#怎樣解讀專家意見 (二)
（ 第一篇請見：https://www.facebook.com/noodleswithturtle/posts/607303543098349 ）
在開始之前，我想特別介紹一位美國的教授，他叫做菲利普．泰特洛克(Philip E. Tetlock)，他的專業是心理學與政治學，他特別關注的主題是「為什麼專家做的預測時常不準？」以及「一般人如何能夠做出品質更好的預測？」
他跟同儕進行了一個叫做 “Good Judgement Project” 「良好判斷計畫」的學術研究，這個計畫是怎麼做的呢？簡單來說，研究團隊找了幾千人加入當 #義務預測員，然後再根據他們的個人特質以及訓練的方式，找出 #認知偏誤 比一般人低的那些。
隨著一輪接著一輪的預測比賽開始進行，研究者篩選出預測成績特別好的一群人，最後剩下約 260 人。他們被問的問題多達 300 題，很多都是各國的政府、大企業、銀行、智庫都想知道的，像是「俄羅斯會在未來三個月內，正式併吞更多烏克蘭的領土嗎？」、「明年會有任何國家退出歐元區（eurozone）嗎？」、以及「庫德地方政府（Kurdistan Regional Government）今年會舉行國家獨立公投嗎？」之類的。
（ 延伸閱讀：〈人性中的傲慢與偏見：認知失調〉
https://pansci.asia/archives/69276 ）
（ 推薦讀書：《超級預測：洞悉思考的藝術與科學，在不確定的世界預見未來優勢》
https://www.books.com.tw/products/0010726024 ）
各位可能對這些題目陌生得不得了，毫無頭緒，這很正常，幾乎所有超級預測員看到題目也都是這樣覺得的，但他們卻能持續做出正確的預判，預測品質比常上節目大放厥詞、在報紙上寫專欄、甚至擔任政府最高幕僚的那些知名專家來得更準確，這到底是為什麼呢？難道良好預測計畫其實是超能力訓練所嗎？還是 #只要有心，人人都可以是專家呢？
這世界上有沒有超能力，我也不能打包票，但參加良好預測計畫而成績卓著的這些超級預測員，絕對不是因為超能力的關係才預測得那麼準，也不是因為他們都上過特定幾間學校、曾經是國際政治議題專家之類的。更不是因為那些比他們不準的專家其實都是蠢蛋、學歷跟研究都是造假的，而是我們一直對專家有些誤會。
當我們的生活被各種細分專業支持著，那麼多陌生又愛管閒事的專家在媒體上、網路上發表意見，給政策制定者、企業管理者出主意，幫他們背書，又屢屢出包，不免讓人覺得沮喪、甚至憤怒，特別是當他們把事情決定好了，卻沒有通知你一下。於是社會上許多人漸漸產生「#反專業」的情緒，這種情緒更餵養了常見的「兩種」對專家的錯誤認知。
第一種錯誤認知就是「 #無能」，特別是當專家的意見出錯，或是彼此不一致時，一般人就認為這些專家其實不夠專業，甚至這個專業根本沒什麼了不起。
首先談談專家意見不一致的情況。我們得了解，在處理不確定的領域，特別是風險爭議時，專家會有不同的說法，是因為設定的 #問題框架 不一致。例如能源議題，有專家說該用穩定且不排碳的核電，有專家說該用不會造成重大意外，無碳且價格不斷下降的風電跟太陽光電，還有專家說該用技術最成熟、來源最穩定，目前供電占比也最大的火力發電。當然也會有人提出不同的配比跟未來的進程，例如到 2030 或 2050 年的時候火力要佔多少、綠能要佔多少等等。
專家其實也不能肯定怎樣是比較好的，所以會把重要的比較項目列出來，像是穩定性、價格、排碳量、佔用空間與發電量的比較、技術成熟度、來源是否確保無虞等等，其他的專家則還會從氣候變遷、地震跟海嘯威脅、軍事跟國防需求、企業發展、地方社區意見等等面向切入。
專家們設定的問題框架不同，可能是因為政治立場不同，對各種風險的感覺與知識有差異，或是溝通還不足夠。專家他們自己需要改善，但我們一般人也不能就站在一旁閒著，而是要能從專家的發言中看懂這些問題框架所在。身為民眾的我們 #當然可以要求科技讓人放心，但需要能夠 #以科學的態度討論。
反過來說，當專家的意見一致，也不一定是好事。專家的確容易形成封閉的小圈圈，一來是因為太忙了，二來是因為要把專業知識轉譯成一般人聽得懂的語言很麻煩，三來是因為小圈圈有利於管理，提升專業的向心力跟專家的素質整齊度。
當然，這樣也會產生一些弊病，像是 #透明性不夠，使得內部產生階級的壓迫，於是資歷深的醫師可能會壓迫資歷淺的醫師，有名的終身職教授可能會壓迫默默無聞的兼任助理教授等等，但大致上來說，我們的社會能快速成長到現在，靠得就是這樣不完美的專家小圈圈，一個一個扮演好他們的角色。
