"بيل قيبسون" فتاة استرالية صغيرة وسعيدة عاشت في "بيرث" كانت تحب التزلج لكن في عام 2009، عرفت بيل ان لديها سرطان الدماغ وأربعة أشهر للعيش شهرين من العلاج الكيماوي والعلاج الإشعاعي لم يكن لهم أي تأثير لكن بيل كانت قوية الإرادة لقد كانت محاربة طوال حياتها كان عليها ان تطهو لأخيها من سن السادسة الذي كان يعاني من مرض التوحد ولأمها، التي كانت مصابة بمرض التصلب المتعدد والدها كان غائب عن كل هذا بيل حاربت، بالتمارين الرياضية والتأمل واستبدال اللحوم بالفواكه والخضروات الى أن تماثلت إلى الشفاء التام
Belle Gibson was a happy young Australian. She lived in Perth, and she loved skateboarding. But in 2009, Belle learned that she had brain cancer and four months to live. Two months of chemo and radiotherapy had no effect. But Belle was determined. She'd been a fighter her whole life. From age six, she had to cook for her brother, who had autism, and her mother, who had multiple sclerosis. Her father was out of the picture. So Belle fought, with exercise, with meditation and by ditching meat for fruit and vegetables. And she made a complete recovery.
انتشرت قصة بيل انتشارا واسعا غُرد، ودوّن عنها وتمت مشاركتها، ووصلت الى ملايين الاشخاص أظهرت فوائد تجنب العلاج التقليدي واستبداله بالحمية والرياضة أطلقت بيل تطبيق أكل صحي في أغسطس 2013 "ذا هول بينتري" وحُمل 200,000 مرة في الشهر الأول
Belle's story went viral. It was tweeted, blogged about, shared and reached millions of people. It showed the benefits of shunning traditional medicine for diet and exercise. In August 2013, Belle launched a healthy eating app, The Whole Pantry, downloaded 200,000 times in the first month.
لكن قصة بيل كانت كذبة لم تصاب بيل بالسرطان شارك الناس قصتها بدون التأكد من صحتها هذا مثال كلاسيكي عن الانحياز التأكيدي نحن نتقبل قصة ما دون انتقادها إذا كانت تعزز لما نود ان يكون صحيحا ونرفض أية قصة إذا تناقضت معه كم مرة نرى هذا في القصص التي نشاركها والقصص التي نتجاهلها؟ في السياسة، في التجارة، في الإستشارات الصحية
But Belle's story was a lie. Belle never had cancer. People shared her story without ever checking if it was true. This is a classic example of confirmation bias. We accept a story uncritically if it confirms what we'd like to be true. And we reject any story that contradicts it. How often do we see this in the stories that we share and we ignore? In politics, in business, in health advice.
كلمة قاموس أوكسفورد لعام 2016 كانت "ما وراء الحقيقة" والإعتراف بأننا الآن نعيش في عالم ماوراء الحقيقة أدى الى حاجتنا الى التركيز في التدقيق على الحقائق لكن الفكرة الأساسية من كلامي هي ان مجرد التدقيق في الحقائق لا يكفي حتى لو كانت قصة بيل حقيقية هي فقط ستكون غير مناسبة لماذا؟
The Oxford Dictionary's word of 2016 was "post-truth." And the recognition that we now live in a post-truth world has led to a much needed emphasis on checking the facts. But the punch line of my talk is that just checking the facts is not enough. Even if Belle's story were true, it would be just as irrelevant. Why?
حسناً, دعونا ننظر إلى واحدة من أكثر التقنيات الأساسية في الإحصاء اسمها "استدلال بايزي" والنسخة البسيطة للغاية هي: نحن نهتم بـ"هل تدعم البيانات النظرية؟" هل تزيد البيانات من إيماننا أن النظرية صحيحة؟ لكن بدلا من ذلك، انتهى بنا الأمر نسأل: "هل تتطابق البيانات مع النظرية؟" لكن تطابق البيانات مع النظرية لا يعني أنها تؤيدها لماذا؟ بسبب فكرة ثالثة مهمة لكن منسية وهي أن البيانات قد تتطابق مع نظريات منافسة لكن بسبب الإنحياز التأكيدي نحن لا نأخذ النظريات المنافسة في عين الإعتبار لأننا نحمي و بشدة نظريتنا المفضلة
Well, let's look at one of the most fundamental techniques in statistics. It's called Bayesian inference. And the very simple version is this: We care about "does the data support the theory?" Does the data increase our belief that the theory is true? But instead, we end up asking, "Is the data consistent with the theory?" But being consistent with the theory does not mean that the data supports the theory. Why? Because of a crucial but forgotten third term -- the data could also be consistent with rival theories. But due to confirmation bias, we never consider the rival theories, because we're so protective of our own pet theory.
