信じれるものがない人が読むべき信憑性の教科書

やっぱり現代は情報社会なので、どの情報を信じたらいいのかわからなくなっている今日この頃です。

間違った情報をうのみにすると多くの時間を無駄にしたり、苦労する生き方をしなくてはならないこともあります。なので、今回は努力を生かす情報の信じ方についてまとめていこうかと思います。

よくある間違い:他人の意見を信じる

仲のいい人や自分より地位が上の人からアドバイスされると、人はそのアドバイスをうのみにしやくなることが分かっています。

 

これは、あの有名な社会心理学の本「影響力の武器」に登場する「好意の原理」「権威の原理」「社会的証明の原理」が発動してしまうからなんですね。

 

自分がよく知った人や地位の高い人、人気のある人の意見は正しいという思い込みがあります。

 

なので、これらの人がおかしなアドバイスをしても、「自分には理解できない考えが何かあるんだろうな」と自分を疑っちゃうんです。

 

例えば、尊敬している上司から「人間関係はたばこで作るんだよ」とか訳のわからないこといったとして「やっぱたばこって人脈作るのに大切だなぁ」と考えるのは違いますよーってことです。

 

で、これは仕事を教えてもらう時も同じです。

上司がいったことをすべて信用するんじゃなくて合理的に考えて、「確かにこれは効率が上がりそうだな」と思ったことのみ信用するってやり方がいいです。

 

上司と自分は考え方から行動や癖まですべて一緒ということはないはずです。なので、その人がうまくいったやり方で自分もうまくいくとは限らないよねっていうお話になります。

よくある間違い2:ネットの情報をすぐ信じる

検索して出てきた情報を根拠なしに信じるのは危険な行為です。

 

これは私もそうだったんですが、ネットに上がっているというだけで、すぐに信じてしまう人もよくいます。

 

ネット上にも正しい情報はあるんですが、やっぱり自分の経験とか体験から書いている記事が多いんですね。

 

また、本などの出典を出してる記事ありますが、例えば、売れた芸人が成功する方法について書いてる本だったり、

 

スポーツ選手がメンタルを鍛える方法について書いている本だったりと自分の経験から言っているものが多かったりします。

 

確かにその方が説得力は生まれるんですが、他の人にも当てはまるかっていう観点でみるとあやしい部分が見えてきます。

では、なにを信じればいいのか?

世の中の謎を解決することを仕事にしている分野があります。それが「科学」です。この分野は何百年という時間をかけて、物事の真実に近づこうと努力を続けています。

 

研究の規模にもよりますが、実験によっては何万人という人数を対象としますんで、それだけの人数から得られた経験を知ることができるんですね。

 

成功した人がいくら自分の経験を語っても、たった一人の結果しかないんです。しかも、人間はがんばっても100年前後までしか生きれない。

 

しかし、科学はその数倍の経験はあります。だから信ぴょう性としては「科学」の勝ちですよねっていう考え方なんすよ。

 

自分にとって一番信じれるのは自分だけ

でも、科学はあくまでも平均でしかありません。多くの人がうまくいったのは確かだけど、それが自分に当てはまるとは限らないのも事実であります。

 

平均的な結果は出せるけど、やはり人間そんなにきっちりできてないので個人差ってもが出てしまいます。

 

よくありますよね。通販番組でダイエットサプリで1か月後に体重が10キロ減!とかで、画面の左下あたりに「個人差があります」っていう文字。

 

なので、実際に科学を試して、もっとこうした方がやりやすいとか、こうした方がもっと結果が出ると分かったものが自分にとって一番信ぴょう性のあるものなんじゃないかと。

 

結論としては試した上での自分の経験が一番信ぴょう性のある情報だといえますね。

まとめ

という訳で、情報の信じ方について書いてみましたが、簡単にまとめるなら、「科学」+「自分の経験」が最高の教科書であるということです。

 

このブログもそういった背景もあってできる限り科学的根拠のある情報を載せています。

 

まぁ、科学で証明されたことを全部やれ!というわけではありませんが、自分が結果を出したいものに関しては根拠があるものを試して判断してみては。

 

参照

心理職のためのエビデンス・ベイスト・プラクティス入門―エビデンスを「まなぶ」「つくる」「つかう」

影響力の武器[第三版]: なぜ、人は動かされるのか

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください