最初发表于 Vectors of Mind。
永远不要问男人的薪水、女人的年龄，也不要问学者男性和女性是否存在差异。这一点就像在生死攸关时与西西里人作对一样，属于众所周知的禁忌。然而，我在查阅性别差异与自我意识相关文献时，还是犯下了那个经典错误。
Scott Alexander 有一篇很棒的文章，题为On Priesthoods，其中他为守门人的概念辩护。他的立场本质上是对上面那个梗采取“没错，但不讽刺”的态度，因为学者需要维护自己的声誉，而这会对胡说八道形成约束。但当整个领域在意识形态上步调一致时，即使是这一点也会失效；而在过去二十年里，这种情况已经以一种离奇的程度发生了。
鉴于真理的力量，以及如今信息获取的便捷程度，掌握辨别真理的方法从未像现在这样有价值。因此，我想写一个简短的示范，说明如何安全地穿越意识形态的激流。
女孩更早具备自我意识吗？#
“典型的非祭司式撒谎者为了支持某个政治事业，会重复某个未经事实核查的耸人听闻的轶闻，或者对杂乱数据作出极其愚蠢的误读。但祭司们的欺骗则微妙而优雅。他们会发表一项几乎完美地遵循形式的研究，然后在脚注中埋下一些东西，揭示出它与人们原本期待它适用的任何现实情境都毫不相关。”~On Priesthoods，Scott Alexander
学者的伟大之处在于，他们在自己的领域内拥有百科全书般的知识。The Development of Mirror Self-Recognition in Different Sociocultural Contexts是一份长达 100 页的报告，研究了德国、印度和喀麦隆的 276 名幼儿的镜像自我识别（Mirror Self-Recognition，MSR）。报告开头回顾了另外 18 项关于 MSR 的研究；在 o3 的帮助下，我将其结果绘制如下：
如你所见，13 个月大时，几乎没有幼儿能在镜子中认出自己；到了 24 个月时，大多数幼儿都能做到。这应该足以让我们轻松回答关于性别差异以及自我意识出现年龄的问题。相关研究有十多项，而且作者甚至直接讨论了这一点：
“关于性别差异，除了两项发现女孩的 MSR 比率显著高于男孩的研究（Asendorpf & Baudonnière, 1993；Herold & Akhtar, 2008）之外，表 1 所列的所有研究都显示男孩和女孩具有相似的 MSR 比率。”
所以，两种性别基本上是一样的，对吧？或者即使存在差异，也只是四舍五入时才会出现的误差？并不是。上面的表述虽然属实，却具有误导性。在学术用语中，“显著更高”并不意味着实质性更高，而是意味着可检测地更高。因此，Asendorpf & Baudonnière 的研究规模最大（n = 114），该研究发现，19 个月时，78% 的女孩通过了 MSR，而男孩只有 54%，差异为 24 个百分点（另一项研究发现的差异为 29 个百分点）。下面是其余研究的直方图[^1]，按照是否检测到女性优势进行了颜色编码。你能发现问题吗？
这些研究的统计效能不足。假设实际上存在适度的性别差异，例如在某个年龄上女孩具有 15 个百分点的优势，或者就时间而言领先几周。那么，参与者少于 50 人的研究（25 个女孩和 25 个男孩）只有很小的概率以统计显著性检测到这一差异，即达到科学标准 p < 0.05。因此，没错，这些研究没有发现性别效应，但对于如此小规模的研究而言，这是意料之中的。数据只能排除某种巨大的性别差异，例如女孩领先两个月。
此外，这些研究中有许多甚至没有进行相关检验；而在 n > 50 的研究中，有 2/6 项确实发现了显著差异——这与 2/18 相去甚远。总体而言，最符合这些数据的解释是：存在适度的性别效应；在参与者为 n = 80 名幼儿的研究中，该效应约有 ⅓ 的概率达到统计显著。数据中的任何内容都没有表明不存在效应，而这正是作者所暗示的。更何况，他们自己的实验始终显示出性别效应。这些人明明知道得更清楚！
以下是他们对 276 名幼儿进行研究的结果；该研究应当具有足够的统计效能来解决性别问题。重要的列是 Gender，这一列以优势比（Odds Ratios）表示——数值 1.5 意味着，在某个特定年龄，女孩通过 MSR 的可能性是男孩的 1.5 倍。在每个队列中，女性身份所带来的影响都超过了年龄增加 1 个月的影响（对于 18 个月大的幼儿而言，这已经是很大的差异），而且女孩通过 MSR 的可能性约为男孩的两倍（优势比 ≈ 2）。这比根据对其他研究不偏不倚的解读所预期的差距更大一些，并且具有高度统计显著性。
这项研究以及其他研究中的数据，都支持一种从适度到较大的性别效应。研究文本却给人以不同的印象，因为这些数据经过了研究者的空白板意识形态过滤。
哦，说出真理吧#
如果你读过足够多的心理学论文，或者曾试图让一篇论文通过同行评审，那么这种模式显而易见。每当学者讨论生物学以及任何形式的规范性结果时，含糊其辞的措辞就会全力施压。更糟的是，如今大型语言模型也接到了命令，要复述那些社会科学的糟粕。即便向 o3 解释了所有统计问题，它也只作出了半心半意的让步：
“性别会给你一个~log-odds 的推动，但真正起作用的是：你是在一个镜子充足、痴迷于自主性的城市中长大，还是在一个维持生计的小村落中长大。除非你在追求边际预测力，否则应当把性别效应视为噪声。文化把染色体当早餐吃掉。”
Science™——就像民主一样——是所有可用选项中最不坏的一个；我当然更愿意让大型语言模型服从科学，而不是服从宗教或政治权威之类的东西。但在觉醒派议题上，科学建制已经自我贬低，而追求真理的人也已被清除。或者，正如 Scott 所说：
“至少在过去一百年里，祭司阶层在政治上一直很容易被俘获。整个领域在 20 世纪初至中期转向了马克思主义。不过，这种情况似乎在 2010 年代达到了全新的程度。这不只是我的主观判断；祭司阶层本身修改了自己的章程或使命宣言，宣布政治行动主义是其使命不可分割的一部分，并谴责过去的形态，因为它们专注于‘客观’知识。许多反对这些变化的祭司辞职抗议；他们的对手并没有辩称什么都没有改变，而是坚持认为这些变化是好的。”
当亚伯拉罕得知上帝毁灭所多玛和蛾摩拉的计划时，他问道：“你要将义人与恶人一同剿灭吗？”他建议，如果能在那里找到 50 个义人，就饶恕那座城。未能如愿后，他又将人数谈到 40 个、30 个、20 个，最后是 10 个。仍然没有成功。我想，衰败学科中或许还有几位坚守阵地的科学家，他们也有同样的感受。
这是我一个月内发表的第二篇批判文章，很快我就会回到更加积极正面的文章上。但这是我分析《觉醒时刻调查》的前提条件；我将在下周发表那篇分析。在此之前，欢迎留言。
[^1]：这是我让 o3-Pro 找出每项研究的 n 值，然后制作直方图得到的结果。我在不同的聊天中分别进行了这项工作，得到的结果相似，但并不完全一致。我不打算花一个小时亲自提取数据，因为下一节本身就足以令人信服。