What to trust in a "post-truth" world | Alex Edmans

Fordító: Péter Pallós Lektor: Maria Ruzsane Cseresnyes

Belle Gibson was a happy young Australian.

Belle Gibson életvidám ausztrál lány volt.

She lived in Perth, and she loved skateboarding.

Perthben lakott, s szeretett gördeszkázni.

But in 2009, Belle learned that she had brain cancer and four months to live.

Ám 2009-ben megtudta, hogy agydaganata van, és már csak négy hónapja van hátra.

Two months of chemo and radiotherapy had no effect.

A két hónapnyi kemo és sugárkezelés nem hozott javulást.

But Belle was determined.

De a lány elszánt volt.

She'd been a fighter her whole life.

Egész életében küzdött.

From age six, she had to cook for her brother, who had autism,

Hatéves korától autista fivérére

és szklerózis multiplexben szenvedő anyjára kellett főznie.

and her mother, who had multiple sclerosis.

Her father was out of the picture.

Életükben az apja nem játszott szerepet.

So Belle fought, with exercise, with meditation

Belle küzdött: tornával, meditációval,

and by ditching meat for fruit and vegetables.

a húst zöldségre és gyümölcsre cserélve.

And she made a complete recovery.

Teljesen meggyógyult.

Belle's story went viral.

Története szélsebesen elterjedt.

It was tweeted, blogged about, shared and reached millions of people.

Milliók twitteltek, blogoltak és beszéltek róla.

It showed the benefits of shunning traditional medicine

Esete igazolta a hagyományos orvoslás elvetését,

az étrend s gyakorlatok előnyös hatását.

for diet and exercise.

In August 2013, Belle launched a healthy eating app,

2013 augusztusában egészséges táplálkozásról szóló alkalmazást indított

The Whole Pantry,

The Whole Pantry címen,

downloaded 200,000 times in the first month.

melyet az első hónapban 200 ezren töltöttek le.

But Belle's story was a lie.

De Belle története hazugság volt.

Belle never had cancer.

Sosem volt rákos.

People shared her story without ever checking if it was true.

Története úgy terjedt, hogy senki sem ellenőrizte, vajon igaz-e.

This is a classic example of confirmation bias.

Ez az ún. megerősítési torzítás klasszikus példája.

We accept a story uncritically if it confirms what we'd like to be true.

Kritikátlanul fogadjuk el a történetet, amelyet szeretnénk, ha igaz lenne.

And we reject any story that contradicts it.

Elutasítjuk viszont azt, amely annak ellentmond.

How often do we see this

Milyen gyakran találkozunk

in the stories that we share and we ignore?

általunk terjesztett és figyelmen kívül hagyott történetekben ezzel?

In politics, in business, in health advice.

Politikában, üzleti életben, egészséggel kapcsolatos tanácsadásban.

2016-ban az Oxford Dictionary-nél

The Oxford Dictionary's word of 2016 was "post-truth."

az év szava a post-truth – valóságon túli – lett

And the recognition that we now live in a post-truth world

Annak felismerése, hogy ma valóságon túli világban élünk, arra vezetett,

has led to a much needed emphasis on checking the facts.

hogy fel kell hívni a figyelmet a tények ellenőrzésének szükségességére.

But the punch line of my talk

De előadásom csattanója,

is that just checking the facts is not enough.

hogy a tényeket csupáncsak ellenőrizni kevés.

Even if Belle's story were true,

Ha Belle története igaz volna is,

it would be just as irrelevant.

az sem jelentene semmi lényegeset.

Why?

Miért?

Well, let's look at one of the most fundamental techniques in statistics.

Figyeljük meg az egyik legalapvetőbb statisztikai eljárást!

It's called Bayesian inference.

Ezt bayesi következtetéselméletnek hívjuk.

And the very simple version is this:

Dióhéjban a következő a lényege.

We care about "does the data support the theory?"

Bennünket az érdekel, hogy "az adatok alátámasztják-e az elméletet?"

Does the data increase our belief that the theory is true?

Megerősítik-e meggyőződésünket, hogy az elmélet igaz?

But instead, we end up asking, "Is the data consistent with the theory?"

