Informationen sind im Zeitalter des Internets und der massiven Verbreitung von Inhalten etwas Mächtiges. Wichtiger als die Informationen selbst ist jedoch die Interpretation, die wir ihnen anbieten. Diese Tonnen von Artikeln, Meinungen und Daten, die uns erreichen, müssen einen analytischen Filter haben, eine skeptische Kritik, und dafür müssen wir auf die Wissenschaft zurückgreifen, um die besten Entscheidungen zu bewerten und zu äußern und Meinungen abzugeben, insbesondere wenn der Schwerpunkt auf Entscheidungen und öffentlichen Richtlinien liegt die Tausende von Menschen betreffen.
ist es aus individueller und kollektiver Sicht sehr wichtig zu verstehen, wo, wann und vor allem wie Bei diesen Interpretationen passieren viele Fehler, die zu Fehlentscheidungen führen, die zu unkalkulierbaren Verlusten für Städte, Staaten und sogar Länder führen können.
Eine der Hauptursachen für Fehlinterpretationen in Texten und Materialien ist das fälschlicherweise angenommene Konzept der Korrelation und wie gefährlich es für die Annahme öffentlicher Richtlinien und Entscheidungen mit großer Wirkung sein kann. Siehe zum Beispiel den Artikel im Link: „Möglicher Zusammenhang zwischen Luftverschmutzung und Todesfällen durch Covid-19 festgestellt“. Mehrere Leser dachten bei der Analyse dieser Schlagzeile sofort: Um Covid-19 zu bekämpfen, müssen wir daher die Luftverschmutzung reduzieren, und dies wird zu einem Rückgang der Ansteckung und damit der Zahl der Todesfälle durch das Virus führen. Daher hätten diese Leser, wenn sie hohe öffentliche Positionen bekleidet hätten, falsche Entscheidungen getroffen und Richtlinien geschaffen, die keine Wirkung oder zufriedenstellende Ergebnisse erzielt hätten.
Warum lagen diese Leser falsch? Denn Korrelation sollte niemals mit Kausalität verwechselt werden . Zu sagen, dass Luftverschmutzung und Todesfälle durch Covid-19 zusammenhängen, ist niemals dasselbe wie die Aussage, dass ein hohes Maß an Luftverschmutzung mehr Todesfälle durch Covid-19 verursacht. Mit anderen Worten: Zwei Variablen (im Beispiel Luftverschmutzung und Todesfälle durch Covid-19), die gleichzeitig variieren, müssen nicht unbedingt eine Ursache-Wirkungs-Beziehung haben. Um diesen Unterschied noch deutlicher zu machen, sehen Sie sich das ahnungslose Beispiel auf der Website tylervigen.com an: die sehr hohe Korrelation (denken Sie daran, dass der maximale mathematische Wert einer Korrektur 1 beträgt) zwischen der Scheidungsrate im Bundesstaat Maine und dem Konsum im Norden Amerikas pro Kopf Margarine: 0,9926.
Scheidungen können als soziale und bürokratische Probleme angesehen werden, die zu mehr rechtlichen Verfahren führen und somit Arbeitskräfte und Kosten für die Staatskasse beanspruchen. Auf diese Weise müssen öffentliche Manager Möglichkeiten zur Senkung der Scheidungsraten erwägen, und entsprechend der obigen Grafik muss daher auch der Umfang der Margarinekäufe gesenkt werden . Das vielleicht größte Ergebnis, das ein Manager mit dieser Argumentation erreichen wird, ist die Entfernung aus seiner Position, finden Sie das auch?
Seltsame Beispiele wie das erwähnte lassen sich vielleicht leichter als falsch abtun, aber kehren wir zum Fall von Covid-19 zurück: Führt die Luftverschmutzung zu mehr Todesfällen durch das Virus? Ein öffentlicher Manager, der diese Frage mit „Ja“ beantwortet, liegt falsch und kann Entscheidungen treffen, die ebenfalls falsch sind. Sollte dieser Argumentation zufolge der Verkehr umweltschädlicher Fahrzeuge (die zu einem Anstieg der Umweltverschmutzung führen) verboten werden, um die Zahl der Todesfälle durch Covid-19 zu verringern?
Einige Leser werden ein Problem bemerken, das die beeindruckendste und ironischste aller öffentlichen Entscheidungen ist: Dieser Manager könnte aufgrund dieses Verbots einen Rückgang der Coronavirus-Fälle und Todesfälle erreichen und so zum Helden werden . Aber nicht, weil die Schadstoffbelastung mehr Todesfälle durch Covid-19 verursacht, sondern gerade weil sie positiv korreliert sind, also in ähnlicher Weise variieren. Um über Kausalität zu sprechen, muss dem Rezept eine dritte Variable hinzugefügt werden: soziale Isolation .
Man kann sagen, dass die soziale Isolation dazu führt , dass weniger Menschen auf den Straßen unterwegs sind, was führt , was wiederum einem Rückgang der Schadstoffbelastung führt Andererseits führt einem Rückgang der zwischenmenschlichen Interaktion, was einem Rückgang der Ansteckungsrate von Covid-19 und damit der Zahl der Todesfälle führt Beide Schlagzeilenvariablen nehmen ab, was auf eine Korrelation und nicht auf Ursache und Wirkung .
Dies ist der wichtigste Tipp für die Analyse von Schlagzeilen und Informationen, die uns jeden Tag erreichen: Kausalität bedeutet, dass eine Variable die andere verursacht und daher keine andere erforderlich ist, damit diese Beziehung zustande kommt. Wenn Sie also Nachrichten wie „Möglicher Zusammenhang zwischen Luftverschmutzung und Todesfällen durch Covid-19 festgestellt“ lesen, suchen Sie nach anderen Variablen, die in Verbindung gebracht werden können, und finden Sie so die tatsächliche Ursache-Wirkungs-Beziehung. In diesem Fall führt beispielsweise eine hohe Bevölkerungsdichte zu einer stärkeren Luftverschmutzung, aber auch zu mehr sozialen Interaktionen und damit zu einer stärkeren Ansteckung des Virus . Es ist nicht so, dass die Umweltverschmutzung zu mehr Todesfällen durch Covid-19 führt, sondern vielmehr, dass die hohe Bevölkerungsdichte beide Probleme verursacht. Wir werden täglich mit Informationen bombardiert, von denen einige wahr sind und andere nicht so sehr. Kritisches und analytisches Denken muss auf Schlagzeilen und Nachrichten wie diese angewendet werden , um wiederkehrende und äußerst wichtige moderne Probleme wie Fehlentscheidungen, die Verbreitung falscher Informationen und die Unterstützung von Kampagnen zu vermeiden, die nicht die erwarteten Auswirkungen haben. Wenn Sie Informationen jeglicher Art erhalten, insbesondere solche, die einen Kausalzusammenhang beanspruchen (Medizin x verbessert die Situation y, eine Reduzierung von x führt dazu, dass y nicht eintritt, usw.), stellen Sie immer Fragen und suchen Sie nach realistischeren Antworten. Mit anderen Worten: Verwechseln Sie niemals Kausalität und Korrelation oder Beziehung und Ursache-Wirkung.
