участники соглашались с неправильным ответом, который им подсказывали из толпы, несмотря на то что это противоречило их собственным ощущениям.
Это экстремальный пример конформизма, но это явление присутствует повсеместно. «Влияние сообщества» — это процесс, благодаря которому утверждение превращается в стойкое убеждение, поскольку постоянно повторяется в сообществе. Этот процесс не зависит от того, является ли утверждение проверенным, поддержанным экспериментальными данными, достаточными, чтобы заставить поверить в него здравомыслящих людей.
Влияние сообщества объясняет, как религиозные убеждения передаются из поколения в поколение, а также почему заявления, сделанные в пределах сообщества врачами, психологами, знаменитостями, политиками, гостями ток-шоу, могут так глубоко укорениться и стать более влиятельными, чем научные данные.
Когда люди не имеют инструмента, чтобы проверить сказанное, и просто следуют за своими надеждами, семена политических манипуляций уже посеяны.
Существует много других хорошо исследованных областей предвзятости. Мы имеем сильно преувеличенное мнение о себе, что приятно. Большинство людей думают, что они имеют более широкий кругозор, меньше предрассудков, более умны и более искусны в вождении автомобиля, чем среднестатистический гражданин [49].
Большинство из нас демонстрирует то, что можно назвать «атрибуционной предвзятостью»: мы считаем, что наши успехи — это результат наших собственных способностей, а наши неудачи обусловлены внешними факторами; в то время как в отношении других мы склонны придерживаться противоположного мнения и полагаем, что их успехи — это удачное стечение обстоятельств, а неудачи — результат их собственных промахов. Но мы все не можем быть правы.
И наконец, мы используем контекст и ожидания, чтобы склониться к определенному мнению о ситуации — потому что это единственный способ, которым мы можем думать. Исследования по искусственному интеллекту терпят неудачу в основном из-за «проблемы рамки»: вы можете объяснить компьютеру, как обрабатывать информацию, и дать все необходимые сведения, но как только вы поставите перед ним реальную задачу — например, предложение, которое нужно понять и отреагировать на него, — выяснится, что компьютер делает это гораздо хуже, чем мы могли ожидать, поскольку он не знает, какая информация имеет отношение к проблеме. Это то, что люди хорошо умеют — отфильтровывать ненужную информацию, — но это умение приходит ценой непропорционального преувеличения некоторых контекстуальных данных.
Мы склонны допустить, например, что положительные характеристики объединяются: привлекательные люди должны быть одновременно добрыми; люди, которые кажутся добрыми, должны быть умными и хорошо информированными. Даже это было продемонстрировано экспериментально: сообщения, написан-
(В pdf файле отсутствуют 266 и 267 страницы)
14. Плохая статистика
посчитать сдачу в магазине. Множество людей утверждают, что им нужна только та математика, которая имеет дело с конкретными цифрами, а не с вероятностями, которые мы считаем чем- то интуитивным. Обычные цифры просты и понятны.
Другие методы для описания увеличения риска также имеют названия. Из нашего примера с высоким холестерином вы можете получить 50 % увеличения риска (относительное повышение риска), или 2 % увеличения риска (абсолютное повышение риска), или, если сказать попроще и более информативно, два дополнительных сердечных приступа на каждую сотню человек (естественная частота).
Помимо того, что ее легче воспринимать, естественная частота несет больше информации, чем журналистское «относительное повышение риска». Недавно, например, нам рассказали, что говядина вызывает рак кишечника, а ибупрофен увеличивает риск сердечных приступов: но если вы прочитаете об этом в новостях, вы вряд ли что-нибудь поймете. Например, о раке кишечника. Вот отрывок из программы на Radio 4: «Что вы имеете в виду под повышенным риском, профессор Бингам?» — «Увеличение на одну треть». — «Это звучит пугающе; а если выразить в цифрах?» — «Разница… в 20 человек в год». — «Так мало?» — «А… на 10 000 человек».
Такие вещи трудно донести до слушателя, если вы выходите за рамки простейшего формата. Профессор Шейла Бингам (Sheila Bingham), директор Центра по изучению роли питания в эпидемиологии рака в Кембриджском университете, профессионально занимается статистикой, но в этой (вполне простительной) неуверенности в прямом радиоэфире она не одинока: есть исследования врачей, комиссий местных органов здравоохранения, юристов, которые показывают, что люди, которые профессионально занимаются изучением риска, часто не могут спонтанно выразить, что они имеют в виду. Они также лучше принимают правильные решения, когда информация о риске представлена в виде естественной частоты, а не в виде процентов и вероятностей.
Что касается обезболивающих средств и сердечных приступов, еще одной новости для первых полос, отчаянная попытка выбрать риск побольше привела к тому, что во многих газетах появились совершенно неточные цифры. Сообщения основывались на исследовании, в котором пациенты наблюдались в течение четырех лет и результаты которого заставляют предположить, что, если использовать естественную частоту, можно ожидать один дополнительный сердечный приступ на каждые 1005 человек, принимающих ибупрофен. Или, как написала
Почти все сообщили об относительном повышении риска: диклофенак повышает риск сердечного приступа на 55 %, ибупрофен — на 24 %. Только газеты
Часто это вина пресс-релизов, и сами ученые несут такую же ответственность, как и остальные, когда дело доходит до излишней драматизации результатов их исследований (существует прекрасное руководство Королевского общества по представлению прессе результатов исследований, если вас это интересует). Но если это читает кто-нибудь, облеченный властью, то вот информация, которую я лично хотел бы получить из газеты, чтобы принять решение по поводу моего здоровья: я хочу знать, о ком идет речь (мужчины 50 лет и старше), я хочу представлять обычный уровень риска (у четырех человек из ста будет