大数据时代，警惕狗屁

西雅图的华盛顿大学开设了一门“惊世骇俗”的课程——《Calling Bullshit In the Age of Big Data》，即在大数据时代，如何分辨、驳斥狗屁。

授课老师是生物系的Carl Bergstrom和信息学院的Jevin West。之所以有生物系老师参与，是因为科学中的狗屁更泛滥，诸如用数据说谎、科学研究中的偏见和谬误等。

何谓狗屁？

两位老师如此定义：狗屁指的是公然罔顾事实和逻辑的语言、统计数据、图表，以及其他呈现方式，它们的目的是让受众留下深刻印象并且让人难以抗拒。

驳斥狗屁指的是公开批驳有问题的东西，除了不严谨的观点，还包括谎言、背叛、诡计和不公。

象牙塔里出现这样粗俗的课程，两位老师解释，实在找不到更好的替代词：“我们看重的就是这个词的粗俗。毕竟，粗俗的语言有一种特殊的力量。‘我希望对你的说法表达保留意见’远没有‘你这就是放狗屁’有影响力。”

这门课的培养目标包括：

•对你的信息食谱中出现的狗屁保持警惕；

•无论何时何地遇到狗屁，能够识别出来；

•能够准确说明为什么一则狗屁是狗屁；

•能够在统计学或科学专业的人面前给出对狗屁的技术分析；

•能够在迷信的阿姨和不自觉间表露出种族主义的叔叔面前分析狗屁，让他们能听懂，并且有说服力。

两位老师表示：这门课上学到的东西，肯定是你整个大学期间学到的最有用、应用范围最广的能力。

怎样分辨、驳斥狗屁？

粗俗的名字之下，是非常严肃的课程设置。两位老师在课程网站的教学大纲页面公布了全部的课程内容和阅读材料。下面略做介绍。

在引言部分，课程使用了普林斯顿大学教授Harry Frankfurt的文章《On Bullshit》（《论扯淡》）。

第2周引入了一些常见的分辨狗屁的方法。第3周介绍的是孕育狗屁的生态系统，比如社交媒体如何促进了狗屁的传播，再比如TED演讲有时候兜售的是高端狗屁。

再之后，课程从统计学和逻辑的角度切入，具体分析了一些狗屁的类型，包括混淆相关性和因果关系、中位数和平均数、“检察官谬误”等。课程还单独辟出一周介绍了数据可视化中常见的误导。

第7周的大数据部分，关注的是在大数据和算法的光鲜外表之下，“垃圾进、垃圾出”现象，以及对机器学习的滥用、具备误导性的参数等。

其后几周深入科学研究领域，介绍了“发表偏倚”“掠夺性发表”等概念，以及学科之内、学科之间互相批评的伦理。

第11周关于假新闻。包括假新闻的经济驱动、回音室效应、如何进行事实核查等等。如果这门课开设在新闻学院，那么这方面的内容足够扩展成整整一门课了。

最后一周讲的是如何驳斥狗屁。针对不同的受众，需要用到不同的策略。这方面的内容基本上就是传播学中的说服效果研究，若开设在传播学院同样可以拓展成整整一门课。（编辑自微信公号《新闻实验室》）