เรียนตรรกะวิบัติ 241-300

Fallacies Ticker — Days 13–15 (ข้อ 241–300 • ภาพเดียว • 168s/รอบ • pause‑on‑hover)

Fallacies Ticker — Days 13–15 (ข้อ 241–300 • ภาพเดียว • 168s/รอบ • pause‑on‑hover)

background
เราขับดีกว่าคนทั่วไปแหละ
งานเรานี่เร็วกว่ามาตรฐานแน่นอน
จำทางเก่งกว่าคนอื่นอยู่แล้ว
241 Better-than-average effect
ดวงวันนี้บอกว่า ‘คุณมีจุดเด่นแต่ขี้กังวล’ เหมือนจริงมาก!
แบบทดสอบ 6 ข้อบอกนิสัยเราเป๊ะเว่อร์
คำนายกว้าง ๆ แต่รู้สึกตรงตัวสุด ๆ
242 Forer/Barnum effect
เราพูดเบา ๆ ทุกคนคง ‘รับรู้’ ความรู้สึกเราแล้ว
หน้าเราเกร็งนิดเดียว เพื่อนต้องรู้แน่ ๆ ว่าเครียด
แค่ส่งสติ๊กเกอร์จุด ๆ เขาต้องเข้าใจหมด
243 Illusion of transparency
ทุกคนจ้องเราอยู่แน่เลย
เผลอสะกดผิด อายทั้งห้องเลยมั้ง
เดินเข้าห้องช้า คนต้องคิดว่าเราเสียมารยาท
244 Spotlight effect
บอกว่าห้ามโพสต์ใช่ไหม งั้นยิ่งต้องโพสต์
ยิ่งห้ามยิ่งอยากทำ
กติกาเข้ม ๆ เลยขอลองแหกดู
245 Reactance
เราคงพูดไม่เก่งหรอก → ไม่ยกมือ → ยิ่งพูดไม่คล่อง
น่าจะขายไม่ออก → ไม่กล้านำเสนอ → ก็ขายไม่ออกจริง
คิดว่าไม่ถูกเลือก → เลยไม่สมัคร → ก็ไม่ได้ไปต่อ
246 Self-fulfilling prophecy
ครูคาดหวังสูง ‘เธอต้องทำได้’ → ผลงานกระโดดขึ้น
หัวหน้าเชื่อใจให้โจทย์ยาก → ทีมฮึดทำสำเร็จ
พ่อแม่ให้โอกาสรับผิดชอบ → เด็กโตขึ้นชัด
247 Pygmalion effect
‘เธอคงทำไม่ได้หรอก’ → ยิ่งทำยิ่งฝืด
โดนมองต่ำ → ผลงานตก
ตั้งเป้าต่ำให้ทีม → ทีมเล่นเซฟ ๆ แล้วแพ้
248 Golem effect
ก่อนพรีเซนต์โดนว่า ‘กลุ่มเธอไม่ค่อยดี’ → มือสั่น
ถูกย้ำภาพเหมารวม → สมาธิหลุด
บอกว่า ‘คนแบบเธอสอบเลขไม่ผ่าน’ → เครียดจนพลาด
249 Stereotype threat
ตอนโกรธคิดว่า ‘ต่อให้เย็นลงก็ยังอยากด่า’
ตอนอิ่มคิดว่า ‘เย็นนี้คงไม่หิว’
ตอนสบายดีคิดว่า ‘ไข้คราวก่อนก็ไม่ทรมานเท่าไร’
250 Hot–cold empathy gap
เราอยากปั่นงานดึก ๆ คนอื่นก็น่าจะชอบทำดึกเหมือนกัน
เราเกลียดประชุมยาว คนอื่นต้องเกลียดเหมือนกัน
เราอินแนวนี้ ทุกคนน่าจะอิน
251 Projection bias
ร้านเคยช่วยเรา → วันหลังอยากอุดหนุนคืน
เพื่อนเลี้ยงกาแฟ → รู้สึกอยากเลี้ยงกลับ
เขายื่นมือช่วยก่อน → ใจอยากตอบแทนโดยอัตโนมัติ
252 Reciprocity bias
ฟังเพลงเดิมทุกวัน สุดท้ายชอบขึ้นมาเฉย ๆ