الآن، دعونا ننظر إلى هذا في قصة بيل حسناً, نحن نهتم بـ: هل تدعم قصة بيل نظرية ان الحمية دواء للسرطان؟ لكن بدلا من ذلك، نحن نسأل: "هل قصة بيل متسقة مع فكرة أن الحمية تعالج السرطان؟" والإجابة هي نعم اذا عالجت الحمية السرطان سوف نرى قصص أخرى مثل قصة بيل لكن حتى لو لم تعالج الحمية السرطان، سوف نظل نرى قصصا مثل قصة بيل قصة وحيدة، شُفي فيها المريض ذاتيا على ما يبدو فقط بسبب كونه شُخص بالخطأ في المقام الأول تماماً مثل، حتى لو كان التدخين مضراً بصحتك سوف ترى مدخن واحد عاش الى عمر المئة
Now, let's look at this for Belle's story. Well, we care about: Does Belle's story support the theory that diet cures cancer? But instead, we end up asking, "Is Belle's story consistent with diet curing cancer?" And the answer is yes. If diet did cure cancer, we'd see stories like Belle's. But even if diet did not cure cancer, we'd still see stories like Belle's. A single story in which a patient apparently self-cured just due to being misdiagnosed in the first place. Just like, even if smoking was bad for your health, you'd still see one smoker who lived until 100.
(ضحك)
(Laughter)
تماماً مثل، حتى لو كان التعليم جيداً لزيادة دخلك سوف ترى مليونير واحد لم يدرس في جامعة
Just like, even if education was good for your income, you'd still see one multimillionaire who didn't go to university.
(ضحك)
(Laughter)
لذا، لم تكن أكبر مشكلة في قصة بيل أنها غير صحيحة المشكلة هي أنها القصة الواحدة فقط ربما هناك الآلاف من القصص الأخرى التي فشلت فيها الحمية وحدها لكننا لم نسمع عنها ابداً
So the biggest problem with Belle's story is not that it was false. It's that it's only one story. There might be thousands of other stories where diet alone failed, but we never hear about them.
نحن نشارك الحالات الغريبة لأنها جديدة لهذا نعتبرها أخبار نحن لانشارك الحالات العادية ابداً لكونهم عاديون جداً هم ما يحدث في العادة وهاهي الـ99 بالمئة الحقيقية التي نتجاهلها تماماً مثل ما يحدث في المجتمع, لاتستطيع السماع الى الـ1 بالمئة المتطرفين وتجاهل الـ99 بالمئة، العاديين
We share the outlier cases because they are new, and therefore they are news. We never share the ordinary cases. They're too ordinary, they're what normally happens. And that's the true 99 percent that we ignore. Just like in society, you can't just listen to the one percent, the outliers, and ignore the 99 percent, the ordinary.
لأن هذا هو المثال الثاني من الإنحياز التأكيدي نحن نتقبل حقيقة ما كبيانات المشكلة الكبرى هي ليست أننا نعيش في عالم ما وراء الحقيقة هي أننا نعيش في عالم ما وراء البيانات نحن نفضل قصة وحيدة على طن من البيانات الآن، القصص قوية شديدة الوضوح، و تجلب الأشياء للحياة دائما ما يخبرونك أن تبدأ كل حديث بقصة أنا فعلت. لكن القصة لوحدها لا معنى لها ومضللة مالم تكن مدعومة ببيانات واسعة النطاق لكن حتى لو كان لدينا بيانات واسعة النطاق قد لا يكون ذلك كافياً لأنه قد يكون متناسقاً مع نظريات منافسة دعوني أشرح
Because that's the second example of confirmation bias. We accept a fact as data. The biggest problem is not that we live in a post-truth world; it's that we live in a post-data world. We prefer a single story to tons of data. Now, stories are powerful, they're vivid, they bring it to life. They tell you to start every talk with a story. I did. But a single story is meaningless and misleading unless it's backed up by large-scale data. But even if we had large-scale data, that might still not be enough. Because it could still be consistent with rival theories. Let me explain.
