好看网络,好看网络平台,好看网络工作室

产品展示

PRODUCT
D

产品展示 PRODUCT

分类

人人都在说谎读后感

时间 : 2020-04-18 10:26
     《人人都在说谎》读后感(一):在大数据中寻找规律
 
  因为职业的原因,平时不怎么接触财经类书籍,这一读发现真是太有趣了。
  美国“伯乐”的故事很逗,用便携式超声仪器测量马的内脏,没想到与马的成绩有那么大的关联,还有葡萄酒的价格公式。对于数据,可以经过这样的推理,像物理学一样得到一个普遍公式,而里面的变量都是非传统的数据来源,这一切都来源于对生活抱有的开放而灵活的心态。下面几条是读的过程中get到点的结论:
 
  1)企业的秘密:《从零到一》里讲:伟大的企业是建立在许多秘密之上的,这些秘密要么关乎自然,要么关乎人类。
 
  2)儿童教育:在教育上花大钱有助于孩子们进入中上阶层,但使他们成为杰出作家、艺术家或商业领袖需要靠近大学城或者大城市。
 
  3)学校选择:试验组表明相近的分数情况下上什么大学对学生未来的影响并不大。
 
  4)偿还贷款:一个人如何还贷的详细计划和过去曾履行过的承诺是他会偿还贷款的证据;做出承诺、博得同情是一个人不会还款最为明显的迹象。
 
  《人人都在说谎》读后感(二):对比发现,人们是如此表里不一
 
  书里面举了个例子,美国某机构进行了一次匿名的问卷调查,美国女性平均每年55次性生活,其中16%次使用了安全套,而美国男性频率则更高,按照一定的计算方法,根据美国女性提供的数据计算出美国每年使用11亿个避孕套,根据美国男性提供的数据,计算出美国每年使用16亿一个避孕套。
 
  而实际的避孕套行业数据,美国每年只使用了6亿了。这说明即便是匿名的问卷调查,很多人也不会说实话。
 
  那么谁知道事实的真相呢?答案是,谷歌知道。
 
  每个人都不会对自己的关键词搜索撒谎,数据显示,美国人对于婚姻相关的关键词搜索中,搜索“无性婚姻”的数量比其他婚姻关键词要多得多(有可能达到了30%)。说明这些白天做了匿名的问卷调查吹嘘自己性生活次数的人在夜深人静的时候,向谷歌敞开心扉~想知道自己这种情况和别人比~到底是否正常。
 
  通过对关键词统计,数据分析可以暴露人们对各种事物的偏见和歧视、对各种日常问题的无知。但人们永远不会当面表现出来。
 
  对比发现,人们是如此表里不一。
 
  书中说社会学家在统计关于各个族群特点的搜索关键词时发现在美国社会人们对与自己不同的种群之间存在大量的偏见。
 
  关于东亚人的偏见引起了我不满,关键词搜索前五位竟然有笨,这个不值一驳(东亚人平均智商绝壁全球第一),但其中竟还有“丑”这个词。谁该负责???
 
  美国媒体经常把亚洲人里长相“明显不美”的模特拿去拍照片放封面,给人们造成的印象能不觉得丑么?多拍点范冰冰放封面再调查一下试试吧!!!
 
  书中还介绍了纽约市的施戴纹什高中是全美排名第一的公立高中,录取学生不看家庭背景、推荐信、课外活动之类,只看考试成绩。
 
  每年在全纽约举行统考,平均27000人考生报名,录取率是5%。社会学家对每年只差1、2分没考上的学生和只比动态分数线多考了1、2分的学生进行了长期跟踪,发现这些其实处于同一水平的学生,无论是否上了重点高中,这两群人在此后考上重点或非重点大学的分布上完全一样,连最细微的差别都没有(大学一样,就业情况自然也是相同的)。
 