矛盾的是，我們有時候也認為「專家除了擅長自己的專業領域之外，應該也能對接近或類似的領域給出好的見解」。這類似於心理學上所說的「月暈效應」，也就是我們會覺得一個人的某項表現很好，那麼他的其他項表現也會很好。
這種人類的天性之所以能成為天性，就是因為在 #大部分 #單純 的情況下是對的，但是在越 #複雜、越 #多元 的情況下，就容易出錯。於是成為一種 #陷專家於不義的社會預期。
誇張一點的情況是，我們會看見同一位專家從外太空談到內子宮，從醫藥科技談到教育政策，再談到交通規劃或文化創意，全都包辦，這樣出錯的機率當然高。個別專家當然要為這樣不恰當的發言負很大的責任，但我們也不該撇清責任，因為我們總是想要聽到能言善道的專家講出我們想聽的話，才創造了這樣的局面。
所以你該對專家有的第一個正確認知是「專家偶爾且局部的誤判，並不等於專家必然且全面的失敗」。
下一篇，讓我們繼續談談對專家的另一個常見的錯誤認知。
（下週二刊登）
----------------------
之所以想寫這一系列，是因為之前在自己的線上課「科學思辨力」有一堂就是講這個題目，我自己最近更是被多種我不懂的專業議題（例如華為、貿易戰、國防......）同時撞擊。許多專家各執一詞，我想即使跟我一樣，抱持無知者信念的人，也會覺得認知疲憊。我想藉由這系列文章（大概四篇），分享一下我自己的做法，#也希望聽聽大家各自的解決之道。
#鄭龜嗑什麼暫停一天
----------------------
【推廣】很榮幸能接受少年網紅酒窩J的專訪，談談偽科學跟假新聞的議題，後製剪接的很棒！請大家賞臉看看，順手分享啦！分成兩集，這是上集喔。
【 酒窩J x 鄭國威】不科學假新聞有四種大法你知道嗎？少年記者訪談第二集（上）
https://www.facebook.com/ChinDimpleJ/videos/1021003314757674/
義務預測員 在 [討論] 95年義務役考選預官預士錄取分數預測- 精華區Army-Sir 的推薦與評價
95年義務役考選預官預士錄取分數預測
()內為錄取名額
預士部分
區分 第一梯次 第二梯次 第三梯次 第四梯次 可填組別
合計 6571 5976 3546 2320
=================================================================
一般兵工 235(728) 245(605) 215(348) 195(108) AA
裝甲兵 255(184) 260(115) 235(99) 215(68) AA AB AE BD BE
CB CC CD DA DB
砲兵 260(309) 265(220) 240(165) 220(149) AA AB AE BD BE
CB CC CD DA DB
航機保修 260(35) 260(33) 240(14) 220(16) AD
車輛保修 255(61) 255(55) 235(31) 215(13) AE
補給管理 255(389) 265(274) 235(176) 215(76) BA
運輸 255(246) 260(199) 235(164) 215(64) BB
主計財務 240(440) 250(358) 220(291) 200(249) BC
資料處理 270(156) 275(101) 250(75) 230(41) BD
化學 265(161) 270(135) 245(74) 225(50) BE
氣象 285(3) 285(3) 270(3) 260(1) BF
法律 270(23) 270(21) 250(23) 240(21) BI
軍樂 260(14) 260(11) 240(8) 230(5) BJ
食勤 260(38) 260(29) 240(28) 220(19) BK
電子 280(29) 285(23) 265(15) 250(9) CA
通信 210(880) 220(655) 190(378) 170(280) CC
飛彈保修 280(9) 280(10) 265(9) 250(10) CB
資訊系統 275(23) 280(24) 255(26) 245(3) CD
測量 275(13) 275(10) 255(9) 0 DA
工兵 250(295) 255(209) 230(104) 210(80) DB
醫療 270(8) 270(15) 250(5) 240(3) EB
牙醫 280(9) 285(1) 270(1) 265(1) ED
藥劑 275(20) 280(5) 260(3) 245(3) EC
