Combien de personnes suivent les liens et vérifient les sources?

Très souvent, on peut trouver des déclarations selon lesquelles les déclarations faites par certains memes sont étayées par «la recherche» ou la «science». Mais lorsque je commence à lire les études elles-mêmes, il s'avère généralement que les données contredisent les affirmations. Voici de nouveaux exemples que j'ai rencontrés.

Effet Dunning-Krueger

La version scientifique populaire de l'effet Dunning-Krueger sonne de telle sorte que moins quelqu'un sait quelque chose sur un sujet choisi, plus ses connaissances lui semblent. En fait, la déclaration de Dunning et Kruger n'est pas si forte. Le travail scientifique original n'est plus que la plupart de ses interprétations incorrectes de la science populaire, et vous pouvez vous faire une idée des déclarations des scientifiques en étudiant les quatre chiffres de l'article. Dans ces graphiques, la capacité perçue ou la capacité perçue indique une évaluation subjective et la capacité réelle, ou la capacité réelle, est le résultat du test.





Dans deux cas sur quatre, une corrélation positive entre les compétences perçues et les compétences réelles est évidente, ce qui contredit le concept scientifique populaire de l'effet Dunning-Krueger. Une explication plausible de la raison pour laquelle les compétences perçues sont concises, en particulier au bas du graphique, est que peu de personnes souhaitent évaluer leurs compétences comme inférieures ou moyennes. Dans deux autres cas, la corrélation est presque nulle. Il est possible que cet effet fonctionne différemment pour différentes tâches, ou que l'échantillon soit trop petit et que la différence entre les différentes tâches soit dans le bruit. En outre, cet effet peut se produire en raison des spécificités de l'échantillon de sujets (étudiants Cornell, qui sont susceptibles de démontrer des compétences supérieures à la moyenne dans de nombreux domaines). Si vous recherchez une description de l'effet sur Wikipédia, cela dira que la reproduction de cette expérience en Asie de l'Est a donné le résultat inverse (les compétences perçues sont inférieures aux compétences réelles, et plus la compétence est grande, plus la différence est grande), et que cet effet est très probablement un artefact de la culture américaine - mais en même temps, le lien mène à un article mentionnant une méta-analyse de la confiance en soi en Asie de l'Est, donc cela peut s'avérer être un autre exemple de citation incorrecte. Ou est-ce juste le mauvais lien? En tout état de cause, cet effet ne signifie pas que plus les gens connaissent, moins, à leur avis, leurs connaissances.

Revenu et bonheur

Il est généralement admis que l'argent ne rend pas les gens heureux. Combien d'argent devrait être suffisant - cela dépend de qui vous demandez, mais ils parlent généralement de revenus de 10 $, 30 $, 40 $ et 75 000 $ par an. À l'heure actuelle, une recherche sur Google montre que le montant après lequel l'augmentation des revenus n'affecte plus le bonheur est de 75 000 $ par an.

Remarque perev.: il est assez difficile de transférer leurs revenus dans nos réalités. Vous pouvez évaluer le pouvoir d'achat par une méthode assez populaire comme l'indice Big Mac, puis les estimations approximatives seront les suivantes. Si vous croyez à la calculatrice en ligne, alors entre les mains d'un revenu de 75 000 $ par an, une personne recevra en moyenne 53 500 $. En bigmax, cela correspondra grosso modo à un revenu mensuel (comme nous sommes plus habitués à le penser) de 130 000 roubles "propres".



Mais ce n'est pas seulement faux - cette inexactitude persiste pour tous les pays étudiés .



Il existe une corrélation entre le bonheur et le revenu, et ce n'est le résultat d'aucune étude spécialement sélectionnée. Les résultats sont enregistrés après cinq sondages consécutifs du World Values ​​Survey menés entre 1981-1984, 1989-1993, 1994-1999, 2000-2004 et 2005-2009, et trois répétitions des sondages Pew Global Attitudes Survey pour 2002, 2007, 2010, cinq répétitions du Programme international d'enquêtes sociales pour 1991, 1998, 2001, 2007, 2008 et une grande étude Gallup.

Dans le graphique ci-dessus, les revenus sont affichés sur une échelle logarithmique. Si vous sélectionnez un pays et créez un graphique linéaire, vous obtiendrez quelque chose comme ceci :



Comme avec tous les graphiques logarithmiques, l'impression est que la courbe devrait être à peu près alignée et arriver à quelque chose comme ceci:



Ceci est une image réelle d'un article affirmant que le revenu ne rend pas les gens heureux. Similaire, similaire à logarithmique, les graphiques qui s'alignent dans le temps sont assez courants. Essayez de googler l'expression « revenu de bonheur ». Mon article préféré est celui où les gens qui gagnent assez d'argent sont tout en haut de l'échelle. Apparemment, il y a une telle somme d'argent qui vous rend non seulement heureux, mais aussi aussi heureux que possible pour une personne.

Comme dans le cas de Dunning-Krueger, vous pouvez regarder les graphiques dans les articles scientifiques et voir quoi. Dans ce cas, il est plus facile de comprendre pourquoi les gens répandent les mauvaises informations, car il est assez facile de mal comprendre les données construites sur une échelle linéaire.

Adaptation hédonique et bonheur

L'idée que les gens s'éloignent des problèmes (et des émotions positives) et retournent à un niveau fixe de bonheur est entrée dans la conscience populaire après que Daniel Gilbert l'ait décrite dans un livre populaire .

