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

Çeviri: Figen Ergürbüz Gözden geçirme: Cihan Ekmekçi

Belle Gibson was a happy young Australian.

Belle Gibson mutlu, genç bir Avustralyalıydı.

She lived in Perth, and she loved skateboarding.

Perth'te yaşıyor ve kaykay yapmayı seviyordu.

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

Fakat 2009 yılında Belle, beyin kanseri olduğunu ve dört ayı kaldığını öğrendi.

Two months of chemo and radiotherapy had no effect.

İki aylık kemoterapi ve radyoterapinin hiç etkisi olmadı.

But Belle was determined.

Fakat Belle azimliydi.

She'd been a fighter her whole life.

Bütün hayatı boyunca bir savaşçı olmuştu.

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

Otizmli erkek kardeşi ve çoklu skleroz hastası annesi için

and her mother, who had multiple sclerosis.

altı yaşından beri yemek yapmak zorundaydı.

Her father was out of the picture.

Babası bu fotoğrafın dışındaydı.

So Belle fought, with exercise, with meditation

Belle, egzersiz ve meditasyon yaparak ve et yemeyi terk edip

and by ditching meat for fruit and vegetables.

meyve ve sebze tüketerek mücadele etti.

And she made a complete recovery.

Ve o, tamamen iyileşti.

Belle's story went viral.

Belle'in hikâyesi hızla yayıldı.

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

Konu tvit edildi, blog tutuldu, paylaşıldı ve milyonlarca insana ulaştı.

It showed the benefits of shunning traditional medicine

Geleneksel tıptan uzaklaşıp diyet ve egzersiz yapmanın

for diet and exercise.

faydalarını gösterdi.

In August 2013, Belle launched a healthy eating app,

Ağustos 2013'te Belle, bir sağlıklı beslenme uygulaması yayınladı.

The Whole Pantry,

Adı "The Whole Pantry" olan uygulama

downloaded 200,000 times in the first month.

ilk ayda 200.000 kez indirildi.

Fakat Belle'in hikâyesi bir yalandı.

But Belle's story was a lie.

Belle never had cancer.

Belle hiçbir zaman kanser olmadı.

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

İnsanlar onun hikâyesini, doğruluğunu teyit etmeden paylaştılar.

This is a classic example of confirmation bias.

Bu, doğrulama yanlılığının klasik bir örneği.

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

Bir hikâye doğru olmasını istediğimiz şeyi teyit ediyorsa sorgulamadan kabul ederiz.

And we reject any story that contradicts it.

Ve teyit etmeyen hikâyeleri reddederiz.

How often do we see this

Paylaştığımız ve görmezden geldiğimiz hikâyelerde

in the stories that we share and we ignore?

bunu ne sıklıkla görüyoruz?

In politics, in business, in health advice.

Politikada, iş hayatında ve sağlık tavsiyelerinde.

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

2016'da Oxford Sözlüğü tarafından yılın kelimesi "hakikat ötesi" seçildi.

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

Ve hakikat ötesi bir dünyada yaşadığımızı kabul etmemiz

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

gerçekleri kontrol etmenin üzerinde çok daha fazla durulmasına yol açtı.

But the punch line of my talk

Ama konuşmamın vurucu noktası şu ki

is that just checking the facts is not enough.

sadece gerçekleri kontrol etmek yeterli değil.

Even if Belle's story were true,

Belle'in hikâyesi doğru bile olsa

it would be just as irrelevant.

aynı derecede alakasız olurdu.

Why?

Neden mi?

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

İstatistikteki en temel tekniklerden birine bakalım.

It's called Bayesian inference.

Bayesçi sonuç çıkarımı deniyor.

And the very simple version is this:

Ve çok basitleştirirsek

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

Bizim önemsediğimiz sorular "Veri teoriyi destekliyor mu?"

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

Veri, teorinin doğruluğuna olan inancımızı arttırıyor mu?

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

Ama işin sonunda "Veri teoriyle uyumlu mu?" diye bakıyoruz.

But being consistent with the theory

Fakat teoriyle uyumlu olması

does not mean that the data supports the theory.

verinin teoriyi desteklediği anlamına gelmez.

Why?

Neden mi?

Because of a crucial but forgotten third term --

Unutulan ama elzem bir üçüncü terim yüzünden --

the data could also be consistent with rival theories.

veri aynı zamanda muhalif teorilerle de uyumlu olabilir.