เจอโลโก้ซ้ำ ๆ เริ่มไว้ใจ
เห็นหน้าคนนี้บ่อย ๆ เลยรู้สึกสนิท
253 Mere-exposure effect
คุ้นแบรนด์เดิมเลยเลือก ทั้งที่ไม่ดีที่สุด
เจอร้านเดิมบ่อย ๆ เลยคิดว่าอร่อยกว่า
อ่านเว็บเดิมจนชิน เลยเชื่อมากกว่าเว็บอื่น
254 Familiarity bias
เปิดด้วยคำว่า ‘เสี่ยง’ → ทั้งห้องตีความทางลบ
ใส่คำว่า ‘โอกาส’ → คนเห็นเป็นเรื่องดี
โชว์ภาพฝุ่น → คนโหวตเข้มงวดขึ้น
255 Priming effect
คนอื่นโดนสื่อหลอกง่าย แต่ฉันไม่
คนทั่วไปเชื่อข่าวปลอมเยอะนะ (ยกเว้นเรา)
เขาโดนโน้มน้าวได้หรอก (ไม่ใช่เรา)
256 Third-person effect
ข่าว ‘เด็กคนนี้ต้องการความช่วยเหลือ’ ทำให้บริจาคพุ่ง
เล่าเรื่องรายคน คนอินมากกว่าตัวเลขรวม
เห็นหน้าผู้ป่วยชัด ๆ ใจอยากช่วย
257 Identifiable-victim effect
‘ไม่ทำอะไรดีกว่า เดี๋ยวผิด’ ทั้งที่ช่วยเล็ก ๆ ได้
กลัวพลาดเลยเลือก ‘ไม่ตัดสินใจ’
ปล่อยค้างไว้ แทนที่จะช่วย
258 Omission bias
‘ทำอะไรสักอย่างเถอะ’ แม้ยังไม่แน่ใจ
อยากกดปุ่มให้รู้สึกว่าได้ทำ
เกมกำลังดี แต่ไปแก้จนพังเพราะอยากขยับมือ
259 Action bias
‘ยังไงก็แย่ลงเรื่อย ๆ แหละ’
มองอนาคตมุมลบไว้ก่อน
ข่าวดีผ่านมาไว ข่าวร้ายจำติดนาน
260 Pessimism bias
ประกาศผลแล้วค่อยบอกว่า ‘จริง ๆ เราตั้งใจทดสอบแบบนี้อยู่แล้ว’
พอเห็นกราฟพุ่ง ก็เขียนสมมติฐานตามหลังให้เนียน
สรุปก่อน แล้วค่อยเขียนเหตุผลตามทีหลัง
261 HARKing
งานที่ผลไม่สวย ไม่ต้องส่งตีพิมพ์หรอก
โพสต์เฉพาะทดลองที่เวิร์ก ที่เหลือเก็บลิ้นชัก
รีวิวเลือกลงแต่เคสดี ๆ
262 File-drawer problem
ลองตัวแปร 20 แบบ เจอ p<.05 1 อัน—ปัง! โพสต์เลย
ทดสอบหลาย ๆ อย่าง เดี๋ยวก็มี ‘ผล’ โผล่มาเอง
หมุนสูตรไปเรื่อย ๆ เดี๋ยวก็ติดดาว
263 Multiple comparisons / Alpha inflation
p<.05 = พิสูจน์ความจริง 100%
ค่า p ต่ำ = ผลมีความหมายทางปฏิบัติแน่นอน
ไม่มี p<.05 = ไม่มีอะไรเลย
264 p-value fallacy
ออกกำลังกายเลยผอม? หรือเพราะผอมเลยออกกำลัง
ร้านดังเพราะอร่อย? หรืออร่อยเพราะดัง
เรียนเก่งเพราะติว? หรือเก่งอยู่แล้วเลยไปติว
265 Reverse causation
พกไฟแช็กแล้วมะเร็งปอด—โทษไฟแช็กซะงั้น
กินกาแฟแล้วนอนดึก—จริง ๆ ทำงานหนักทั้งคู่
คนซื้อวิตามินสุขภาพดี—จริง ๆ เขาใส่ใจสุขภาพอยู่แล้ว
266 Confounding bias
รับเข้าทำงานเฉพาะคนเก่งมาก/มีคอนเน็ก → ดูเหมือน ‘เก่งต้องมีเส้น’