De helyette ezt kérdezzük: "Összhangban vannak-e az adatok az elmélettel?"

But being consistent with the theory

Az, hogy összhangban vannak vele,

does not mean that the data supports the theory.

még nem jelenti azt, hogy alátámasztják az elméletet.

Why?

Miért?

Because of a crucial but forgotten third term --

Egy lényeges, de figyelmen kívül hagyott harmadik fogalom miatt:

the data could also be consistent with rival theories.

az adatok más elméletekkel is összhangban lehetnek.

But due to confirmation bias, we never consider the rival theories,

A megerősítési torzítás miatt soha nem vesszük fontolóra a versengő elméleteket,

because we're so protective of our own pet theory.

mert annyira védjük a magunk dédelgetett elméletét.

Now, let's look at this for Belle's story.

Lássuk Belle történetét!

Well, we care about: Does Belle's story support the theory

Bennünket az érdekel: Belle története alátámasztja-e azt,

that diet cures cancer?

hogy diétával gyógyítható a rák?

But instead, we end up asking,

De helyette ezt kérdezzük:

"Is Belle's story consistent with diet curing cancer?"

"Belle története összhangban áll a rákot gyógyító étrenddel?"

And the answer is yes.

A válasz pedig: igen.

If diet did cure cancer, we'd see stories like Belle's.

Ha az étrend tényleg gyógyítaná a rákot, hallanánk Belléhez hasonló történeteket.

But even if diet did not cure cancer,

De még akkor is hallanánk ilyeneket,

we'd still see stories like Belle's.

ha az étrend nem gyógyítja a rákot.

A single story in which a patient apparently self-cured

Egyszerű történetet, melyben a beteg kétségtelenül magától gyógyult meg,

just due to being misdiagnosed in the first place.

csupán mert helytelenül diagnosztizálták.

Just like, even if smoking was bad for your health,

Ez olyan, mint az, hogy bár a dohányzás káros az egészségre,

you'd still see one smoker who lived until 100.

találkoztak már dohányzó százévessel.

(Laughter)

(Nevetés)

Just like, even if education was good for your income,

Ez olyan, mint hogy a tanulás a keresetünk előnyére válik,

you'd still see one multimillionaire who didn't go to university.

mégis van olyan multimilliomos, aki nem járt egyetemre.

(Laughter)

(Nevetés)

So the biggest problem with Belle's story is not that it was false.

Bell történetével nem az a legnagyobb baj, hogy hamis.

It's that it's only one story.

Ez csak egy történet.

There might be thousands of other stories where diet alone failed,

Lehetne ezernyi más történet, ahol az étrend magában nem segített,

but we never hear about them.

de róluk egyáltalán nem hallunk.

We share the outlier cases because they are new,

Továbbadjuk a kirívó eseteket, mert újdonságként hatnak,

and therefore they are news.

ezért hírértékük van.

We never share the ordinary cases.

A szokványos eseteket nem meséljük.

They're too ordinary, they're what normally happens.

Túl szokványosak, általában az szokott történni.

And that's the true 99 percent that we ignore.

Erre az igaz 99%-ra rá se hederítünk.

Just like in society, you can't just listen to the one percent,

Mint a társadalomban: nem helyes figyelnünk csak az 1%-ra,

the outliers,

a kirívókra,

and ignore the 99 percent, the ordinary.

és nem törődni a 99%-nyi köznapival.

Because that's the second example of confirmation bias.

Mert ez a másik példa a megerősítési torzításra.

We accept a fact as data.

Egyetlen tényt elfogadunk adatként.

The biggest problem is not that we live in a post-truth world;

Nem az a legnagyobb baj, hogy valóságon túli világban élünk,

it's that we live in a post-data world.

hanem hogy adatokon túliban.

We prefer a single story to tons of data.

Jobb szeretünk egyetlen történetet a rengeteg adathoz képest.

Now, stories are powerful, they're vivid, they bring it to life.

A történetek erőteljesek, színesek, életre keltik a dolgokat.

They tell you to start every talk with a story.

Azt mondják, kezdjük az előadást egy történettel.

I did.

Én is így tettem.