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

Fakat doğrulama yanlılığı yüzünden muhalif teorileri hesaba katmıyoruz

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

çünkü ilgilendiğimiz kendi teorimize çok bağlıyız.

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

Şimdi bu duruma Belle'in hikâyesinde bakalım.

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

Bizim baktığımız şey: "Belle'in hikâyesi,

diyetin kanseri iyileştirdiği teorisini destekliyor mu?"

that diet cures cancer?

But instead, we end up asking,

Bunun yerine "Belle'in hikâyesi

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

diyetin kanseri iyileştirmesiyle uyumlu mu?" diye soruyoruz.

And the answer is yes.

Ve cevap evet.

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

Eğer diyet kanseri iyileştirseydi, Belle'inki gibi hikâyeler görürdük.

But even if diet did not cure cancer,

Ama diyet kanseri iyileştirmeseydi bile

we'd still see stories like Belle's.

yine Belle'ninki gibi hikâyeler görürdük.

A single story in which a patient apparently self-cured

En başta yanlış teşhis konulduğu için

just due to being misdiagnosed in the first place.

kendi kendine iyileşen birinin hikâyesi.

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

Tıpkı, sigara içmek sağlığa zararlı olsa da

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

100 yaşına kadar yaşayan bir sigara içicisi bulunabileceği gibi.

(Laughter)

(Gülüşmeler)

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

Aynı şekilde eğitim, geliriniz için iyi olsa da

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

üniversiteye gitmeyen bir milyoner bulunabileceği gibi.

(Laughter)

(Gülüşmeler)

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

Dolayısıyla Belle'in hikâyesindeki en büyük sorun doğru olmaması değil.

It's that it's only one story.

Sadece bir hikâyeden ibaret olması.

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

Tek başına diyetin işe yaramadığı binlerce başka hikâye olabilir

but we never hear about them.

ama onları hiç duymayız.

We share the outlier cases because they are new,

Biz uç vakalara bakarız çünkü yenilerdir

and therefore they are news.

dolayısıyla haber değerleri vardır.

We never share the ordinary cases.

Hiçbir zaman sıradan vakaları paylaşmayız.

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

Onlar çok sıradandır, normalde olan şeylerdir.

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

Bunlar görmezden geldiğimiz gerçek yüzde 99.

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

Aynı toplumda olduğu gibi, sadece yüzde 1'i

the outliers,

aykırıları dinleyip

and ignore the 99 percent, the ordinary.

sıradan olanları, yüzde 99'u ihmal edemezsiniz.

Because that's the second example of confirmation bias.

Çünkü bu da doğrulama yanlılığının ikinci örneğidir.

We accept a fact as data.

Bir gerçeği veri olarak kabul ederiz.

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

En büyük problem hakikat ötesi bir dünyada yaşamamız değil;

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

veri-ötesi bir dünyada yaşamamız.

We prefer a single story to tons of data.

Tek bir hikâyeyi tonlarca veriye tercih ediyoruz.

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

Hikâyeler güçlüdür, canlıdır ve bir şeyi hayata geçirir.

They tell you to start every talk with a story.

Her konuşmaya bir hikâyeyle başlamamız söylenir.

I did.

Ben öyle yaptım.

But a single story is meaningless and misleading

Ama tek bir hikâye, büyük ölçekli bir veri tarafından desteklenmiyorsa

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

değersiz ve yanıltıcıdır.

But even if we had large-scale data,

Ancak büyük ölçekli bir verimiz olsa bile

that might still not be enough.

bu, hâlâ yeterli olmayabilir.

Because it could still be consistent with rival theories.

Çünkü veriler yine de muhalif teorilerle uyumlu olabilir.

Let me explain.

Açıklamama izin verin.

A classic study by psychologist Peter Wason

Psikayatrist Peter Wason tarafından düzenlenen klasik bir deneyde

gives you a set of three numbers

size üçlü bir rakam dizisi verilir

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

ve bunları oluşturan kural sorulur.

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

Mesela, iki, dört, altı verilmişse

what's the rule?

kural nedir?

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

Çoğu insan ardışık çift sayılar olduğunu düşünür?

How would you test it?

Bunu nasıl test edersiniz?

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

Başka ardışık çift sayı seti verirsiniz.

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

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

And Peter would say these sets also work.

Ve Peter bu setlerin de kurala uyduğunu söyler.

