သင်မြင်သမျှ အမှန်ပဲလား? သတင်းတုတွေကြားထဲ သိပ္ပံနည်းကျ ဘယ်လိုစဉ်းစားမလဲ?

ကျွန်ုပ်တို့သည် နေ့စဉ်နှင့်အမျှ သတင်းအချက်အလက်များ မုန်တိုင်းထန်နေသည့် ခေတ်ထဲတွင် နေထိုင်နေကြရသည်။ သင်၏ TikTok 'For You' စာမျက်နှာ၊ သတင်းမီဒီယာများ သို့မဟုတ် မိသားစုထမင်းဝိုင်း စကားဝိုင်းများတွင် သိပ္ပံနှင့်ပတ်သက်သော အကြောင်းအရာများ အမြဲပါဝင်နေတတ်သည်။ ရာသီဥတုပြောင်းလဲမှုမှသည် အာဟာရဗေဒအထိ သတင်းများစွာကို ဖတ်ရှုနေရသော်လည်း အဆိုပါအချက်အလက်များထဲမှ အမှန်တရားကို မည်သို့ခွဲခြားရမည်နည်း။

အမှန်စင်စစ် သိပ္ပံဆိုသည်မှာ အလွတ်ကျက်မှတ်ရမည့် အချက်အလက်များသက်သက်မဟုတ်ဘဲ အမှန်တရားကို ရှာဖွေသည့်၊ အမြဲတမ်းတိုးတက်ပြောင်းလဲနေပြီး မိမိကိုယ်ကိုယ် ပြန်လည်တည့်မတ်ပေးနိုင်သော (Self-correcting) "စနစ်" တစ်ခုသာဖြစ်သည်။ ကျွန်ုပ်တို့၏ ဦးနှောက်သည် သဘာဝအရ ကျွန်ုပ်တို့ကို လှည့်စားတတ်သောကြောင့် ဤစနစ်သည် အလွန်အရေးကြီးပါသည်။

၁။ ဦးနှောက်၏ ပုံစံဖော်တတ်သည့် အလေ့အထနှင့် သိမှုဆိုင်ရာ ဘက်လိုက်မှုများ (Cognitive Biases)

လူ့ဦးနှောက်သည် ရှင်သန်ရန်အတွက် ပုံစံများ (Patterns) ကို အလျင်အမြန် ရှာဖွေတတ်သော သဘာဝရှိသည်။ ဤစွမ်းရည်သည် ရှေးခေတ်က သားရဲတိရစ္ဆာန်များကို ရှောင်ရှားရန် ကူညီပေးခဲ့သော်လည်း ယနေ့ခေတ်တွင်မူ သိမှုဆိုင်ရာ ဘက်လိုက်မှု (Cognitive Bias) များကြောင့် အမှားကျော့မိစေနိုင်သည်။

• အချက်အလက် ရရှိနိုင်မှုအပေါ် အခြေခံ၍ ဆုံးဖြတ်ခြင်း (Availability Bias): ၂၀၂၅ ခုနှစ်အစောပိုင်းတွင် လေယာဉ်မတော်တဆမှုတစ်ခု ဖြစ်ပွားခဲ့သည်ဆိုပါစို့။ ထိုအခါ လူအများစုမှာ လေယာဉ်စီးရန် ပို၍ကြောက်လန့်လာကြသည်။ သတင်းများတွင် အဆိုပါဖြစ်ရပ်ကို အကြိမ်ကြိမ် ဖော်ပြနေသောကြောင့် ဖြစ်ရပ်တစ်ခုတည်းကိုပင် နေ့စဉ်ဖြစ်ပွားနေသကဲ့သို့ ခံစားရစေသည်။ သို့သော် အမှန်တကယ်တွင် ကားတိုက်မှုကြောင့် သေဆုံးနိုင်ခြေမှာ လေယာဉ်ပျက်ကျနိုင်ခြေထက် ပို၍များပြားနေဆဲဖြစ်သော်လည်း ဦးနှောက်က လတ်တလောမြင်တွေ့ရသော အချက်အလက်ကိုသာ အလေးထားဆုံးဖြတ်မိခြင်းဖြစ်သည်။