ในคลินิกคนผอมกับคนป่วยมาเป็นคู่ เพราะถูกคัดมา
ผ่านด่านแล้ว ตัวแปรไม่เกี่ยวกันกลับดูเกี่ยว
267 Collider bias
ในโรงพยาบาลดูเหมือนเบาหวานกับหอบหืดมาคู่
ในแอปหาคู่ คนหน้าตาดีกับมีเงินดูต้องมาคู่
เพราะที่นี่ ‘ต้องมีอย่างใดอย่างหนึ่ง’ จึงโผล่มาให้เห็น
268 Berkson’s paradox
สำรวจในไอจีส่วนตัว แล้วสรุปแทนทั้งประเทศ
ถามคนหน้าออฟฟิศตอนเช้า แล้วเหมาว่า ‘คนกรุงเทพฯคิดแบบนี้’
เลือกคนตอบตามสะดวก ไม่ครอบคลุมจริง
269 Convenience-sampling bias
ชั่งน้ำหนักหลังดื่มน้ำตลอด—เลยบวกลวง
เครื่องสอบไม่เท่ากัน—ชุดนี้คะแนนดีกว่าเพราะเครื่อง
วัดความสุขด้วยยอดไลก์อย่างเดียว
270 Measurement bias
คนป่วยจำได้ว่าเคยกินเมนู X มากกว่า—เลยโทษเมนู X
ถามเหตุการณ์ย้อนหลัง หลายคนจำคลาด
ผู้ชนะจำเส้นทาง ‘ถูก’ กว่าคนอื่นเสมอ
271 Recall bias
แบบสอบถามดื่มสุรา—ส่วนใหญ่ตอบว่า ‘ไม่ดื่ม’
ถามชั่วโมงทำงาน—ตอบสวย ๆ ให้ดูขยัน
คำถามอ่อนไหว คนมักตอบทางสังคมรับได้
272 Social desirability bias
รู้ว่าถูกสังเกต—ทำงานเป๊ะขึ้นทันที
ติดป้าย ‘ประเมินวันนี้’ ผลงานพุ่งชั่วคราว
รู้ว่ามีกล้องเลยวางของเรียบร้อย
273 Hawthorne effect
เชียร์วิธี A → อธิบาย/ชี้นำจนผลเอนไปทาง A
พยักหน้าตอนได้น้ำเสียงที่ชอบ
เก็บข้อมูลแล้วตีความตามที่คาดไว้
274 Observer-expectancy bias
ตามคนไข้ครบปี—คนหนักหลุดออกไปเยอะ เลยดูเหมือนยาดี
โครงการฝึกงาน เหลือแต่คนแฮปปี้มาตอบ
ตัวอย่างหายกลางทาง ทำค่าเฉลี่ยเพี้ยน
275 Attrition bias
ตรวจเร็วขึ้นดูเหมือน ‘อยู่รอดนานขึ้น’
เจอก่อน = นานขึ้น—แต่โรคเท่าเดิม
เริ่มจับเวลาเร็ว ผลรอดชีวิตดูดีลวง ๆ
276 Lead-time bias
คัดกรองเจอแต่โรคโตช้า → ผลรักษาดูดี
เคสช้า ๆ ไม่รุนแรงทำให้สถิติสวย
โรคโตเร็วหลุดคัดกรองไม่ถูกรวม
277 Length-time bias
ตัวเลข KPI ดี = คุณภาพดีแน่
แดชบอร์ด = ความจริงทั้งหมด
รีวิว 4.9 = ดีทุกด้าน
278 Map–territory confusion
โมเดลท่องข้อสอบเดิมแม่น—เจอข้อใหม่พัง
กราฟฟิตแน่นกับอดีต—ของจริงแย่
เพิ่มพารามิเตอร์ไปเรื่อย ๆ ให้สวยบนข้อมูลเก่า
279 Overfitting
งานชิ้นเล็ก ๆ ผลเว่อร์กว่าชิ้นใหญ่
ตัวอย่างน้อย เลยดูแรงกว่าความจริง
สรุปจากกลุ่มเล็กไปทั้งประเทศ
280 Small-study effects
อย่าคิดมาก–จบ!
เรื่องมันก็แค่นี้แหละ พอ!