But knowing that these sets also work,

Fakat bu setlerin kurala uyduğunu bilmek,

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

belki de yüzlerce ardışık çift sayı setinin uyduğunu bilmek

tells you nothing.

size bir şey kanıtlamaz.

Because this is still consistent with rival theories.

Çünkü bu, muhalif teorilerle de uyumludur.

Perhaps the rule is any three even numbers.

Belki kural herhangi üç çift sayıdır.

Or any three increasing numbers.

Veya artan üç sayı.

And that's the third example of confirmation bias:

Ve bu da doğrulama sapmasının üçüncü örneğidir:

accepting data as evidence,

muhalif teorilerle uyumlu olsa bile

even if it's consistent with rival theories.

veriyi kanıt olarak kabul etmek.

Data is just a collection of facts.

Veri yalnızca bir olgular toplamı.

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

Kanıt ise bir teoriyi destekleyip diğerini reddeden veridir.

So the best way to support your theory

Dolayısıyla teorinizi desteklemenin en iyi yolu

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

şeytanın avukatını oynayıp teorinizin aksini ispat etmektir.

So test something, like 4, 12, 26.

O zaman 4, 12, 26 gibi bir diziyi test edin.

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

Eğer buna doğru cevabı gelirse ardışık çift sayılara ilişkin teoriniz

of successive even numbers.

çürütülmüş olur.

Yet this test is powerful,

Evet, bu test etkili

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

çünkü eğer cevap hayır olursa "herhangi üç çift sayı" ya da

"artan herhangi üç sayı" teorileri çürür.

and "any three increasing numbers."

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

Muhalif teorileri eler ama sizinkini elemez.

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

Ama çoğu insan 4, 12, 26'yı test etmeye korkar

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

çünkü evet cevabı alıp teorilerini yanlış çıkarmak istemezler.

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

Doğrulama yanlılığı sadece yeni veri araştırmayı ihmal etmek değil,

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

aynı zamanda veriye ulaşınca onu yanlış yorumlamakla ilgili.

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

Bu laboratuvar dışında yer alan, önemli, gerçek problemler için de geçerli.

Indeed, Thomas Edison famously said,

Thomas Edison'ın söylediği gibi:

"I have not failed,

"Ben başarısız olmadım,

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

işe yaramayan 10.000 yol buldum."

Finding out that you're wrong

Hatalı olduğunuzu keşfetmek

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

neyin doğru olduğunu bulmanın tek yolu.

Say you're a university admissions director

Mesela bir üniversitenin öğrenci kabul yöneticisisiniz

and your theory is that only students with good grades

ve teoriniz sadece zengin ailelerden gelen ve notları iyi olan öğrencilerin

from rich families do well.

başarılı olduğu yönünde.

So you only let in such students.

Dolayısıyla sadece öyle öğrencileri alıyorsunuz.

And they do well.

Ve başarılı oluyorlar.

But that's also consistent with the rival theory.

Ama bu, muhalif teoriyle de uyumlu.

Perhaps all students with good grades do well,

Belki notları iyi tüm öğrenciler başarılı,

rich or poor.

zengin veya yoksul olsun.

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

Ama bu teoriyi asla test etmezsiniz çünkü fakir öğrenci hiç kabul etmiyorsunuz

because you don't want to be proven wrong.

çünkü haksız çıkmak istemiyorsunuz.

So, what have we learned?

Peki, ne öğrendik?

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

Bir hikâye gerçek değildir çünkü doğru olmayabilir.

A fact is not data,

Bilgi veri değildir,

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

eğer sadece veri göstergesiyse bütünü temsil etmiyor olabilir.

And data is not evidence --

Ve veri bir kanıt değildir--

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

eğer karşıt teorilerle uyumlu ise teoriyi destekleyici olmayabilir.

So, what do you do?

Peki, ne yapabiliriz?

When you're at the inflection points of life,

Hayatın dönüm noktalarında,

deciding on a strategy for your business,

işiniz için bir strateji belirlemek,

a parenting technique for your child

çocuğunuz için yetiştirme tekniği

or a regimen for your health,

veya sağlığınız için bir rejim gibi

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

bir hikâye yerine

bir kanıtınız olduğundan nasıl emin olursunuz.

but you have evidence?

Let me give you three tips.

Size üç tüyo vermeme izin verin.

The first is to actively seek other viewpoints.

İlki aktif olarak farklı bakış açıları aramaktır.

Read and listen to people you flagrantly disagree with.