  结论是,关于这类划分数线的事情,如果你和那些人只差一两分的话,你实际上并不比他们差,所以进没进去其实对于你的未来是毫无影响的。
 
  我自己的推论是,如果分数差太多,强行进去几乎也不会有好结果。
 
  《人人都在说谎》读后感(三):“大数据”关注人们做什么而不是说什么
 
  作为跟“大数据”相关的“数据分析”从业者,这本书的出现给我很大启发,让我重新思考“大数据”意义并非在于“大”,而在于因为具有统计学意义的“有用”信息足够大,能给出人们是怎么做的,而摆脱“人们怎么说的”为真实性判断信条。我开始质疑自己从事的所谓大数据有点自欺欺人,因为我们为了解释“事先设定好的”趋势而寻找部分“支持”观点的信息,忽略真实情况导致的“挑战”,这是大数据研究和利用的“耻辱”。
 
  此外我想,国外人写书普遍简单直接,全书就三部分(引言、事实、注意),不讨论好坏优劣,但这种架构让现代人更愿意静心阅读,太过冗长的篇幅给人不愿深入的恐惧。经济、科学类尤其如此。
 
  说说书里的核心内容。
 
  大数据四大功能:提供新型数据、某些在线资源可以让人们承认他们在其他地方不会承认的事、放大一小部分有意义数据获得有关人性的新见解、让随机试验更便捷以便找到真正的因果效应。
 
  大数据的局限性:无法用大数据做到的事(股票、个体决定性强的)和不该用大数据去做的事(有悖伦理和商业道德的)。
 
  我喜欢这种论述,给予一个新兴热门事物过趋势非常高的评价,说明其颠覆性,但同时阐述其问题、不适应性、衰落的可能等等,因为可证伪和谨慎是科学的关键因素,伦理更是科学发展的底线。同时,我们要接受事物发展和升级,不是热点出现问题就一棍子打死。我们从事的工作也一定如此,不能一味的论述某些趋势是好的,要结合可能的风险来做建议,要接受事物发展的曲折。这是我们从事这项工作必备的心理。
 
  作者说书名本想叫做《我的阴茎有多大?谷歌搜索告诉我们人性究竟为何物》,因为“性的真相”是“人人都在说谎”、大数据提供真实想法的最典型支持。这方面,我们对调查或朋友普遍性说谎,但对谷歌诚实。人类过了这么久,连如此本能的活动都在说谎,同时得到的反馈也是假的,我们却现在才知道,这真有意思。人人都在说谎7.6赛思·斯蒂芬斯--达维多维茨 / 2018 / 中信出版集团
 
  《人人都在说谎》读后感(四):真相,全部的真相——还有统计数字
 
  大数据正在改变社会科学,正如显微镜彻底改变了医学一样
 
  很多人都觉得大数据已不再像一年前那样光鲜。希拉里·克林顿败给特朗普之后,矛头大多指向了她那个备受吹捧的分析团队,因为他们没能发现中西部各州发出的警告,致使她与总统之位失之交臂。但根据前谷歌数据科学家赛斯·斯蒂芬斯-大卫德维茨(Seth Stephens-Davidowitz)的研究,希拉里真正的错误不是对新奇的统计方式太过依赖,而是利用得太少。
 
  希拉里聘用了一流的数字分析人员,但他们的计算大体上仍依赖传统的数据来源,例如选民档案或民意测验。而斯蒂芬斯-大卫德维茨则选用了一种新颖的数据:谷歌的搜索结果。他特别统计了美国最恶劣的种族歧视字眼“nigger”(“黑鬼”)的查询频率。人们一般认为美国南方才存在公然的种族主义言行,但数据显示,和美国其他地方相比,中西部和锈带相对来说更喜欢用这个词。2016年共和党初选期间,在预测哪些地理区域会支持特朗普而非其党内对手时,这一变量的影响超出其他所有变量。如果希拉里的团队当初更好地利用了这样的信息,也许就能及时推断出,她那“蓝色防火墙”的根基正在崩裂。
 
