博士班的訓練其實也沒甚麼特別, 說穿了就是教你怎樣運用知識, 然後最大化地發揮知識的效用, 我一直想寫這些東西出來跟大家分享, 以下我就來舉一些例子跟大家討論我的心得
1. 首先是運用知識, 日本大地震後國內掀起了一股黃金三角型的地震避難風潮, 一時間大家好像看到了最新的蘋果產品般爭相轉告模仿, 好像以前學校消防隊教的東西都不對, 自己在網路上看到好友Facebook的分享才是真理, 其實如果受過學術訓練的人, 會先看看說這話的人是誰, 確認一下他的背景, 最重要的是確認他說過這話, 有時話被人斷章取義, 東拼西湊, 不見得是他原來的意思, 我還真的去找, 並不難, Google打上關鍵字Triangle + Earthquake後就有很多, 把中文的音翻一下就找到了他, 從他的名子又可以找到他在Youtube上錄的短片, 簡單來說, 這位Doug Copp先生並不是FEMA救難隊的成員, 充其量就是個志工, 志願參加一些搜救服務, 再順著找, 他的理論除了他自己外, 主流的討論一面倒都是質疑, 甚至可以找到一篇經過同儕審查的學術文章, 討論原本躺下, 護頭, 抓緊的FEMA建議步驟與她說的黃金三角型的比較差異 (http://www.sid.ir/en/VEWSSID/J_pdf/86020090104.pdf) 這篇研究論文讀完後, 還有一大堆的討論文章, 其中講到他犯了許多邏輯演繹上的錯誤, 有興趣大家多研究看看, 遇到不會的事情別急著相信, 看看說話的人是誰, 小心地多查一下對方的背景與說這話的時機, 如果能找到有人背書, 在學術界我們說是同儕審查過後, 至少是比較可信
2. 學術界在做任何的推論是比較保守, 有所保留, 所以我們很少說, 美國都是…., 進過火場的人都知道…. 之類的話, 因為這樣的話破綻太大, 只要找一個反例馬上就推翻你全部的話, 所以我們多用可能, 或許, 等詞彙, 很少有武斷的推論, 同理可知, 如果看到網路轉載的知識告訴你, 美國現在都在用….., 美國消防隊都學過…., 或是告訴你美國XX領域的教科書都提過…., 這些話多半不可信, 記得統計學中最簡單的道理是, 證明一件事情是錯的比證明它是對的簡單, 要提出一件大家都學過的事情永遠比找出一件非大家都學過的事難很多, 能下這樣結論的人, 多半是帶著模擬兩可的態度, 做出來的結論也不大可信
3. 受過學術訓練的人, 引用文章或是說法的目的是希望你找的到, 所以我們寫文章或是說話, 必定「清楚」地引用文獻, 甚至怕你找不到, 書名作者, 出版年份還有頁數都要說清楚, 所以在學術文章中不會說, 美國NFPA的標準就規定…, 美國國家商品檢驗局就說過…, 或是在一段話說完後沒頭沒腦的來一個(根據澳洲的教官所言)之類的說法, 要說話就是要說清楚, 誰說的, 哪時候說的, 在那裡說的都要提清楚, 否則並不嚴謹, 簡單的說, 如果你在網路上讀到好像很有道理的資訊, 裡面有各國的專家或是文獻中的說法, 你應該抱著懷疑的態度, 想想看這些人是否說過這樣的話, 甚至是這些人到底存不存在, 缺乏清楚引述的文章在學術界不會被承認, 而現在很多網路文章就是這樣, 下次大家讀到要小心求證
4. 最後聊到實驗, 很多網路知識提到某件事情後喜歡佐證實驗或是實地觀察結果, 這些東西的出發點不錯(至少比甚麼都不做, 空口說白話好多了), 只是實驗的設計與邏輯要仔細地審視, 以我第一點的例子來說, 美國很多人攻擊Copp的論點不正確就是他觀察了土耳其大地震之後倒塌的房子, 先不說土耳其倒塌房子中觀察到的經驗怎能用在美國或是台灣, 光是他的觀察只是偏向某一特定類型的房屋這點就漏洞百出, 做實驗的方法很多, 最簡單的是要有對照組, 沒有對照組的實驗檢驗不出因果之間的關係, 舉例來說, 吃了鳳梨後火警出勤次數傳說會比較高, 但是如果沒有排除了其他的因子來討論這兩件事情是完全沒有意義, 例如會不會是盛產鳳梨的季節中火警發生的機率比較高, 吃鳳梨的時段是接近某些特定時間, 在那些時間內出勤機率本就比較高一些, 這些可能的因素不先排除, 拍個影片, 吃個鳳梨, 然後恰巧拍到消防車出勤這樣不是科學, 而是巧合
這些是我目前博士班所學辨別真假的方法, 希望能促進大家思考在網路上流傳的知識很多是經不起檢視的