Alenen sizden farklı görüşleri olan insanları okuyun ve dinleyin.

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

Sizin nazarınızda dediklerinin yüzde doksanı yanlış olabilir.

But what if 10 percent is right?

Ama ya yüzde 10'u doğruysa?

As Aristotle said,

Aristo'nun dediği gibi,

"The mark of an educated man

"Eğitimli bir adamın göstergesi

is the ability to entertain a thought

bir düşünceyi kabul etmeden

without necessarily accepting it."

onu aklında bulundurma yeteneğidir."

Surround yourself with people who challenge you,

Etrafınızı size meydan okuyan insanlarla donatın

and create a culture that actively encourages dissent.

ve karşı olmayı destekleyen bir kültür oluşturun.

Some banks suffered from groupthink,

Bazı bankalar, grup olarak düşünemedi,

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

çalışanlar, yönetimin kredi kararlarına karşı çıkmaya çok çekindiler

contributing to the financial crisis.

bu da ekonomik krizin sebeplerinden biri oldu.

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

Bir toplantıdayken fikrinize karşı şeytanın avukatlığını yapması için

against your pet idea.

birini belirleyin.

And don't just hear another viewpoint --

Ve sadece farklı bir görüş duymayın,

listen to it, as well.

aynı zamanda dinleyin.

As psychologist Stephen Covey said,

Psikayatrist Stephen Covey'in dediği gibi:

"Listen with the intent to understand,

"Anlama niyetiyle dinleyin,

not the intent to reply."

yanıt verme niyetiyle değil."

A dissenting viewpoint is something to learn from

Karşıt bir bakış açısı, kendisinden öğrenebileceğimiz bir şeydir;

not to argue against.

tartışacağımız değil.

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

Bu da bizi Bayesci sonuç çıkarımının diğer unutulmuş terimlerine getiriyor.

Because data allows you to learn,

Çünkü veri, bir şey öğrenmenizi sağlar

but learning is only relative to a starting point.

ama öğrenme sadece bir başlangıç noktasına bağlıdır.

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

Eğer kendi teorinizin doğru olduğuna kesinkes inanarak yola koyulduysanız

then your view won't change --

o zaman bakış açınız değişmez --

regardless of what data you see.

hangi veriyi kullanırsanız kullanın.

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

Sadece hatalı olma olasılığına açık olduğunuzda öğrenebilirsiniz.

can you ever learn.

As Leo Tolstoy wrote,

Leo Tolstoy'un yazdığı üzere,

"The most difficult subjects

"En zor konular

can be explained to the most slow-witted man

en basit zekalı adama anlatılabilir.

if he has not formed any idea of them already.

eğer henüz bir fikir oluşturmadıysa.

But the simplest thing

Ama en basit şey,

cannot be made clear to the most intelligent man

eğer doğru bildiği konusunda kararlıysa

if he is firmly persuaded that he knows already."

en zeki adama açıklanamaz."

Tip number two is "listen to experts."

İkinci tüyo: "Uzmanları dinleyin."

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

Sanırım bu size sunabileceğim en popüler olmayan tavsiye.

(Laughter)

(Gülüşmeler)

British politician Michael Gove famously said that people in this country

İngiliz politikacı Michael Gove'un bilinen deyişi

bu ülkedeki insanların uzmanlara doyduğu yönündeydi.

have had enough of experts.

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

Yakın zamanda yapılan bir anket gösterdi ki insanlar kuaförüne

(Laughter)

(Gülüşmeler)

or the man on the street

ya da sokaktaki adama,

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

iş liderleri, sağlık sektörü ve hatta hayır kurumlarından daha çok güveniyor.

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

Yani, bir anne tarafından geliştirilen bir diş beyazlatıcı formüle güveniyoruz

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

ya da aşı konusunda bir oyuncunun görüşlerini dinliyoruz.

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

İnsanların açık ve net konuşmasını, içgüdülerine uymasını seviyoruz

and we call them authentic.

ve onlara sahici diyoruz.

But gut feel can only get you so far.

Ama içgüdü sizi bir yere kadar götürebilir.

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

İçgüdü ishal olmuş bir bebeğe su vermemeyi söyler

because it would just flow out the other end.

çünkü diğer taraftan çıkacaktır.

Expertise tells you otherwise.

Uzmanlık ise tersini söyler.

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

Ameliyatınız için hiçbir zaman sokaktaki adama güvenmezsiniz.

