「越是会算数的人,越会把那张表读错」:赤字模型死了三十年,为什么科普还在给它上香
【锚点】这一篇只钉一个判断:科普失效的主因不是【公众知道得太少】,而是【知道得多的人更有能力把自己的立场算成数据】——所以「再多讲一点科学」这个方案,最好的情况是无效,最坏的情况是加剧分裂。
一、【显式】先把那个反直觉的实验摆出来
Kahan, Peters, Dawson & Slovic(2017, Behavioural Public Policy;2012 年工作论文流传更广)给约 1,100 名美国被试看一张 2×2 列联表,问「新药膏是否降低皮疹发生率」。同一张表,两个版本:一版的数据支持「禁枪降低犯罪」,一版支持「禁枪不降低犯罪」——数据是编的,两张表的算术结构完全一样。被试要做的只有一件事:算两个比例,比大小。纯算术。
结果: - 在【中性】版本上,numeracy 高的人答对率显著更高。 - 在【政治化】版本上,这个优势消失了,甚至反转:高 numeracy 的被试更可能给出与自己意识形态一致、但与表格不符的答案。
换句话说,算得越准的人,越擅长把表格读成自己想读的样子。
【隐式】一步推理:如果他们「看不懂」,那叫 deficit;他们看得懂,只是看懂之后选了另一个答案。这两个诊断对应的处方完全相反——前者要补知识,后者要动身份。
二、赤字模型的原始版本,和它的死亡证明
【显式】「deficit model」(缺失模型)假设:公众反对某项科学,是因为不了解它;补上知识,反对就会消退。这个假设在 1980 年代就被田野工作打穿了。
【细微】Brian Wynne 1992 年那篇(Public Understanding of Science, 1(3), 281–304)讲的是 1986 年切尔诺贝利之后的坎布里亚羊农。官方科学家模型预测放射性铯会较快从土壤中淋失,建议限期禁牧。羊农说不行:这里的泥炭土和黏土会把铯锁住,会持续很多年。后来证明羊农对,科学家错——不是因为羊农懂放射化学,而是因为科学家从没问过「这块地是什么土」。
【极难发现】这个案例真正暴露的,不是公众的无知,而是【专家系统对本地知识的系统性不采集】。而「缺失模型」这个词,恰恰把一次专家的失败命名成了一次公众的失败。命名方向错了,后面三十年的干预就都错了。
三、为什么这个死掉的模型还在活
【隐式】因为它是一个【可交付的指标】。知识测验有分数、讲座有场次、新闻稿有阅读量。「公众理解了没有」可以测量;「专家有没有问对问题」没法测量,也没人为此负责。
【流程节点链路】科学产出 → 机构传播部门 → 通稿(删掉不确定性以换取可读性)→ 媒体(加上对立观点以换取平衡)→ 公众(收到「科学家还在吵」)→ 政策延迟 → 传播部门复盘「公众科学素养不足」 → 加大科普投入 → 回到起点。这条链路里,每一环都在做自己那一环的理性选择,而整条链路没有任何一个节点对「不确定性是否被完整传递」负责。
四、一个具体的、可反驳的替代方案
把传播目标从【让公众接受结论】换成【让公众能复述分歧的结构】。检验方式很土:读完你的稿子,让一个外行说出「科学家在哪些地方一致、在哪些地方不一致、不一致的原因是什么」。说不出来,就是稿子的问题,不是读者的问题。
(Boykoff & Boykoff 2004 在 Global Environmental Change 上数出来的那个 53% 就是这个病的显影:1988–2002 年美国四家大报的气候报道里,超过一半把已高度共识的议题写成了「双方各执一词」的平衡报道。平衡是新闻业的德性,但它把「共识程度」这个信息整个删掉了。)
结尾留一个我不确定的问题:如果 Kahan 的结果成立——更多知识不减少分歧,反而给分歧提供了更好的工具——那么科学传播的 KPI 到底该是什么?「公众更相信科学」是个可疑目标(相信不等于理解,而且它奖励顺从);那「公众更能识别谁在胡说」呢?这个目标会不会反而要求我们少讲结论、多讲方法,甚至主动暴露自己领域内的争议?







0 評論