هناك دراسة كلاسيكية للعالم النفسي بيتر واسون يعطيك مجموعة من ثلاثة أرقام ويطلب منك التفكير في القاعدة التي تجمعهم إذا أعطيت إثنان، أربعة، ستة ماهي القاعدة؟ حسناً, قد يفكر أغلب الناس أنها أرقام متتاليه زوجية كيف تختبر ذلك؟ حسناً, تستطيع اقتراح مجموعات أخرى من الأرقام المتتالية الزوجية 4, 6, 8 او 12, 14, 16 ويقول بيتر أن هذه المجموعات صحيحة لكن معرفة أنها صحيحة ايضاً مع العلم أنه ربما مئات المجموعات من الاعداد المتتالية الزوجية صحيحة ايضاً لا يخبرك شيئاً لأن هذا لا يزال متناسقاً مع نظريات منافسة قد تكون القاعدة أي ثلاثة أرقام زوجية أو أي ثلاثة أرقام متزايدة
A classic study by psychologist Peter Wason gives you a set of three numbers and asks you to think of the rule that generated them. So if you're given two, four, six, what's the rule? Well, most people would think, it's successive even numbers. How would you test it? Well, you'd propose other sets of successive even numbers: 4, 6, 8 or 12, 14, 16. And Peter would say these sets also work. But knowing that these sets also work, knowing that perhaps hundreds of sets of successive even numbers also work, tells you nothing. Because this is still consistent with rival theories. Perhaps the rule is any three even numbers. Or any three increasing numbers.
وهذا هو المثال الثالث على الإنحياز التأكيدي: قبول البيانات كدليل حتى لو كانت متناسقة مع نظريات أخرى منافسة البيانات هي مجرد مجموعة من الحقائق الأدلة هي البيانات التي تدعم نظرية واحدة وتستبعد الآخرين لذلك أفضل طريقة لدعم نظريتك هي أن تحاول دحضها، أن تكون محامي الشيطان إختبر شيئا مثل: 4, 12, 26 إذا كانت الإجابة نعم, فذلك من شأنه أن يدحض نظريتك من الأرقام المتتالية الزوجية لكن هذا الإختبار قوي لأن اذا كانت الإجابة لا، ذلك من شأنه أن يستبعد "أي ثلاثة أرقام زوجية" و "أي ثلاثة أرقام متزايدة" سيستبعد ذلك النظريات المنافسة، ولن يستبعد نظريتك لكن أغلب الناس يخافون اختبار 4, 12, 26 لأنهم لا يريدون أن تكون الإجابة نعم فيثبتون بذلك أن نظريتهم المفضلة خاطئة الإنحياز التأكيدي ليس فقط حول الفشل في البحث عن بيانات جديدة لكنه أيضاً حول سوء فهم البيانات عند استلامها
And that's the third example of confirmation bias: accepting data as evidence, even if it's consistent with rival theories. Data is just a collection of facts. Evidence is data that supports one theory and rules out others. So the best way to support your theory is actually to try to disprove it, to play devil's advocate. So test something, like 4, 12, 26. If you got a yes to that, that would disprove your theory of successive even numbers. Yet this test is powerful, because if you got a no, it would rule out "any three even numbers" and "any three increasing numbers." It would rule out the rival theories, but not rule out yours. But most people are too afraid of testing the 4, 12, 26, because they don't want to get a yes and prove their pet theory to be wrong. Confirmation bias is not only about failing to search for new data, but it's also about misinterpreting data once you receive it.
وهذا ينطبق على التجربة وعلى مشاكل العالم الحقيقي المهمة أيضاً في الحقيقة، توماس إديسون قال مقولة شهيرة "أنا لم أفشل، أنا ببساطة وجدت 10000 حلاً لا يعمل." معرفة أنك على خطأ هي الطريقة الوحيدة لمعرفة ما هو صحيح.
