Sangat sering orang dapat menemukan pernyataan bahwa pernyataan yang dibuat oleh beberapa meme didukung oleh "penelitian" atau "sains". Tetapi ketika saya mulai membaca studi itu sendiri, biasanya ternyata data tersebut bertentangan dengan pernyataan. Berikut adalah beberapa contoh baru yang saya temui.
Efek Dunning-Krueger
Versi sains populer dari efek Dunning-Krueger terdengar sehingga semakin sedikit seseorang yang tahu sesuatu tentang topik yang dipilih, semakin banyak pengetahuannya baginya. Faktanya, pernyataan Dunning dan Kruger tidak begitu kuat. Karya ilmiah asli tidak lebih dari sebagian besar interpretasi sains populer yang salah, dan Anda bisa mendapatkan gagasan tentang pernyataan para ilmuwan dengan mempelajari empat tokoh dari artikel tersebut. Dalam grafik ini, kemampuan yang dirasakan, atau kemampuan yang dirasakan, menunjukkan peringkat subjektif, dan kemampuan aktual, atau kemampuan nyata, adalah hasil dari tes.
Dalam dua kasus dari empat, korelasi positif antara keterampilan yang dirasakan dan yang nyata jelas, yang bertentangan dengan konsep sains populer dari efek Dunning-Krueger. Penjelasan yang masuk akal tentang mengapa keterampilan yang dirasakan singkat, terutama di bagian bawah grafik, adalah bahwa beberapa orang ingin menilai keterampilan mereka di bawah rata-rata atau sebagai yang terbaik. Dalam dua kasus lain, korelasinya hampir nol. Ada kemungkinan bahwa efek ini bekerja secara berbeda untuk tugas yang berbeda, atau bahwa sampel terlalu kecil dan bahwa perbedaan antara tugas yang berbeda berada dalam kebisingan. Juga, efek ini dapat terjadi karena spesifik dari sampel mata pelajaran (siswa Cornell, yang cenderung menunjukkan keterampilan yang lebih tinggi daripada rata-rata di banyak bidang). Jika Anda mencari deskripsi efek di Wikipedia, itu akan mengatakan bahwa reproduksi pengalaman ini di Asia Timur memberikan hasil sebaliknya (keterampilan yang dirasakan lebih rendah daripada yang nyata, dan semakin besar keterampilan, semakin besar perbedaannya), dan bahwa efek ini kemungkinan besar merupakan artefak dari budaya Amerika - tetapi pada saat yang sama, tautan tersebut mengarah ke sebuah artikel yang menyebutkan meta-analisis kepercayaan diri Asia Timur, jadi ini bisa menjadi contoh lain dari kutipan yang salah. Atau ini hanya tautan yang salah. Bagaimanapun, efek ini tidak berarti bahwa semakin banyak orang tahu, semakin sedikit, menurut pendapat mereka, pengetahuan mereka.
Penghasilan dan kebahagiaan
Secara umum diterima bahwa uang tidak membuat orang bahagia. Berapa banyak uang yang seharusnya cukup - itu tergantung pada siapa Anda bertanya, tetapi biasanya mereka berbicara tentang pendapatan $ 10, $ 30, $ 40 dan $ 75 ribu setahun. Saat ini, pencarian di Google menunjukkan bahwa jumlah setelah kenaikan pendapatan tidak lagi mempengaruhi kebahagiaan adalah $ 75.000 per tahun.
Catatan perev.: agak sulit untuk mentransfer pendapatan mereka ke realitas kita. Anda dapat mengevaluasi daya beli dengan metode yang cukup populer seperti indeks Big Mac, dan kemudian perkiraan perkiraan adalah sebagai berikut. Jika Anda percaya kalkulator online, maka di tangan penghasilan $ 75.000 per tahun seseorang akan menerima rata-rata $ 53.500. Dalam bigmax, ini kira-kira akan sesuai dengan penghasilan bulanan (karena kita lebih terbiasa berpikir) 130.000 rubel “bersih”.
Tapi ini bukan hanya salah - ketidaktahuan ini
tetap ada untuk semua negara yang diteliti .