พูดไปก็เท่านั้น เลิกคุย
281 Thought-terminating cliché
ดูคอมเมนต์คนนี้สิ โง่มาก → ฝ่ายนั้นโง่ทั้งกลุ่ม
หยิบโพสต์สุดโต่งมาชี้ว่าอีกฝั่งแย่หมด
แชร์คลิปพลาด 1 คลิปแล้วสรุป ‘นี่ไงของจริง’
282 Nutpicking
นโยบายนี้กลิ่นฮิตเลอร์ชัด ๆ
พูดเรื่องระเบียบ = ฟาสซิสต์
โครงการชุมชน? คอมมิวนิสต์แล้วมั้ง
283 Reductio ad Hitlerum
เป็นห่วงเธอนะ… เลิกประท้วงเถอะ
ห่วงสุขภาพเด็ก ๆ … ยุบกิจกรรมนี้ดีกว่า
หวังดีนะ แต่หยุดโพสต์วิจารณ์ก่อน
284 Concern trolling
เรา ‘อาจ’ ทำ / ‘อาจ’ ไม่ทำ—ขึ้นกับปัจจัย
คำว่า ‘สนับสนุน’ หมายถึงหลายอย่าง
รับผิดชอบในกรอบที่ ‘เหมาะสม’
285 Strategic ambiguity
ไม่เคยทำ (Deny) — เธอใส่ร้าย (Attack) — เราเป็นเหยื่อ (Reverse Victim)
ไม่ได้ผิด! เลิกวุ่นวาย—เราถูกทำร้าย
ใครแฉ = ทำร้ายเรา
286 DARVO
ข่าวนี้ฝั่งเขาปลอมเป็นเรา
บัญชีปลอมพวกนั้นคนเราทำเอง
แพ้เลือกตั้งเพราะอีกฝ่ายปลอมเป็นเรา
287 False-flag claim
ขอเลือกตอบเวอร์ชันอ่อนสุดของฝ่ายคุณ
เขาพูดสิบอย่าง—โต้แค่อันที่ง่ายสุด
หยิบเหตุผลแย่สุดของอีกฝั่งมาทุบ
288 Weak-man fallacy
เขาบอกว่า ‘จะยึดทรัพย์ทุกบ้าน’ (ไม่มีใครพูด)
ฝ่ายค้านประกาศ ‘ปิดประเทศ’ (ยัดคำพูดให้)
นักวิชาการบอก ‘ยุบการศึกษา’ (ไม่มีแหล่ง)
289 Hollow-man fallacy
ยิง 10 ข่าว/ชั่วโมง เปลี่ยนหัวข้อวน ๆ
ผิดก็โพสต์ใหม่ทับไป
ปล่อยข้อมูลพรั่งพรูจนคนตรวจไม่ไหว
290 Firehose of falsehood
ท่านเห็นด้วยไหมว่าโครงการ X ดีขึ้นเพราะผู้นำคนนี้?
จริงไหมที่พรรค A ทำให้ค่าครองชีพลดลง?
ท่านคิดว่า B ล้มเหลวใช่หรือไม่?
291 Push polling
เพื่อความปลอดภัย—ห้ามทั้งหมดไว้ก่อน
เผื่อเสี่ยง 0.001% ก็ยกเลิกทุกอย่าง
ยังไม่รู้ชัด แปลว่าต้องหยุดหมด
292 Misuse of the precautionary principle
โพลสมัครใจ—สรุปแทนทั้งประเทศ
เปิดกล่องความเห็นแฟนคลับ → อ้างว่าเสียงส่วนใหญ่
แบบสอบถามในกรุ๊ป → เหมาทัศนคติสังคม
293 Voluntary-response bias
เกมทำชาติพัง เด็กติดกันหมด!
ร้านนี้คือแหล่งอาชญากรรม เมืองไม่ปลอดภัย
แอปใหม่นี้ทำครอบครัวแตกแยก
294 Moral panic
โพสต์หัวร้อนเรียกคะแนน—โกรธก่อนแชร์ก่อน!
ตั้งคำถามยั่วไฟ—คนด่ากันเองยอดพุ่ง
หัวข้อเดือดเท่านั้นถึงขึ้นเทรนด์
295 Rage-baiting
แอ็กเคานต์นี้ชมเราทุกโพสต์—เจ้าของเดียวกัน
ตั้งยูสใหม่มาตอบตัวเอง ‘เห็นด้วยค่ะ’
หลายบัญชีปลอมปั่นกระทู้
296 Sockpuppeting
คำถามไร้สาระ ไม่สมควรแก่การชี้แจง
ข่าวลือพวกนี้ไม่สมควรตอบ
ขอไม่ยืนยัน–ไม่ปฏิเสธ
297 Non-denial denial
ล้อเล่นนนน อย่าซีเรียสดิ (หลังพูดเหยียดแรง)
โดนด่า → ‘ก็แค่ตลกนะ’
พูดแรงไว้ก่อน ถ้าโดนก็อ้างว่ามุก
298 Schrödinger’s douchebag
คุณ ‘เลิกสนับสนุนการทำร้ายสัตว์’ แล้วใช่ไหม?
คุณยอมรับแล้วใช่ไหมว่าแผนเดิม ‘ล้มเหลว’
รับไหมว่า ‘คนดี’ ต้องเห็นด้วยกับเรา
299 Loaded framing trap
ถามงบเกิน → ‘พูดถึงความสามัคคีองค์กรก่อน’
คุยเรื่องความปลอดภัย → ‘ภาพลักษณ์สำคัญกว่า’
ขอเดดไลน์ → ‘เล่าประวัติบริษัท 50 ปีก่อน’
300 Topic derailment
เราขับดีกว่าคนทั่วไปแหละ
งานเรานี่เร็วกว่ามาตรฐานแน่นอน
จำทางเก่งกว่าคนอื่นอยู่แล้ว
241 Better-than-average effect
ดวงวันนี้บอกว่า ‘คุณมีจุดเด่นแต่ขี้กังวล’ เหมือนจริงมาก!
