本文发表于《大众科学》的前博客网络，仅反映作者的观点，不一定反映《大众科学》的观点
“风险”绝对不是一个万能的概念。不仅仅是因为我们并非在每种风险中都处于相同的水平。我们对不同情况下冒险的容忍度也可能大相径庭。
我们对自身脆弱性的判断以及我们对可能获得或失去的事物的感受，可能会使风险显得巨大，或者显得微不足道。
我们可能对特定风险和收益的平衡持有非常固定的看法，以至于新的信息必须真正具有压倒性的力量才能留下印象。而在其他问题上，我们的观点可能会随着接收到的数据而迅速改变。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您将帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
当涉及到风险时，确实有大量涌入的数据！源源不断的数字，以及爆炸式增长的可视化和信息图表。但我认为这并不意味着我们在信息和生活选择方面变得更加客观和一致。
甚至可能变得更加困难。
我们没有时间去思考和研究每一件事，并为每一件小事——甚至不是每一件对我们来说很重要的大事——找到完美的知识平衡。我们需要采取一些认知捷径，但它们使我们容易看到我们想看到的，或者在风险被夸大或缩小时被误导。以下是我最喜欢的 5 个快捷方法，以避免让我绊倒的事情。
1. 提防风险的放大镜——并将被绊倒的风险降低 82%！
每当您看到某事使风险增加三倍或减少一半时，请在恐惧或乐观情绪涌上心头之前稍作停顿。
相对风险是至关重要的统计数据。它们帮助我们计算出我们可能从某事中获益（或受害）多少。但这完全取决于了解您自己的基线风险——您最初的风险。
如果我的风险很小，那么即使将其增加三倍或减少一半，也只会产生微小的差异：0.01% 的一半通常甚至不会引起我的注意。而如果我的风险是 20%，那么增加三倍或减少一半可能就是一件非常重要的事情。除非您对所讨论的风险了解很多，否则您需要比相对风险更多的信息才能理解数据。（Smart Health Choices 上有关于相对风险和绝对风险的良好介绍。）
2. 不能因为一项风险“有罪”，就意味着所有风险都有罪。
很容易跳到结论，认为某件事在一个方面“不好”，那么它在所有方面都会不好。您经常在关于医疗保健治疗不良反应的报告中看到这种情况。您会读到诸如“恶心和呕吐增加，8% 的人头痛”之类的内容。
但是当您查看相关研究时，确实有 8% 的人头痛：但比较组中也有 7.5% 的人头痛。（关于“统计学意义”的含义和不含义的更多信息，请参见这篇文章。）
当在其他情况下未揭示背景时，也会发生同样的事情。有人说，“做 X 的人在未来 10 年内有 2% 的死亡风险。”当 2% 的未来 10 年死亡风险对于该人群来说可能是完全正常的，无论他们是否做 X。
3. 对风险和收益的双重标准保持警惕。
一旦有人确信某件事——包括报告其研究的科学家——他们最难以抗拒的宣传技巧之一就是过度强调正面（或者负面，如果他们反对某事）。
有很多方法可以框定事物，使一方看起来比另一方小。因此，请注意任何不平衡的对待。例如，仅对收益而非危害使用相对风险。
语言也可能发生变化，诸如“重要”与“微不足道”之类的形容词掩盖了如果您看到数字和完整描述后可能会认为绝非如此的事情。
然而，也许最常见的一种——而且令人惊讶的是，我们经常甚至没有注意到它发生了——是当危害风险根本没有被提及时。这正是将“强调正面，消除负面”的哲学发挥得有点过分了！
4. 当数据变形时，慢慢阅读细则。
我们经常浏览和扫描，这使我们特别容易获得错误的印象。当我们吸收图表的冲击力而没有阅读其细则时，这种情况可能会很快发生。或者当文本中的某些度量以百分比表示，而其他数字是每 1000、10000 或 100000 时。
当风险沟通从“7 分之 1”跳到“8 分之 3”等等时，我们大多数人都需要小心地使事物成比例。写作的人试图让人们更容易理解数字——但这可能会适得其反。
最好的办法是尽可能仔细地寻找实际数字。因为特别是当人们开始绘制图片来描述数字时——无论是用文字还是图像——各种偏见（和错误）都会发挥作用。
5. 不要对数据可视化一见钟情。
在既了解数据又精通准确视觉呈现的人手中，数据可视化可能完全具有启发性。（如果您还不熟悉汉斯·罗斯林，请查看那位大师的作品。）
但是数据可视化也面临着失去数字客观性的风险。当添加颜色、形状和视觉透视时，它们可能会扭曲——通常甚至比它们澄清的还要多。一些技术添加了光学错觉——3D 饼图就是一个经典的例子。
数据可视化可能会累积失真雪球中的所有问题。不可靠的数据可以被有选择地挑选出来，所有解释不确定性的数据都被剥离，然后在违反所有规则并按下所有按钮的一系列变形图像中呈现出来。
在一个许多人至少患有数字恐惧症或数字疲劳症的社区中，清晰而公平地沟通风险是很困难的。理性地对待风险也很困难。
我们可能会更多地关注那些支持我们信念的数据，并合理化那些与我们想相信的相矛盾的数字。这种风险太小，不值得理会，我们可能会说服自己——即使我们非常关心生活中其他实际上远小于此的风险。我们可能会说服自己，我们是独一无二的刀枪不入：由于个人运气或“良好”行为，这种特定风险根本不适用于我们。
尽管如此，其他人仍将成功地提高我们对我们可能不会担心的事情的恐惧，如果我们以客观的角度看待数据的话。重要的是，社区是否对与其实际风险完全不成比例的恐惧被夸大了——仍然会有人试图提高我们已经过高的意识。奥拉夫·福尔德指出了一个关键风险。这可能不仅仅影响我们对每个特定问题的看法：它可能会使我们变得不那么勇敢。伯特兰·罗素：“……在没有确定的情况下生活，但又没有因犹豫而瘫痪，这或许是哲学在我们这个时代仍然可以为那些研究哲学的人所做的事情中最重要的事情。”
对风险和不确定性的容忍对于美好的生活也至关重要。
~~~~
浏览我在 此 Storify 主题索引中的风险相关主题上的帖子（包括对冒险冬季运动的恐惧和吸引力）。
要阅读更多关于在图表和可视化中呈现数据的技术，这个维基百科页面 是对达雷尔·赫夫的《统计陷阱》（免费在线）和 爱德华·塔夫特的《定量信息的可视化显示》等经典著作所涵盖内容的一个很好的介绍。
漫画（和 Excel 表格）是我自己的（知识共享许可协议）：更多信息请访问 Statistically Funny。
* 希尔达·巴斯蒂安在 Absolutely Maybe 上表达的观点是个人观点，不一定反映美国国立卫生研究院或美国卫生与公众服务部的观点。