And this applies outside the lab to important, real-world problems. Indeed, Thomas Edison famously said, "I have not failed, I have found 10,000 ways that won't work." Finding out that you're wrong is the only way to find out what's right.
لنفترض أنك مدير القبول في جامعة ما ونظريتك هي أن الطلاب ذوو الدرجات العالية من العوائل الغنية هم من يبلون حسناً لذا انت تقبل فقط هؤلاء الطلاب ويبلون حسناً لكن هذا يتناسق أيضاً مع نظرية منافسة ربما كل الطلاب ذوو الدرجات المرتفعة يبلون حسناً أغنياء كانوا أم فقراء لكنك لم تختبر هذه النظرية أبداً لأنك لم يسبق لك قبول طالب فقير لأنك لا تود إثبات انك على خطأ
Say you're a university admissions director and your theory is that only students with good grades from rich families do well. So you only let in such students. And they do well. But that's also consistent with the rival theory. Perhaps all students with good grades do well, rich or poor. But you never test that theory because you never let in poor students because you don't want to be proven wrong.
مالذي تعلّمناه؟ القصص ليست حقيقة، هناك احتمال أن تكون غير صحيحة الحقيقة ليست بيانات قد لا تكون نموذجية إذا كانت نقطة بيانات واحدة والبيانات ليست أدلة قد لا تكون داعمة في حال كانت متناسقة مع نظريات منافسة اذاً، ماذا تفعل؟ عندما تكون في نقاط الإنقلاب في حياتك مثل اتخاذ قرار بشأن إستراتيجية عملك أو أسلوب تربية إبنك أو نظام لصحتك كيف تتأكد أنه ليس لديك قصة بل لديك دليل؟
So, what have we learned? A story is not fact, because it may not be true. A fact is not data, it may not be representative if it's only one data point. And data is not evidence -- it may not be supportive if it's consistent with rival theories. So, what do you do? When you're at the inflection points of life, deciding on a strategy for your business, a parenting technique for your child or a regimen for your health, how do you ensure that you don't have a story but you have evidence?
دعني أعطيك ثلاثة نصائح. الأولى هي أن تتفقد وجهات النظر الأخرى بفعالية أي ان تقرأ وتستمع لمن لا تتوافق بشدّة معه في وجهة نظرك، تسعون بالمئة مما يقولون هو خاطئ لكن ماذا إذا كانت العشرة بالمئة صحيحة؟ مثل ما قال أرسطو: "علامة العقل المتعلم هي قدرته على تداول الفكرة دون أن يتقبلها" أحط نفسك بأشخاص يشكّلون تحدياً لك واخلق ثقافة تشجع المعارضة بعض البنوك عانت التفكير الجماعي (تفكير القطيع) عندما خاف الموظفون من تحدي قررات الإقراض الخاصة بالإدارة مما ساهم في الأزمة المالية. في أي اجتماع، عيّن أحدهم محامي الشيطان ضد فكرتك التي تدعمها ولا تستمع فقط الى وجهة نظر أخرى -- إصغِ إليها جيدا، أيضاً.
Let me give you three tips. The first is to actively seek other viewpoints. Read and listen to people you flagrantly disagree with. Ninety percent of what they say may be wrong, in your view. But what if 10 percent is right? As Aristotle said, "The mark of an educated man is the ability to entertain a thought without necessarily accepting it." Surround yourself with people who challenge you, and create a culture that actively encourages dissent. Some banks suffered from groupthink, where staff were too afraid to challenge management's lending decisions, contributing to the financial crisis. In a meeting, appoint someone to be devil's advocate against your pet idea. And don't just hear another viewpoint -- listen to it, as well.
كما قال العالم النفسي ستيفن كوفي: "إستمع بقصد الفهم، لا بقصد الرد." وجهات النظر المعارضة هي شيء لنتعلم منه لا لنجادله. مما يأخذنا الى الأفكار المنسية الأخرى في "استدلال بايزي" لأن البيانات تسمح لك أن تتعلم لكن التعلم متصل بنقطة البداية فقط اذا بدأت مع يقين تام أن نظريتك التي تدعمها صحيحة لن تتغير وجهة نظرك -- بغض النظر عن البيانات التي تراها.
