- Tags:: 📚Books , Data culture
- Author:: Carl T. Bergstrom, Jevin D. West
- Liked:: 4
- Link:: Bullshit: contra la charlatanería (capitanswing.com)
- Source date:: 2021-09-06
- Finished date:: 2022-07-13
- Cover::
Una nota acerca de la nota (see what I did there?). No me ha entusiasmado pero creo que es un buen libro. Creo que simplemente me pilló muy cerca de 📖 The Art of Statistics y no me aportó gran cosa.
¿Por qué he pillado este libro?
Creo que hay exceso de confianza en el mundo de los datos (incluso entre profesionales), si tenemos en cuenta la cantidad de sesgos, paradojas, maneras de meter la pata en general que hay en su interpretación. El data literacy no está muy a la mano. Busco información al respecto, no solo para mi, si no para poder recomendar en organizaciones, porque creo que es un aspecto vital si uno quiere ser data-driven de verdad.
¿Qué he sacado de aquí?
No es una cuestión de ideología de izquierdas o de derechas; la gente de ambos lados del espectro político ha demostrado ser hábil en la creación y difusión de desinformación (p.13)
…creemos que la detección adecuada de bullshit es esencial para la supervivencia de la democracia liberal. La democracia siempre se ha basado en un electorado con pensamiento crítico. (p. 13)
Hasta pa’ ser malo hay que ser listo:
Un sofisticado bullshitter ha de tener una teoría de la mente: ha de poder ponerse en el lugar del otro (p. 21)
Weasel words: bajo la apariencia de algo concreto, esconden una afirmación vaga (e.g., “como todo el mundo sabe”). (p. 25)
“Mentir con la verdad” en inglés es paltering.
La típica de que “la cantidad de energía necesaria para refutar el bullshit es un orden de magnitud mayor del que es necesario para producirlo” resulta que es el principio de asimetría de Brandolini. (p. 30)
Soy de tu equipo:
La profesora e investigadora del MIT Judith Donath ha realizado un estudio en el que señala que incluso cuando la gente parece estar hablando de otras cosas, a menudo están hablando de sí mismos (…) A menudo pensamos que la comunicación es solo la transmisión de información del emisor al receptor. Pero esto no tiene en cuenta otros aspectos sociales más amplios del acto comunicativo que tienen que ver con la etimología del verbo latino communicare («común, compartir»). (…) Cuando se participa en las redes sociales, el hecho de compartir información es secundario; lo más importante es mantener las relaciones con nuestros contactos y reforzar los lazos que nos unen. El peligro es que, en este proceso, lo que antes era una conversación general se fragmenta sin remedio. La gente comienza a abrazar epistemologías tribales en las que la verdad en si misma tiene ménos que ver con los hechos y la observación empírica que con quién está hablando y con cuál es el grado en que su mensaje se alinea con la visión del mundo de la comunidad a la que pertenece. (p. 51)
La definición de bullshit:
En el bullshit, el lenguaje, las cifras estadísticas, los gráficos de datos y otras formas de representación se utilizan para persuadir o impresionar a la audiencia, distrayéndola, abrumándola o intimidándola con un flagrante desprecio por la verdad, la coherencia lógica o la información que realmente hay detrás (p. 67)
Una idea muy interesante es que puedes tildar de bullshit algo solo prestando atención a los datos de entrada o de salida:
La hipótesis central de este libro es que, por lo general, no tenemos que abrir la caja negra para poder tildar de bullshit las afirmaciones que esta genera. Cualquier caja negra usada para crear bullshit recibe datos (el input) y escupe resultados (el output). Muy a menudo, el bullshit aparece porque hay ciertos sesgos o tendencias en los datos que introducimos en la caja negra, o porque hay problemas evidentes con los resultados que sale de ella. En ocasiones, los detalles técnicos de una caja negra son importantes, pero en nuestra experiencia esos casos son poco habituales. Esto es una suerte, porque no necesitamos demasiados conocimientos técnicos para señalar los problemas tanto de los datos como de los resultados. (p. 71)
Las afirmaciones extraordinarias requieren evidencias extraordinarias (p. 78)
La Paradoja de Berkson (p.172):
Es un subset del Selection Bias por el que al limitar la selección, dos variables incorreladas en la población general acaban estándolo por el filtrado.
Un subset de esto también es right censorship bias cuando por ejemplo miramos la edad media de muerte por género musical (en géneros nuevos, no tenemos en cuenta la gente que sigue viva en el momento del estudio).