评分
暂无评分
0人评价
5星
0%
4星
0%
3星
0%
2星
0%
1星
0%
AI智能总结...
AI 正在思考中...
本集内容尚未生成 AI 总结
简介...
“用数据说话”是互联网时代的通用思维方式。有人说数据不会骗人，真的是这样吗？大众传播中的数据误导，常出现在热搜、爆款文章标题里，它们简单直给，吸引眼球，挑起我们激烈的情绪反应。我们都曾经或正在被这些东西蒙蔽，却往往毫无察觉，甚至乐在其中。
可是，这些数字的来源真的可靠吗？就算数据是真实的，它的计算方法与形成方式，也有可能埋藏着许多陷阱，甚至会导向截然相反的结论。我们参考《拆穿数据胡扯》这本工具书，借助丰富的案例，一起试图辨析数字背后的认知规律。相关不等于因果，归因可能失焦，而作为指标的数据更可能骗人。希望本期的讨论，能帮助你在这个信息爆炸的数字化时代，更好地处理信息、形成观念。
| 谈话人
蛋妞、小盒子
| 时间轴
Part1.丰富的案例
03:28 作为标题和概念的数字，如何在传播里影响我们的观念？
07:25 躲在数字与数据之下的新派胡扯，比靠修辞的老派胡扯更隐蔽、更有害
10:00 案例1：现代汉语中有70%的词汇来自日语……吗？
15:46 案例2：“棉花糖实验”的启示——「相关」不等于「因果」
20:04 案例3：男医生和女医生谁更容易导致患者死亡？——关注度与归因误导
26:44 案例4：修墙与灭鼠；古德哈特定律：指标变成了目标，就不再是一个好的指标
31:13 案例5：大学排名为什么经常上下浮动？
38:03 案例6：留学生回国比例高达85%？
42:29 案例7：高中升学率与死刑执行率；辛普森悖论：总体结论和部分结论居然相反？
Part2.识别的方法
47:16 关注信息来源，思考几个问题：
- A.谁告诉我的？
- B.他是怎么知道的？
- C.他为什么要对我说这个？
49:57 不存在绝对准确的信源，仍然需要多方对比
53:56 思考题：续作的评分会比前作更高or更低？
| 参考书目
《拆穿数据胡扯：信息驱动世界的生存指南》，[美]卡尔·伯格斯特龙 / [美]杰文·韦斯特，中信出版社，2022年
主播...
蛋妞_各站停车FM
小盒子_各站停车FM
评价...
空空如也
小宇宙热门评论...
薯条大王jojo
2年前
上海
0
这些论文真的没有考虑/控制到其他变量吗？感觉不应该吧，这么显而易见的影响因素编辑也不会无视啊，想求原文！
HD861198n
2年前
上海
0
30:56 目标侵蚀
马戏牧师
2年前
北京
0
55:50 非常干货，非常好👌🏻
catos
2年前
重庆
1
46:38 这也许就是数字时代偏听和兼听的现状吧。阅读者既要主观希望去做到，又要客观上能够获得全部（准确的）数据信息。难度不低。
lemon_kR1h
2年前
四川
1
以前填志愿的时候就是根据学校排名来填的，但我根本没有考虑排名的依据是啥，导致现在……
歸鄉
2年前
四川
1
最近刚好在看这本书！
是阿紫
2年前
陕西
1
53:16 真话不全说 假话全不说
宇宙CM
2年前
上海
1
数字=事实=科学？扯！太需要信息健康啦！
你的逃宝
2年前
加拿大
2
16:02 “相关”不等于“因果”
编号2538
2年前
澳大利亚
2
再补充一段对数字人文的评价。
“This information often tells us more about the software platform collecting the information and the apparatus that we're using than the actual content that we are concerned with...”