As psychologist Stephen Covey said, "Listen with the intent to understand, not the intent to reply." A dissenting viewpoint is something to learn from not to argue against. Which takes us to the other forgotten terms in Bayesian inference. Because data allows you to learn, but learning is only relative to a starting point. If you started with complete certainty that your pet theory must be true, then your view won't change -- regardless of what data you see.
فقط في حال تقبلك حقاً لإحتمالية كونك على خطأ حينها فقط، ستتعلّم. كما كتب ليو تولستوي: "أصعب المواضيع يمكن تفسيرها لأكثر رجل بطيء البديهة إذا لم يكن قد شكل اي فكرة عنها بعد. لكن أبسط الأشياء لا يمكن توضيحها لأكثر رجل ذكاء إذا كان مقتنع بإصرار أنه يعلم بالفعل." النصيحة الثانية هي: إستمع للخبراء الآن, ربما هذه أكثر نصيحة غير مستحبة قد أعطيك إياها
Only if you are truly open to the possibility of being wrong can you ever learn. As Leo Tolstoy wrote, "The most difficult subjects can be explained to the most slow-witted man if he has not formed any idea of them already. But the simplest thing cannot be made clear to the most intelligent man if he is firmly persuaded that he knows already." Tip number two is "listen to experts." Now, that's perhaps the most unpopular advice that I could give you.
(ضحك)
(Laughter)
السياسي البريطاني مايكل قوف قال مقولة شهيرة وهي أن الناس في هذا البلد لديهم ما يكفى من الخبراء أظهر استطلاع مؤخراً ان الكثير من الناس يثقون في مصفف الشعر الخاص بهم
British politician Michael Gove famously said that people in this country have had enough of experts. A recent poll showed that more people would trust their hairdresser --
(ضحك)
(Laughter)
أو رجل ما في الشارع أكثر من ثقتهم في قادة الشركات، أو الخدمات الصحية أو حتى الجمعيات الخيرية لذلك, نحن نحترم طريقة تبييض أسنان اكتشفتها أم، أو نستمع إلي رأي ممثلة في تطعيم، نحن نفضل من يخبروننا الأمر كما هو، من يتبعون حدسهم، ونطلق عليهم "موثوق به". لكن الحدس قد يضللك قد يخبرك حدسك أن لا تعطي الماء أبداً لطفل يعاني من الإسهال لأنه سيتدفق فقط من الطرف الآخر لكن الخبراء يخبرونك العكس. لن تثق برجل ما في الشارع في عمليتك بالتأكيد ستريد خبير قضى سنوات في إجراء الجراحات ويعرف أفضل الطرق. لكن هذا يجب أن ينطبق على كل قرار مهم نتخذه السياسة، والتجارة، والإستشارات الصحية تتطلب خبراء، تماماً مثل الجراحة
or the man on the street than they would leaders of businesses, the health service and even charities. So we respect a teeth-whitening formula discovered by a mom, or we listen to an actress's view on vaccination. We like people who tell it like it is, who go with their gut, and we call them authentic. But gut feel can only get you so far. Gut feel would tell you never to give water to a baby with diarrhea, because it would just flow out the other end. Expertise tells you otherwise. You'd never trust your surgery to the man on the street. You'd want an expert who spent years doing surgery and knows the best techniques. But that should apply to every major decision. Politics, business, health advice require expertise, just like surgery.
إذن، لماذا الخبراء غير موثوق فيهم؟ حسناً، سبب من الأسباب أنهم يُظن أنهم لا علاقة لهم بالواقع الرئيس التنفيذي المليونير غالباً لن يتكلم مع الرجل الذي في الشارع لكن الخبراء الحقيقيون موجودون في الأدلة والأدلة تدعم الرجل الذي في الشارع وتكون ضد النخبة لأن الأدلة تجبرك على إثبات ذلك الأدلة تمنع النخبة من أن تفرض وجهة النظر الخاصة بها بدون إثبات
So then, why are experts so mistrusted? Well, one reason is they're seen as out of touch. A millionaire CEO couldn't possibly speak for the man on the street. But true expertise is found on evidence. And evidence stands up for the man on the street and against the elites. Because evidence forces you to prove it. Evidence prevents the elites from imposing their own view without proof.
