前段时间有篇文章在朋友圈很火：《罗一笑，你给我站住》。我看到有朋友转发，点进去看完觉得挺感动，于是也转发了这篇文章。转发的第二天就被告知，这篇文章是拿来圈钱的营销文章，作者并没有他说的那么缺钱。当时听完，我很愤怒，既有对作者这种做法的愤怒，还有对自己轻易相信这种信息的愤怒，而且这不是第一次了。

我们生活在信息时代，每天通过手机和电脑主动或者被迫接受很多信息。好的是，你获取有利信息的渠道多了，也更加便利了，比如说你想学习一门技术，以前也许你需要到处找师傅，但现在网上搜经验贴，然后可以开始自学。坏的是，信息太多，如果不知如何判断和筛选，那你便很容易变成被信息吃掉的盲听盲信的人。

正因为我们接触的信息多了，我们更应该学会如何判断：这个看法是不是正确的？为什么？作者的目的是什么？在我们身边，有太多人给我们灌输各种想法，广告商想让我们相信他们的产品是最好的，老板想让我们相信呆在这家公司有大饼吃，亲戚想让我们相信某种人生是最幸福的。世界的声音太多，只有当我们自己能够清醒判断，我们才能变成能够独立思考，具有批判思维的人。

而《学会提问》便是达成这个目标的一张地图。正如标题所言，这本书由一系列问题组成，包括：

论题和结论是什么

理由是什么

哪些词语意思不明确

什么是价值观假设和描述性假设

推理过程中有没有谬误

证据的效力如何：直觉、个人经历、典型案例、当事人证词和专家意见

证据的效力如何：个人观察、研究报告和类比

有没有替代原因

数据有没有欺骗性

有什么重要信息被省略了

能得出哪些合理的结论

我按照逻辑关系，把这些关键问题重新梳理了下，画了一个结构图

冰山和论题

我们在遇到一个有争论的论题，或者与自己生活相关的论题时，会接受到不同的看法和理由。我们不妨把每个人或每一派的看法想成一个冰山，浮在水面上的是理由（包含证据）和论点，这是我们能够看见的表层结构。

但是除了表层结构，冰山还有一部分藏在水面下，包括假设、推理和意思不明的词语，同样是你是否接受对方观点的关键。等把整座冰山水上和水下都检查完毕后，还要经过两大关卡：有什么重要信息被省略了（这里其实有些内容和前面是重复的，所以就当是再细致地检查下）能得到哪些合理的结论（如果验证了证据和理由都没问题，再想想是否可以推导出其他的结论）

所以说，看清整座冰山，再经过两座关卡，最后你做出的判断便是比较靠谱的了。

接下来就按照这个逻辑框架再细分下

一、论题和结论是什么

不管对方说多说少，理由是否充足，他的最终目的都是想让你接受他的论点。

我们只有找到结论才能进行客观评价。

结论可分为描述性论题（家庭暴力最常见的诱因是什么？）和规定性论题（学校应不应该提供性教育？），一般在开头和结尾可以找到，伴随着因此、表明、由此得出等等关键词。有时候，和我们交流的人并不直截了当地说出他们的结论，在这种情况下，你就得依靠推理来得出结论。比如说，你问对方那家理发店怎么样？他说服务态度很好，剪出的发型也很接近自己想要的。虽然对方没有明说，但你是可以推出“这家理发店不错，推荐去”这样的结论的。

我自己做了些练习，感觉结论还是较容易找到的，就不细说了。需要记住的是，这是判断的第一步！！一定要找到结论，才能判断。

做个小练习：你能找到论题和结论么？

二、理由及证据

（一）理由是什么？

同样是先找再判断。

理由就是指用来支撑或证明结论的看法、证据、隐喻、类比和其他陈述。

只有当你找到支撑结论的理由时你才能判定一个结论的价值。

所以说，当对方抛给你一堆论点，却没有任何理由时，你是有权利拒绝接受的，因为你无从判断。这样的人要么是在混淆视听，要么是缺乏批判性思维，人云亦云，自己亦无法证明自己的观点。

