Hvordan beskytte deg selv mot å bli manipulert av data
I det gamle Egypt var det en utbredt oppfatning at skaraber, amuletter designet i form av en bille, hadde overnaturlig eiendommer og gitt lykke til bæreren. I middelalderens Europa ble hestesko også antatt å ha spesielle krefter, og folk hengte dem over døråpninger for å tiltrekke seg lykke og for å avvise onde ånder. Jeg kunne fortsette med flere eksempler, men jeg tror du allerede kan se mønsteret: gjennom historien har folk tillagt vanlige gjenstander magiske krefter. Når vi snakker om disse troene nå, humrer eller ler folk noen ganger over hvor godtroende folk som levde i antikken var. Det ironiske er at denne tendensen egentlig ikke har gått bort selv om den kommer til uttrykk i en annen form. Og det er en spesifikk form jeg vil fokusere på i dag: data.
I dagens verden er det en viss fetisjisering av data der de oppfattes som å ha en ufeilbarlig statur som er større enn livet, omtrent som tidligere fetisjiserte objekter (den opprinnelig betydning av "fetisj" var en "materiell gjenstand som med ærefrykt ble sett på som å ha mystiske krefter"). Hvis du fremsetter et krav og du har noen data for å sikkerhetskopiere det, hvorfor, så må det være sant. Men hvordan ligner dette på et objekt som har magiske krefter? Er ikke data vitenskapelig og objektiv? Det kan sikkert være det, men alt avhenger av hvordan dataene velges, samles inn, presenteres og tolkes, og det er sjelden at alle disse tingene gjøres med lik objektivitet. Dessverre, akkurat som med slangeoljeleverandørene i den antikke verden, er det de som misbruker data for å manipulere andre. Heldigvis kan du beskytte deg selv på samme måte, gjennom kritisk tenkning eller snarere en helt spesifikk form for kritisk tenkning som vi kan kalle
datakompetanse.Data kan være objektive, men folk er det ofte ikke
La oss være tydelige på noe. Som akademiker setter jeg stor pris på data. Dette er på ingen måte en av de "vitenskap-er-falske" følelsene du noen ganger ser på sosiale medier. For å være tydelig, er det ikke at vitenskap er falsk eller helt subjektiv. Det er at data, som er et produkt av vitenskap, kan bli våpen og misbrukt for å manipulere deg til å tenke eller oppføre deg på en bestemt måte.
I tillegg til å være akademiker, er jeg også tidligere rettsadvokat. I lov har vi en juridisk ekvivalent til data; det kalles "bevis". Men her er tingen med bevis: selv om to motsatte sider opererer under samme lover og prosedyrer, hvordan hver side presenterer sine utvalgte bevis fører alltid til det motsatte konklusjoner. Data (eller «bevis») utenfor rettssalen kan fungere på samme måte. Det kan (feil) tolkes for å støtte ulike konklusjoner basert på hvordan man velger og presenterer det. Et vanlig eksempel på dette er å krympe eller blåse opp en graf for å få en økning eller reduksjon til å se mer signifikant ut enn den faktisk er.
Så poenget jeg gjør er at data virkelig er veldig viktige, så viktige at du trenger datakompetanse for å unngå å bli manipulert av det.
Prinsippene for datakompetanse
Hvordan dyrker du datakompetanse? Som med de fleste emner på denne bloggen, er det ingen enkel universell formel. Men her er noen prinsipper du kanskje ønsker å ta i bruk.
1. Utvikle et generelt grunnlag for kritisk tenkning
Datakompetanse er en undergruppe av kritisk tenkning, og så det første trinnet er å bli en bedre kritisk tenker generelt. (Heldigvis har jeg ikke mindre enn tre innlegg på denne bloggen som dekker ulike dimensjoner av kritisk tenkning, inkludert hvorfor det øker din evne til å påvirke, vanlige fallgruver for kritiske tenkere, og bruke kritisk tenkning til forstå narrativene som driver mennesker.)
2.Spør deg selv hvem som har fordeler og hvordan?
Denne er ganske enkel å gjøre, med et vanlig og relaterbart eksempel er når noen bokstavelig talt prøver å selge deg noe og dirigerer en masse data for å støtte saken deres. Det er klart at de kan dra nytte av at du kjøper det de selger. Nå betyr det ikke nødvendigvis at de bevisst gir en feilaktig fremstilling av dataene i et forsøk på å manipulere deg. Men de har en klar interesse i at du blir overtalt, så det lønner seg (ofte bokstavelig talt) å være på vakt.
