麻省理工华人博士研究新冠遭学术霸凌！斯坦福诺奖得主呵斥

时间: 2024-08-02 08:30:03 |   作者: 产品中心

  这位博士生指出了新冠怀疑论者的“神操作”：利用正统数据，在网络上推广非正统科学。

  早在新冠疫情爆发之初，不少非主流言论就涌现出来：政府的反应过度、戴口罩没办法阻止传播、危机已结束……

  这些质疑声中，不乏学术大牛——斯坦福大学教授John Ioannidis。

  作为传染病和公共健康领域的专家，谷歌学术显示其h指数为214，除此之外，他还是一位统计学家。

  比如，通过媒体表示：新冠死亡率可能远低于预期，因此当前的一些防护政策完全不合理。

  并且在某些研究和录像中指出：“如果卫生系统确实不堪重负，那么大多数额外死亡可能不是由于冠状病毒引起的”、“新冠病毒的风险很可能被夸大了”……

  再看看这篇引发网暴的论文：《病毒可视化：冠状病毒怀疑论者怎么样去使用正统数据实践来在线推广非正统科学》。

  自新冠疫情爆发以来，人们通常利用各种清晰、美观的图表，来传递感染率、死亡人数、疫苗接种情况等数据。

  一般来说，图表展现的实际数据，可以向人们传递正确的观点，比如：戴口罩能够大大减少传播风险。

  然而，一些美国的新冠怀疑论、过度反应论者，也在社会化媒体上发布了各种图表。

  于是，MIT研究团队梳理了Twitter上50万个帖子，并进行UMAP可视化、分析用户之间的关系，建立了一个社交网络图。

  在6组不一样的媒体和用户中，“anti-mask（反口罩）”小组的可视化图表，平均参与度较高。

  通过追踪并分析一些怀疑论者的对话，团队发现，这些图表并不是胡乱编的，而是使用了一种很复杂的“反可视化”。

  也就是说，他们使用的数据集和最新的可视化方法，同样是来自官方，可得到的结论却截然不同。

  这些怀疑论者反映出美国的反知识分子传统，他们并不是被动的接受专家观点，相反，这些人在数据的收集和使用上颇有心得，例如：

  “反口罩”小组将感染数量与死亡率等结果对比，感染率的不确定性范围很广，因此认为感染数量的可视化会产生误导，并为此创建反可视化效果。

  因此，研究人员指出：毋庸置疑，数据分析仍然很重要。但是，数据可视化不足以传达Covid-19大流行的紧迫性。

  这样的情况，同样体现在气候平均状态随时间的变化、疫苗接种等问题上，由此也指向了一个问题，“在美国怎么样看待科学和专业相关知识的分歧”。

  数据可视化具有客观性和科学精确性的特征。但正如论文所示，数据可视化，也可以轻松又有效地用于问题的对立面。

  这凸显了问题的复杂性，仅‘传授媒介素养（利用信息的能力）’是不够的。需要对那些创建和解释数据图形的人，有更加细致的社会政治理解。

  这篇论文并未提及“新冠怀疑论、过度反应论”支持者的姓名，但其中观点不可避免地涉及到某些学术权威。

  于是有人直接“对号入座”，同为斯坦福大学教授、曾获诺贝尔奖的Michael Levitt，发推力挺John Ioannidis，炮轰论文作者。

  并且直接将矛头对准了华人一作，挂出其谷歌学术页面，以论文数质疑其研究，并写道“Shame on MIT”。

  但是就在不久前，ACM CHI 会议官方Twitter还宣布，这篇研究论文已经获得了荣誉提名。

  在这之后，Michael Levitt再次发推，向论文作者致歉，但他仍然认为作者的资历不足以质疑John Ioannidis。

  对于Crystal和MIT的作者，我很抱歉。但初级研究人没办法与John Ioannidis这样的巨人相比。

  我长期以来一直在争取对年轻科学家的更多支持：他们应该拥有婴儿潮一代拥有的所有机会。

  不过，网友对此并不买账，因为这份“道歉”中对学者身份的比较，再次削弱了初级研究人员出色的工作。

  科研成果的可靠性是唯论文数吗？不谈研究内容，而是将矛头直指作者，以教授身份网暴学生……