川普是白人基督徒们的最后一战

最后一战

根据Survey Monkey涉及约五千人的在线调查显示,绝大多数共和党选民信任川普多过信任CNN.

同时,1/3的共和党选民只从Fox获得新闻。虽然Survey Monkey的在线调查远远算不上高水平的社会调查,但是这份数据和选后的大量调查揭示的情状基本一致:即现在民主党、共和党两党选民对基本的事实、美国的社会、文化现状等都有重大的分歧。在民主党眼里十恶不赦的小丑 -- 川普 -- 经历了无数民主党眼中的“丑闻”之后,他的支持者依然不离不弃。我对丑闻打了引号,因为许多“丑闻”在川普的支持者眼中根本都不是什么大事。

为什么会出现这样巨大的对立?《大西洋周刊》近期的一篇评论文章指出,川普上台的一份重要助力就是白人基督徒们正在感受到一种深深的威胁。面对越来越多的(不同信仰)的移民,还有本土少数族裔人数快速上涨,白人基督徒们觉得自己习惯的社会形态、文化力量等正在受到严重的威胁。

举个例子,我使用ANES数据绘制的图表显示,大量川普的支持者们认为(合法以及不合法的)移民正在危害美国的文化。

说是白人基督徒们受到威胁这已经不是新闻了。但是受到了多大的威胁呢?根据公共宗教研究所(PPRI)的选后调查,41%的美国民众认为这次大选是阻止美国衰退的最后一次机会。这里的衰退很难说是经济衰退。即使是对于美国经济不乐观的选民,他们也很难承认现在的经济比金融危机还差。排除法之后,这里所谓的衰退更有可能指的是社会、文化和道德层面上的衰退。这也可以解释为什么约一半的白人工人阶级、六成的共和党选民、三分之二的川普选民认为大选(以及他们选上的川普)是最后一战。

最后一战?!上面引述的《大西洋周刊》的评论文章也指出:最后一战也罢,川普和白人基督徒们恐怕也无力改变什么。这个社会在变化。他们唯一的选择就是:接受。

自动柜员机的故事

面对各行业全面机器自动化、智能化的威胁,自动柜员的发展历程可能是一个很好的历史样本。一份研究指出,伴随着自动柜员机的普及,银行柜员的人数也上涨了。

(上图的标注并不是很明确。这份研究统计的工作人员并不是银行全行业的工作人数,而仅仅帮助客户办理简单业务的柜员的人数。)

一种可能的解释是:自动柜员机的普及降低了银行运营网点的成本。自动柜员机也使得客户更加愿意光顾银行。这促使着银行开立更多的网点,并且雇佣更多的柜员处理自动柜员机不能够处理的业务:比如说向客户推销其他的、他们不一定需要的金融业务。

同样的,虽然纺织已经大幅自动化,纺织业的从业人员其实在上升。一种解释是低价服装大幅促进了我们对服装的需求,从而大幅扩张了纺织业的体量,进而促进了纺织业的用工。

用另一句话说,也就是低端自动化降低了各行业的成本,推动了他们的扩张,反过来抵消了低端自动化取代的用工数量。

当然,这种历史经验有它的局限性。比如说它不涉及因为自动化,整个行业被取代的故事(譬如说汽车取代马车),也不涉及到高端自动化的场景(比如说完全无人超市取代有人超市、移动/在线银行服务取代线下银行服务等)。但是不管怎么说,历史似乎讲了一个颇为乐观的故事。

学习数学也不能让你更理性

昨日的文章提到,没有证据显示学习哲学、科学甚至专门的批判性思维学习项目可以帮助学生提升他们批判性思维学习能力。其实,从心理学和教育学的角度说,这样的研究结果可能并不让人觉得窘迫。在一份经典的研究中,即使是受过大量统计学、概率论和决策理论学习的斯坦福商学院的博士们,他们处理日常概率问题的表现和完全没有受过相关训练的常人相差无几。

这是为什么呢?其实原因很简单。

(在我做出解释以前,我要声明以下是极其有争议的内容。很多学者支持我下述的观点,也有很多学者不支持我下述的观点。请把我的解释当作一家之言,而不是学术真理。)

一般而言,我们在一种环境中学习到的认知能力(包括知识、思维技能、思维模式等)并不一定能够很快或者很容易地应用到其他的环境中不同的问题上去。在概率论课程中拿A,也不意味着我们能够很好地处理日常生活中的概率问题。可能很多人要问了:那是概率没好好学吧?怎么可能概率论学这么好,日常概率问题处理不好?一种解释是:我们常常无法意识到两个环境下的两个问题其实是“一种问题”。

让我举个例子:中学的三角函数都把你们折腾地死去活来吧?其实中学涉及的三角函数相关定理就那么几条。不求甚解的话一个下午都能背下来。但是遇到了考题,我们依然傻眼。这种现象的原因之一就是我们熟悉了抽象的理论,但是面对复杂的考题,我们不知道该怎样转换考题给予的信息,又该怎样合适地应用我们学过的抽象理论。

心理学的研究也证实了这个现象。随便举一篇研究的例子。在学生们学习了一个抽象代数的例子以后,大多数人能够较为顺利地解决一个结构上十分类似于这个抽象代数的日常问题。但是当研究者变换一下日常问题,虽然核心本质不变,但是看起来结构非常不类似了,学生们就又抓耳挠腮了。

换句话说,人脑并不善于举一反三。那么要怎样解决上述的问题,更好地在不同的环境中应用我们习得的认知能力呢?简单的很:主动告诉学生们怎样把学到的认知能力转移到新的问题上。中学数学教育正是如此。老师常常在黑板上画了几笔,灵巧地把一个复杂的问题转换成熟悉的、可以应用旧有知识的形态,然后让学生反复练习。这个反复练习的过程,实际上就是在教授学生怎样把旧有的(往往是抽象的)能力应用到更加复杂的、结构更不同的新问题上。

换言之,我们在某种环境中学习到的认知能力往往不能够自动、快速地转换到其他环境里看起来并不相似的新问题中。我们需要一个主动训练的步骤,把我们旧有的认知能力应用或者转换到新的环境、新的问题中。在我们的教育实践中,老师学生们都在实践这种学习、应用、训练反复循环的过程,使得学生能够把习得的认知能力应用到不同的问题中。

可惜的是,所谓的“不同的问题”,往往是不同难度和水平的考题而已。即使是强调日常性的“应用”题,也往往滑稽得可笑。生活中哪有一边注水一边放水的水池?所以,无论是在中国还是在美国,学生几乎完全没有机会把课堂中学习到的认知能力,以一样的训练强度和训练时长,转移和应用到不同的日常生活场景中。长此以往,一旦离开了那个具体的学习环境,我们就无法应用学到的认知能力。这也是为什么斯坦福的博士们居然不能轻松搞定日常生活中的概率问题。这也是为什么无论学什么,都不能让人更理性。

Photo Credit: Woe Unto Them by Jasn Licensed under CC BY-NC 2.0