متوجه میشویم که این درصد در نواحی پر خطر به 14% میان بزرگسالان می رسد و اگه این آمار رو مابین افرادی که بین افراد مسن و یا کسانی که دارای بیماری زمینه ای هستند در نظر داشته باشیم رقم مرگ و میر چندین برابر خواهد شد
حالا شما مقایسه کنید با حرف های فرافکنی و مغالطه ای مانند اینکه که حالا 2% بین 8.5 میلیارد که چیزی نیست و حتی خطرناکتر اینکه این بر اساس خطای سوگیری شناختی انسان این 2% را ناچیز پنداشته و ممکن است در ذهن خود آن را حتی به صفر برساند!
به این نوع نگاه در نتیجه گیری "فیل روزنس وایگ" (Phil Rosenzweig ) در کتاب "اثر هاله ای" ((The Halo Effect که به اون اصطلاح (The Delusion of Single Explanations) که من او را "توهم شناخت از یک توضیح " معنی می کنم. در این مورد به نوعی محقق سعی در ساده سازی بیش از حد از موضع دارد و این بزرگترین دامی است که حتی در بعضی از مطالعات دقیق در مراکز پژوهش و دانشگاهی نیز دچار آن میشوند. حال اینکه ما اگر فکر کنیم بررسی یک فاکتور میتواند توضیح برای اون مسئله باشد و بررسی تک موضوعی ما رو به نتیجه می رساند بسیار خطای فاحشی انجام دادیم.
این خطاهای همیشه هم به اعداد و ارقام مربوط نمیشه، در بسیاری از موارد رابطه های مابین متغیر های مطرح می شود که به نوعی پاسخ مسئله هستند به عنوان مثال اگر در پژوهشی نشان می دهد که افرادی که در روز پسته بیشتر مصرف کنند دچار خطرات حمله قلبی کمتری می شوند آیا ما آن را به عنوان یک اصل باید بپذیریم؟ خیر زیرا نکته اینجاست که این یک رابطه علت و معلولی نیست و صرفا همبستگی میان این دو را نشان می دهد چرا که فاکتور های بسیار زیادی برای حمله های قلبی وجود دارد و صرف خوردن پسته شما را مصون نمی کند مثلا اگر کسی به صورت ژنتیکی این بیماری را داشته باشد این نتیجه برای اون کاملا بی فایده است. پس میتوان بصورت واضح دید که کمتر تحقیق جامع و کاملی که همه فاکتورها را بررسی کند و جود دارد و ما باید آن را تا حدودی با شرایط خودمان تطبیق دهیم.
نمونه دیگر اینکه عده ای آمار کشته های ویروس کرونا را با بیماری های دیگر و کاملا غیر هم خانواده را منتشر کردند و با مقایسه تعداد تلفات آنها با کرونا (کوئید-19) در طول یکسال که به مراتب تلفات بیشتری از کرونا را نشان می داد منتشر کردند.
در این مقایسه با یک نتیجه گیری سطحی مسئله کوئید-19 رو برای خودشان ساده کردند. گمان بردند که این ویروس چون تا امروز نسبت به بقیه بیماری ها تعداد تلفات کمتری داشته پس مسئله مهمی نیست و آنقدر ها هم خطرناک نیست، در صورتی که با بررسی فاکتورهای گوناگون متوجه می شویم که با پیشگیری ها و قرنطینه های صورت گرفته تعداد کم است و اگر جلوی این بیماری گرفته نمی شد، با کمترین آمار ممکن که آخرین بار 3/4% تلفات اعلام شده در عرض کند ماه جمعیتی بسیار بیشتر از چیزی که ما با بیماری های دیگر مقایسه می کنیم، خواهیم داشت
نتیجه:
سعی کنیم مقایسه های ساده انگارانه که فقط با چندتا عدد و رقم است رو کنار بگذاریم.
خیلی مراقب باشیم که آمار رو به اصطلاح بهمون نندازن و بیشتر هوشیار باشیم تا دچار خطایی سوگیری شناختی نشویم
