關閉導覽列 Close Menu
行為研究
English
吳統雄
國際研究團隊
知識光譜
第1類知識
第2類知識
第3類知識
取用行為模式
研究目錄
教學課程頁
研究方法
統計多變項分析
參考延伸文獻
討論區目錄
站務與協助
☰
More
社群地圖
社群新聞
│吳統雄
履歷
研究
教學
服務
榮譽
│社科
第1類知識
第2類知識
第3類知識
研究方法
統計/多變項分析
投票行為與選舉預測
53237 選民結構
人類取用行為新典範
取用行為國際研究團隊
│資管
管理學‧經濟學
貨幣主義
數位貨幣‧投資行為
資訊系統開發
電子商務
網路教育
數位電視
產學合作
就業進修‧甄選必勝
│文創
數位美學/數位文創導論
數位出版/電子書
視覺設計
優化網站
數位視訊/微電影
數位文創管理
大學青年‧網路雜誌
│電音
統雄 數位音樂作品選
我,被禁唱的民歌手
數位音樂創作教學
統雄的音樂知識美學
歡迎聽歌.點歌.下載樂譜
│人文
公共評論
法律評論
社會評論
教育文化傳媒評論
科技科普評論
美語樂學
文學創作
萬象現代(NBA)
資訊社會
幽默人生
統雄樂水
第 2 類知識:生理

The Second Knowledge, Biology

卡爾‧皮爾生的啟示

創新‧困境‧再命名

卡爾‧皮爾生為何是20世紀人類最重要的思想家?因為他發現了第1類知識的局限,同時開拓了解決生理、生物問題的計量方法,他這一系的研究者,可能尚未完整領悟到「知識光譜」的存在,但已實質開創了對「生理對象」的「第2類知識」。

加入對 DNA 的發現、理解、與嘗試控制後,「神與人的關係」再度發生改變,在「生命形體」方面,許多第2類知識大師,有可能取代神在創造、與維護有形生命的地位。

統雄社群-相關主題
知識光譜
第1類知識
第2類知識
第3類知識
行為研究反省
反創新的科學史
國際研究團隊
接龍實驗
Google排行實驗
一般取用模式
抉擇取用模式

科學知識誕生以後,有人逐漸發現這套知識體系的理論與測量方法,其實僅用於物理知識,似乎並不能妥適計量與解釋生理現象,從而有了「推論統計」的萌芽。為了區隔生理知識、建構不同的生物理論、發展針對生理現象的不同的計量方法,其起源或可視為Carl Friedrich Gauss(1809) 推廣常態分配觀念、與Gregor Mendel(1863)的豆子遺傳實驗,但把這方面研究建立為一個知識領域(廣義的Biometrics),可能還是要從卡爾‧皮爾生(Karl Pearson)的工作,與其創辦刊物Biometrika(1901)開始。

Biometrika的誕生,其實是少數志同道合者的「同仁誌」,背景是(1)他們發現並探索了一個不同的知識領域;(2)他們的努力不被大部分的當時學者認同。所以計畫乾脆「自己寫、自己編、自己登」。

倡議者之一Raphael Weldon在提出構想(1900)時說:「『在自然(生命)現象中不存在特殊計量方法』的觀點,是一個嚴重的錯誤,必須鬥爭矯正。人類對這個問題應該有不同的知識,但當前大部分的(生物)學者,卻沒有這樣的認識。(The contention "that numbers mean nothing and do not exist in Nature" is a very serious thing, which will have to be fought. Most other people have got beyond it but most biologist have not.)」。

這個領域的開拓者與後續主要貢獻者,並沒有使用過「第2類知識」的名稱,但在Weldon的發言中,可知先驅者已經體會,生理計量法是一種不同的思想方法。但歷經百年以上的流變,推論統計已經完全翻身變成「社會相信」以後,許多人又直接使用這種方法解釋各種問題,忽略了「對象」應與「計量工具」的配合。所以,我建議採用「第2類知識」的觀念,以區隔、辨別「生理知識」是「知識光譜」中重要的一段。