You'd want an expert who spent years doing surgery

Yıllarını ameliyat yaparak geçirmiş

and knows the best techniques.

ve en iyi teknikleri bilen birini istersiniz.

But that should apply to every major decision.

Fakat bu her büyük kararda uygulanmalı.

Politics, business, health advice

Politika, iş ve sağlık tavsiyesi de

require expertise, just like surgery.

tıpkı ameliyat gibi uzmanlık ister.

So then, why are experts so mistrusted?

Peki o zaman, uzmanlara duyulan güven neden bu kadar az?

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

Bir neden, uzak görünmeleri.

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

Milyoner bir CEO'nun sokaktaki adam için konuşması mümkün bile değil.

But true expertise is found on evidence.

Fakat gerçek uzmanlık bulguda bulunur.

And evidence stands up for the man on the street

Ve bulgu elitlere karşı

and against the elites.

sokaktaki adam için dik durur.

Because evidence forces you to prove it.

Çünkü bulgular sizi kanıtlamaya zorlar.

Evidence prevents the elites from imposing their own view

Bulgular elitlerin kanıt olmadan

kendi görüşlerini dayatmalarını engeller.

without proof.

A second reason why experts are not trusted

Uzmanlara güvenilmemesinin ikinci nedeni

is that different experts say different things.

uzmanların farklı şeyler söylemeleri.

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

AB'den ayrılmanın Birleşik Krallık için kötü olacağını söyleyen her uzmana karşı

another expert claimed it would be good.

iyi olacağını iddia eden bir uzman vardı.

Half of these so-called experts will be wrong.

Bu uzman addedilenlerin yarısı hatalı çıkacak.

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

Ve kabul etmeliyim ki, uzmanlar tarafından yazılan birçok makale yanlış.

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

Ya da en azından kanıtların desteklemediği iddialarda bulunmakta.

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

Dolayısıyla sadece bir uzmanın lafına güvenemeyiz.

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

Kasım 2016'da yönetici tazminatlarına ilişkin bir çalışma manşetlerde yer aldı.

Even though none of the newspapers who covered the study

Üstelik bu çalışmayı haber yapan gazetelerin hiçbiri

had even seen the study.

çalışmayı görmemiş olmasına rağmen.

It wasn't even out yet.

Çalışma daha çıkmamıştı bile.

They just took the author's word for it,

Yalnızca yazarın sözlerine inandılar,

just like with Belle.

aynı Belle'le yaptıkları gibi.

Nor does it mean that we can just handpick any study

Bu kendi bakış açımızı destekleyen çalışmaları seçip

that happens to support our viewpoint --

inanabileceğimiz anlamına da gelmez,

that would, again, be confirmation bias.

bu doğrulama yanlılığı olur.

Nor does it mean that if seven studies show A

Yedi çalışma A'yı gösterirken

and three show B,

üç çalışma B'yi gösteriyorsa

bu A'nın doğru olduğu anlamına da gelmez.

that A must be true.

What matters is the quality,

Uzmanlığın niceliği değil

and not the quantity of expertise.

niteliği önemlidir.

So we should do two things.

O yüzden iki şey yapmalıyız.

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

Öncelikle, yazarların ehliyetlerini eleştirel bir şekilde incelemeliyiz.

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

Aynı bir cerrahın ehliyetini eleştirel bir şekilde inceleyeceğiniz gibi.

Are they truly experts in the matter,

Gerçekten konuda uzmanlar mı

or do they have a vested interest?

veya kendilerinin maddi bir çıkarı var mı?

Second, we should pay particular attention

İkinci olarak üst düzey akademik dergilerde

to papers published in the top academic journals.

yayınlanan makalelere bakmalıyız.

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

Akademisyenler genelde gerçek dünyadan kopuk olmakla suçlanırlar.

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

Ama bu kopukluk bir çalışmaya yılları adamaya vesile olur.

To really nail down a result,

Gerçekten bir sonuca varmak,

to rule out those rival theories,

karşıt teorileri çürütmek

and to distinguish correlation from causation.

ve korelasyonla neden sonuç ilişkisini ayırt etmek için.

And academic journals involve peer review,

Ve akademik dergiler, bir makalenin

where a paper is rigorously scrutinized

dünyanın önder zihinleri tarafından titizlikle incelendiği

(Laughter)

(Gülüşmeler)

by the world's leading minds.

bir hakemlik sürecinden geçer.