3. Hvis det er spesialkunnskap, hvem kan du spørre om det?
Det er situasjoner der noen kan presentere et argument med data som angivelig støtter det, men du er ikke en ekspert eller svært informert om emnet, så du er ikke sikker på hva du skal gjøre om det (eller i det minste er det slik du bør føl om du ikke er informert om noe). Du kan alltid spørre noen som er informert om emnet hva de tenker, bare ikke glem å opprettholde ditt kritiske tenkningsperspektiv. Du er ikke forpliktet til refleksivt å akseptere synspunktene til noen som kanskje vet mer om et bestemt emne enn deg. Dette er for eksempel en grunn til at folk ofte tar med seg en erfaren bilkjøper når de går til en bilforretning.
4. Spør deg selv hva som mangler i dataene?
Noen ganger presenterer folk data eller bevis på en måte der de ikke er åpenlyst lyver, men heller lyver ved unnlatelse. Dette skjer i utvelgelsesprosessen når de utelater en eller flere kritiske opplysninger som kan utgjøre hele forskjellen.
La oss for eksempel si at en dekkselger prøver å selge deg en utvidet garanti og gir deg alle disse faktaene og tallene om hvordan mye penger du vil spare ved å kjøpe en, sammen med å blende deg med hvor mye andre kunder har spart med sin utvidede garantier. På overflaten kan det høres ut som et opplagt valg, men hvilke data blir utelatt? Det kan være mange ting. Kanskje, for eksempel, prosentandelen av kundene deres som faktisk har måttet bruke deres utvidede garantiene er bare 1 prosent, i så fall er sjansene for at du noen gang faktisk trenger den garantien ekstremt lav. Så spør alltid deg selv, hva blir utelatt?
5. Hvis noe høres for godt ut til å være sant, er det en god sjanse for at det er det
Denne ærefulle truismen gjelder også for data, og den går ofte hånd i hånd med prinsipp #3. Noen ganger vil folk stable flere biter av data i et forsøk på å bygge det som ser ut som en ugjendrivelig sak for noe. For igjen å bruke vårt eksempel på selgeren og den utvidede garantien, jo mer alle dataene får noe til å høres ut som det eneste rimelige valget, desto mer er litt sunn skepsis berettiget. Selskapet ville ikke selge utvidede garantier med mindre det til slutt fungerte i deres favør (prinsipp #2). Dette er fordi de fleste som kjøper utvidede garantier ender opp faktisk ikke trenger dem.
6. Vær på vakt mot dine egne bekreftelsestendens
Det er ikke bare andres skjevheter du må være forsiktig med. Du må være forsiktig med dine egne også. Vi har en naturlig tendens til å akseptere data ukritisk, og en spesiell tolkning av disse dataene, hvis det forsterker en posisjon vi allerede har. Dette er kalt bekreftelsesskjevhet, og den beste måten å begynne å beskytte deg mot din egen bekreftelse partiskhet er å legge merke til når det skjer - og tro meg, det skjer mye. Når du merker at du vil at noe skal være riktig, prøv å tenke på hvordan det kan være galt med hensikt. Du kan faktisk ha rett, men på denne måten vil du redusere sjansene for å ta feil.
Disse prinsippene dekker på ingen måte alt om datakompetanse, men de er en god start. Og ingenting av dette er å si at folk i disse situasjonene er det alltid manipulere dataene eller bevisst forsøke å lure deg. Selv om de har noe å tjene på at du blir overtalt, er kanskje argumentet deres virkelig forsvarlig. Og selv om de gir en feilaktig fremstilling av dataene, betyr det ikke at de nødvendigvis gjør det med vilje. Kanskje de feiltolket dataene eller falt for sin egen bekreftelsesskjevhet. Så poenget er ikke å automatisk avvise folks argumenter i disse situasjonene, og omvendt garanterer ikke disse prinsippene at du ikke vil bli manipulert. Den kritiske tenkningen knyttet til datakompetanse reduserer ganske enkelt sjansene for at du blir ført bak lyset, og i dagens data- og informasjonsmettede verden er det et mål verdt å forfølge.