불완전한 증거의 오류(Cherry-Picking Data)

경험적 오류: 불완전한 증거의 오류

 

불완전 증거 오류(체리피킹 데이터 또는 선택적 증거라고도 함)는 누군가가 다른 결론으로 이어질 수 있는 기타 관련 정보를 무시하고 사용 가능한 데이터나 증거의 일부만 선택적으로 제시할 때 발생합니다. 이 오류는 전반적인 증거에 대한 왜곡된 견해를 제시함으로써 오해를 불러일으킬 수 있습니다. 불완전한 증거의 오류에 관한 사례는 다음과 같습니다.

 

Unsplash 라이선스

---

 

• 백신 효능: 백신의 안전성과 효능에 대한 압도적인 증거를 언급하지 않고 백신으로 인한 부작용이 있는 개별 사례를 강조합니다.
• 기후 변화 회의론: 기후 변화에 대한 증거로서 기온 상승의 장기적인 추세를 무시하면서 지구 기온의 일시적인 하락을 지적합니다.
• 범죄 통계: 특정 연도 또는 특정 위치의 범죄 데이터에 초점을 맞춰 범죄율이 증가하고 있다고 주장하는 반면, 범죄 감소를 나타낼 수 있는 광범위한 추세는 무시합니다.
• 건강 보조 식품: 모순되는 연구를 무시하면서 효과를 뒷받침하는 연구를 인용하여 보충제의 이점을 홍보합니다.
• 정치 여론조사: 특정 후보자를 선호하는 하나의 여론조사를 강조하고 다른 결과를 보여줄 수 있는 광범위한 여론조사를 무시합니다.
• 경제 정책: 다른 지표나 역사적 맥락을 무시하고 정치적 의제를 지원하기 위해 경제 데이터를 선택적으로 제시합니다.
• 제품 리뷰: 부정적인 경험이나 비판은 무시하고 제품이나 서비스에 대한 긍정적인 리뷰만 공유합니다.
• 환경 영향: 전체 생태 발자취를 고려하지 않고 특정 제품의 환경적 이점을 강조합니다.
• 소셜 미디어 게시물: 반대 주장이나 증거를 무시하면서 특정 관점을 지지하는 소셜 미디어 게시물이나 평가를 공유합니다.
• 코로나19 데이터: 입원 또는 장기적인 건강 영향에 대한 데이터를 생략하면서 논쟁을 재개할 수 있는 방식으로 코로나19 사례 또는 사망에 대한 데이터를 제시합니다.

---

 

이러한 예에서 오류는 모순되거나 맥락에 맞는 정보를 생략하면서 특정 서술이나 주장을 뒷받침하는 증거를 선택적으로 제시하는 데 있습니다. 이러한 데이터의 선택적 사용은 복잡한 문제나 주제에 대해 편향되고 오해의 소지가 있는 관점을 초래할 수 있습니다. 결론이나 결정을 내릴 때 모든 범위의 증거와 맥락을 고려하는 것이 중요합니다.