Speaking of Science一直努力为你奉上可靠而深刻的科学报道，我们花了大量时间来告诉读者，不要相信你所读到的那些“科学知识”。为了吸引你的关注，我们请来了《上周今夜秀》的主持人，喜剧演员John Oliver为大家传授知识。如果你不想在接下来的20分钟内笑掉大牙，那么可以看一下这份内容摘要：

单一的研究基本上是没有用的。

你应该注意到，我们常常会说“有待进一步的研究确认”，或是“很难保证研究人员的说法是否正确”（以及种种类似的说法）。那是因为科学并不是由事实组成的不破金身，而是一种对假说进行测试并得出相关结论的方法。

【当实验室内就缓步动物DNA发生争论时，那并没有什么好惊奇的，科学就是这样的】

科学家在设计实验、执行实验、交由同行审议并接受，最终在权威期刊上发表的过程中，就我们所知，他们得出的结果并不是凭空捏造的。许多因素都会对研究成果产生影响。你所提出的推断越重要，你就越要对结果保持怀疑，直到其他没有参与初次研究的科学家重复执行了这一实验并得出相同结果。一旦我们达到了能够复制实验结果的临界点，我们才可以说科学界就某一结论达成了一致意见，例如，人类活动确实造成气候的变化。

如果个别（即：无意义的）研究与科学界的共识相抵触，并被那些希望自己所固守的想法（如气候变化并不属实，或是疫苗会导致自闭症等）得到验证的公众广泛认可时，事情就会变得特别糟糕。如果你想知道科学的真相，那你应该寻找“越来越多的研究结果表明”这类说法。

统计数据会说谎

有一个数值叫P值，用于衡量证据相对于零假设的力度。换句话说，该数值可以检测数据的重要性。假设你有一个研究项目，要测试吃巧克力和一晚上睡眠超过八小时之间的关联。当你将测试对象的数据分组归纳，并将他们吃巧克力的习惯和睡眠习惯进行比较时，你必须对测试中得出的数字进行研究，从而确定睡眠情况最良好的测试对象在吃巧克力的测试组中确实比在任何随机小组中更为常见。此外，你还要“控制”不同的变量，确保这些变量不会对睡眠时长产生影响（或许孩子吃的巧克力越多，他们的睡眠时间也更长），所有统计都能帮助你衡量实验结果的意义。

【科学家们表示，2015年的研究错误百出，显示出心理学研究的复制危机】

但科学家可以在本不应做到的情况下，调控他们的样本规模并通过分析得出较好的p值。这就是为什么人们要一遍遍重复令人讨厌的研究的另一个原因--抓住统计中的诡计，无论是否故意为之。

系统并不支持好科学

我们要对认真研究科学的好科学说声抱歉，但事实是科学家不得不自行承担研究经费以及自行雇佣雇员，多数情况下，好好研究科学并不是最好的选择。山寨别人的作品并不光彩，但却非常重要。如今，科学家认识到在媒体上宣传造势和发表研究成果同样重要。这就意味着山寨行为能够对新奇的想法产生帮助。我们喜欢新奇的想法，但除非其他科学家拷贝了这些想法，不然它们并没有什么用。

媒体很糟糕，我们应该感受得到

当我还是一个不起眼的科学撰稿人时，我写过一篇关于媒体如何操纵科学的学术论文。我的观点是那就像一场可怕的电话游戏。在媒体宣传的过程中，结果变得越来越混乱。事实上我觉得这和PhD Comics这样的漫画作品相比没什么两样。如今我已经涉足科学界多年，我要对我的论文进行一些改动：过去我认为糟糕的，不正确的科学报告是从最初的“一些错误”开始的，而之后大家都在这最初的错误上越走越远。但现在我可以确定，即便你真正做到了一丝不苟，真正理清了每一次研究的论证流程，还是会有人发表一篇文章说喝酒与健身一样好，并附上你的文章作为资料来源。事实是，所有人，包括我本人在内，都有可能会对某项研究反应过度，或者说并不能真正理解，或是采信了引发一系列错误报道的标题，并令未读完全文的人产生误解。

那么我们应该怎么做呢？

或许我们可以不再从那些总是把A和B联系在一起的信息来源获取科学资讯，这可能是一个比较明显的信号，因为研究并不会得出这样的证明，实际情况可能是什么都证明不了。但常见的情况往往是：某件事听起来是不是有点疯狂？如果是的话，你通常会想知道未参与这项研究的专家是怎么说的。如果你在阅读或收看的报道无法作出解释，那就找点别的事来做吧。