Strange Bedfellows: Digital Humanities, Internet Art, and the Weird Internet，值得一读。
Anna丁
2年前
上海
2
这期终于来了👌👌
JACKIE启
2年前
广东
2
这个话题值得深入探讨
GordonLee李狗蛋
2年前
天津
2
从容抢一
丫丫鱼的日日听
2年前
美国
3
最后的问题很有意思。我简单说一下我的一个思路。一个电影rating的问题 可以看成是一个离散型的概率分布（0 1 2 3 4 5) 取值。这部电影是“续作”可以认为是一个prior 先验分布。这个简化成第一部的评分分布。为了共轭 那么可以简化成dirichlet prior用来model前一部的影响，data observe likelihood是一个multi dimensional的分布，那么就可以模拟一下后验分布，这个后验应该是续作的评分分布了。可以简化用”mode”来做最后续作的分数。一点小想法。见笑了
编号2538
2年前
澳大利亚
3
我举几个例子，是我一时想到的几种常见的数据误导。
一是过分乐观的数据。比如中国体育行业2025年将达到五万亿规模的估算（国务院46号文件），背后假设2013年至2020年行业年增长率为16％，2021年至2025年年增长率为10％。类似对市场规模的夸大，各行各业皆有。
也有相反的情况。有些美国和澳大利亚的养老院看似连年亏损，实则可能通过关联交易把利润转移至监管较宽松的行业 -- 例如向房东支付租金，或者外包餐饮服务给第三方，几家公司实际的老板自然是一人 （Tax Avoidance by For-profit Aged Care Companies 2018)。
有的数据则少了背景信息。一些人认为，澳大利亚原住民在押期间死亡（death in custody）是警察过度执法或系统性种族歧视的恶果。卫报的一篇深度报道开宗明义：“At least 474 Aboriginal and Torres Strait Islander people have died in custody since...1991”。但按照比例来看，从2003-04年开始，原住民在押期间的死亡率便一直低于非原住民。据澳大利亚犯罪学研究所的数据（2018-19年），原住民的死亡率为每100名囚犯0.13，非原住民为0.23。
话说回来，以上的数据也只冰山一角，还需更多的数据和背景构成全貌，这里就按此不表了。
图南_
2年前
四川
3
06:57 最近发现对于不同词语，每个人的定义都是不一样的，大家在沟通过程中只是一个意义协商的过程，慢慢开始觉得文本中单独的数据或许也不能单独的去看，而是要去思考这些数据的有效性和信度，这一期来得超及时。 听到这儿先总结一下，超级同意了解文本中的数字传达信息的单面性是防御性，洞察数据将会给人带来的认知改变是攻击性。这
某戴同学
2年前
天津
3
数据最客观，但处理过的数据却可能最胡扯
蛋妞_各站停车FM
2年前
日本
4
💡欢迎大家分享生活工作中各种「数字误导」的案例，以及你是如何应对这种问题的？我们将在评论区中选出2位听友赠出由中信出版集团出品的《拆穿数据胡扯》各1册。
另外，添加小助手localfm2021，加入听友群，也有抽奖赠书活动。
相关单集：
https://www.xiaoyuzhoufm.com/episode/60ed73632d537dae31fd1ff3
https://www.xiaoyuzhoufm.com/episode/625a3739493ea2f504a55a13
黑色小卤蛋
2年前
美国
4
39:16 我在米国在混一个合同工工作，惭愧
现身说法一下我对米国留学生就业的想法：
1. 很多专业几乎无法留美，譬如金融之类。米国的政策解释起来很复杂但简单说他们更愿意要理工科，其中计算机相对找。我来美国前是工科，强行转了计算机。我见到个别米国博士毕业（有学昆虫的，有GIS的）出来找不到工作，最后强行再读一个计算机硕士的。
2. 大公司竞争激烈，小公司不给配套的政策。我毕业那会准备不足不敢面大公司，专门找东北部本地小公司面试，有一家中型企业已经给我口头offer，后来知道我不是米国人随即撤回。
3. 前几年川普在任期间反移民，公司需要付更多钱和法务才能招外国人，雪上加霜。
4. 绝大部分留学生还是学生思维，没人脉又不够灵活，米国找工作时间线又卡得很死。你如果不是特别努力or天生优秀，那么在读书短短两年时间内找工这事不比国内找工简单。而所谓的灵活方法（譬如像我这样做合同工，还有些违x手段），也有待遇低和赌的成分，就看你造化了。
5. 哪怕你最终找到了，没几年还要抽签（工作签证），我听过有那种简历开挂的天之骄子就是抽不中的。
做播客的呆羊
2年前
江苏
4
数据的欺骗性，要观察数据样本的大小，样本来源的是否科学可信任。小样本的数据，基本上都是任人打扮的花姑娘。
同时，不同角度的数据可能还会有截然相反的结果。不同计算方法的数据可能会出现截然相反的结果。不同参照物的数据可能给人截然相反的数据感受。
不用造假，真实的数据都有这么多坑。推荐大家阅读《后真相时代》。可以看看别人做宣传工作，怎么把数据玩熟。