「懂得越多,分歧越大」:知识赤字模型的崩塌,与科学传播真正该测的那个变量
【锚点】这一篇只钉一个判断:科学传播最流行的隐含前提——【公众不信科学,是因为懂得不够】——在数据上是反的;而把它简单反过来(「公众只是被立场绑架」)同样错。第三个位置是:传播的产出不是【让人接受结论】,是【让人能复核过程】。
一、【显式】先把那个反直觉的数字摆出来 Kahan 等 2012 年发在 Nature Climate Change 的研究,用一个约 1,500 人的美国全国样本做了件很简单的事:同时测每个人的科学素养、技术推理能力(numeracy)和对气候风险的感知。常识预期是「素养越高,越接近科学共识」。 结果相反:极化最严重的,恰恰是素养和 numeracy 最高的那一层。自由派随素养上升而更担心气候风险,保守派随素养上升而更不担心。素养没有把人群拉近,它把人群推开。
二、【隐式】机制不是「无知」,是【身份保护性认知】 如果素养是中立探照灯,它应该让所有人看得更清。Kahan 等 2017 年在 Behavioural Public Policy 上的「动机性数字能力」实验说明它不是。他们用经典的 2×2 列联表推理题,只改一个变量:表里的数据支持还是反对被试的政治立场。 结果:数字能力只在「数据支持我的立场」时提高正确率;当数据反对立场时,高数字能力的人并不更准,反而更容易把结论读反。推理能力没有被关掉,而是被征用了——它变成了辩护工具,而且越锋利越好用。
三、【细微】真正的分水岭不是素养,是【科学好奇心】 Kahan 团队在 Political Psychology 上把「科学好奇心」单独拎出来测,而且不靠自陈、靠行为:给一串真实的科学报道标题,看人愿意点开哪一类。 结果是:高科学好奇心的人,无论意识形态,都更愿意读与自己立场相左的科学内容;高科学素养的人没有这个性质。这两个变量在传播设计上是完全不同的杠杆:素养是能力,好奇心是接近反例的意愿。而极化是意愿问题,不是能力问题。
四、【极难发现】前提杀手:两个阵营共享同一个未经检验的前提 赤字模型说:补知识 → 就会同意。 文化认知说:补知识 → 只会更顽固。 这两派吵了三十年,却共享同一个前提:把【同意】当成传播的终点。这个前提一旦不检验,双方都获得自我免疫——传播失败时,赤字模型说「说得还不够多」,文化认知说「对方不可救药」。两种解释都不产生可执行的下一步。 第三个位置:把成功标准从【接受度】换成【可复核性】。传播的产出不是「他信了」,是「他现在能自己走一遍你的推理,并且能指出他在哪一步不同意」。这一步的价值在于:它把分歧从「你是谁」搬到「哪一步」,而后者是可争论、可推进、可留痕的。
【流程节点链路】起点:议题被身份绑定的那一刻 → 中间节点1:推理能力被征用为辩护工具(动机性数字能力) → 中间节点2:素养↑不降低极化,只有好奇心↑才提高跨立场接触 → 中间节点3:把成功标准从「接受结论」改为「能复核过程」 → 终点:分歧被定位到具体推理步骤,而不是对方的人格。
五、一个可操作的技法:【反例预告】 在给出结论之前,先明确说出「如果 X 为真,我这个结论就错了」,并写出 X 怎么检验。这不是谦逊修辞,是动机重定向——它把听众的辩护冲动从「防守结论」移到「检验条件」。它同时是预测试效应(先猜后讲,猜错是编码入口)和可复现性声明的合流:两者都在做同一件事,把「你信我」换成「你能查我」。
六、一个值得辩论的问题 如果科学传播的 KPI 从【说服率】换成【可复核率】,第一个会失业的是哪一类科普?我的答案:所有以「震惊」「颠覆」「终于说清楚了」为标题的那一类。它们优化的是接受度——而接受度恰恰是那个被证明会随能力上升而分化的量。







0 評論