此书摘本创建于：2016-06-02
学会提问
如果在你的家乡投资建一座核电厂，你会支持还是反对？
如果学校出于安全考虑要对每一个学生进行安全检查，你会高兴还是愤怒？
如果你的兄弟姐妹做了父母明令禁止的事，你会告诉父 …… [ 展开全部 ]
- 作者：[美] M.尼尔•布朗 [美] 斯图尔特·基利
- 出版社：机械工业出版社
- 定价：35.00元
- ISBN：9787111406594
-
评估数据的一些线索
(1)尽量找出如何获得数据的相关信息，越多越好。问一下这位作者或演说者是怎么知道的？”持论者想要用大量的数字
来让你动心或者让你惊心的时候，你尤其要警惕。
（2)要对描述的平均值的类型感到好奇，分析一下知道事件的全距和数值分布是不是会对数据多了一个有用的视角。
（3)数据使用者拿一件事的结论来证明另一件事时你要特别当心。
(4)先不去看作者或演说者使用的数据，把所需的数据证据和实际提供的数据做比较。
(5)从数据中得出你自己的结论。如果这结论和作者或演说者的结论不一致，那么很可能其中有什么地方出错了。
(6)判断有什么信息缺失了。对于误导性的数字和百分比自己缺失的比较，你要特别当心。 -
不仅判断一个平均值是平均数、中位数还是众数非常重要，判定最小数值和最大数值之间的差距（即全距(range)以及每个数值出现的频率（数值分布），常常也显得异常重要。
-
记住：有相关并不能证明存在因果关系！
但是大多用来证明因果关系的证据仅仅建立在相关的基础之上。当你发现一个作者指出两者的特征之间有联系来支持他的一种假设，记住要问他一句：“有没有其他原因也可以解释这种联系呢？” -
要找到你自己的类比，有一种建设性的方法如下所述：
(1)识别你正在研究的情况的一些主要特征。
2)尽量找出与上述情况有相同特征的其他你所熟悉的情况，开动脑筋，尽量想象出多种不同的情况。
(3)尽量判断熟悉的情况是否能为你提供关于不熟悉的情况的一些洞见。 -
对你所提供的证据要竭尽所能地告诉读者其来龙去脉。谁发表的？作者或者资助这一研究的机构有没有什么明显的偏见？他们的背景是什么？数据新不新？某个观察或经历的概括性怎么样？你有没有注意到证据存在什么潜在问题，比如说样本效量有限或者有遗漏信息？
