突破盲點，找回正確思維，問題自然迎刃而解！ 看得見的錯誤容易解決，看不見的盲點，才是各種問題的關鍵；當所有人都期待專家給我們答案，卻不知道其實專家也會犯錯。扭轉人為失誤，找到解決問題的契機！ 邏輯謬誤、人為失誤充斥各領域，有些失誤無傷大雅，有些卻可能奪取人命，如果連專家都會犯錯，究竟我們該相信誰？ 本書作者戈登．魯格博士以多年研究經驗為後盾，分析人類如何獲得、儲存與使用知識，藉此「打開」專家的腦袋，從中取得有用的知識，運用於生活與工作上；並釐清為何人類必然會犯某些錯誤，如果錯誤產生，又該如何解決。 書中充滿犀利而嶄新的觀點，魯格提出一套研究多年的理論——檢核法（Verifier Method），從核心基礎「形式邏輯」出發，帶領我們找到解決問題的策略，拼湊出謎團的樣貌，在滿布失誤的人生途徑中，找到一條最正確的道路。 【各界讚譽】 ◎Denis M. Donovan（教育心理學家） ◎Jerald L. Feinstein（美國洲際大學教育中心主任） ◎Robert Matthews（伯明罕艾斯頓大學數學系教授） ◎Wesley Vernon（史丹福郡大學資訊中心副主任） 「不容錯過的精采之作……作者魯格成功地做到了幾乎不可能的任務，那就是以大家都能了解的方式，解釋非常複雜的主題。其實，這正是此書的目的：以新的方式來看待複雜的領域，讓其中的『隱藏訊息』變得清晰瞭然。」 ——Wesley Vernon（領受有英國官佐勛章OBE，雪菲爾大學喬登索博健康中心的教授Jordanthorpe Health Centre, Sheffield） 「《思考的盲點》一書提供了範本，證明我們可以讓失敗變得有意義，從中找出成功的策略。鼓舞人心的獨特之作，資料豐富，深具說服力，又趣味橫溢。」 ——David J. Parkes（史丹福郡大學Staffordshire University資訊中心副主任） 「魯格以先鋒之軀研究了當代最大的問題：專家的話，何時可信？從這本書，我們可以見到魯格將其創新方法應用在諸多議題上，並偶有令人讚嘆的成果出現。」 ——Robert Matthews（伯明罕艾斯頓大學Aston University數學系教授，並著有《二十五個大點子：改變世界的科學》25 Big Ideas: The Science That’s Changing Our World） 「《思考的盲點》揭示邏輯錯誤、謬誤結論，以及選擇性知覺。魯格的重要貢獻不僅在於解密，更對整體批判性思維提出洞見。」 ——Klaus Schmeh，伏尼契手稿的專家暨部落格主。 「魯格讓我們看見，一本讓諸多密碼專家和解密高手困惑了將近百年的神祕手稿，其實透過簡單的正確思維，就能構思出功效強大的技術和專業能力來解決任何難解之謎。」 ——Denis M. Donovan，教育心理學家，創辦EOCT，致力於機會均等。 「宛如情節緊湊的智識偵探故事，透過故事，對於人類的思考方式，以及大錯鑄成的過程，有了前所未有的全新觀點。《思考的盲點》帶領我們經歷一段引人入勝的旅程，經驗到魯格這套檢測法是如何有效地檢視藏寶圖、神奇密碼，以及隱晦難解的語言。非讀不可的一本書。」 ——Jerald L. Feinstein，美國洲際大學教育中心主任（American InterContinental University）。

前言 Introduction 解開任何神祕事物的線索，絕對跟我們對問題的看法，以及在腦中形成的圖像有關。專家之所以無法解決問題，經常是因為盲點…… 第一章 專家的心智 The Expert Mind 專家很厲害，能做出常人所做不到的事，令人驚嘆佩服，然而，這不代表他們不會犯錯。如果我們能了解專家的思考過程，就可以幫助他們不犯錯。 第二章　內部知識 The Knowledge Within 我們的心智會以某些方式來隱藏我們的專業技能——即使這樣一來，會讓我們喪命，也照樣隱藏不誤…… 第三章 不完美的專家 The Imperfect Expert 人類有偏見，每個人都是從自己的觀點來看事情，以至於出現嚴重的溝通問題，讓所有的溝通都像一場惡夢。 第四章 從文字到圖像 From Words to Images 六種適合解決難題的非語言工具，不僅提供企業絕佳的幫助，讓企業了解地球上被研究最多次但也最難捉摸的一群人：消費者。 第五章 心智裡的伏兵 Ambush in Your Mind 表述的方式愈好，定義就會愈好。定義愈好，問題和答案就會愈好。答案愈好，就愈有機會解決你的問題，獲得你想要的名聲或財富等東西。 