अमेरिका में वयस्कों में आधे से अधिक कहते हैं कि उन्हें बुनियादी सांख्यिकीय समझ नहीं है
एक सर्वेक्षण में पाया गया कि अमेरिका के 62% वयस्क कहते हैं कि उन्हें सांख्यिकी की बहुत कम या बिल्कुल समझ नहीं है — खासकर p-values जैसी अवधारणाओं की — जिससे यह बहस छिड़ जाती है कि numeracy कैसे सिखाई जाती है और कैसे अक्सर शिक्षित पेशेवर भी averages, probabilities, और significance जैसे बुनियादी विचारों की गलत व्याख्या करते हैं। टिप्पणीकार बताते हैं कि सांख्यिकी अवधारणात्मक रूप से कठिन भी है और मीडिया, राजनीति, विज्ञान, तथा निजी निर्णय-निर्माण में बार-बार दुरुपयोग होती है, जिससे सार्वजनिक अज्ञानता विशेष रूप से महत्वपूर्ण हो जाती है। कई लोग रटंत सूत्रों के बजाय सहज समझ, आम भ्रांतियों, और वास्तविक-विश्व जोखिम पर केंद्रित, पहले और अधिक व्यावहारिक statistics शिक्षा की वकालत करते हैं.
सर्वेक्षण परिणाम पर प्रतिक्रिया
- कई लोगों को “आधे से अधिक” का आंकड़ा आश्चर्यजनक रूप से आत्म-जागरूक और उत्साहजनक लगता है; दूसरों का मानना है कि 62% वास्तव में कम है और वास्तविक समझ इससे कहीं अधिक दुर्लभ है।
- कई लोग मज़ाक करते हैं कि व्यावहारिक रूप से “लगभग कोई भी” सांख्यिकी नहीं समझता, जिसमें वे लोग भी शामिल हैं जो समझते होने का दावा करते हैं।
- शीर्षक की भाषा (“आधे से अधिक”) को धुंधली बताया गया है, क्योंकि मुख्य पाठ में 62% कहा गया है, जो लगभग दो-तिहाई के करीब है।
सांख्यिकीय समझ की सीमाएँ (विशेषज्ञों सहित)
- कई टिप्पणीकार बताते हैं कि वैज्ञानिक, सांख्यिकीविद्, और अत्यधिक शिक्षित पेशेवर भी अक्सर p-value, confidence, और sampling जैसी बुनियादी चीज़ों को गलत समझते हैं।
- Monty Hall, Simpson’s paradox, और सूक्ष्म model-specification समस्याएँ उदाहरण के रूप में दी गई हैं कि सांख्यिकी कितनी सहज-बोध के विरुद्ध हो सकती है।
- कुछ लोगों का तर्क है कि मोटी-मोटी या गलत समझ (जैसे “छोटा p-value = हेडलाइन शायद सही है”) अज्ञानता से भी अधिक खतरनाक है।
P-Values और गलत धारणाएँ
- कई लोग स्वीकार करते हैं कि statistics पढ़ने के बावजूद वे p-value को स्पष्ट रूप से परिभाषित नहीं कर सकते।
- आम गलतफ़हमी: p-value को “परिकल्पना के सत्य होने की संभावना” मानना, जबकि सही अर्थ है “null सही मानते हुए, उतने या उससे अधिक चरम डेटा की संभावना।”
- p<0.05 पर अत्यधिक ज़ोर और “सांख्यिकीय महत्त्व” को व्यावहारिक महत्त्व से गड्ड-मड्ड करने को लेकर चिंताएँ उठाई गईं।
सर्वेक्षण डिज़ाइन और व्याख्या पर आलोचनाएँ
- मुख्य प्रश्न में jargon (“p-values”) शामिल है, जिससे self-reported understanding कम हो सकती है।
- self-report को अविश्वसनीय माना गया: ego, Dunning–Kruger, और “समझना” का मतलब क्या है, इसको लेकर भ्रम।
- अनुवर्ती प्रश्न (“अगर आप उन्हें बेहतर समझते, तो क्या आप statistics के आधार पर निर्णय लेते?”) को leading बताया गया है।
शिक्षा और शिक्षण-पद्धति
- कई लोग स्कूलिंग को दोष देते हैं: statistics या तो पढ़ाई ही नहीं जाती, बहुत देर से पढ़ाई जाती है, या सहज उपकरणों के बजाय डराने वाले theory के रूप में पढ़ाई जाती है।
- कुछ देशों में अब lower grades में stats शुरू कराई जा रही है; अन्य जगहों पर केवल abstract probability theory courses बताए गए हैं।
- कई लोग ELI5-शैली के पाठ्यक्रमों की माँग करते हैं, जिनमें mean vs median, distributions, risk, bias जैसी मुख्य बातों पर ध्यान हो, भारी formalism पर नहीं।
रोज़मर्रा का दुरुपयोग: औसत, जोखिम, और संभावना
- mean, median, और “typical” व्यक्ति के बीच बार-बार भ्रम; औसत (पैर, संपत्ति, शरीर का तापमान) से जुड़े किस्से इसे समझाने के लिए दिए गए।
- लोग छोटी संभावनाओं, repetition (Russian-roulette analogy), और “20% chance” या चुनावी odds जैसी चीज़ों की व्याख्या में जूझते हैं।
- statistics और charts को किसी भी कहानी को बताने के लिए आसानी से हथियार बनाया जा सकता है: selection bias, survivorship bias, भ्रामक aggregation, और cherry-picking।
सामाजिक, राजनीतिक, और व्यावहारिक प्रभाव
- कमजोर statistical literacy नीति-बहसों (racism, health, economics, gun control) को कमज़ोर करती है और motivated reasoning को बढ़ावा देती है।
- कुछ लोग technocracy को लेकर संदेह रखते हैं, और कहते हैं कि निर्णयकर्ता अक्सर अपनी पूर्व मान्यताओं को सही ठहराने के लिए आँकड़े ढूँढ़ते हैं।
- कुछ लोग इसे सकारात्मक मानते हैं कि बहुत से लोग कम-से-कम अपनी समझ की कमी को पहचानते हैं, जो बिना आधार वाले आत्मविश्वास से अधिक सुरक्षित हो सकता है।