一般来讲，除了论点，剩下的部分都是用来支撑论点的理由，至于它们是否可靠那是后话。但为了一眼明了，可圈出指示词、给不同的理由标序号、画下划线，如下图

红色的是论题和论点，蓝色的是理由，用序号标出，有两条理由。

（二）证据的效力

如上文所说，证据是理由中非常重要的一大类，包括：

1.直觉、个人经历、典型案例、当事人证词

2.个人观察、研究报告、类比

接下来挨个分析每一种的效力如何。

直觉：有时直觉其实也依赖于一些其他类型的证据，比如大量相关的个人经历和阅读经验。但是作为旁观者我们是无法根据这样的直觉进行判断的。所以说这类证据，一般直接忽略。

个人经历：单一的个人经历，甚至是个人经历的总合，根本不足以构成一个有代表性地经历样本，个人经历常常会导致我们犯下以偏概全谬误。所以下次听到“以我的经验来看……”就一定要当心。

典型案例：引人入胜地描绘一个或多个人物或事件来证实某个结论，这类描述通常都是基于观察或者访谈。例如，支持禁止在开车时使用手机的一种论辩方法就是说一些让人肝肠寸断的故事，都是因为司机边开车边打电话而出了车祸，结果导致一众年轻人死于非命。我们在生活中常常会用典型案例，因为它常常很有说服力，是那样具体生动而又细致感人。但正因为生动具体的案例诉诸于我们的情感，让我们不再纠缠于它们作为证据的价值，不再搜寻其他更为相关的研究证据，反而要更加当心。下次碰到典型案例，不妨问一问，这个例子有没有代表性？有没有强有力的相反的例子？这个例子被提及的方式中有没有偏见存在？

当事人证词：大多数情况下，我们对这类当事人证词无须过多关注，直到我们找出它们背后更多相关的专门知识、兴趣、价值观和偏见等。《十二怒汉》中有关于当事人证词的部分让我印象深刻，男孩被指控杀死了自己的父亲，楼下的老人和对面的中年妇女分别提供了证词，一开始几乎所有人都对证词深信不疑，只有一个人对此抱有怀疑，随着剧情的进一步深入，最后竟发现两人的证词都有漏洞，他们都因为私心而撒了谎，而男孩很有可能是被冤枉的。

但是，在当事人证词中有一类特别有说服力，那就是专家意见。专家们因为其专业背景，更有可能接触到我们无法接触的信息，也更有可能做出客观公正的判断，所以他们金口一开，很多人都会相信。但你应该记住的是，专家也会常常犯错误。我们应该继续追问：

对于所谈论的这个主题该专家所拥有的专长、训练或特别知识到底有多少？

这个主题是不是他潜心研究多年的成果？或者这个人有没有与此主题相关的丰富经历？

这个专家所处的地位是否有特别好的渠道来获得相关事实？总体而言，你应该对掌握第一手资料的专家（如研究性期刊）比持有第二手资料的专家（如《新闻周刊》）更有信心。

有没有教好的理由让人相信专家的意见相对而言不会受到歪曲？比如，这个专家是不是因经常做出可靠的断言而名声在外？

如果你遇到一个专家引用一个专家的观点时，你又很难确定原始断言的出处和可信度时，那便要加倍提防了。

个人观察：最可信的报道往往是基于最近得来的观察，而且是几个人处在最佳环境里同时得来的观察，他们没有和观察的事件有关的明显而又强烈的期望值，同时也不带有任何偏见。比如说当你很专注地在看一部电影，旁边两个人发生了矛盾，事后让你回忆他们谁对谁错，你并不一定能客观地说出来。

研究报告：通常是由训练有素地科研人员来系统地收集观察数据。科学研究，如果进行得比较理想的话，是我们获得证据的一个最好的来源，因为科学研究强调可验证性、可控性和精确性。那么如何评价科学研究是否理想呢？有下面几个线索：