But a single story is meaningless and misleading

De egyetlen történet önmagában értelmetlen és félrevezető,

unless it's backed up by large-scale data.

ha nem támasztja alá tengernyi adat.

But even if we had large-scale data,

Ám még ha tengernyi adatunk van is,

that might still not be enough.

lehet, hogy annyi még mindig kevés.

Because it could still be consistent with rival theories.

Mert összhangban állhatnak versengő elméletekkel is.

Let me explain.

Elmagyarázom.

A classic study by psychologist Peter Wason

Peter Wason pszichológus a kísérletében

gives you a set of three numbers

három számot ad meg,

and asks you to think of the rule that generated them.

és belőlük kell kitalálni előállításuk szabályát.

So if you're given two, four, six,

Ha a kettest, négyest és hatost kapjuk,

what's the rule?

mi a szabály?

Well, most people would think, it's successive even numbers.

A legtöbben úgy gondolják, hogy "egymást követő páros számok".

How would you test it?

Hogy győződhetünk meg róla?

Well, you'd propose other sets of successive even numbers:

Más egymást követő páros számokra kéne rákérdeznünk.

4, 6, 8 or 12, 14, 16.

4, 6, 8 vagy 12, 14, 16.

And Peter would say these sets also work.

Peter azt mondaná, hogy ezek a halmazok is jók.

But knowing that these sets also work,

De ennek ismeretében,

knowing that perhaps hundreds of sets of successive even numbers also work,

tudva, hogy esetleg egymást követő páros számok százai szintén jók,

tells you nothing.

ez még mindig nem mond semmit.

Because this is still consistent with rival theories.

Mert ezek összhangban állnak más, versengő elméletekkel.

Perhaps the rule is any three even numbers.

A szabály talán ez: bármely három páros szám.

Or any three increasing numbers.

Vagy bármely három növekvő szám.

And that's the third example of confirmation bias:

Itt a harmadik példa a megerősítési torzításra:

accepting data as evidence,

adatok bizonyítékként való elfogadása,

even if it's consistent with rival theories.

még akkor is, ha ez összhangban áll versengő elméletekkel.

Data is just a collection of facts.

Az adatok csupán tények gyűjteménye.

Evidence is data that supports one theory and rules out others.

Bizonyíték az olyan adat, mely egyetlen elméletet igazol, minden mást kizár.

So the best way to support your theory

Elméletünk alátámasztásának legjobb módja,

is actually to try to disprove it, to play devil's advocate.

ha megpróbáljuk cáfolni, az ördög ügyvédje szerepét játszva.

So test something, like 4, 12, 26.

Teszteljük valamivel, mondjuk: 4, 12, 26.

If you got a yes to that, that would disprove your theory

Ha igenlő választ kapunk,

az cáfolja az egymást követő páros számokról szóló elméletünket.

of successive even numbers.

Yet this test is powerful,

Ez a teszt hatékony,

because if you got a no, it would rule out "any three even numbers"

mert ha nemleges a válasz, az kizárja a "bármely három páros szám"

és a " bármely három növekvő szám" lehetőségét.

and "any three increasing numbers."

It would rule out the rival theories, but not rule out yours.

Ki fogja zárni a versengő elméleteket, de a miénket nem.

But most people are too afraid of testing the 4, 12, 26,

De a legtöbben túlságosan félnek a 4, 12, 26 sort kipróbálni,

because they don't want to get a yes and prove their pet theory to be wrong.

mert nem szeretnének igent hallani, és dédelgetett elméletüket hamisnak tudni.

Confirmation bias is not only about failing to search for new data,

A megerősítési torzítás nemcsak azt jelenti, hogy nem keresünk új adatokat,

but it's also about misinterpreting data once you receive it.

hanem a kapott adatok hibás értelmezését is.

And this applies outside the lab to important, real-world problems.

Ez így van a gyakorlatban is, a mindennapi életben.

Indeed, Thomas Edison famously said,

Thomas Edison híres mondása:

"I have not failed,

"Nem vallottam kudarcot,

I have found 10,000 ways that won't work."

csupán 10 ezer járhatatlan utat találtam."

Finding out that you're wrong

Tévedésünkre rájönni:

is the only way to find out what's right.

ez az egyetlen módja az igazság kiderítésének.