Ada korelasi antara kebahagiaan dan pendapatan, dan ini bukan hasil dari satu studi yang dipilih secara khusus. Hasilnya disimpan setelah lima jajak pendapat World Values Survey berturut-turut yang dilakukan antara 1981-1984, 1989-1993, 1994-1999, 2000-2004 dan 2005-2009, dan tiga pengulangan survei Survei Sikap Global Pew untuk 2002, 2007, 2010, lima pengulangan Program Survei Sosial Internasional untuk 1991, 1998, 2001, 2007, 2008 dan studi Gallup besar.
Dalam grafik di atas, pendapatan ditampilkan pada skala logaritmik. Jika Anda memilih negara dan membuat grafik garis, Anda akan mendapatkan
sesuatu seperti berikut :
Seperti halnya semua grafik logaritmik, kesannya adalah bahwa kurva harus hampir selaras dan sampai pada sesuatu seperti ini:
Ini adalah gambaran nyata dari sebuah artikel yang mengklaim bahwa penghasilan tidak membuat orang bahagia. Mirip, mirip dengan logaritmik, grafik yang selaras dari waktu ke waktu cukup umum. Coba googling frase "
penghasilan kebahagiaan ." Artikel favorit saya adalah artikel di mana orang menghasilkan cukup uang berada di puncak skala. Rupanya, ada sejumlah uang yang tidak hanya membuat Anda bahagia, tetapi juga membuat Anda sebahagia mungkin bagi seseorang.
Seperti dalam kasus Dunning-Krueger, Anda dapat melihat grafik di makalah ilmiah dan melihat apa. Dalam hal ini, lebih mudah untuk memahami mengapa orang menyebarkan informasi yang salah, karena cukup mudah untuk salah memahami data yang dibangun pada skala linier.
Adaptasi dan kebahagiaan hedonis
Gagasan bahwa orang menjauh dari masalah (dan dari emosi positif) dan kembali ke tingkat kebahagiaan tetap memasuki kesadaran populer setelah Daniel Gilbert menggambarkannya dalam sebuah
buku populer .
Tetapi bahkan tanpa mempelajari literatur tentang adaptasi terhadap efek samping, bagian sebelumnya dari artikel ini mungkin sudah mengajukan pertanyaan tertentu untuk ide ini. Jika orang menjauh dari peristiwa yang tidak menyenangkan dan menyenangkan, bagaimana cara meningkatkan pendapatan meningkatkan kebahagiaan seseorang?
Ternyata gagasan beradaptasi dengan peristiwa yang tidak menyenangkan dan kembali ke tingkat kebahagiaan sebelumnya adalah mitos. Meskipun efek spesifik bervariasi tergantung pada sifat acara,
kecacatan ,
perceraian ,
kehilangan pasangan ,
kehilangan pekerjaan memiliki efek abadi pada tingkat kebahagiaan. Kehilangan pekerjaan mudah diperbaiki, tetapi dampak dari acara ini tetap ada bahkan setelah orang menemukan kembali pekerjaannya. Di sini saya mengutip hanya empat studi, tetapi
meta-analisis literatur menunjukkan bahwa hasilnya dikonfirmasi dalam semua studi yang diketahui.
Hal yang sama berlaku untuk acara yang menyenangkan. Meskipun secara umum diterima bahwa memenangkan lotere tidak membuat orang lebih bahagia,
ternyata tidak demikian .
Dalam kedua kasus, penelitian cross-sectional awal menunjukkan kemungkinan bahwa kasus-kasus ekstrem, seperti memenangkan lotre atau mendapatkan cacat, tidak memiliki efek yang bertahan lama pada kebahagiaan. Tetapi penelitian yang lebih lama yang mempelajari kepribadian tertentu dan mengukur kebahagiaan satu orang, sementara berbagai peristiwa terjadi padanya, menunjukkan hasil sebaliknya - peristiwa yang terjadi memengaruhi kebahagiaan. Hasil ini sebagian besar bukan hal baru (beberapa dari mereka muncul bahkan sebelum rilis buku Daniel Gilbert), tetapi hasil yang lebih lama didasarkan pada penelitian yang kurang ketat, terus menyebar lebih cepat daripada yang baru mengoreksi mereka.