常態分配性質

第2類知識的限制

這套知識觀察對象並無「第1類知識」所必備的「反身性(Reflexive Property of Equality)、等加性(Addibility)」的性質。

但觀察對象卻必須具備「等機率」與「常態分配」性質,所以可以使用由皮爾生(Karl Pearson, 1857-1936)、與費雪(Ronald Fisher, 1890-1962)先後共同建立的「推論統計(非描述統計)」、原稱「生物計量法 Biometrics」作為計量工具,經由「中央極限定理」而可以達到「區間預測」的效果。具備「常態分配」性質的多是生理現象、也包括高能現象。推論統計雖然以微積分為基礎,但對觀察、計量所得數字的詮釋其實非常不同。

Weldon的發言中使用「鬥爭」一詞,反映了與當時頂尖學者們-皇家學院(Royal Society)的衝突;其實,Pearson 本人已經是皇家院士了,光環已經不小了,自己的研究成果還是「不能」、或是「不願」刊登在當時的著名學刊上,都反映了真正「創新的困境」。

Biometrika長期形同Pearson的個人刊物,更是少見的「父傳子繼」的學術刊物,是父子合計經營60年的小眾媒體。如果Pearson生在今天,他們極可能經營的就是個人研究網站。

但是Biometrika今天的形象卻是「頂尖中的頂尖」學術期刊,她的演變證實了真正創新活動在草創期不易被認同,但經過漫長的潛移默化,又會變成盲目的社會相信。這也是「取用行為模式(TX Adoption Model)」的一個歷史實驗。

現代統計

當前一般文獻所稱的「現代統計」,其實只是比爾生(Karl Pearson, 1857-1936)、與費雪(Ronald Fisher, 1890-1962)稍晚一點的研究者,其觀照其實與古典(即20世紀初)推論統計相差不大。

統雄老師建議之「現代統計」,係二戰之後陸續發展的「多變項分析」、與「多變項模型」建構,尤其是廣義線性模式 (generalized linear model),縮寫為GLM,但近來已有將縮寫改為GLZ的趨勢,它提供了整合線性與非線性多變項模型的基礎,脫離了古典推論統計原始框架的觀照,統雄老師-似乎零星西文文獻也有此議-因此提議,以此作為畫分「古典推論統計」與現代統計的界限。

而多變項模型分析的成果,反映了其各種應用,如 SEM 在人類行為研究上的不足,因此更有發展「第3類知識」計量方法的必要。


知識效力之辨:從「框架知識」到「基礎知識」

統雄社群-相關主題
伽利略的啟示
牛頓的啟示
愛因斯坦的啟示
皮爾生的啟示
牛頓與蘋果
自然哲學的數學原理 簡介

知識的效力我們還是一貫採用以下的定義:對觀察對象解釋、預測、控制的程度。

「第2類知識」的源起是對生理、生物現象的分析興趣。歷經百年後的今天,知識成果為何呢?

我們可以問以下幾個「健康與飲食」的簡單問題:

牛奶對健康好嗎?

雞蛋對健康好嗎?

維生素對健康好嗎?

維骨力對健康好嗎?

深海魚油對健康好嗎?

…

如果再加上相對性的問題:

減肥不能吃肉?減肥要吃肉?

蛀牙要馬上補牙?蛀牙不要馬上補牙?

被蛇咬到要趕快放血?被蛇咬到不要放血?