• မိမိယုံကြည်ချက်ကိုသာ အတည်ပြုလိုခြင်း (Confirmation Bias): ကျွန်ုပ်တို့သည် မိမိတို့ ကြိုတင်ယုံကြည်ထားသည့်အချက်ကို ထောက်ခံသော အချက်အလက်များကိုသာ လက်ခံပြီး ဆန့်ကျင်နေသော အချက်အလက်များကို ပယ်ချတတ်ကြသည်။ ဥပမာ - လူအများစုက "သင်ယူမှုပုံစံ" (Learning Styles - အမြင်ဖြင့် သင်ယူသူ၊ အကြားဖြင့် သင်ယူသူ စသဖြင့်) ရှိသည်ဟု ယုံကြည်ကြသော်လည်း ယင်းကို ထောက်ခံသည့် သိပ္ပံနည်းကျ အထောက်အထား မရှိပေ။

သိပ္ပံပညာရှင်များသည် ဤဘက်လိုက်မှုများကို ကျော်လွှားရန် ကျပန်းရွေးချယ်စမ်းသပ်မှု (Randomized Controlled Trials - RCTs) နှင့် နှစ်ဦးမသိစမ်းသပ်မှု (Double-blind studies) ကဲ့သို့သော နည်းလမ်းများကို အသုံးပြုကြသည်။ ဤနည်းလမ်းများသည် စမ်းသပ်သူရော စမ်းသပ်ခံရသူပါ ဘက်လိုက်မှုမရှိစေရန် သိပ္ပံပညာက ဖန်တီးထားသည့် "ဘက်လိုက်မှု တိုက်ဖျက်ရေး" ကိရိယာများပင် ဖြစ်သည်။

၂။ ကိန်းဂဏန်းများနောက်ကွယ်မှ အမှန်တရား - Relative Risk vs. Absolute Risk

သတင်းခေါင်းစဉ်များတွင် "ကိုယ်ဝန်ဆောင်တားဆေးအသစ်ကြောင့် သွေးခဲနိုင်ခြေ ၁၀၀% မြင့်တက်လာသည်" ဟု ရေးသားထားလျှင် လူတိုင်း ထိတ်လန့်သွားမည်မှာ သေချာသည်။ သို့သော် ယင်းမှာ "နှိုင်းယှဉ်ချက်အရ အန္တရာယ် (Relative Risk)" ကိုသာ ဖော်ပြခြင်းဖြစ်သည်။

အမှန်တကယ်တွင် ယခင်ဆေးကြောင့် သွေးခဲနိုင်ခြေမှာ လူ ၇,၀၀၀ တွင် ၁ ဦးရှိပြီး ဆေးအသစ်ကြောင့် လူ ၇,၀၀၀ တွင် ၂ ဦး ဖြစ်လာခြင်းဖြစ်သည်။ ဤသည်မှာ "ပကတိအန္တရာယ် (Absolute Risk)" အရဆိုလျှင် လူ ၇,၀၀၀ တွင် တစ်ဦးသာ ပိုတိုးလာခြင်းဖြစ်သည်။ ထို့ပြင် အရေးကြီးသော အချက်တစ်ခုမှာ ကိုယ်ဝန်ဆောင်ခြင်းသည်ပင် တားဆေးသောက်ခြင်းထက် အသက်အန္တရာယ်ရှိသော သွေးခဲမှုဖြစ်နိုင်ခြေ ပို၍မြင့်မားသည် ဟူသောအချက်ဖြစ်သည်။ ထိုကဲ့သို့ အခြေအနေတစ်ခုလုံး (Context) ကို သိရှိမှသာ မှန်ကန်သော ဆုံးဖြတ်ချက်ကို ချနိုင်မည်ဖြစ်သည်။

