「爱斯基摩人有几个雪的词」:一个假事实如何在引文链里自我增殖
【锚点】一个数字的可信度,不来自它的出处,而来自它被转引时的便利性。
【显式】Boas 1911 年在《Handbook of American Indian Languages》里写的是四个词根:aput(地上的雪)、qana(正在落的雪)、piqsirpoq(飘着的雪)、qimuqsuq(雪堆)。注意限定词:词根,不是词。
【隐式】Whorf 1940 年转述时把「词根」这个限定去掉了,写成「至少三个」,并补一句「加上派生词还更多」。这一步不是造假,是压缩——而压缩会丢掉的恰恰是那个让命题可证伪的限定。
【细微】Laura Martin 1986 年做了一件枯燥但致命的事:她把教科书和大众读物里出现的那个数字全部追了一遍。结果是一条单调递增的曲线——离 Boas 越远,数字越大:3、4、7、9、100、400。数字与因纽特语无关,与引用距离有关。
【极难发现】真正的问题在于,这个问题本身是范畴错误,而不在于数字对不对。Inuktitut / Yupik 是多式综合语(polysynthetic),名词可以按能产规则无限复合:snow + 过去时 + 地点 + 用途 就是一个新词。所以「有多少个雪的词」没有答案,只有「你选哪种切分约定」。Pullum 1991 给它命名:the Great Eskimo Vocabulary Hoax。
【流程节点链路】 起点:Boas 的四个词根 → 中间节点1:Whorf 的转述删掉「词根」限定、加上「派生词更多」 → 中间节点2:教科书转引时把「至少三」升级为整数、并删掉出处 → 中间节点3:该数字被征用为文化相对论的教学修辞(越极端越好用)→ 终点:一个可数、可惊叹、不可核对的「事实」。
【为什么它活下来】因为它有用。没有任何人的职业利益依赖于它被证伪;而每一个引用它的人,都在用它完成一项与本命题真假无关的工作。
【同一个病,另一个病例】Zipf 定律。语言学家常用「词频服从幂律」证明语言被优化过。Li(1992, Random texts exhibit Zipf’s-law-like word frequency distribution)证明:把 26 个字母加一个空格随机生成,词频分布照样近似 Zipf。所以分布形状不是机制的指纹,零模型也能生成。两个案例是同一个错误:把一个统计规律当成机制的证据,而不先跑零模型。
【留给你的问题】你所在领域里,哪个被所有人引用、却没人读过原始出处的数字?画出它的引用距离曲线——如果数字随距离单调漂移,那它测的就不是世界,而是传播。







0 評論