Jenis sistem
Sayangnya, pernyataan palsu tentang penelitian dan bukti tidak terbatas pada meme sains populer. Mereka juga ditemukan dalam pengembangan perangkat lunak dan perangkat keras.
Programmer yang meragukan nilai sistem tipe adalah teknologi yang setara dengan lawan vaksinasiSaya melihat hal-hal seperti itu setidaknya seminggu sekali. Saya memilih contoh ini bukan karena itu sangat mengerikan, tetapi karena itu khas. Jika Anda membaca di Twitter beberapa pendukung pemrograman fungsional terkuat, Anda dapat secara berkala menemukan pernyataan tentang keberadaan bukti empiris yang serius dan studi komprehensif yang mendukung efektivitas sistem tipe.
Namun,
tinjauan bukti empiris menunjukkan bahwa bukti-bukti ini sebagian besar tidak lengkap, dan dalam kasus lain ambigu. Dari semua meme palsu, ini, menurut saya, adalah yang paling sulit untuk dipahami. Dalam kasus lain, saya dapat membayangkan mekanisme yang masuk akal tentang bagaimana hasil ini dapat disalahartikan. "Komunikasi lebih lemah dari yang diharapkan" dapat berubah menjadi "komunikasi ternyata berlawanan dengan yang diharapkan," logaritma mungkin terlihat seperti fungsi asimptotik, dan hasil awal yang diperoleh dengan metode meragukan dapat menyebar lebih cepat daripada studi selanjutnya dan lebih baik diselesaikan. Tapi saya tidak yakin apa hubungan antara bukti dan pendapat dalam kasus ini.
Bisakah ini dihindari?
Orang dapat memahami mengapa meme palsu menyebar begitu cepat, meskipun mereka secara langsung bertentangan dengan sumber yang dapat dipercaya. Membaca karya ilmiah mungkin tampak seperti tugas yang menakutkan. Terkadang ya. Tetapi seringkali hal ini tidak terjadi. Membaca karya matematika murni biasanya merupakan tugas yang membosankan. Membaca karya empiris yang menentukan keandalan suatu metodologi bisa jadi sulit. Misalnya, biostatistik dan ekonometrik menggunakan metode yang sama sekali berbeda, dan cukup sulit untuk mulai memahami dengan baik seperangkat metode yang digunakan dalam bidang tertentu untuk memahami secara tepat di mana mereka dapat diterapkan dan apa kerugiannya. Tetapi membaca karya empiris hanya untuk memahami apa yang mereka katakan biasanya cukup mudah.
Jika Anda membaca kutipan dan kesimpulan, dan kemudian membolak-balik pekerjaan mencari titik-titik menarik (grafik, tabel, cacat metodologi, dll.), Dalam kebanyakan kasus ini akan cukup untuk memahami apakah pernyataan populer bertepatan dengan apa yang ditulis dalam pekerjaan. Dalam dunia ideal saya, ini bisa dipahami dengan hanya membaca kutipan, tetapi seringkali karya-karya tersebut menunjukkan dalam kutipan pernyataan yang jauh lebih kuat daripada yang diberikan dalam tubuh karya, sehingga Anda setidaknya harus menelusuri karya.
Mungkin saya naif, tetapi saya pikir alasan utama untuk munculnya meme palsu adalah bahwa memeriksa sumber-sumber tampaknya lebih rumit dan menakutkan daripada yang sebenarnya. Contoh mencolok dari ini adalah artikel di majalah Quartz tentang tidak adanya perbedaan gender dalam gaji di bidang teknologi, di mana
banyak sumber dikutip
yang menyatakan sebaliknya . Twitter berdengung dari orang-orang yang mengatakan bahwa perbedaan gender telah menghilang. Ketika saya menerbitkan sebuah posting di mana saya hanya mengutip karya-karya yang dirujuk, banyak dari orang-orang ini mengatakan bahwa pernyataan awal mereka keliru. Sangat baik bahwa mereka siap untuk menulis koreksi dengan kata-kata mereka sendiri, tetapi sejauh yang saya tahu, tidak ada dari mereka yang pergi dan membaca data sendiri, meskipun dari grafik dan tabel cukup jelas bagaimana penulis artikel asli tentang Quartz mempromosikan pendapatnya tanpa peduli pada pemilihan artikel yang cocok untuk itu.