  这只是《人人都会说谎》一书的惊人发现之一。这本书以搜索数据为向导,快速地领略了现代人的内心世界。书中的某些发现再次确定了普遍的看法,例如DIY流产、对自己的性取向感到困惑的男性的有关搜索都集中在美国社会风气保守的南方。有些发现则与普遍看法相左:虽然从赤贫到巨富的故事在篮球界广为流传,但数据显示,在贫穷的环境中成长实际上会减少一个男孩打入NBA的机会,原因也许是穷孩子长到足够身高的可能性更低。有些结果让人不安,也令人费解。例如人们在色情网站上大量搜索展示对女性施加性暴力的视频,而女性本身搜索这种场景的频率至少是男性的两倍。其他的一些发现也很古怪:为什么印度的成年男子那么热切地想让妻子给他们喂奶?
 
  《人人都会说谎》给出的实证结果非常有趣,想来就算将它们简单罗列,也会令人手不释卷。然而斯蒂芬斯-大卫德维茨还提出了一个巧妙的论点:网络将为社会科学带来一场革命,就像显微镜和望远镜彻底变革了自然科学那样。
 
  现代的微观经济学、社会学、政治学以及计量心理学在很大程度上都依赖调查,最多也就抽样几千人。斯蒂芬斯-大卫德维茨认为,相比之下,“大数据具备四种不同寻常的力量”:提供新的信息来源,例如对色情内容的搜索;捕捉人们真实的行为和想法,而不是他们决定告诉民意测验机构的那些;让研究人员可以直接着手处理和比较人口统计或地理数据的子集;可以快速地进行随机对照试验,既可证明相关性,也能说明因果联系。因此,他预言“学者们花费几个月招募一小批本科生开展单项试验的日子将会终结”。作为替代,“社会及行为科学的研究绝对会扩大规模。”此外,研究者们得出的结论也将会是“货真价实的科学,而不是伪科学”。
 
  斯蒂芬斯-大卫德维茨并不属于那些个不假思索就为大数据革命摇旗呐喊的人。他辟出充分的篇幅,既阐述量化分析结果会如何误导决策者,也详述了这类数据“全知”般的拥有者可能会想办法滥用数据。他发问道:如果从喜欢摩托车这一点可预测一个人智商较低,那么应不应该容许雇主拒绝那些承认自己喜欢摩托车的求职者?因此他呼吁,将大数据的运用从大规模的人群扩展至针对个人的决策时,要格外谨慎。不过,总的来说作者还是持乐观态度。他写道,由于信息技术的进步,人类将“在更短的时间内”,对自己有“更多的了解”。
 
  《人人都在说谎》读后感(五):通过男性和女性首次约会时说话的方式,我们就能预测他们会不会还有第二次约会
 
  本文摘自书籍《人人都在说谎》
 
  这项研究是由斯坦福大学和西北大学跨专业团队的科学家发起的,他们分别是丹尼尔·麦克法兰(Daniel McFarland)、丹·朱夫斯凯(Dan Jurafsky)和克雷格·罗林斯(Craig Rawlings)。他们研究了数百位异性速配约会者,并试图查明什么因素可以预测男女双方对彼此有感觉并想有第二次约会。
 
  首先,他们使用了传统数据,询问了约会者双方的身高、体重和爱好,并且测试了这些因素是如何与同某人擦出浪漫火花联系起来的。一般来说,女性更喜欢高大并且愿意分享爱好的男性,男性则更喜欢苗条并且愿意分享爱好的女性。这没什么新鲜的。
 
  其次,科学家也搜集了一种新型数据。他们让约会者随身带上录音机,随后对约会的录音做了数字化处理,这样就能够记录男女双方使用的词汇、笑声和说话的语气了。他们据此可以测试男女双方如何表示对对方有感觉,也可以测试约会双方是如何赢得对方好感的。
 
  那么,这些语言数据告诉了我们什么呢?它们告诉我们男性(女性)如何表达自己对女性(男性)的好感。男性有一种表现方式非常明显:他会对女性讲的笑话做出相应的回馈。另一种方式则隐晦一些:说话时,他会把声音大小控制在一定范围内。一项研究表明,女性常会把男性单调的声音视为阳刚之气,这也暗示如果男性对一名女性感兴趣,他们可能会下意识地夸大自身的阳刚之气。
 