Say you're a university admissions director

Mondjuk, ön egyetemi felvételikkel foglalkozó vezető,

and your theory is that only students with good grades

és elmélete szerint csak a jó érdemjegyeket fölmutató,

from rich families do well.

gazdag családból jövő diákok válnak be.

So you only let in such students.

Tehát csak őket veszi fel.

And they do well.

És ők valóban jól tanulnak.

But that's also consistent with the rival theory.

De ez összhangban áll versengő elméletekkel is.

Perhaps all students with good grades do well,

Lehet, hogy minden, jó jegyeket hozó diák jól tanul,

akár gazdag, akár szegény.

rich or poor.

But you never test that theory because you never let in poor students

De ön sosem ellenőrzi az elméletét, mert szegény diákokat nem vesz föl,

because you don't want to be proven wrong.

hiszen nem akarja, hogy bebizonyosodjék a tévedése.

So, what have we learned?

Mit tudtunk meg?

A story is not fact, because it may not be true.

A történet nem tény, mert lehet, hogy nem igaz.

A fact is not data,

Egyetlen tény nem adatok sokasága,

it may not be representative if it's only one data point.

lehet, hogy nem jellemző, hiszen egyetlen adat csupán.

And data is not evidence --

Az adathalmaz nem bizonyíték,

it may not be supportive if it's consistent with rival theories.

mert összhangban állhat versengő elméletekkel is.

So, what do you do?

Mit tegyünk?

When you're at the inflection points of life,

Mikor életünk fordulópontjához érkezünk,

deciding on a strategy for your business,

üzleti stratégiát kell választanunk,

a parenting technique for your child

gyereknevelési módszerről döntünk,

or a regimen for your health,

vagy betegségünk kezeléséről,

how do you ensure that you don't have a story

miként szoktunk eljárni, hogy ne történetünk legyen,

but you have evidence?

hanem bizonyítékunk?

Let me give you three tips.

Három tippet mondok.

The first is to actively seek other viewpoints.

Az első, hogy serényen kutassunk más szempontok után.

Read and listen to people you flagrantly disagree with.

Olvassuk és hallgassuk azokat, akik véleményével élesen szemben állunk.

Ninety percent of what they say may be wrong, in your view.

Amit mondanak, annak 90%-a téves lehet – szerintünk.

But what if 10 percent is right?

De ha a 10%-ban igazuk van?

As Aristotle said,

Arisztotelész azt mondta:

"The mark of an educated man

"A tanult elme ismertetőjegye,

is the ability to entertain a thought

hogy képes foglalkozni egy gondolattal,

without necessarily accepting it."

anélkül hogy szükségképpen elfogadná."

Surround yourself with people who challenge you,

Olyanokkal vegyük körül magunkat, akik vitába szállnak velünk,

and create a culture that actively encourages dissent.

teremtsünk olyan kultúrát, ahol helye van az eltérő véleménynek.

Some banks suffered from groupthink,

Pár bank a csoportgondol'-tól szenvedett,

where staff were too afraid to challenge management's lending decisions,

ahol a stáb túlzottan félt vitába szállni a vezetők hitelezési döntéseivel,

contributing to the financial crisis.

ami hozzájárult a pénzügyi válsághoz.

In a meeting, appoint someone to be devil's advocate

Az üléseken tegyünk meg valakit az ördög ügyvédjének,

against your pet idea.

aki ellentmond dédelgetett ötletünknek.

And don't just hear another viewpoint --

Ne csupán hallgassuk végig az eltérő álláspontot,

listen to it, as well.

de figyeljünk is rá.

As psychologist Stephen Covey said,

Stephen Covey pszichológus mondta:

"Listen with the intent to understand,

"A megértés szándékával hallgassuk,

not the intent to reply."

ne pedig a válaszadás szándékával."

A dissenting viewpoint is something to learn from

Az eltérő véleményből tanulni lehet,

not to argue against.

nem vitázásra való.

Which takes us to the other forgotten terms in Bayesian inference.

Ez elvezet a bayesi következtetéselmélet másik elfeledett fogalmához.

