假设你负责制定公司的通勤政策,经过一番调研后,你发现57%的同事开车上班。你会如何向同事传达这个数字?
你可以直接告诉他们这个数字,也可以用语言来描述它。如果你想暗示57%是一个很高的比例,你可能会称之为"明显多数",甚至是"接近三分之二"(大约67%)。但如果你想淡化57%这个数字,你或许会说"刚过半数"。
无论哪种方式,当人们想要说服听众相信某个数字特别高或特别低时,他们更倾向于用语言来描述数据,而不是直接呈现原始数字。
现在,一项由麻省理工学院学者共同撰写的新研究对这一现象进行了量化:那些试图就统计事实说服他人的人,使用描述性语言而非数字本身的可能性要高出25%到29%。这个增幅足够大,可以被称为"大幅的""显著的",或是用其他任何词语来形容。
"如果我是一个消息灵通的专家,并且有动机去说服我的听众,那么我相对更有可能选择使用语言,"论文合著者、麻省理工学院斯隆管理学院博士生维克多·德·谢兹马丁说道。
专家在试图说服他人时所选择的语言,相比他们用数字进行的交流,也更具倾向性。正如作者在论文中指出的那样,人们似乎正以一种他们自认为可以接受的方式,利用语言的不精确性:如果错误地报告一个数字,那将是明确的谎言;但通过语言来倾向性地表达信息,在心理上可能更容易让人接受。
而这还只是事情的一半。该研究还表明,听众会觉得基于语言的数字描述很有说服力——即便他们被告知这背后存在某种意图。
"基于语言的信息特别具有说服力,"德·谢兹马丁说道。他指出,告诉听众他们正在被操纵,"实际上对缓解这种情况作用不大。这很有意思,这让人不禁思考人们的脑海中究竟在想什么,以及他们是如何处理信息的。"
这篇题为《数字陈述事实,语言用于推销》的论文,即将发表在《美国经济评论》上。该论文的作者包括德·谢兹马丁、伦敦大学学院经济学讲师迈克尔·泰勒,以及华威大学副教授马蒂·托马。
浮动的数据与用语言呈现的报道
据德·谢兹马丁介绍,这项研究的起源来自一个基本的观察。
"这个世界上充斥着大量浮动的统计数据,"他说,"但如果你翻开报纸,或者阅读媒体上的内容,又或者是在读一份企业报告,你通常不会看到50个统计数字。你常常看到的是大量用语言描述的定量数据。"
事实上,一项针对媒体实践的研究发现,22%的新闻报道包含统计数据,但这些报道中有24%仅用语言来描述这些数字。另一项针对学术研究的调查发现,只有37%的论文在摘要中包含数字。
为了开展这项研究,研究人员进行了两个独立但平行的实验。在第一个实验中,研究人员借助研究平台Prolific,将1000名社会公众分成500对发送者和接收者,让他们就简单游戏和观察结果进行信息交流。在第二个实验中,研究人员通过华威大学的"政策制定者实验室",将146位来自学术界的学者与来自五个国家的政策制定者(主要是中央政府官员)进行配对。
最终,实验结果表明,当信息发送者有准确传达信息的激励时,他们选择使用语言而非数字的概率只有13%到14%;也就是说,专家通常更倾向于用数字来进行准确的交流。但当他们面临说服他人的激励时,发送者选择使用语言的可能性会提高25到29个百分点。
"这是一个非常明确的假设,它本身是合理的,而结果也证实了这一点,"德·谢兹马丁说道。
研究结果的应用
尽管这项研究本身具有特定性,但它蕴含着一些更广泛的启示。德·谢兹马丁指出,首先,这些发现有助于各类组织认识到建立统一使用标准的价值。他提到,气候科学家在某些预测方面已经这样做了。安全官员、医学研究人员、医生和学者也可能有充分的理由,对可能性等事项采用类似的规范性表述方式。
"我们可以认真思考如何设置和报告实证数据,"他说,"这项研究可以被视为推动这一方向的一个信息来源。"
德·谢兹马丁还提出,这些发现与媒体素养这一普遍性问题有关,可以帮助人们分析他们在新闻中读到的统计性论断。就他本人而言,他也对后续问题很感兴趣,比如当人们反复向同一受众发送信息时会发生什么。
"这可能会在这个过程中引入一些有趣的新机制,"德·谢兹马丁说道,他指出,信息发送者可能会有额外的动机去维护自己在准确性方面的声誉,而受众则可能会随着时间推移变得更加敏锐。
当然,统计数据的描述中涉及许多微妙之处。举例来说,鉴于大多数司机都系安全带,某项将使用率提高两个百分点的政策干预,从绝对数值上看可能不算显著,但在剩余的改进空间中,这或许代表着相当大的提升。而在其他情境下,两个百分点的变化可能只是数据海洋中的一个微小波动。
因此,语言描述有助于为数字提供语境,或者帮助受众理解统计数据。然而,目前的研究结果表明,在解读语言时应保持谨慎,因为这也可能意味着专家正试图说服其听众。
无论如何,德·谢兹马丁表示,他希望涉及统计数据的公共讨论能够始终保持健康和准确。
"语言和数字之间存在互补的空间,可以同时为人们提供两者,"他说道。
这项研究部分得到了英国学术院/莱弗休姆小型研究基金,以及华威大学行为聚焦小型基金计划和基础数据基金的支持。