Mais même sans étudier la littérature sur l'adaptation aux événements indésirables, la section précédente de l'article peut déjà soulever certaines questions pour cette idée. Si les gens s'éloignent des événements désagréables et agréables, comment l'augmentation du revenu augmente-t-elle le bonheur d'une personne?

Il s'avère que l'idée de s'adapter à des événements désagréables et de revenir au niveau de bonheur précédent est un mythe. Bien que les effets spécifiques varient selon la nature de l'événement, l' invalidité , le divorce , la perte de partenaire , la perte de travail ont un effet durable sur le niveau de bonheur. La perte d'un emploi est facile à réparer, mais l'impact de cet événement persiste même après que les gens retrouvent du travail. Ici, je n'ai cité que quatre études, mais une méta-analyse de la littérature montre que les résultats sont confirmés dans toutes les études connues.

Il en va de même pour les événements agréables. Bien qu'il soit généralement admis que gagner à la loterie ne rend pas les gens plus heureux, il s'avère que ce n'est pas le cas .

Dans les deux cas, les premières recherches transversales ont montré la probabilité que des cas extrêmes, comme gagner à la loterie ou gagner en handicap, n'aient pas d'effet durable sur le bonheur. Mais des études plus longues qui étudient certaines personnalités et mesurent le bonheur d'une personne, tandis que différents événements lui arrivent, montrent le résultat inverse - les événements qui se produisent affectent le bonheur. Ces résultats ne sont pour la plupart pas nouveaux (certains d'entre eux sont apparus avant même la sortie du livre de Daniel Gilbert), mais les résultats plus anciens, basés sur des recherches moins rigoureuses, continuent de se propager plus rapidement que de corriger de nouveaux.

Systèmes de typage

Malheureusement, les fausses déclarations sur la recherche et les preuves ne se limitent pas aux mèmes scientifiques populaires. On les retrouve également dans le développement de logiciels et de matériel.


Les programmeurs doutant de la valeur des systèmes de type sont l'équivalent technologique des opposants à la vaccination

Je vois de telles choses au moins une fois par semaine. J'ai choisi cet exemple non pas parce qu'il est particulièrement flagrant, mais parce qu'il est typique. Si vous lisez sur Twitter certains des plus fervents partisans de la programmation fonctionnelle, vous pouvez régulièrement rencontrer des déclarations sur l'existence de preuves empiriques sérieuses et d'études approfondies qui soutiennent l'efficacité des systèmes de types.

Cependant, un examen des preuves empiriques montre que ces preuves sont pour la plupart incomplètes et, dans d'autres cas, ambiguës. De tous les faux mèmes, celui-ci, à mon avis, est le plus difficile à comprendre. Dans d'autres cas, je peux imaginer un mécanisme plausible de la façon dont ces résultats peuvent être mal interprétés. «La communication est plus faible que prévu» peut se transformer en «communication avérée contraire aux attentes», le logarithme peut ressembler à une fonction asymptotique, et les résultats préliminaires obtenus par des méthodes douteuses peuvent se propager plus rapidement que les études ultérieures et mieux terminées. Mais je ne sais pas quel est le lien entre les preuves et les opinions dans cette affaire.

Cela peut-il être évité?

On peut comprendre pourquoi les faux mèmes se propagent si rapidement, même s'ils contredisent directement une source fiable. La lecture d'articles scientifiques peut sembler une tâche ardue. C'est parfois le cas. Mais souvent, ce n'est pas le cas. La lecture d'un ouvrage purement mathématique est généralement une tâche fastidieuse. La lecture d'un travail empirique qui détermine la fiabilité d'une méthodologie peut être difficile. Par exemple, la biostatistique et l'économétrie utilisent des méthodes complètement différentes, et il est assez difficile de commencer à bien comprendre l'ensemble des méthodes utilisées dans un domaine particulier afin de comprendre exactement où elles peuvent être appliquées et quels sont leurs inconvénients. Mais lire des travaux empiriques simplement pour comprendre ce qu'ils disent est généralement assez facile.

Si vous lisez l'extrait et la conclusion, puis parcourez le travail à la recherche de points intéressants (graphiques, tableaux, défauts de méthodologie, etc.), dans la plupart des cas, cela suffira pour comprendre si les déclarations populaires coïncident avec ce qui est écrit au travail. Dans mon monde idéal, cela pourrait être compris en lisant uniquement l'extrait, mais souvent les œuvres indiquent des déclarations beaucoup plus fortes dans les extraits que celles qui sont données dans le corps de l'ouvrage, vous devez donc au moins faire défiler l'ouvrage.

Je suis peut-être naïf, mais je pense que la principale raison de l'apparition de faux mèmes est que la vérification des sources semble plus compliquée et effrayante qu'elle ne l'est en réalité. Un exemple frappant de cela est un article dans le magazine Quartz sur l'absence de différences de salaires entre hommes et femmes dans les domaines technologiques, dans lequel de nombreuses sources ont été citées qui affirmaient exactement le contraire . Twitter a bourdonné de gens disant que la différence entre les sexes avait disparu. Lorsque j'ai publié un article dans lequel je citais simplement les œuvres auxquelles il était fait référence, bon nombre de ces personnes ont dit que leur déclaration initiale était erronée. C'est bien qu'ils soient prêts à écrire une correction dans leurs propres mots, mais pour autant que je sache, aucun d'entre eux n'est allé lire les données eux-mêmes, bien que d'après les graphiques et les tableaux, il était assez évident que l'auteur de l'article original sur Quartz promeut son opinion sans même s'en soucier sur la sélection d'articles qui lui conviennent.