Не знаю как для вас, но для меня вот эпидемия, точнее ее медийное освещение — стало отличным уроком на тему «как попытаться объяснить очень сложное явление простыми словами (и облажаться)».
Я ничего не буду говорить о тех кто ничего не понял в происходящем из-за плохого образования, недостатка абстрактного мышления или просто отсутствия времени, сил и интереса (одна из самых серьезных причин). Я об этом уже писал в заметке о «разбуженных», не хочу переписывать ее заново.
Интереснее ситуация с людьми, у которых вроде бы есть все для того чтоб понять что сложная и многоплановая проблема — не просто лишена линейного решения, ее даже не описать так чтоб она стала простой и понятной для публики.
Например, лично я долго воспринимал дневную заболеваемость — как некую если и не точную цифру заболевших, то по крайней мере оценку ситуации снизу. Но стоило чуть-чуть погрузиться в вопрос, оказалось:
- Количество положительных тестов в день зависит от количества проведенных тестов . Мы же не тестируем каждый день ВСЕХ жителей страны, правильно? То есть если мы вчера сделали 10 тысяч тестов и обнаружили тысячу заболевших, а сегодня сделали миллион и обнаружили десять тысяч — то на графике заболеваемости скачок будет выглядеть ужасным признаком роста болезни. На деле же — второе тестирование показывает что ситуация на самом деле — сильно лучше, чем мы думали. И болен не каждый десятый, а скорее — каждый сотый.
- А еще — нельзя забывать о том какую политику тестирования применяют. Скажем, если тестировать только приходящих в клинику с жалобами — то мы получим гигантский процент тестов, подтверждающий болезнь (но при этом очень низкую абсолютную заболеваемость по стране). Если же мы беремся делать тесты целым социальным группам — у нас получаться огромные абсолютные цифры при низких относительных.
- А есть же еще ложно-положительные и ложно-отрицательные срабатывания тестов, теорема Байеса, человеческие ошибки, исправления задним числом.
Выходит, даже в таком простой вещи как тестирование на вирус — то что происходит весьма сложно и никак не описывается парой чисел. Получаемые данные (если мы хотим хоть как-то внятно описать происходящее) — обьемны, неточны, а иногда вообще недоступны.
А теперь представим человека, привыкшего к качественным данным — бинарным, структурированным и надежным. К тому что такой информации — много, больше чем можно проглотить. Таких людей сейчас довольно много — инженеров, математиков, разработчиков. И вот на них сваливается эта дикая каша из нечетких и неточных данных, собранных в десятках стран по разным принципам и методикам.
Часть адаптируется. Но у многих возникает внутренний протест, недоверие к эпидемиологам и , ощущение что «чего-то они мутят», «не может быть все так запутано и неоднозначно». Ошибки и их коррекция кажутся продуманной акцией, направленной на то чтоб запутать и исказить изначальную ясную картину.
И когда «цифровые диссиденты» начинают защищаться от этого дискомфорта и чувства неуверенности, они придумывают свою картину мира, в которой все ясно и прозрачно. А для этого из мира приходится целыми кусками выбрасывать «незначащие данные».
Например, если раздражает нечеткость действия вакцин, которые вначале дают высокий процент защиты, а через полгода начинают подводить — просто постулируется что вакцины не работают вообще, а налицо заговор фармацевтов и политиков.
Похожими идеями «приведения в порядок», кстати, руководствовался математик Фоменко, разрабатывая свою «Новую хронологию». Хаотическая, но реальная история человечества там подменялась гладкой, но абсолютно искусственной историей.