报告的资料来源的质量怎么样？通常情况下，最可靠地报告往往出自那些发表在同行专家评定的期刊上的文章。

除了资料来源的质量外，交流中有没有其他的线索显示这项研究完成得很出色？

研究进行的时间离现在有多久？

这项研究的结果有没有被其他的研究重复过？如果某一种联系总是在精密设计的研究中不断被重复并且总是前后一致地被发现，那我们就有理由相信它。

持论者在选择研究的时候是怎样精挑细选的？

有没有什么强势批判性思维的证据？作者或演说者对于先前那些支持他的观点的研究有没有表现出一种批判的态度？

有没有理由让人蓄意要歪曲这项研究？

研究的条件是不是人为制造的并因此遭到扭曲变形？

根据研究样本，我们概括的范围到底有多大？一般来讲，样本的数量越大，包含足够的多样性，随机性越大，那么其调查结果就越可靠。

研究人员所使用的调查报告、问卷调查、等级评定或其他测量结果有没有偏见或者歪曲的现象存在？如果调查的措辞用字含糊，存在偏见，那你对调查结果的可信度就要持怀疑态度。

类比：具有人们熟知的某些特征的事物被用来帮助解释和它具有类似特征的事物。要评价一个类比的质量，你需要判断所比较的两件事物是否具有相关的共同点而缺乏相关的不同点。例如下面这个例子，在这个问题上把狗和女儿进行类比显然是不合适的，因为女儿是人，有认知能力，能分辨出对错。

总结来讲，在所有的理由中，直觉和个人经历一般不可靠，其他类型的理由经过仔细核查后，可以成为靠谱的理由，而其中研究报告是效力最高的。

（三）数据有没有欺骗性

统计数据就是用数字表达的证据。这样的证据可能看起来非常动人，因为数字让证据非常科学性，非常精确。但是统计数据经常会撒谎。

同样的数据，不同的展现方式导致的结论完全不同

我们可以通过以下方法检测数据：

1.尽量找到足够多的关于这些数据是如何采集的信息。不知来历的统计数据最常见的一个用处就是用大量的数字给人加深印象或让别人肃然起敬，这些呈现出来的数字的精确性常常会让人怀疑。

2.当你见到平均值的时候，一定要记得问一下：是平均数、中位数还是众数，选择的平均值不同会不会产生什么影响？

比如有段时间疯传人均工资8000以上，网友纷纷吐槽自己拉低了后腿。这样的人均工资应该是平均数，而在中国贫富差距严重，平均数要远远大于中位数，并不能代表普通人的收入水平。

平均数：把所有数值相加然后用总数除以相加的数值个数

中位数：把所有数值从高到低排列然后找到位于最中间的数值

众数：计算不同数值出现的次数然后找出出现频率最高的数值

3.了解全距，即最小数值和最大数值之间的差距。了解全距和数值分布的一个总体好处就是这样做会提醒你大多数人或事并不正好符合平均值，与平均值差异极大的结果也在意料之中。

比如，医生对20岁的癌症患者说，患同样癌症的病人存活时间的中位数是十个月。但是我们不知道全值和数值分布，可能有些人甚至很多人活得远远超过了十个月，甚至可能活到80岁以上呢！知道这些数据可能会改变这名癌症患者对未来的看法。

4.检查数据是否能推出结论。可以问自己“什么样的统计数据作为证据在证明他的结论方面会有帮助？”或者“从这些数据我们可以得出什么合适的结论？”我们看下面这个例子，从数据到推论有问题么？

5.有没有省略的数据？问问自己“绝对数值和百分比是不是都提供了？”，“这是……相比较？”

6.表述方式不同效果更加动人。比如上面显示最喜欢食物的柱状图，同样的数据给人的感觉完全不同。

到现在，冰山的水上部分我们就全部检查完毕了。简单总结下，就是找到论点和理由，并从理由中筛选出真正可靠的。理由错误，不管推论多么严密，结论都是错误的。

下一个部分，是冰山下的部分及两个关卡。