The better the journal, the higher the standard.

Dergi ne kadar iyiyse standart o kadar yüksektir.

The most elite journals reject 95 percent of papers.

En elit dergiler makalelerin yüzde 95'ini reddeder.

Now, academic evidence is not everything.

Akademik bulgular her şey değildir.

Real-world experience is critical, also.

Gerçek dünya deneyimleri de önemlidir.

And peer review is not perfect, mistakes are made.

Hakem denetimi kusursuz değildir hatalar yapılmaktadır.

But it's better to go with something checked

Ancak kontrol edilmiş bir şeyi desteklemek

than something unchecked.

kontrol edilmemiş bir şeyi desteklemekten daha iyidir.

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

Bir çalışmayı kim tarafından onaylandığını hatta onaylanıp onaylanmadığını

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

göz önünde bulundurmaksızın sadece bulguları beğendiğimiz için kabul edersek

there is a massive chance that that study is misleading.

bu çalışmanın yanıltıcı olma ihtimali çok yüksektir.

And those of us who claim to be experts

Uzman olduğunu iddia edenler

should recognize the limitations of our analysis.

analizlerinin sınırlılığının farkında olmalı.

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

Bir şeyi kesin olarak kanıtlamak veya öngörmek çok nadiren mümkün

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

ve fazlasıyla genel niteliksiz bir açıklamada bulunmak çok cezbedici.

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

Bunu bir başlığa çevirmek veya 140 karakter bir tvit atmak daha kolay.

But even evidence may not be proof.

Ancak bulgu bile kanıt olmayabilir.

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

Evrensel olmayabilir ya da her ortamda geçerli olmayabilir.

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

Bulgu sadece kırmızı şarap ve uzun yaşamın ilişkilendirildiğine dair ise

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

''Kırmızı şarap ömrü uzatır'' demeyin.

And only then in people who exercise as well.

Ancak o zaman insanlar egzersiz de yaparlar.

Tip number three is "pause before sharing anything."

Üç numaralı tavsiye ise bir şeyi paylaşmadan önce durup bir düşünün.

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

Hipokrat yemini şöyle der, ''Önce, zarar verme.''

What we share is potentially contagious,

Paylaştığımız şeyler bulaşıcı olabilir

so be very careful about what we spread.

bu nedenle yaydığımız şeylere çok dikkat etmeliyiz.

Our goal should not be to get likes or retweets.

Hedefimiz beğenilmek ya da retvitlenmek olmamalı.

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

Aksi takdirde yalnızca hemfikir oluruz ve kimseyi düşünmeye davet etmeyiz.

Otherwise, we only share what sounds good,

Aksi takdirde yalnızca kulağa hoş geleni paylaşmış oluruz,

regardless of whether it's evidence.

kanıt olsun ya da olmasın.

Instead, we should ask the following:

Bunun yerine şunları sormalıyız:

If it's a story, is it true?

Bu bir hikâye ise doğru mu?

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

Eğer doğruysa bunu destekleyen geniş ölçekli bulgu var mı?

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

Eğer var ise kim tarafından sağlanıyor ve onların ehliyeti nedir?

Is it published, how rigorous is the journal?

Yayımlanmış mı, yayımlandığı dergi ne kadar titiz ve tutarlı?

And ask yourself the million-dollar question:

Ve kendinize şu önemli soruyu sorun:

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

Eğer aynı çalışma aynı akademik geçmişe sahip aynı yazarlar tarafından yazılmış

but found the opposite results,

ancak zıt sonuçlara ulaşılmış olsa

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

hâlâ ona inanmak ve onu paylaşmak ister miydiniz?

Treating any problem --

Bir problemi çözmek zordur

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

bu ister bir ulusun ekonomik problemi

ister bir bireyin sağlık problemi olsun.

is difficult.

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

Bu nedenle bize en iyi kanıtların rehberlik ettiğinden emin olmalıyız.

Only if it's true can it be fact.

Ancak doğru ise gerçek olabilir.

Only if it's representative can it be data.

Ancak temsil edici özelliğe sahipse veri olabilir.

Only if it's supportive can it be evidence.

Ancak destekleyici ise kanıt olabilir.

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

Ve ancak kanıtlar ile hakikat ötesi dünyadan

to a pro-truth world.

hakikat yanlısı dünyaya ilerleyebiliriz.

Thank you very much.

Teşekkürler.

(Applause)

(Alkış)