Muy a menudo uno puede encontrar afirmaciones de que las declaraciones hechas por algún meme están respaldadas por "investigación" o "ciencia". Pero cuando comienzo a leer los estudios en sí, generalmente resulta que los datos contradicen las declaraciones. Aquí hay algunos ejemplos nuevos que he encontrado.
Efecto Dunning-Krueger
La versión científica popular del efecto Dunning-Krueger suena de modo que cuanto menos alguien sepa algo sobre un tema elegido, más le parecerá su conocimiento. De hecho, la declaración de Dunning y Kruger no es tan fuerte. El trabajo científico original ya no es más que la mayoría de sus interpretaciones incorrectas de la ciencia popular, y puede hacerse una idea de las declaraciones de los científicos al estudiar las cuatro figuras del artículo. En estos gráficos, la habilidad percibida, o la habilidad percibida, indica una calificación subjetiva, y la habilidad real, o habilidad real, es el resultado de la prueba.
En dos de cuatro casos, es obvia una correlación positiva entre las habilidades percibidas y las reales, lo que contradice el concepto de ciencia popular del efecto Dunning-Krueger. Una explicación plausible de por qué las habilidades percibidas son concisas, especialmente en la parte inferior del gráfico, es que pocas personas quieren calificar sus habilidades como inferiores al promedio o como las mejores. En otros dos casos, la correlación es casi cero. Es posible que este efecto funcione de manera diferente para diferentes tareas, o que la muestra sea demasiado pequeña y que la diferencia entre las diferentes tareas esté dentro del ruido. Además, este efecto puede ocurrir debido a los detalles de la muestra de sujetos (estudiantes de Cornell, que probablemente demuestren habilidades superiores a la media en muchas áreas). Si busca una descripción del efecto en Wikipedia, dirá que la reproducción de esta experiencia en el este de Asia dio el resultado opuesto (las habilidades percibidas son más bajas que las reales, y cuanto mayor es la habilidad, mayor es la diferencia), y que este efecto es probablemente un artefacto de la cultura estadounidense: pero al mismo tiempo, el enlace lleva a un artículo que menciona un metaanálisis de la autoconfianza de Asia oriental, por lo que puede ser otro ejemplo de citas incorrectas. ¿O es solo el enlace equivocado? En cualquier caso, este efecto no significa que mientras más personas sepan, menos, en su opinión, su conocimiento.
Ingresos y felicidad
En general, se acepta que el dinero no hace felices a las personas. Cuánto dinero debería ser suficiente: depende de a quién le pregunte, pero generalmente hablan de ingresos de $ 10, $ 30, $ 40 y $ 75 mil al año. Por el momento, una búsqueda en Google muestra que la cantidad después de la cual el aumento en el ingreso ya no afecta la felicidad es de $ 75,000 por año.
Nota perev .: es bastante difícil transferir sus ingresos a nuestras realidades. Puede evaluar el poder adquisitivo mediante un método tan popular como el índice Big Mac, y luego las estimaciones aproximadas serán las siguientes. Si cree en la calculadora en línea, entonces, en manos de un ingreso de $ 75,000 por año, una persona recibirá un promedio de $ 53,500. En bigmax, esto corresponderá aproximadamente a un ingreso mensual (como estamos más acostumbrados a pensar) de 130,000 rublos "limpio".
Pero esto no solo es incorrecto: esta incorrección
persiste en todos los países estudiados .
Existe una correlación de felicidad e ingresos, y este no es el resultado de ningún estudio especialmente seleccionado. Los resultados se guardan después de cinco encuestas consecutivas de la Encuesta Mundial de Valores realizadas entre 1981-1984, 1989-1993, 1994-1999, 2000-2004 y 2005-2009, y tres repeticiones de las encuestas de la Encuesta Global de Actitudes Pew para 2002, 2007, 2010, cinco repeticiones del Programa Internacional de Encuestas Sociales para 1991, 1998, 2001, 2007, 2008 y un gran estudio de Gallup.
En el gráfico anterior, los ingresos se muestran en una escala logarítmica. Si selecciona un país y crea un gráfico de líneas, obtendrá
algo como lo siguiente :
Al igual que con todos los gráficos logarítmicos, la impresión es que la curva debería estar casi alineada y llegar a algo como esto:
Esta es una imagen real de un artículo que afirma que los ingresos no hacen felices a las personas. Gráficos similares, similares a logarítmicos, que se alinean con el tiempo son bastante comunes. Intenta buscar en Google la frase "
ingresos de felicidad ". Mi artículo favorito es uno en el que las personas que ganan suficiente dinero están en la cima de la escala. Aparentemente, hay tal cantidad de dinero que no solo te hace feliz, sino que también te hace lo más feliz posible por una persona.
Como en el caso de Dunning-Krueger, puede ver los gráficos en artículos científicos y ver qué es qué. En este caso, es más fácil entender por qué las personas están difundiendo la información incorrecta, ya que es bastante fácil entender mal los datos construidos en una escala lineal.
Adaptación hedónica y felicidad
La idea de que la gente se aleje de los problemas (y de las emociones positivas) y regrese a un nivel fijo de felicidad entró en la conciencia popular después de que Daniel Gilbert lo describiera en un
libro popular .