แบบทดสอบ 6 ข้อบอกนิสัยเราเป๊ะเว่อร์
คำนายกว้าง ๆ แต่รู้สึกตรงตัวสุด ๆ
242 Forer/Barnum effect
เราพูดเบา ๆ ทุกคนคง ‘รับรู้’ ความรู้สึกเราแล้ว
หน้าเราเกร็งนิดเดียว เพื่อนต้องรู้แน่ ๆ ว่าเครียด
แค่ส่งสติ๊กเกอร์จุด ๆ เขาต้องเข้าใจหมด
243 Illusion of transparency
ทุกคนจ้องเราอยู่แน่เลย
เผลอสะกดผิด อายทั้งห้องเลยมั้ง
เดินเข้าห้องช้า คนต้องคิดว่าเราเสียมารยาท
244 Spotlight effect
บอกว่าห้ามโพสต์ใช่ไหม งั้นยิ่งต้องโพสต์
ยิ่งห้ามยิ่งอยากทำ
กติกาเข้ม ๆ เลยขอลองแหกดู
245 Reactance
เราคงพูดไม่เก่งหรอก → ไม่ยกมือ → ยิ่งพูดไม่คล่อง
น่าจะขายไม่ออก → ไม่กล้านำเสนอ → ก็ขายไม่ออกจริง
คิดว่าไม่ถูกเลือก → เลยไม่สมัคร → ก็ไม่ได้ไปต่อ
246 Self-fulfilling prophecy
ครูคาดหวังสูง ‘เธอต้องทำได้’ → ผลงานกระโดดขึ้น
หัวหน้าเชื่อใจให้โจทย์ยาก → ทีมฮึดทำสำเร็จ
พ่อแม่ให้โอกาสรับผิดชอบ → เด็กโตขึ้นชัด
247 Pygmalion effect
‘เธอคงทำไม่ได้หรอก’ → ยิ่งทำยิ่งฝืด
โดนมองต่ำ → ผลงานตก
ตั้งเป้าต่ำให้ทีม → ทีมเล่นเซฟ ๆ แล้วแพ้
248 Golem effect
ก่อนพรีเซนต์โดนว่า ‘กลุ่มเธอไม่ค่อยดี’ → มือสั่น
ถูกย้ำภาพเหมารวม → สมาธิหลุด
บอกว่า ‘คนแบบเธอสอบเลขไม่ผ่าน’ → เครียดจนพลาด
249 Stereotype threat
ตอนโกรธคิดว่า ‘ต่อให้เย็นลงก็ยังอยากด่า’
ตอนอิ่มคิดว่า ‘เย็นนี้คงไม่หิว’
ตอนสบายดีคิดว่า ‘ไข้คราวก่อนก็ไม่ทรมานเท่าไร’
250 Hot–cold empathy gap
เราอยากปั่นงานดึก ๆ คนอื่นก็น่าจะชอบทำดึกเหมือนกัน
เราเกลียดประชุมยาว คนอื่นต้องเกลียดเหมือนกัน
เราอินแนวนี้ ทุกคนน่าจะอิน
251 Projection bias
ร้านเคยช่วยเรา → วันหลังอยากอุดหนุนคืน
เพื่อนเลี้ยงกาแฟ → รู้สึกอยากเลี้ยงกลับ
เขายื่นมือช่วยก่อน → ใจอยากตอบแทนโดยอัตโนมัติ
252 Reciprocity bias
ฟังเพลงเดิมทุกวัน สุดท้ายชอบขึ้นมาเฉย ๆ
เจอโลโก้ซ้ำ ๆ เริ่มไว้ใจ
เห็นหน้าคนนี้บ่อย ๆ เลยรู้สึกสนิท
253 Mere-exposure effect
คุ้นแบรนด์เดิมเลยเลือก ทั้งที่ไม่ดีที่สุด
เจอร้านเดิมบ่อย ๆ เลยคิดว่าอร่อยกว่า
อ่านเว็บเดิมจนชิน เลยเชื่อมากกว่าเว็บอื่น
254 Familiarity bias
เปิดด้วยคำว่า ‘เสี่ยง’ → ทั้งห้องตีความทางลบ