…

我們輕易可以找到各式各樣、甚至完全相反的科學研究報告,主因就是生理、生命研究屬於「機率知識」,應變項與自變項如果產生關聯,可能是科學知識,但也可能是純粹的碰巧與運氣。

而一般人對「機率知識」的認識、測量、與驗證,經常不足,甚至誤解。

坊間許多對生理、生命的解說,只是「社會相信」,甚至是故意的詐欺行為,如流傳長達十數年的騙局「酸鹼體質論」。

這個現象說明,由於「第2類知識」只能實現「區間預測」的性質,使得這個領域中,存在較「第1類知識」更多的框架知識、甚至偽知識。

不過,近20年對 DNA 研究發現與應用的發展,使「第2類知識」從觀察生理外形:身高、體重、血壓…進入到可以觀察肉眼「看不見的特質」,使得「第2類知識」中基礎知識的建構,有極大助益。

統雄老師也可以預言,未來從「第2類知識」到「第3類知識」的連結, DNA 應扮演關鍵的角色。


定義之辨:從「第2類知識」到「第3類知識」

統雄老師建議的「第3類知識」,是解釋、預測人類長期行為的廣義領域。

當年Pearson發展Biometrics,字面已說明是「生物計量、生物統計」方法。而現代推論統計學的第二奠基者Ronald Fisher雖然用了「統計方法(Statistical Methods)」一詞,他的研究核心還是遺傳與生物現象。

但一旦「推論統計」的觀念被「社會相信」接受、跑進學校課程、教科書後,卻被概化為字面意義更廣的「統計」,而且不問前提-尤其是常態分配的前提,普遍應用到各個領域-尤其人類行為領域。

統計可以援用、但不盡適用於計量人類行為。舉一個淺顯例子如下:如果我們種豆子,灑水施肥,可以預測所有豆子的高度,會形成接近常態分配。但如果我們在課堂教微積分、教英文…教各種課程,教學經驗已經告訴我們,學生的學習成果幾乎不會是常態分配的。事實上,比較接近「TX取用模式(TX Adoption Model)」,亦即學生會因課程主題,而分成「有需求」「沒需求(包括跟隨社會集體行為而背誦者)」2群,而有不同成果。

當前的教育制度、教育理論發展出了以常態分配為基礎的各種「學習成就常模」如學測的「量尺」法…等等,其實是一種資料的扭曲、測量工具的誤用。

人類行為必須另行探索「第3類」的「行為測量的理論與方法」。

不過,現在也有Behaviometrics一詞。

Biometric MouseBiometrics有廣義、狹義的定義,生理計量是廣義的;但在坊間,狹義的應用定義更常見,形同「人體工學」的同義字,如Biometric滑鼠(如圖)…等。

Behaviometrics當前似乎也偏向狹義,指人類「行動」的影像辨識或捕捉、使用搜尋引擎作網路行銷…等,和本網群的觀照差異很大。

所以統雄老師建議使用「第3類知識」一詞,英文方面,如果 Behaviometrics 容易引起誤解,就另創新詞,Behaviometrika 也許會是一個不錯的選擇。


計量方法之辨:工具應用與純數學

數理與計量-統雄社群-相關主題
數學樂學‧統計神掌系列
民調市調‧研究方法系列

本網群注意到知識創新包括:理論建構與計量工具2部分,所以也致力於計量工具的發展。

這項發展著眼於設計工具、解決問題,正如牛頓是為了證明力學才發明微積分,希望不被專業數學家歸類為「業餘數學家」。

所以統雄老師強調:統計不是第1類知識(物理)中所認為的數學,雖然統計還是大量使用一般數學方法--如微積分的概念,但要測量的是區間值、追求的是不同的生理現象知識。

推論統計中的「樣本平均數的分配」是不存在實際世界中的,「標準誤」的計算方法,也沒有超過微積分。但統計是先觀察到生理現象的常態分配性質,才構想出虛擬的「樣本平均數的分配」,得以用比較的方法,測量對象的區間差異。

同理,統雄老師的「接龍實驗」要對n個隨機變項作預測。專業數學家一定會對這個問題投以冷笑,因為從純數學、純機率論來看,n個隨機變項作預測就是隨機的,除了碰運氣,是不可能預測的。

統雄老師主張:人類行為變項不是一般數學定義中的變項,不是相同隨機的變項,而是分為2類:SE變項、和SU變項,只要能夠區別變項性質,就能夠預測n個變項。就接龍而言,不是去對94張暗牌(或90%以上的未知事件)排序,而是對已知2張明牌排序,當然可以達到預測成果。