醫勤 250(224) 255(135) 230(115) 210(98) EA
醫事檢驗 285(3) 0 0 0 EE
放射治療 285(4) 0 0 0 EF
物理治療 290(1) 0 0 0 EG
職能治療 285(3) 0 0 0 EH
護理 270(18) 270(20) 255(5) 240(5) EK
憲兵 285(259) 285(259) 270(259) 250(259) FF
政戰 325(145) 330(51) 305(89) 285(49) FF
步兵 145(1841) 145(2400) 140(1029) 135(640) FF
==========================================================
預官部分
博士班一屆畢業人數2100 男生估計1500
博士甄選預官一梯預計120 二梯預計80 合計200
區分 第一梯次 第二梯次 可填組別
合計 409 300
=============================================================
一般兵工 330(15) 330(10) AA
砲兵 340(16) 340(19) AA AB AE BD BE CB CC CD DA DB
補給管理 340(6) 0 BA
運輸 335(16) 0 BB
資料處理 345(14) 0 BD
化學 325(28) 330(12) BE
氣象 325(10) 0 BF
體育 310(6) 0 BH
法律 350(3) 0 BI
通信 345(12) 0 CC
飛彈保修 0 345(10) CB
資訊系統 350(6) 0 CD
工兵 325(21) 330(11) DB
醫療 290(87) 290(75) EB
牙醫 295(15) 300(10) ED
憲兵 340(22) 340(19) FF
步兵 325(132) 325(134) FF
==================================================
以下來源:版友markovchain
以下為z分配累積人數組距試算
分數 累積人數 累積人數
(SD = 46) (SD = 36.0852)
370 19.40 0.79
360 39.47 2.42
350 76.87 6.90
340 143.33 18.26
330 256.04 45.02
320 438.39 103.38
310 719.81 221.31
300 1134.19 442.13
290 1716.26 825.20
280 2496.31 1440.92
270 3493.60 2357.86
260 4709.99 3623.08
250 6125.41 5240.58
240 7696.69 7156.55
230 9360.78 9259.30
220 11042.12 11397.52
210 12662.79 13412.05
200 14153.13 15170.61
190 15460.61 16592.94
180 16554.92 17658.81
170 17428.69 18398.87
160 18094.31 18874.96
150 18578.03 19158.73
140 18913.40 19315.44
130 19135.22 19395.63
==========================================================
應到考生 24693
實到考生 20378 考生到考率 20378/24963 = 82.53%
預官錄取 709 預官錄取率 709/20378 = 3.48%
預士錄取 18413
預官預士錄取 19122 預官預士錄取率 19122/20378 = 93.84%
智測低於90、總分低於120約900人
安調不合格17員(不予核發准考證)
試場違規34員分別扣2、5或7分
實到考生 20378
繳卡考生 20378 - 900 - 17 = 19461
繳卡考生預官預士錄取率 19122/19461= 98.258%
預士繳卡標準120 ==> 有繳卡98.258%必有預士
(選填志願最低成績標準120)
預官繳卡標準290 ==> 有繳卡不一定有預官
榜首：367.5分(陽明大學醫學系)
平均成績約188分(含缺考)
平均成績約227分(不含缺考)
※ 編輯: fantastic 來自: 140.112.5.31 (03/08 00:39)
... <看更多>