Pero incluso sin estudiar la literatura sobre la adaptación a los eventos adversos, la sección anterior del artículo ya puede plantear ciertas preguntas para esta idea. Si las personas se alejan de los eventos desagradables y agradables, ¿cómo aumenta el ingreso aumentar la felicidad de una persona?
Resulta que la idea de adaptarse a eventos desagradables y volver al nivel anterior de felicidad es un mito. Aunque los efectos específicos varían según la naturaleza del evento, la
discapacidad , el
divorcio , la
pérdida de la pareja , la
pérdida del trabajo tienen un efecto duradero en el nivel de felicidad. Perder un trabajo es fácil de solucionar, pero el impacto de este evento persiste incluso después de que las personas vuelven a encontrar trabajo. Aquí cité solo cuatro estudios, pero un
metanálisis de la literatura muestra que los resultados se confirman en todos los estudios conocidos.
Lo mismo es cierto para los eventos agradables. Aunque en general se acepta que ganar la lotería no hace a las personas más felices,
resulta que esto no es así .
En ambos casos, la investigación transversal temprana mostró la probabilidad de que casos extremos, como ganar una lotería o ganar discapacidad, no tengan un efecto duradero en la felicidad. Pero los estudios más largos que estudian ciertas personalidades y miden la felicidad de una persona, mientras que diferentes eventos le suceden, muestran el resultado opuesto: los eventos que ocurren afectan la felicidad. En su mayor parte, estos resultados no son nuevos (algunos aparecieron incluso antes del lanzamiento del libro de Daniel Gilbert), pero los resultados anteriores se basan en investigaciones menos rigurosas y continúan extendiéndose más rápido que corrigiendo los nuevos.
Sistemas de tipo
Desafortunadamente, las declaraciones falsas sobre investigación y evidencia no se limitan a los memes de la ciencia popular. También se encuentran en el desarrollo de software y hardware.
Los programadores que dudan del valor de los sistemas tipo son el equivalente tecnológico de los opositores a la vacunación.Veo esas cosas al menos una vez a la semana. Elegí este ejemplo no porque sea particularmente atroz, sino porque es típico. Si lee en Twitter algunos de los defensores más fuertes de la programación funcional, periódicamente puede encontrar declaraciones sobre la existencia de evidencia empírica seria y estudios exhaustivos que respalden la efectividad de los sistemas de tipos.
Sin embargo, una
revisión de la evidencia empírica muestra que estas pruebas son en su mayor parte incompletas y en otros casos ambiguas. De todos los memes falsos, este, en mi opinión, es el más difícil de entender. En otros casos, puedo imaginar un mecanismo plausible de cómo estos resultados pueden malinterpretarse. "La comunicación es más débil de lo esperado" puede convertirse en "la comunicación resultó ser opuesta a la esperada", el logaritmo puede parecer una función asintótica, y los resultados preliminares obtenidos por métodos dudosos pueden propagarse más rápido que los estudios posteriores y mejor completados. Pero no estoy seguro de cuál es la conexión entre la evidencia y las opiniones en este caso.
¿Se puede evitar esto?
Uno puede entender por qué los memes falsos se propagan tan rápido, a pesar de que contradicen directamente una fuente confiable. Leer artículos científicos puede parecer una tarea desalentadora. A veces lo es. Pero a menudo esto no es así. Leer un trabajo puramente matemático suele ser una tarea tediosa. Leer el trabajo empírico que determina la confiabilidad de una metodología puede ser difícil. Por ejemplo, la bioestadística y la econometría utilizan métodos completamente diferentes, y es bastante difícil comenzar a comprender bien el conjunto de métodos utilizados en un área en particular para comprender exactamente dónde se pueden aplicar y cuáles son sus desventajas. Pero leer obras empíricas simplemente para comprender lo que dicen suele ser bastante fácil.
Si lee el extracto y la conclusión, y luego se desplaza por el trabajo en busca de puntos interesantes (gráficos, tablas, fallas metodológicas, etc.), en la mayoría de los casos esto será suficiente para comprender si las declaraciones populares coinciden con lo escrito en el trabajo En mi mundo ideal, esto podría entenderse leyendo solo el extracto, pero a menudo las obras indican declaraciones mucho más fuertes en los extractos que las que se dan en el cuerpo del trabajo, por lo que debe al menos desplazarse por el trabajo.
Tal vez soy ingenuo, pero creo que la razón principal de la aparición de memes falsos es que verificar las fuentes parece más complicado y aterrador de lo que realmente es. Un ejemplo sorprendente de esto es un artículo en la revista Quartz sobre la ausencia de diferencias de género en los salarios en las áreas tecnológicas, en el que se citaron
muchas fuentes que indicaban exactamente lo contrario . Twitter sonó por la gente diciendo que la diferencia de género había desaparecido. Cuando publiqué una publicación en la que simplemente cité los mismos trabajos a los que se hizo referencia, muchas de estas personas dijeron que su declaración inicial era errónea. Es bueno que estén listos para escribir una corrección en sus propias palabras, pero por lo que puedo decir, ninguno de ellos fue a leer los datos ellos mismos, aunque estaba claro en los gráficos y tablas cómo el autor del artículo original sobre Quartz promueve su opinión sin siquiera preocuparse. sobre la selección de artículos adecuados para ello.