全文共1968字，预计学习时长5分钟
图源：unsplash
社交媒体已然成为我们生活中必不可少的一部分，比如Facebook和Twitter。只要点一下，就可以即刻与世界各地的人联系在一起，观天下大事听万众评论。
包括Facebook在内，社交媒体已成为人们获取新闻的主要平台，通过它上传链接和照片来传播新闻变得很容易。但问题是，你看到的新闻可能是假的。现在的我们比以往任何时候都更需要质疑所有通过社交媒体分享的表情包和图表背后的数据。
最近的一项研究表明，Facebook传播假新闻的速度比其他任何社交媒体网站都要快。Facebook可是最大的社交媒体公司，这着实令人心惊，假新闻存在于各个行业各个话题之中。
关于新冠肺炎虚假信息的肆意传播，使得世界卫生组织特地创造了一个谣言澄清网页。卫生部门的官员正在竭尽全力来阻止信息的传播，因为人们在不核实事实的情况下就轻信了Facebook上的新闻标题。不要成为他们中的一员！
作为一名教授统计学入门课程的统计学家，我总是告诉我的学生，他们必须透过标题和图表看问题。下面，我将列出一些在相信任何信息之前必须要思考的问题。
1.数据是如何收集的？
我一直对数据收集的方式持怀疑态度。在谈到从数据中得出什么类型的结论，以及数据是否代表了我们认为它代表的东西时，我认为数据收集是不可或缺的。
例如，人们经常会看到两件相互关联的事情，并假设其中一件是导致另一件的原因。但相关性不是构成它们的因果关系，除非我们在收集数据时控制了所有其他因素，否则无法得出因果关系的结论。
这是研究中最普遍的问题，但当你在社交媒体上浏览时，人们总是在谈论因果。但我们检查数据收集方法时，却发现这一阶段没有任何控制的变量，结果会受多方面因素的影响。
图源：unsplash
举一个虽然很蠢但有用的例子。想想冰激凌销售量和夏天犯罪率：冰淇淋的销售量在夏天增加了，犯罪率在夏季也有所上升。这意味着两件事是相关且一起增加的。那么，我们是否可以断言，冰淇淋销量的增加会导致更多的犯罪事件呢?当然不是!这个想法太傻了。
很明显，这两个因素在夏季会提高。由于外面天气越来越热，冰淇淋的销量很可能会增加，犯罪也是如此。因此，如果我们控制了天气，我们就会看到这两件事不再相关。这个例子很简单，但它说明了一个普遍的道理：两件事相互关联并不意味着一件事导致了另一件事。
图源： https://theconversation.com
2.数据是真实的吗？
这不是玩笑，你确实需要质疑这些数据的真实性。网络上的信息来源难以溯源，我们不能相信所有人。以Michael Lacour为例，他在学术期刊《科学》上发表了一篇关于态度的文章，并被广为分享，结果有人发现他的研究成果是伪造的。如果攻读学位的研究生都会伪造数据，为什么你会相信一个萍水相逢的Facebook用户的数据是真实可靠的呢？
创建数据和图表实际上并没有那么困难。今天的技术如此发达，我们几乎可以立即创建图表。
上面的图片显示：男性的收入大约是女性的两倍。男性的工资平均是6万，女性是3万。这是一个热门话题，而且在其他地方也有证据表明男性的平均工资高于女性，这张图表与这种说法相一致，你很容易相信这张图表。这就是你必须小心的原因! 仅仅因为他们有一个图表，并不意味着它不是伪造的！
3.样本够大吗？
许多研究喜欢由小样本的实验结果推及到群体，问题是小样本有时不能很好地代表总体。以这项关于因新冠而迁移的美国人的研究为例，标题说大约五分之一的成年人搬家或认识搬家的人。被抽样的美国人的数量小于一万，但美国有3.28亿人口，从1万人口推广到3.28亿人合理吗？
图源：unsplash
当然，调查每个美国人是不可能的，因为这将花费许多财力，但我们仍然需要有合理数量的人。一万是非常小的一个样本，小到你应该质疑结论是否适用于所有人。
样本量问题不仅仅存在于对美国人的研究中。它们也存在于行为、政治、医学等方面的研究中。它们只是获得大样本的自然限制。
习惯去质疑是一种很好的品质，尤其是假新闻假数据泛滥的今天，我希望你保持对社交媒体上的新闻持怀疑态度。不要被文章的标题所左右，而要深入探索数据。
留言点赞关注
我们一起分享AI学习与发展的干货
如转载，请后台留言，遵守转载规范
一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）