世新「真資管」「在職碩士專班」實驗保送計畫歡迎報名世新「真資管」「在職碩士專班」實驗保送計畫

世新「真資管」「在職碩士專班」實驗保送計畫請以谷歌搜尋「資管教育」,看誰是排名第一的資管系所?

世新「真資管」「在職碩士專班」實驗保送計畫適合非資訊本科在職者,發展第二資管專長。世新「真資管」「在職碩士專班」實驗保送計畫適合擬轉業者/退休者,發展人生第二春、第二樂趣!

The Second Knowledge, Biology

卡爾‧皮爾生的啟示

創新‧困境‧再命名

統雄社群-相關主題

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

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)、可加性(Addibility)」的性質。但觀察對象卻具備「機率」與「常態分配」性質,所以可以使用推論統計(非描述統計)作為計量工具,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」。

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

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。 


知識效力之辨:從「框架知識」

到「基礎知識」

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。

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。

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

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,並不是純數學的定理證明,希望不被專業數學家歸類為「業餘數學」

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

歷史上重大的知識創新,幾乎都是「理論建構」與「計量工具證實」分2階段完成的。Galileo的重力發現要等 Newton的微積分驗證; Einstein打破 Newton古典物理框架的思想,由 Oppenheimer來證實;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

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
 
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