ใส่คำว่า ‘โอกาส’ → คนเห็นเป็นเรื่องดี
โชว์ภาพฝุ่น → คนโหวตเข้มงวดขึ้น
255 Priming effect
คนอื่นโดนสื่อหลอกง่าย แต่ฉันไม่
คนทั่วไปเชื่อข่าวปลอมเยอะนะ (ยกเว้นเรา)
เขาโดนโน้มน้าวได้หรอก (ไม่ใช่เรา)
256 Third-person effect
ข่าว ‘เด็กคนนี้ต้องการความช่วยเหลือ’ ทำให้บริจาคพุ่ง
เล่าเรื่องรายคน คนอินมากกว่าตัวเลขรวม
เห็นหน้าผู้ป่วยชัด ๆ ใจอยากช่วย
257 Identifiable-victim effect
‘ไม่ทำอะไรดีกว่า เดี๋ยวผิด’ ทั้งที่ช่วยเล็ก ๆ ได้
กลัวพลาดเลยเลือก ‘ไม่ตัดสินใจ’
ปล่อยค้างไว้ แทนที่จะช่วย
258 Omission bias
‘ทำอะไรสักอย่างเถอะ’ แม้ยังไม่แน่ใจ
อยากกดปุ่มให้รู้สึกว่าได้ทำ
เกมกำลังดี แต่ไปแก้จนพังเพราะอยากขยับมือ
259 Action bias
‘ยังไงก็แย่ลงเรื่อย ๆ แหละ’
มองอนาคตมุมลบไว้ก่อน
ข่าวดีผ่านมาไว ข่าวร้ายจำติดนาน
260 Pessimism bias
ประกาศผลแล้วค่อยบอกว่า ‘จริง ๆ เราตั้งใจทดสอบแบบนี้อยู่แล้ว’
พอเห็นกราฟพุ่ง ก็เขียนสมมติฐานตามหลังให้เนียน
สรุปก่อน แล้วค่อยเขียนเหตุผลตามทีหลัง
261 HARKing
งานที่ผลไม่สวย ไม่ต้องส่งตีพิมพ์หรอก
โพสต์เฉพาะทดลองที่เวิร์ก ที่เหลือเก็บลิ้นชัก
รีวิวเลือกลงแต่เคสดี ๆ
262 File-drawer problem
ลองตัวแปร 20 แบบ เจอ p<.05 1 อัน—ปัง! โพสต์เลย
ทดสอบหลาย ๆ อย่าง เดี๋ยวก็มี ‘ผล’ โผล่มาเอง
หมุนสูตรไปเรื่อย ๆ เดี๋ยวก็ติดดาว
263 Multiple comparisons / Alpha inflation
p<.05 = พิสูจน์ความจริง 100%
ค่า p ต่ำ = ผลมีความหมายทางปฏิบัติแน่นอน
ไม่มี p<.05 = ไม่มีอะไรเลย
264 p-value fallacy
ออกกำลังกายเลยผอม? หรือเพราะผอมเลยออกกำลัง
ร้านดังเพราะอร่อย? หรืออร่อยเพราะดัง
เรียนเก่งเพราะติว? หรือเก่งอยู่แล้วเลยไปติว
265 Reverse causation
พกไฟแช็กแล้วมะเร็งปอด—โทษไฟแช็กซะงั้น
กินกาแฟแล้วนอนดึก—จริง ๆ ทำงานหนักทั้งคู่
คนซื้อวิตามินสุขภาพดี—จริง ๆ เขาใส่ใจสุขภาพอยู่แล้ว
266 Confounding bias
รับเข้าทำงานเฉพาะคนเก่งมาก/มีคอนเน็ก → ดูเหมือน ‘เก่งต้องมีเส้น’
ในคลินิกคนผอมกับคนป่วยมาเป็นคู่ เพราะถูกคัดมา
ผ่านด่านแล้ว ตัวแปรไม่เกี่ยวกันกลับดูเกี่ยว
267 Collider bias