Because data allows you to learn,

Mert az adatokból tanulni lehet,

but learning is only relative to a starting point.

de a tanulás csak viszonylagos a kiindulóponthoz képest

If you started with complete certainty that your pet theory must be true,

Ha teljes bizonyossággal úgy vágunk neki, hogy dédelgetett elméletünk biztos igaz,

then your view won't change --

akkor nézetünk nem fog változni,

regardless of what data you see.

függetlenül az előkerült adatoktól.

Only if you are truly open to the possibility of being wrong

Csak ha tényleg nyitottak vagyunk a tévedés lehetőségére,

can you ever learn.

akkor tudunk tanulni.

As Leo Tolstoy wrote,

Lev Tolsztoj így írt:

"The most difficult subjects

"A legbonyolultabb dolgot is

can be explained to the most slow-witted man

elmagyarázhatjuk egy nehéz felfogásúnak,

if he has not formed any idea of them already.

ha még nem alkotott semmilyen fogalmat róla;

But the simplest thing

de a legegyszerűbb fogalmat sem tudjuk érthetővé tenni

cannot be made clear to the most intelligent man

a legintelligensebb embernek sem,

if he is firmly persuaded that he knows already."

ha csökönyösen meg van róla győződve, hogy már minden tud róla."

Tip number two is "listen to experts."

A második tipp: hallgassunk szakemberre!

Now, that's perhaps the most unpopular advice that I could give you.

Talán ez a legkevésbé népszerű tanács, amit csak adhatok önöknek.

(Laughter)

(Nevetés)

British politician Michael Gove famously said that people in this country

Michael Gove brit politikus híres kijelentése szerint ebben az országban

az embereknek elegük van a szakemberekből.

have had enough of experts.

A recent poll showed that more people would trust their hairdresser --

Egy friss közvélemény-kutatás szerint többen hisznek fodrászuknak

(Laughter)

(Nevetés)

or the man on the street

vagy a járókelőknek,

than they would leaders of businesses, the health service and even charities.

mint üzleti vezetőknek, egészségügyi vagy akár jótékonysági intézménynek.

So we respect a teeth-whitening formula discovered by a mom,

Tehát méltányoljuk egy anyuka által feltalált fogfehérítő receptjét,

or we listen to an actress's view on vaccination.

vagy figyelünk oda az oltással kapcsolatban egy színésznő nézetére.

We like people who tell it like it is, who go with their gut,

Szeretjük azokat, akik megmondják a tutit, megérzéseikre hallgatnak,

and we call them authentic.

és hitelesnek nevezzük őket.

But gut feel can only get you so far.

De megérzéssel nem jutunk messzire.

Gut feel would tell you never to give water to a baby with diarrhea,

Megérzésünk megsúgja, hogy hasmenéses kisdeddel ne itassunk vizet,

because it would just flow out the other end.

mert csak kifolyik alul belőle.

Expertise tells you otherwise.

A szakvélemény mást mond.

You'd never trust your surgery to the man on the street.

Soha nem bíznánk műtétünket valami jöttmentre.

You'd want an expert who spent years doing surgery

Szakembert szeretnénk, akinek hosszú műtéti tapasztalata van,

and knows the best techniques.

és ismeri a legjobb módszereket.

But that should apply to every major decision.

Ennek kéne érvényesülnie minden fontos döntésünkben is.

Politics, business, health advice

A politika, az üzlet, az egészségügyi tanácsadás is

require expertise, just like surgery.

szakértelmet igényel, mint a műtét.

So then, why are experts so mistrusted?

Akkor hát miért nem bíznak a szakértőkben?

Well, one reason is they're seen as out of touch.

Az egyik ok: érzéketlennek tartják őket.

A millionaire CEO couldn't possibly speak for the man on the street.

Egy milliomos vezérigazgató bizonyára nem emel szót a kisemberért.

But true expertise is found on evidence.

De a valódi szakvélemény alapja a bizonyíték.

And evidence stands up for the man on the street

A bizonyíték a közember mellett áll ki,

and against the elites.

az elit ellenében.

Because evidence forces you to prove it.

Mert a bizonyíték bizonyításra késztet.