這個觀念可能比「樣本分配」的存在還要抽象 ,一般人不易瞭解,專業數學家更不相信,所以要有接龍實驗:證明給你看!(偏偏「取用模式」又可以預測:高比例的人,看了也不信,歷史上的創新者,也全部經過這個歷程。)

計量的工具必須與對象的性質相符,這也是統雄老師的評論:一般專業數學不能解決人類行為問題,推論統計方法也不能。譬如,當前行為研究盛行的線性結構模式(SEM),就不是適合的工具,必須探索新的、不同的計量工具。


便利模型之辨

統雄老師正在發展的「取用模式」,是一個可以作「類型預測」的便利模型。

什麼是便利模型?

常態分配就是便利模型。

歷史上可能從來沒有一個變項,被肯定為「完全常態分配」的。但發現許多生理現象、甚至高能現象,有具備常態分配的傾向,所以必須先建構「常態分配模型」的存在,許多統計測量分析才得以實施。統雄老師正在發展的「取用模式」,也是如此。


札根與開花之辨/實驗法與計量法/理論與應用

歷史上重大的知識創新,理論與應用是分立的,實驗法與計量法幾乎都是分不同階段完成的,兩者也不一定孰先孰後。

Galileo 先以滾球實驗法,發現了重力的存在,要等 Newton 發明計量法的微積分寸得到驗證; Einstein 打破 Newton古典物理框架的思想,由 Oppenheimer來證實。

而在生物科學方面,施滅了微屍(Ignatius Philipp Semmelweis,1818-1865,一般譯為伊格納茲.塞麥爾維茲),在行醫實驗中領悟了病菌的存在,一樣等到巴斯德才發現病菌理論。Mendel 的遺傳理論、 Galton 對「相關」的概念,分別都由Pearson 所發展的卡方檢定、積差相關完成計量方法。

統雄老師同時對2方面學習探索,負擔很重。雖然,這是創新嘗試歷史之必然,也期待有更多相同想法、對知識冒險有興趣的朋友參與。

前文提到Gauss(1809) 「『推廣』常態分配觀念」,一般認為Gauss是「發現」常態分配,但也有歷史學者發現,Gauss可能引用了比較不有名者的發現。微積分上有名的L'H ôpital 規則,後來發現其實他是引用他朋友的發現;Jean-Baptiste Lamarck可能是真正演化論的始祖,而後來被達爾文所發揮。…不註明來源,而引用他人成果的名人,似乎並不少。歷史的實驗,與「取用模式」均可預測:形象較亮者,有可能引用較淺者的貢獻,甚至吸收其他相關者的成果於一身,譬如,一般人只會以為Newton是微積分的創始者,而不知道Leibniz。

本網群統雄老師所探索的內容,還沒有被「社會相信」所認同,未來如果被更有名氣的人士所「引用」「吸收」,也是不能排除的或然。


參考連結

http://en.wikipedia.org/wiki/Biometrics

http://en.wikipedia.org/wiki/Biometrika

http://en.wikipedia.org/wiki/Carl_Friedrich_Gauss

http://en.wikipedia.org/wiki/Francis_Galton

http://en.wikipedia.org/wiki/Gregor_Mendel

http://en.wikipedia.org/wiki/Karl_Pearson

http://en.wikipedia.org/wiki/Stigler%27s_law_of_eponymy

http://en.wikipedia.org/wiki/Walter_Frank_Raphael_Weldon

http://episte.math.ntu.edu.tw/articles/mm/mm_07_4_01/index.html

http://inventors.about.com/od/ostartinventors/p/Oppenheimer.htm

http://journal.uii.ac.id/index.php/Snati/article/viewFile/1244/1044

http://www.alexa.com/siteinfo/behaviometrics.netabout.html

http://www.oxfordjournals.org/our_journals/biomet/about.html

喝弱鹼水能調整體質?「酸鹼體質理論」創始人被罰 1 億美元

https://technews.tw/2018/11/09/ph-miracle-dr-robert-young-was-fined-100-million-usd/