"ကိန်းဂဏန်းများသည် လိမ်ညာခြင်းမရှိသော်လည်း ၎င်းတို့ကို အသုံးပြုပုံနှင့် အခြေအနေ (Context) ကို နားမလည်ပါက မှားယွင်းသော ကောက်ချက်များဆီသို့ ဦးတည်သွားနိုင်ပါသည်။"

၃။ တစ်ကိုယ်တော် ပါရမီရှင်မဟုတ်သော သိပ္ပံလောက (The Myth of the Lone Genius)

သိပ္ပံပညာရှင် Louis Pasteur သည် ရောဂါပိုးမွှားဆိုင်ရာ သီအိုရီ (Germ Theory) ကို ဖော်ထုတ်ခဲ့သူအဖြစ် ကျော်ကြားသော်လည်း သူတစ်ဦးတည်း အောင်မြင်ခဲ့ခြင်းမဟုတ်ပါ။ သိပ္ပံသည် တစ်ဦးတစ်ယောက်တည်း၏ စွမ်းဆောင်မှုထက် သိပ္ပံပညာရှင် အသိုင်းအဝိုင်း၏ အပြန်အလှန် ဝေဖန်ဆန်းစစ်မှု (Peer Review) အပေါ် အခြေခံသည်။

Peer Review သည် တစ်ဦးတစ်ယောက်၏ ဘက်လိုက်မှု သို့မဟုတ် အမှားများကို အခြားပညာရှင်များက စစ်ဆေးပြင်ဆင်ပေးသည့် စနစ်ဖြစ်သည်။ Isaac Newton ပြောကြားခဲ့သကဲ့သို့ "ကျွန်ုပ်သည် အခြားသူများထက် ပိုမိုဝေးကွာသော နေရာကို မြင်နိုင်ခဲ့ပါက ၎င်းမှာ လူသန်ကြီးများ၏ ပခုံးပေါ်တွင် ရပ်နေခဲ့သောကြောင့် ဖြစ်ပါသည်။" သိပ္ပံပညာသည် ယခင်က ရှိပြီးသား အသိပညာများအပေါ် စုပေါင်းတည်ဆောက်ထားခြင်းဖြစ်သည်။

၄။ ဆက်စပ်မှုနှင့် အကြောင်းရင်း (Correlation is not Causation)

အရာနှစ်ခုသည် တစ်ပြိုင်နက်တည်း ဖြစ်ပျက်နေရုံဖြင့် တစ်ခုကြောင့် တစ်ခုဖြစ်ရသည်ဟု မယူဆနိုင်ပါ။ ဥပမာအားဖြင့် ရေခဲမုန့်ရောင်းအား မြင့်တက်ချိန်တွင် ငါးမန်းကိုက်ခံရမှုနှုန်းလည်း မြင့်တက်နေသည်ကို တွေ့ရတတ်သည်။ ဤသည်မှာ ရေခဲမုန့်ကြောင့် ငါးမန်းကိုက်ခြင်းမဟုတ်ဘဲ "ပူပြင်းသော ရာသီဥတု" ဟူသော ရှုပ်ထွေးစေသော ပြောင်းလဲကိန်း (Confounding variable) သို့မဟုတ် အဖြေကို လွဲချော်စေသည့် တတိယအချက်ကြောင့်သာ ဖြစ်သည်။ သိပ္ပံပညာရှင်များသည် အဆိုပါ ကြားခံအကြောင်းရင်းများကို အမြဲတိုင်းတာ ဆန်းစစ်ကြသည်။

၅။ သိပ္ပံသည် အခန်းတွင်း စမ်းသပ်မှုသက်သက်မဟုတ် (Observational vs. Experimental Science)

