Informationsöverbelastning?

Bilden härunder är avsiktligt manipulerad för att dränka hjärnan med överflödsinformation. Jag antar att få (inklusive jag själv) vid en första anblick ser de två cirklarna.

Bilden från Reddit https://i.reddit.it/zehugcf2bp851.jpg

Av olika skäl är vi duktiga att se mönster även där de egentligen inte finns eller är irrelevanta. Naturvetenskaper sträver mot att sortera bort det irrelevanta och ställa samman modeller (teorier) som destillerar fram samband mellan parametrar och deras utfall.

Konturerna på de individuella smådelarna i bilden är lite suddiga och det mörka fältet driver lite mellan konsekutiva elementen. Detta återspeglar att mätvärden som ligger till grund för en modell alltid har en viss oprecision medan fläckarnas stora antal i kombination med ett repetitivt mönster ger ett intryck av betydelse som de i själva verket inte har.

Som jag ser det är bilden en god illustration av att konspiratoriker och pseudovetenskapare inte klarar att sortera bort det irrelevanta och fokusera på väsentligheter. Hjärnan blir överbelastad.

Det finns många sätt att försäkra sig om att bilden visar två koncentriska cirklar. Bilda ett litet hål (gärna mindre än på bilden) mellan tre fingrar och titta på bara något tiotal fläckar i taget. Följ dem sedan runt och försäkra dig om att cirklarna inte ormar sig runt och i varandra som första anblicken antyder. Vet du då att de är ‘perfekta cirklar’? Nej, det kräver ytterligare mätningar men du har åtminstone reducerat mönstret till något hanterbart, i vetenskapliga sammanhang innebär det att man förkastar det bilden inte visar.

I lite mer komplicerade sammanhang innebär det att källkritiska har större chans att undvika att bli lurad upp på läktaren av medvetet (eller omedvetet) oärliga.

Vetenskap vs. pseudovetenskap

Sabine Hossenfelder

Naturvetenskaper samlar data, vanligen långt fler än vi kan överblicka. Ur dessa försöker vi extrahera grundläggande samband som utsätts för många tester för att se om hypoteserna är robusta. Med dessa och annan kunskap byggs teorier som i sin tur testas grundligt. Om befintliga eller nya (relevanta) data inte passar samman med hypoteser, etablerad kunskap och/eller teorin backar man ett eller flera steg och tar reda på var och hur man ‘gick fel’.

Om felet är hanterbart justeras hypotes/teori och går igenom en ny räcka tester.

Om du känner dig osäker på ett ‘skumt’ påstående så kan det vara till hjälp att ha lyssnat till Sabine Hossenfelder, en eller flera gånger.