در عصر انفجار داده‌ها، هر روز با حجم عظیمی از اطلاعات، آمار و ادعاها بمباران می‌شویم. اما خطرناک‌تر از کمبود اطلاعات، سوءاستفاده از فراوانی آن است. «چری پیکینگ» یا انتخاب گزینشی داده‌ها، تکنیکی فریبنده است که در آن تنها گیلاس‌های درشت و آبدار یک باغ را می‌چینند و از ذکر بقیه میوه‌ها خودداری می‌کنند. این مغالطه، که ریشه در تمایل طبیعی انسان به تأیید باورهای خود دارد، امروز به سلاحی قدرتمند در سیاست، تبلیغات تجاری، مناظره‌های علمی و حتی روابط شخصی تبدیل شده است.

تعریف و ریشه این مغالطه

چری پیکینگ (Cherry Picking) به معنای گزینش نقطه‌داده‌ها، آمار یا شواهدی است که از یک موضع خاص حمایت می‌کنند، در حالی که آگاهانه شواهد متناقض یا ناهمسو را نادیده می‌گیریم. این کار تصویری تحریف‌شده از واقعیت ارائه می‌دهد. نام این مغالطه از عمل چیدن گیلاس در باغ گرفته شده است؛ یک باغبان حرفه‌ای فقط گیلاس‌های رسیده و بی‌نقص را برمی‌دارد و میوه‌های نارس یا کرم‌خورده را روی درخت رها می‌کند. در استدلال‌های مغالطه‌آمیز، فرد «داده‌های خوب» را برای خود برمی‌دارد و «داده‌های بد» را نادیده می‌گیرد، حتی اگر تعداد داده‌های نادیده‌گرفته شده بسیار بیشتر باشد.

نمونه‌های کلاسیک و مدرن

در سیاست، نمونه بارز چری پیکینگ را می‌توان در مناظره‌های انتخاباتی دید. یک کاندیدا ممکن است فقط به آمار کاهش بیکاری در دو ماه اخیر اشاره کند، اما از نرخ بیکاری پنج‌ساله یا آمار اشتغال ناقص سخنی به میان نیاورد. در تبلیغات تجاری، شرکت‌های تولید مکمل‌های غذایی عاشق این ترفند هستند؛ آنها تنها یک مطالعه کوچک را برجسته می‌کنند که تأثیر مثبت محصولشان را نشان می‌دهد، در حالی که ده‌ها مطالعه دیگر که بی‌تأثیری یا حتی مضرات آن را ثابت کرده‌اند در انبوهی از کاغذها دفن می‌شوند.

در فضای مجازی و شبکه‌های اجتماعی، چری پیکینگ به شکل حادتری دیده می‌شود. کاربران اغلب اسکرین‌شات یک جمله از یک مقاله بلند را منتشر می‌کنند و کل محتوای مقاله را نادیده می‌گیرند. یا ویدئوی ۱۰ ثانیه‌ای از یک سخنرانی یک‌ساعته را برش می‌زنند تا معنایی کاملاً معکوس به آن بدهند.

چرا این عمل فریبنده و خطرناک است؟

قدرت چری پیکینگ در این است که دروغ نمی‌گوید؛ فقط بخشی از حقیقت را بازگو می‌کند. همین «راست گویی جزئی» آن را بسیار فریبنده می‌کند، زیرا داده‌های ارائه شده واقعاً درست هستند، اما تصویر کلی را تخریب می‌کنند. در عصر الگوریتم‌های شخصی‌سازی محتوا، این مغالطه به آسانی تغذیه می‌شود. الگوریتم‌ها به ما فقط آن دسته از اطلاعات را نشان می‌دهند که با کلیک‌ها و پسندهای پیشین ما هماهنگ است و عملاً ما را در حباب فیلترشده خودمان زندانی می‌کنند.

چگونه از شر آن خلاص شویم؟

تنها راه مقابله با چری پیکینگ، طلب کل تصویر است. هرگاه با آماری تکان‌دهنده یا ادعای جذابی روبرو شدید، چهار سؤال اساسی بپرسید: ۱) این داده از چه جمعیتی گرفته شده است؟ ۲) چه داده‌هایی از این تحلیل حذف شده‌اند؟ ۳) آیا مطالعات یا آمارهای متضادی هم وجود دارد؟ ۴) منبع این اطلاعات چه انگیزه‌ای برای گزینش داده‌ها دارد؟

در نهایت، چری پیکینگ یادآور این ضرب‌المثل قدیمی است: «آمار مانند یک زن زیبا لباس پوشیده است؛ آنچه را می‌خواهید نشان می‌دهد و آنچه را نمی‌خواهید پنهان می‌کند.» در عصر اطلاعات، سواد آماری و تفکر نقادانه، تنها سپر ما در برابر این مغالطه گیلاس‌چینی است.