  科学家发现女性会通过改变声音大小、讲话更加温柔和采取更简短的轮流谈话表达自己对男性的兴趣。同样,基于女性使用的特定词汇,我们也有可以展现女性兴趣的线索。当女人使用诸如“大概”或“我猜”这类模棱两可的表达时,就表明她们不大可能喜欢正在约会的男人。
 
  男同胞们,如果一名女性就某个话题不做正面回答(如果她“有几分”喜欢她的饮料或“有点儿”冷或“可能”想另点开胃菜),你就可以肯定她“有几分”“有点儿”“可能”不喜欢你了。
 
  当女人谈论她自己时,她才有可能对你感兴趣。结果表明,对一个想找女朋友的男人来说,从一个女人口中能听到的最漂亮的词就是“我”了,因为这是她感到舒服的一个标志。如果一个女人使用具有凸显自我性质的表达时,比如“你知道吗”和“我的意思是”这样的说法,就说明她可能喜欢正与她约会的男人。为什么呢?因为科学家发现这些表达能够吸引听者的注意,这些字眼友好、温暖,而且说明一个人正希望与对方产生联系,你懂我的意思,对吗?
 
  那么,男女双方又该如何交流才能让约会对象对自己感兴趣呢?数据告诉我们,男性可以采用多种说话方式来增加女性喜欢自己的概率。女性喜欢听从她们意见的男性。可以想见,如果一名男性能对一名女性讲的笑话做出相应的反应,并且没有把话题转到自己想聊的事上,而是一直谈论她发起的话题,那么这名女性就很有可能对男方产生好感。(我正在研究的一个理论是:大数据证实了已故的伦纳德·科恩(Leonard Cohen)所说的一切。例如,伦纳德·科恩曾为他的侄子追求女性提出如下建议:“仔细听女人说话,然后继续听下去。当你觉得自己快听不下去的时候,再忍着听一会儿。” [22] 这个建议似乎和科学家的发现大致相似。——作者注) 女性也喜欢表达支持和有同情心的男性。如果一名男性说“那太棒了”或“那简直太酷了”,那么他更有可能获得女性的青睐。同样,如果他使用“那肯定很难”或“你一定很伤心”这样的表达,也会有相同的效果。
 
  对女性来说,这里会有一些不好的消息,因为数据好像证实了有关男性的一个令人不快的事实。在男性如何回应女性方面,对话发挥的作用非常小,女性的外貌才是预测男性是否会对其产生好感的最重要因素。即使是这样,仍然有一个词,女性可以用来略微增加男人喜欢她的概率,而这个词我们早已讨论过了,它就是“我”。男人更可能喜欢总是谈及自己的女人。正如前文所述,如果女性在一次约会中多次谈及自己,这说明她也对约会的男性有好感。因此,如果首次约会时男女双方谈了很多关于女方的事,那肯定是一个超棒的征兆。女性传递出感到舒适的信号,并且可能会对这位男性没有独占整个对话表示欣赏,而男性则喜欢不拘谨的女性。如此一来,第二次约会就八九不离十了。
 
  最后,约会记录透露了一个约会的大忌:问号。如果约会中有人不断提问,那么男女双方都不太可能对对方产生好感。这似乎是有违直觉的,你或许认为提问就代表着感兴趣,但在第一次约会时不是这样的。第一次约会时,大多数问题都是因为无话可说。“你有哪些爱好啊?”“你有几个兄弟姐妹?”这些问题是对话停滞时人们才会说的话。完美的初次约会可能在行将结束时有一个简单的提问:“你愿意再次和我约会吗?”如果这是约会中唯一的提问,那么答案很可能就是“我愿意”。
 
  《人人都在说谎》读后感(六):2019-01-12 《人人都在说谎》--------大数据却暴露了你们的真实想法
 
book  这是一部有意思有新意的作品,讲了些反直觉的东西。作者10多年前很欣赏李维特《魔鬼经济学》,他把此书定位成《魔鬼经济学》的进阶版,缺点是有些碎片化,主题很杂,好处则是简单易读。
 
  作者利用一些谷歌的搜索的结果、维基百科、Facebook资料等大数据来探秘大众内心的一些真实想法,因为人人都会说谎,明面的调查访谈很可能得不到真相。这是一种新的有效的社会科学研究方法,大牛斯蒂芬平克也作序推荐。
 
  由2016总统竞选 特朗普意外击败希拉里说起,作者认为深层的原因美国的种族主义者比明面的要多得多,最支持特朗普的那些州,这些州搜索“黑鬼-nigger” 的有很多。 sex 从来都是隐秘的,前面对色情网站搜索结果的分析令人吃惊啊,恋母、恋父、恋兄妹的那么多啊!不过这也是对于登录pornhub 这类喜欢色情的人群中的分布吧。真正这类人在人群中的占比应该难以统计,不像男同性恋那样作者可以推算估计约5%(而以前调查的是2-3%) 。男人第一对cock的大小在意(其实女人并不在意,因为男女对其搜索比率为170:1),第二对性交时间在意;女人则为阴道的气味操心,女人更愿意取悦男伴而搜索怎样blowjob的建议(2:1的比例),而且女人对色情片中的暴力更感兴趣!(难以想象啊) 美国也重男轻女,对儿子在智力才能方面的问题搜索得多,对女儿的外貌则关心; 男才女貌,硬是世界文化标准。 人人都会说谎,永远不要听人说了什么,而要看他做了什么:小扎2006年推出fb 朋友圈动态时,甚至有一大帮反对者,叫嚣他们不愿意成为窥视狂;结果大数据揭示了其实大多数人都想要刷朋友圈这个功能!朋友圈大家晒出来的永远是幸福生活呜里哇,实际关灯吃面的时候就是默默承受的啦,朋友圈不是个诚实的地方。
 
  网飞也一样,那些在收藏列表中想要看的高逼格的影视 被看的不多,倒是那些屎尿屁的喜剧八卦看的人络绎不绝。网飞后来干脆改成算法推荐列表了,用户们也看视频看得更多了。
 
  喜欢哪个球队和政治派别一样,10几岁的态度会成为你一辈子的态度。 相关和因果太难分清了,现在媒体都是拿些相关的东西来混淆视听,真正的因果关系很难判断。谷歌开创了幕后用随机对照组实验(a/b测试)来寻找真正的因果关系,现在硅谷的公司都学会了。
 
  对牛高中分数线边缘的学生统计有意思:那些几分只差而落榜(考上)的学生做统计,最终结果:牛蛙始终是牛蛙,好学校没啥用;sat分数、学业能力还是一样! 这可是反直觉和反社会传统的啊,特别是现在的中国,对4大名校、衡中等的渴望简直是狂热; 而且延伸到大学,哈佛和宾夕法尼亚大学毕业生10年后的收入 也没太多的区别,精英始终会上升到精英的位置中去的; 
 
  作者也讨论大数据不能干什么的问题, 维度的诅咒是大数据的一个问题(应该就是以前说的孟加拉的黄油产量能很好的预测美国经济一样吧?) 神预测的391号硬币的比喻不过是有1000个硬币,变量多了,总能找到最拟合的那个。 后面 和劳伦斯-萨默斯的谈话让人开怀一笑,这个有智慧的大人物约见了作者,绕了一大圈话题,还是想知道作者这种方法是否对股市预测来赚钱有用否,哈哈。结果却是令人失望的,我想真的发现了有效的预测股市的方法,估计发现者也会敝帚自珍的,如同那些神秘的量化对冲基金一样。
 
  同样的试图在dna中发现让人高智商的基因也是然并卵,都是维度的诅咒,基因的排列组合有几百万,太复杂了,总会找到一些虚假的因子。
点击关闭
  • 客服

    扫描关注公众号
  • 客服

Copyright © 好看网络工作室 版权所有

网站导航