ในโรงพยาบาลดูเหมือนเบาหวานกับหอบหืดมาคู่
ในแอปหาคู่ คนหน้าตาดีกับมีเงินดูต้องมาคู่
เพราะที่นี่ ‘ต้องมีอย่างใดอย่างหนึ่ง’ จึงโผล่มาให้เห็น
268 Berkson’s paradox
สำรวจในไอจีส่วนตัว แล้วสรุปแทนทั้งประเทศ
ถามคนหน้าออฟฟิศตอนเช้า แล้วเหมาว่า ‘คนกรุงเทพฯคิดแบบนี้’
เลือกคนตอบตามสะดวก ไม่ครอบคลุมจริง
269 Convenience-sampling bias
ชั่งน้ำหนักหลังดื่มน้ำตลอด—เลยบวกลวง
เครื่องสอบไม่เท่ากัน—ชุดนี้คะแนนดีกว่าเพราะเครื่อง
วัดความสุขด้วยยอดไลก์อย่างเดียว
270 Measurement bias
คนป่วยจำได้ว่าเคยกินเมนู X มากกว่า—เลยโทษเมนู X
ถามเหตุการณ์ย้อนหลัง หลายคนจำคลาด
ผู้ชนะจำเส้นทาง ‘ถูก’ กว่าคนอื่นเสมอ
271 Recall bias
แบบสอบถามดื่มสุรา—ส่วนใหญ่ตอบว่า ‘ไม่ดื่ม’
ถามชั่วโมงทำงาน—ตอบสวย ๆ ให้ดูขยัน
คำถามอ่อนไหว คนมักตอบทางสังคมรับได้
272 Social desirability bias
รู้ว่าถูกสังเกต—ทำงานเป๊ะขึ้นทันที
ติดป้าย ‘ประเมินวันนี้’ ผลงานพุ่งชั่วคราว
รู้ว่ามีกล้องเลยวางของเรียบร้อย
273 Hawthorne effect
เชียร์วิธี A → อธิบาย/ชี้นำจนผลเอนไปทาง A
พยักหน้าตอนได้น้ำเสียงที่ชอบ
เก็บข้อมูลแล้วตีความตามที่คาดไว้
274 Observer-expectancy bias
ตามคนไข้ครบปี—คนหนักหลุดออกไปเยอะ เลยดูเหมือนยาดี
โครงการฝึกงาน เหลือแต่คนแฮปปี้มาตอบ
ตัวอย่างหายกลางทาง ทำค่าเฉลี่ยเพี้ยน
275 Attrition bias
ตรวจเร็วขึ้นดูเหมือน ‘อยู่รอดนานขึ้น’
เจอก่อน = นานขึ้น—แต่โรคเท่าเดิม
เริ่มจับเวลาเร็ว ผลรอดชีวิตดูดีลวง ๆ
276 Lead-time bias
คัดกรองเจอแต่โรคโตช้า → ผลรักษาดูดี
เคสช้า ๆ ไม่รุนแรงทำให้สถิติสวย
โรคโตเร็วหลุดคัดกรองไม่ถูกรวม
277 Length-time bias
ตัวเลข KPI ดี = คุณภาพดีแน่
แดชบอร์ด = ความจริงทั้งหมด
รีวิว 4.9 = ดีทุกด้าน
278 Map–territory confusion
โมเดลท่องข้อสอบเดิมแม่น—เจอข้อใหม่พัง
กราฟฟิตแน่นกับอดีต—ของจริงแย่
เพิ่มพารามิเตอร์ไปเรื่อย ๆ ให้สวยบนข้อมูลเก่า
279 Overfitting
งานชิ้นเล็ก ๆ ผลเว่อร์กว่าชิ้นใหญ่
ตัวอย่างน้อย เลยดูแรงกว่าความจริง
สรุปจากกลุ่มเล็กไปทั้งประเทศ
280 Small-study effects
อย่าคิดมาก–จบ!
เรื่องมันก็แค่นี้แหละ พอ!