ثاني سبب لعدم الثقة بالخبراء هو أن الخبراء المختلفين يقولون أشياء مختلفة مقابل كل خبير ادعى أن مغادرة الإتحاد الأوروبي سيكون سيئاً لبريطانيا خبير آخر ادعى أنها فكرة جيدة نصف هؤلاء الذين يُدعون خبراء سيكونون على خطأ وعلي الإعتراف أن معظم الأبحاث التي كتبها الخبراء خاطئة أو في أفضل الحالات، الأدلة لا تدعم بالفعل لذلك نحن لا نستطيع الأخذ بكلمة خبير.
A second reason why experts are not trusted is that different experts say different things. For every expert who claimed that leaving the EU would be bad for Britain, another expert claimed it would be good. Half of these so-called experts will be wrong. And I have to admit that most papers written by experts are wrong. Or at best, make claims that the evidence doesn't actually support. So we can't just take an expert's word for it.
دراسة عن أجور التنفيذيين كانت حديث الصحف الوطنية في نوفمبر 2016 على الرغم من أن أي من الصحف التي نشرت عنها لم تكن اطّلعت على الدراسة الدراسة لم تكن قد نشرت بعد. هم فقط اعتمدوا على كلام الكاتب تماماً مثل قصة بيل لا يعني ذلك اننا نستطيع فقط إنتقاء أي دراسة تدعم وجهة النظر الخاصة بنا لأن ذلك سيكون، مرة أخرى، إنحياز تأكيدي ولا يعني أيضاً إذا سبع دراسات أشارت الى "أ" وثلاث أشارت الى "ب" أن "أ" هي الصحيحة. ما يهم هو الجودة وليس كمية الخبراء.
In November 2016, a study on executive pay hit national headlines. Even though none of the newspapers who covered the study had even seen the study. It wasn't even out yet. They just took the author's word for it, just like with Belle. Nor does it mean that we can just handpick any study that happens to support our viewpoint -- that would, again, be confirmation bias. Nor does it mean that if seven studies show A and three show B, that A must be true. What matters is the quality, and not the quantity of expertise.
لذا علينا أن نفعل شيئين أولاً، يجب علينا دراسة أهلية المؤلف على نحو إنتقادي تماماً مثل ماستدرس أهلية جراح محتمل على نحو انتقادي هل هم خبراء حقاً في هذا المجال أم لديهم مصلحة مكتسبة؟ ثانياً، يجب علينا أن نولي اهتماماً خاصاً للأطروحات التي تنشر في نخبة الصحف الأكاديمية الآن، غالباً ما يُتهم الأكاديميين بأنهم منفصلين عن العالم الحقيقي لكن هذا الإنفصال سيتطلب منك قضاء سنوات على دراسة ما لتدليل نتيجة، واستبعاد نظريات منافسة، وللتمييز بين العلاقة المترابطة والعلاقة السببية وتشمل الصحف الأكاديمية مراجعة دقيقة حيث يتم فحص الأطروحات بصرامة
So we should do two things. First, we should critically examine the credentials of the authors. Just like you'd critically examine the credentials of a potential surgeon. Are they truly experts in the matter, or do they have a vested interest? Second, we should pay particular attention to papers published in the top academic journals. Now, academics are often accused of being detached from the real world. But this detachment gives you years to spend on a study. To really nail down a result, to rule out those rival theories, and to distinguish correlation from causation. And academic journals involve peer review, where a paper is rigorously scrutinized
(ضحك)
(Laughter)
من قبل العقول الرائدة في العالم. كل ما كانت الصحيفة أفضل، كل ما كانت المعايير أعلى الصحف النخبة ترفض 95 بالمئة من الأطروحات
by the world's leading minds. The better the journal, the higher the standard. The most elite journals reject 95 percent of papers.
