无标题无名氏No.59253028 只看PO
2023-08-25(五)01:47:32 ID:UbPUYrY 回应
本串将尝试用相对简单通俗的语言，并不复杂的逻辑讲解我关注国际关系、社会学、经济学、社会舆论以来积累的一些经验，希望能与大家共勉，培养战略眼光，提高知识水平。
本肥也会将自身能用上的知识内容贴在这里，欢迎提问，肥肥会由自身的知识储备进行回复，但请一定注意自身的思考和鉴别，本肥未能答上和答错的，恳请各位有识肥哥们作补充和斧正。
无标题无名氏No.59503617
2023-09-14(四)10:57:55 ID: UbPUYrY (PO主)
舆论辩证法更新
1.统计学问题
例：按照美国就业统计口径，因长新冠而无法就业的人群，是归类到“放弃工作”人群里，也不算做失业人口，并将医保相关的消费加入总体消费数据
我国失业率统计不再公开等问题
关注：统计学是为统治阶级服务的，不利于舆论的统计结果基本不会放出或修饰后放出，国际上的统计指标会影响国际对单个国家的整体估值，并且体现出不同程度的水分和偏差。
方法：关注一个经济指标或统计指标的每一个细项，注意它的组成结构，而不是从表面的数据出发就盲目的论断，要结合不同的前提条件，比如当看到美国的失业率，需要刨除影响真实结果的误差部分。
就好像人工智能里，做测试集之前需要对已有的数据进行清理那样，在美国的统计学中，因长新冠而无法就业的人群就是会影响拟合结果的垃圾数据，在你进行分析时就要学会进行排除和识别。
2.定语问题
例：中国完成全球首例介入式脑机接口非人灵长类动物试验
关注：其中的定语有:介入式、非人灵长类、动物试验
方法：许多在新闻联播上提及的新闻，经过新闻专业处理后才会显示出独特的突破或创新性，如果不对该专业的同等级成果有所了解，就不要只拿着新闻标题就去鼓吹自己国家获得的成果。很多成果确实在其独特的领域或分野有长处，但在整体的行业领域只是中等偏上或者微小的进展和突破，并不值得大书特书。
特别是定语很多的新闻，要注意抛去这些定语之后，这个进展是否值得国际层面上的注意？
3.一般真实，一般虚假，借由真实确立对虚假的隐性认同
例：美联储加息有利经济，未来美国经济长期上扬态势已定
关注：前半句半对，后半句全错
方法：注意标题间的因果关系和论据之间的逻辑关系，就比如这个标题中，美联储加息短期来看确实有利于美国的经济流动，但并不代表长期不存在风险，而且并不能成为美国经济将要上扬的证据，这之间的逻辑链条是断裂的，只是在唯心的层面上有相同的情感认同，很容易影响对美国现实经济情况并不完全了解的中老年人。
其中比较可怕的是，一旦你认同了前半句的结果，可能就在潜意识中对后半句建立了认同，并借由这种认同产生对国际形势的误判，在最近的舆论宣传案例中，有很多新闻借由这种模糊的形式，使人潜意识相信福岛核污水无害或片面有害，产生了恶劣的舆论影响。
如果你没有对一个标题所附带的信息有充足的了解，就不能依据部分你看的出的正确，去相信其全面的正确。你需要仔细的批判、思考和查询，这也是我主张不要去看短视频的原因之一，人是有弱点的，在舆论战上，利用人的潜意识对人的意识形态产生影响是舆论传播的必攻点之一。
建议大家去了解工业心理学，了解企业家是如何利用营造公司的环境来使劳动者产生归属感和获得感，从而培养出一个主动为公司的利益辩驳的精神资本家的，许多潜移默化的影响一旦被有意识的利用，其后果很可能使人在不主观知情的前提下，产生非自己所愿的改变甚至是思想、立场的异化，这是我们在这个信息富集年代必须注意的重点之一。
无标题无名氏No.59507146
2023-09-14(四)16:43:30 ID: UbPUYrY (PO主)
肥今天拿着课本上讲台的时候，发现有俩学生在隔着课桌深情对视|∀ﾟ
本肥开始讲课之前他俩还呆在那，咳了一声才各自慌乱的回座位( ﾟ∀ﾟ)
青春真好啊(*´∀`)
无标题无名氏No.59515798
2023-09-15(五)09:58:14 ID: UbPUYrY (PO主)
>>No.59515623
( ﾟ∀。)没有没有 本肥只是兴趣爱好很杂而已
肥其实在犹豫要不要把日常扔到这里，是不是应该转版去老中医？|∀ﾟ
无标题无名氏No.59534033
2023-09-16(六)19:08:44 ID: lYAXMSd
>>No.59503617
1. 论据来源请求（美国就业统计的数据指标）
- 统计首先要公布的就是数据来源和指标，之后还有权重和算法，不谈这些的统计数据一律可以视为作假。也因此导致被统计的对象可以通过一些操作来提升自己的排名，经典的大学排名招国际生的操作
- 人工智能的数据清洗仅对于数据缺失或极端异常的脏数据，噪声。按你的说法对某类来源数据进行清洗必然会剧烈影响拟合结果，除非你把这种数据在应用时也踢掉而不仅仅是训练集
- 美国统计学指向极度不明，统计学会ASA？还是其他什么组织甚至媒体？统计学在对任何领域的研究上本身并不存在任何标准，所有指标和算法都基于研究者本身的定义。以第一条论点判断，你可以说某媒体上从不知道什么地方引用的数据，且没有说明数据来源和统计方法的文章是不可信的