回頁首 Up to page head 至相關主題 Go to related pages
上一頁 Back to previous page 回頁首 Up to page head 下一頁 Go to nex page
什麼是第3類知識什麼是科學知識
燒開水實驗
什麼是第3類知識第1類知識:物理知識
實驗:伽利略 滾球實驗
計量方法與預測力:牛頓 微積分
計量思想與限制:反身律、等加律…
什麼是第3類知識第2類知識:生理知識
實驗:Mendel/大雄活佛 神水實驗
計量方法與預測力:Pearson/Fisher 推論統計
計量前方法:招親實驗
計量思想與限制:常態分配、逆向思考…
什麼是第3類知識第3類知識:人類行為知識
實驗:統雄老師 Google 排行榜實驗
計量方法與預測力:TX 取用行為模式
計量思想與限制:非等機率方法(接龍實驗)、空時座標…
什麼是第3類知識 1 分鐘小遊戲‧瞭解自己
人類如何決定取用行為?
請點這裡看所有留言分類 Please click here to view categories of comments
同類別內相關主題

上層主題
研究方法講義目錄
什麼是知識創新-接龍實驗
知識的產生程序-小鬼當家
學術論文寫作法/學術論文格式
文獻研究法/統合分析法
調查法專案管理-甘梯進度圖
公主招親恐怖箱實驗
抽樣原理
樣本資料型態
樣本代表性
抽樣實務的樣本代表性
樣本數決策因素
二元資料樣本數
二項分配樣本數與誤差推論表
連續資料樣本數
最適樣本數
樣本數與檢定力分析
抽選樣本戶
愛滋病流行真相-抽樣個案評鑑
電話抽樣法
網頁抽樣法
戶中抽樣
測量理論與計量方法 
問卷結構與態度、行為測量法
問卷設計流程圖-範例
直接詢問法
統獨公投實驗_「爭議性命題」設計
統獨公投實驗_雲端問卷
統獨公投實驗_雲端資料表
總加量表 -李克量表 Likert Scales
階式量表,社會距離量表,蓋特曼量表
評義量表,語義分析量表,行為分析量表
建構社會指標與進階測量
問卷範例與訪員訓練FAQ
抽樣調查法-各種訪問方法的比較
網路訪問法適用性之探討
民調市調訪員訓練
調查資料登錄與查證
樣本代表性分析
信度與效度分析
資料分析與理論檢定
誰是電視收視冠軍?-調查實例研討
誰是電視收視冠軍?-調查實例評鑑
調查知識管理系統
調查法應用:選情預測
調查法實務精華篇_以選舉預測為例
調查法實務_選舉預測
大慧調查法 Delphi Survey
定量方法對定性方法
質的研究法
個案研究、參與觀察法
個人特質與管理策略-個案研究法範例
實驗法、準實驗法
實驗法、準實驗法2:多因子實驗設計
IT Innovation-準實驗法範例
內容分析法、札根理論、多重研究法
報告方法-學術論文簡報秘訣
有特色之學生學習成果
牛頓的啟示
牛頓與蘋果
伽利略的啟示
研究方法題庫_管理行為研究


內容網站:提供與分享各種知識、資訊、作品。互動群組:社員可以討論、展示、交流、企畫、分工、管理、投票決策。合作群組:Web2.0的民主自治精神,社員可以參與決定群組的內容與表現形式。

吳統雄的音樂-Sean TX Wu's Music  笑話中學美語-Humor and American English Learning   私人來信-Write a private mail to Sean TX Wu  留言與討論 Leave Comments/ Forum 吳統雄的相簿-Sean TX Wu's Album

只在「統雄社群」內查詢以下主題 Search in TXCommunity

統雄網群的Google排行本站Google排行榜‧全球冠軍