الآن، الدليل الأكاديمي ليس كل شيء التجربة في العالم الخارجي أمر بالغ الأهمية أيضاً والمراجعة الدقيقة ليست مثالية، لا تزال الأخطاء تُرتكب لكن الأفضل هو إختيار شيء قد فُحص على شيء لم يُفحص اذا دعمنا دراسة ما لأننا استحسنا إستنتاجاتها دون الأخذ بعين الإعتبار من كتبها أو حتى هل تم فحصها، هناك فرصة كبيرة أن هذه الدراسة خاطئة وأولئك من يدّعون منا انهم خبراء يجب عليهم ان يدركون حدود تحاليلنا نادراً جداً ما يمكن إثبات أو التنبؤ بشيء ما على وجه اليقين لكن اختلاق بيان عام وغير كفء مغرٍ جداً من السهل جداً أن تكون في العناوين الرئيسية أو أن يُغرّد فيك من 140 حرف لكن حتى الأدلة قد لا تكون اثباتاً قد لا تكون شاملة، قد لا تنطبق على كل الأوضاع لذا، لا تقل " النبيذ الأحمر يسبب حياة أطول،" عندما يقول الدليل أن النبيذ الأحمر مرتبط مع الحياة الطويلة و فقط عند الناس الذين يمارسون الرياضة أيضاً.
Now, academic evidence is not everything. Real-world experience is critical, also. And peer review is not perfect, mistakes are made. But it's better to go with something checked than something unchecked. If we latch onto a study because we like the findings, without considering who it's by or whether it's even been vetted, there is a massive chance that that study is misleading. And those of us who claim to be experts should recognize the limitations of our analysis. Very rarely is it possible to prove or predict something with certainty, yet it's so tempting to make a sweeping, unqualified statement. It's easier to turn into a headline or to be tweeted in 140 characters. But even evidence may not be proof. It may not be universal, it may not apply in every setting. So don't say, "Red wine causes longer life," when the evidence is only that red wine is correlated with longer life. And only then in people who exercise as well.
النصيحة الثالثة هي: "توقف قليلاً قبل مشاركة أي شيء" يقول قسَم أبقراط: "أولاً، لا تضر أحداً" ما نشاركه محتملا أن يكون معدياً لذا كن حذراً جداً حول ما تنشر. هدفنا يجب ألّا يكون الحصول على إعجابات أو إعادة تغريدات وإلا سنشارك فقط ما عليه إجماع الناس, و لن نتحدى فكرة أي شخص و إمّا سنشارك ما يبدو جيداً فقط بغض النظر عن أدلته
Tip number three is "pause before sharing anything." The Hippocratic oath says, "First, do no harm." What we share is potentially contagious, so be very careful about what we spread. Our goal should not be to get likes or retweets. Otherwise, we only share the consensus; we don't challenge anyone's thinking. Otherwise, we only share what sounds good, regardless of whether it's evidence.
بدلاً من هذا، يجب علينا سؤال الآتي: إذا كانت قصة، هل هي حقيقية؟ إذا كانت حقيقية، هل هي مدعّمة ببيانات واسعة النطاق؟ وإن كانت كذلك، من كتبها، وما مقدار أهلية الكاتب؟ هل نُشرت، ما مدى صرامة الصحيفة؟ واسأل نفسك سؤال المليون دولار: إذا كتبت نفس القصة من قبل نفس الكتاب بنفس أهليّتهم، ولكن النتائج كانت العكس هل ما زلت على استعداد ان تصدقها وتشاركها؟
Instead, we should ask the following: If it's a story, is it true? If it's true, is it backed up by large-scale evidence? If it is, who is it by, what are their credentials? Is it published, how rigorous is the journal? And ask yourself the million-dollar question: If the same study was written by the same authors with the same credentials but found the opposite results, would you still be willing to believe it and to share it?
حل أي مشكلة -- مشكلة إقتصادية لأمة ما أو مشكلة صحية لشخص ما صعب. لذا، يجب علينا التأكد أن لدينا أفضل الأدلة لتقودنا فقط في حالة كونها صحيحة، هي حقيقية فقط في حالة أنها نموذجية، هي بيانات فقط في حالة كونها داعمة، هي أدلة وفقط مع الأدلة نستطيع أن ننتقل من عالم ما وراء الحقيقة إلى عالم سابق لأوانه.
Treating any problem -- a nation's economic problem or an individual's health problem, is difficult. So we must ensure that we have the very best evidence to guide us. Only if it's true can it be fact. Only if it's representative can it be data. Only if it's supportive can it be evidence. And only with evidence can we move from a post-truth world to a pro-truth world.
شكراً جزيلاً.
Thank you very much.
(تصفيق)
(Applause)