พูดไปก็เท่านั้น เลิกคุย
281 Thought-terminating cliché
ดูคอมเมนต์คนนี้สิ โง่มาก → ฝ่ายนั้นโง่ทั้งกลุ่ม
หยิบโพสต์สุดโต่งมาชี้ว่าอีกฝั่งแย่หมด
แชร์คลิปพลาด 1 คลิปแล้วสรุป ‘นี่ไงของจริง’
282 Nutpicking
นโยบายนี้กลิ่นฮิตเลอร์ชัด ๆ
พูดเรื่องระเบียบ = ฟาสซิสต์
โครงการชุมชน? คอมมิวนิสต์แล้วมั้ง
283 Reductio ad Hitlerum
เป็นห่วงเธอนะ… เลิกประท้วงเถอะ
ห่วงสุขภาพเด็ก ๆ … ยุบกิจกรรมนี้ดีกว่า
หวังดีนะ แต่หยุดโพสต์วิจารณ์ก่อน
284 Concern trolling
เรา ‘อาจ’ ทำ / ‘อาจ’ ไม่ทำ—ขึ้นกับปัจจัย
คำว่า ‘สนับสนุน’ หมายถึงหลายอย่าง
รับผิดชอบในกรอบที่ ‘เหมาะสม’
285 Strategic ambiguity
ไม่เคยทำ (Deny) — เธอใส่ร้าย (Attack) — เราเป็นเหยื่อ (Reverse Victim)
ไม่ได้ผิด! เลิกวุ่นวาย—เราถูกทำร้าย
ใครแฉ = ทำร้ายเรา
286 DARVO
ข่าวนี้ฝั่งเขาปลอมเป็นเรา
บัญชีปลอมพวกนั้นคนเราทำเอง
แพ้เลือกตั้งเพราะอีกฝ่ายปลอมเป็นเรา
287 False-flag claim
ขอเลือกตอบเวอร์ชันอ่อนสุดของฝ่ายคุณ
เขาพูดสิบอย่าง—โต้แค่อันที่ง่ายสุด
หยิบเหตุผลแย่สุดของอีกฝั่งมาทุบ
288 Weak-man fallacy
เขาบอกว่า ‘จะยึดทรัพย์ทุกบ้าน’ (ไม่มีใครพูด)
ฝ่ายค้านประกาศ ‘ปิดประเทศ’ (ยัดคำพูดให้)
นักวิชาการบอก ‘ยุบการศึกษา’ (ไม่มีแหล่ง)
289 Hollow-man fallacy
ยิง 10 ข่าว/ชั่วโมง เปลี่ยนหัวข้อวน ๆ
ผิดก็โพสต์ใหม่ทับไป
ปล่อยข้อมูลพรั่งพรูจนคนตรวจไม่ไหว
290 Firehose of falsehood
ท่านเห็นด้วยไหมว่าโครงการ X ดีขึ้นเพราะผู้นำคนนี้?
จริงไหมที่พรรค A ทำให้ค่าครองชีพลดลง?
ท่านคิดว่า B ล้มเหลวใช่หรือไม่?
291 Push polling
เพื่อความปลอดภัย—ห้ามทั้งหมดไว้ก่อน
เผื่อเสี่ยง 0.001% ก็ยกเลิกทุกอย่าง
ยังไม่รู้ชัด แปลว่าต้องหยุดหมด
292 Misuse of the precautionary principle
โพลสมัครใจ—สรุปแทนทั้งประเทศ
เปิดกล่องความเห็นแฟนคลับ → อ้างว่าเสียงส่วนใหญ่
แบบสอบถามในกรุ๊ป → เหมาทัศนคติสังคม
293 Voluntary-response bias
เกมทำชาติพัง เด็กติดกันหมด!
ร้านนี้คือแหล่งอาชญากรรม เมืองไม่ปลอดภัย
แอปใหม่นี้ทำครอบครัวแตกแยก
294 Moral panic
โพสต์หัวร้อนเรียกคะแนน—โกรธก่อนแชร์ก่อน!
ตั้งคำถามยั่วไฟ—คนด่ากันเองยอดพุ่ง
หัวข้อเดือดเท่านั้นถึงขึ้นเทรนด์
295 Rage-baiting
แอ็กเคานต์นี้ชมเราทุกโพสต์—เจ้าของเดียวกัน
ตั้งยูสใหม่มาตอบตัวเอง ‘เห็นด้วยค่ะ’
หลายบัญชีปลอมปั่นกระทู้
296 Sockpuppeting
คำถามไร้สาระ ไม่สมควรแก่การชี้แจง
ข่าวลือพวกนี้ไม่สมควรตอบ
ขอไม่ยืนยัน–ไม่ปฏิเสธ
297 Non-denial denial
ล้อเล่นนนน อย่าซีเรียสดิ (หลังพูดเหยียดแรง)
โดนด่า → ‘ก็แค่ตลกนะ’
พูดแรงไว้ก่อน ถ้าโดนก็อ้างว่ามุก
298 Schrödinger’s douchebag
คุณ ‘เลิกสนับสนุนการทำร้ายสัตว์’ แล้วใช่ไหม?
คุณยอมรับแล้วใช่ไหมว่าแผนเดิม ‘ล้มเหลว’
รับไหมว่า ‘คนดี’ ต้องเห็นด้วยกับเรา
299 Loaded framing trap
ถามงบเกิน → ‘พูดถึงความสามัคคีองค์กรก่อน’
คุยเรื่องความปลอดภัย → ‘ภาพลักษณ์สำคัญกว่า’
ขอเดดไลน์ → ‘เล่าประวัติบริษัท 50 ปีก่อน’
300 Topic derailment
Learned with Kru Phi Pakwa Turbo Thathai · Template v1.3 (EN/TH pairing · pause‑on‑hover · zoom allowed) · Credit: YourLogicalFallacies.com
Scroll to Top
niceporcelain.org