သိပ္ပံပညာကို ဓာတ်ခွဲခန်းထဲတွင် စမ်းသပ်ဖန်ပြွန်များဖြင့်သာ လုပ်ဆောင်ရသည်ဟု မထင်ပါနှင့်။

• စမ်းသပ်မှုဆိုင်ရာ သိပ္ပံ (Experimental Science): Pasteur ကဲ့သို့ ဓာတ်ခွဲခန်းအတွင်း အခြေအနေများကို ထိန်းချုပ်၍ စမ်းသပ်ခြင်းဖြစ်သည်။

• လေ့လာစောင့်ကြည့်ခြင်းဆိုင်ရာ သိပ္ပံ (Observational Science): ကမ္ဘာ့ရာသီဥတုပြောင်းလဲမှု၊ ပင်လယ်ရေမျက်နှာပြင် မြင့်တက်မှုကဲ့သို့သော အရာများကို ဓာတ်ခွဲခန်းထဲသို့ ထည့်၍ မရနိုင်ပါ။ ထို့ကြောင့် သဘာဝလောကတွင် ဖြစ်ပျက်နေသော အချက်အလက်များကို စုဆောင်းကာ လေ့လာကြရသည်။

ထို့ပြင် ကျင့်ဝတ်ဆိုင်ရာ ကန့်သတ်ချက်များလည်း ရှိသည်။ ဥပမာအားဖြင့် ကင်ဆာကုထုံးအသစ်ကို စမ်းသပ်ရာတွင် လူနာတစ်စုကို မည်သည့်ကုသမှုမှ မပေးဘဲ ထားခြင်းမှာ မတရားသဖြင့် ဖြစ်နိုင်သဖြင့် ရှိပြီးသား အကောင်းဆုံး ကုသမှု (Standard of care) နှင့် နှိုင်းယှဉ်စမ်းသပ်ရသည်။ ဤသည်မှာ သိပ္ပံပညာက လူသားချင်းစာနာမှုနှင့် ကျင့်ဝတ်ကို အခြေခံ၍ အမှန်တရားကို ရှာဖွေပုံဖြစ်သည်။

နိဂုံး - သိပ္ပံနည်းကျ တွေးခေါ်မှုဖြင့် ရှေ့သို့လှမ်းခြင်း

သိပ္ပံသည် ပြီးပြည့်စုံသော အရာမဟုတ်သော်လည်း အမှန်တရားနှင့် နီးစပ်အောင် ကြိုးစားသည့် အကောင်းဆုံး ကိရိယာဖြစ်သည်။ သိပ္ပံနည်းကျ တွေးခေါ်ခြင်းသည် ကျွန်ုပ်တို့အား ဘက်လိုက်မှုများမှ ကျော်လွန်၍ အချက်အလက်များကို ဝေဖန်ပိုင်းခြားနိုင်စွမ်း ရှိစေသည်။

အရေးကြီးဆုံး အဆိပ်ဖြေဆေးမှာ သိမှုဆိုင်ရာ လိုက်လျောညီထွေရှိမှု (Cognitive Flexibility) ရှိရန်ဖြစ်သည်။ ဆိုလိုသည်မှာ မိမိ၏ ရှေးယခင် ယူဆချက်များနှင့် ဆန့်ကျင်သော အထောက်အထားသစ်များ တွေ့ရှိလာသောအခါ "ငါမှားနေနိုင်သလား" ဟု ကိုယ့်ကိုယ်ကိုယ် ပြန်လည်မေးခွန်းထုတ်နိုင်ခြင်းပင် ဖြစ်သည်။ သိပ္ပံနည်းကျ တွေးခေါ်မှုသည် ဤကဲ့သို့ မိမိကိုယ်ကိုယ် ပြန်လည်ဆန်းစစ်နိုင်သည့် စိတ်ဓာတ်ဖြင့်သာ ရှေ့သို့ ဆက်လက်တိုးတက်နိုင်မည် ဖြစ်သည်။