Evidence prevents the elites from imposing their own view

A bizonyíték gátolja, hogy nézeteit az elit

bizonyítás nélkül ránk kényszerítse.

without proof.

A second reason why experts are not trusted

A szakértőkkel szembeni bizalmatlanság másik oka,

is that different experts say different things.

hogy mindegyikük mást mond.

For every expert who claimed that leaving the EU would be bad for Britain,

Egyes szakértők szerint az EU-t rossz lenne elhagyniuk a briteknek,

another expert claimed it would be good.

más szakértők szerint viszont jó lenne.

Half of these so-called experts will be wrong.

Az ún. szakértők fele felsül.

And I have to admit that most papers written by experts are wrong.

El kell ismernem, hogy a szakértők legtöbb cikke téves.

Or at best, make claims that the evidence doesn't actually support.

Vagy legjobb esetben is alaptalanul állítanak valamit.

So we can't just take an expert's word for it.

Ezért nem vehetjük készpénznek a szavukat.

In November 2016, a study on executive pay hit national headlines.

2016 novemberében egy vezetői fizetésekről szóló tanulmánnyal volt tele a sajtó,

Even though none of the newspapers who covered the study

annak ellenére, hogy magát a tanulmányt

egyik cikk írója sem látta,

had even seen the study.

It wasn't even out yet.

sőt, még meg sem jelent.

They just took the author's word for it,

Egyszerűen hittek annak, amit a szerző mondott róla,

just like with Belle.

akárcsak Belle-nek.

Nor does it mean that we can just handpick any study

Ez nem azt jelenti, hogy kimazsolázhatunk bármely kutatást,

that happens to support our viewpoint --

amely épp egybevág a nézetünkkel,

that would, again, be confirmation bias.

mert ez is megerősítési torzítás lenne.

Nor does it mean that if seven studies show A

De azt sem, hogy ha hét kutatás állítja A-t,

and three show B,

és három kutatás B-t,

that A must be true.

akkor A biztos helytálló.

What matters is the quality,

Csakis a minőség számít,

and not the quantity of expertise.

és nem a szakvélemények mennyisége.

So we should do two things.

Két dolgot tehetünk.

First, we should critically examine the credentials of the authors.

Először, kritikus szemmel vizsgáljuk meg a szerzők szavahihetőségét!

Just like you'd critically examine the credentials of a potential surgeon.

Ahogyan orvosunk felkészültségét is, mielőtt rábízzuk műtétünket.

Are they truly experts in the matter,

Valóban szakértői a dolguknak,

or do they have a vested interest?

vagy csak egyéni érdekük fűződik hozzá?

Second, we should pay particular attention

Másodszor, különös figyelmet kell fordítanunk

to papers published in the top academic journals.

a legjobb szaklapokban közzétett cikkekre.

Now, academics are often accused of being detached from the real world.

A tudósokat gyakran vádolják azzal, hogy elefántcsonttoronyban élnek.

But this detachment gives you years to spend on a study.

De ez az elkülönülés megadja az éveken át tartó kutatás lehetőségét.

To really nail down a result,

Valódi eredményre juthatnak,

to rule out those rival theories,

kizárhatják a versengő elméleteket,

and to distinguish correlation from causation.

különbséget tehetnek korreláció és ok-okozati összefüggés között.

And academic journals involve peer review,

A szaklapokba szánt cikkeket szakemberek lektorálják,

where a paper is rigorously scrutinized

tüzetesen megvizsgálják

(Laughter)

(Nevetés)

by the world's leading minds.

a világ legjobb koponyái.

The better the journal, the higher the standard.

Minél jobb a folyóirat, annál magasabb a mérce.

The most elite journals reject 95 percent of papers.

A legkiválóbb lapok a cikkek 95%-át visszautasítják.

Now, academic evidence is not everything.

De a tudományos bizonyíték még nem minden.

Real-world experience is critical, also.

A gyakorlati tapasztalat is fontos.

And peer review is not perfect, mistakes are made.

A szaklektorálás nem tökéletes, tévedések előadódnak.

But it's better to go with something checked

De jobb valami ellenőrzöttre,

than something unchecked.

semmint ellenőrzés nélkülire támaszkodni.

If we latch onto a study because we like the findings,

Ha azért ragaszkodunk egy tanulmányhoz, mert tetszik, amire jut,

without considering who it's by or whether it's even been vetted,

de nem mérlegeljük, ki írta, vagy volt-e lektorálva egyáltalán,

there is a massive chance that that study is misleading.

jó esélyünk van rá, hogy a tanulmány félrevezető.

And those of us who claim to be experts

Azoknak, akik szakértőknek tartják magukat,

should recognize the limitations of our analysis.

fel kell ismerniük elemzésük korlátait.

Very rarely is it possible to prove or predict something with certainty,

Igen ritkán lehet valamit bizonyítani vagy biztosan előrelátni,

yet it's so tempting to make a sweeping, unqualified statement.

még ha oly csábító is lehengerlően magabiztos kijelentéseket tenni.

It's easier to turn into a headline or to be tweeted in 140 characters.

Könnyebb szalagcímet vagy 140 leütéses twittert csinálni belőle.

But even evidence may not be proof.

Ám még a bizonyíték sem bizonyosság.

It may not be universal, it may not apply in every setting.

Lehet, hogy nem általános érvényű, nem alkalmazható minden helyzetre.

So don't say, "Red wine causes longer life,"

Ne mondjuk, hogy "a vörösbor a hosszú élet titka",

when the evidence is only that red wine is correlated with longer life.

mert csupán annyi igaz ebből, hogy a vörösbor s a hosszú élet összefügg,

And only then in people who exercise as well.

de csak azoknál, akik mozognak is.

Tip number three is "pause before sharing anything."

A harmadik tipp: "várj ki egy picit, mielőtt továbbadod!"

The Hippocratic oath says, "First, do no harm."

A hippokratészi eskü így szól: "Mindenekelőtt ne árts!"

What we share is potentially contagious,

Amit továbbadunk, az jó eséllyel ragályos,

so be very careful about what we spread.

így legyünk nagyon óvatosak, mit terjesztünk.

Our goal should not be to get likes or retweets.

Ne a lájk legyen a célunk, vagy hogy továbbítsák tweetünket.

Otherwise, we only share the consensus; we don't challenge anyone's thinking.

Különben csak egyetértést osztunk meg, nem vitatjuk a gondolatot.

Otherwise, we only share what sounds good,

Különben csak azt osztjuk meg, ami jól hangzik,

regardless of whether it's evidence.

függetlenül attól, hogy bizonyítva van-e.

Instead, we should ask the following:

Helyette így tegyük föl a kérdést:

If it's a story, is it true?

vajon ez tényleg igaz?

If it's true, is it backed up by large-scale evidence?

Ha igaz, alá van-e támasztva aprólékos bizonyítékokkall?

If it is, who is it by, what are their credentials?

Ha igen, ki írta, szavahihető-e?

Is it published, how rigorous is the journal?

Ha közzétették, mennyire mérvadó lapban?

And ask yourself the million-dollar question:

Tegyük föl a millió dolláros kérdést:

If the same study was written by the same authors with the same credentials

ha ugyanez a szerző megírja ugyanezt a tanulmányt,

but found the opposite results,

de ellenkező eredményre jut,

would you still be willing to believe it and to share it?

vajon elhinnénk és továbbadnánk-e?

Treating any problem --

Feldolgozni egy problémát –

a nation's economic problem or an individual's health problem,

érintse az egy egész nemzet gazdaságát vagy egyetlen ember egészségét –

is difficult.

nem könnyű.

So we must ensure that we have the very best evidence to guide us.

Gondoskodnunk kell róla, hogy a legjobb bizonyítékokra hagyatkozzunk.

Only if it's true can it be fact.

Csak akkor kezelhetjük tényként, ha igaz.

Only if it's representative can it be data.

Csak akkor fogadhatjuk el adatként, ha jellemző.

Only if it's supportive can it be evidence.

Csak akkor bizonyíték, ha alátámasztja álláspontunkat.

And only with evidence can we move from a post-truth world

És csak bizonyítékkal juthatunk el a valóságon túli világból

to a pro-truth world.

az valóságot pártoló világba.

Thank you very much.

Köszönöm szépen.

(Applause)

(Taps)