第六章　《伏尼契手稿》 The Voynich Manuscript 當今連最先進、最複雜的密碼，也可以在數個月，最多數年內被破解出來，但從發現迄今九十年，伏尼契手稿依舊是無解之謎…… 第七章 拆解檢核法 Dissecting Verifier 檢核法是從各個領域所擷取的工具，早已受到認可，並且它把這些工具整理到概念抽屜中，每個抽屜裡都有一組準則，說明了哪種工具適用於哪種情況。 第八章 欲望的數學式 The Mathematics of Desire 很多時候，我們之所以較能接受某種解釋，或者偏好某些問題和解決方式，正是內建的偏好所驅使。 第九章 模糊不明 Fuzzing into Mush 檢核法的部分作用就是讓你能以井然有序的角度，來看看某事物是否有需要加以考慮的宏觀面貌。 第十章 抽絲剝繭 Joining the Strands 要是專家不知道自己犯錯呢？要是他們沒察覺自己困在他們所製造出來的邏輯迷宮，那該怎麼辦？萬一這些情況發生，那就是人人皆輸。 謝詞 AcKnowledgments 附錄 Notes ◎關於專家，你應該知道…… LESSON 1專家可以做出其他人所做不到的事。 LESSON 2專家的技能經常不能符合現實狀況。 LESSON 3同一個領域中，高手並沒有比表現普通者更聰明。 LESSON 4專家擁有其專業領域中的大量資訊。 LESSON 5人類認為困難的事，不見得真的很難。 LESSON 6專家經常不知道自己知道些什麼。 LESSON 7專家犯的錯誤比新手更多。

　　二○○二年，我開始研究《伏尼契手稿》，沒想到才幾個星期，就靠著一枝筆、墨水和複製的牛皮紙稿，得出驚人的發現—我找到如山的鐵證，證明手稿裡的字體既不是什麼罕見語言，也不是密碼，而是荒謬的騙局。這本看似煞有介事的古籍，裡頭的內容毫無意義，非常有可能只是一個騙子為了跟修道院騙錢而弄出來的垃圾。我找到的證據扎實有力，足以投稿至得先經同儕審查才能登出的學術期刊—而我這篇投稿是將近半世紀以來，相關研究中，第一篇交由學術社群審核的解密報告。 　　到現在，全世界的《伏尼契手稿》迷仍會慷慨激昂地爭辯，我這套簡單到令人難以置信的論點。大家都想不通，各領域的專家人才濟濟—包括數學、解密學、語言學與其他領域—怎麼可能會沒人看出我這個外行人所見到的重點呢？很簡單，專家會犯錯。 　　雖然，我不是解密專家，但在人為失誤（human error），尤其是專家失誤等領域，我可是內行人。在我這一行，我們專門研究專業技能的取得過程，所以很清楚專家犯錯時，多半是摔在哪些地方。如果你知道怎麼找出那些盲點，一眼就可以看出專家在哪些地方犯了錯。九十年來，研究《伏尼契手稿》的專家，就是用盲點在研究這部手稿，他們只聚焦在他們認為重要的地方，忽略了從頭到尾一直在眼前的其他可能性。 　　《伏尼契手稿》這個謎，儘管解得很漂亮，卻不是我的最終目的。我和同事想追求的，是一個更大的目標。具體地說，我想測試一個我研究多年的理論，而《伏尼契手稿》只是第一個被拿來測試的對象。我和同事把這一整套概念、理論和策略稱為「檢核法」（Verifier Method）。我們認為，這套嶄新的檢核法能給科學界帶來極具震撼的貢獻，因為它可以用來檢核任何領域的專家。如果以刑警辦案來比喻，這套方法可解開最棘手的懸案，因為它特別能處理這種狀況：相關資訊不缺，但始終無法破解的問題。 　　本書的前三分之二在談如何打開專家的腦袋，取得裡面的知識。像我這樣的科學家試圖解開專家的腦袋，是因為我們想設計出可以幫助專家的軟體。在這部分，你會看到一些很有意思的人物，如賭場高手、密碼破解者、西洋棋大師、劍術大師、釀酒師。此外，還有莎士比亞時代某個容易受騙的君王，以及獨來獨往的騙徒；甚至，我們會看到伊莉莎白一世竟聽信某個與巫師無異的占星家之言。這些人，每一個都是另類領域中的高手，就連詐騙分子也是！我們要藉由他們去了解專家。從這部分的討論，我們得出的具體結論是：專業知識有其限制，就算你懂某些東西，不代表你可以將它們形諸文字，去教導別人，或是告訴他人你對某個問題的看法。 　　如果科學家夠聰明，他就會懂得使用各種方法—口頭技巧、視覺技巧或工具—去汲取相關專家的知識。人類是非常視覺化的動物，所以我們可以看到，科學家會使用人類最古老的小技巧去汲取並轉移知識：透過畫圖，善用人類一眼就能掂量事物輕重的天賦。 本書第二部分會談到知識的視覺化和表述法，在這部分，我會說明我是如何使用視覺工具，來揭開《伏尼契手稿》的真相（起碼我自認為這是真相）。 　　解開任何神祕事物的線索，絕對跟我們對問題的看法，以及在腦中形成的圖像有關。專家之所以無法解決問題，經常是因為盲點：真相就在眼前，但他們視而不見。他們腦中的圖像，不符合他們的眼睛（或者他們認為自己眼睛）所見到的真實狀況。我們要怎麼幫助他們打破這種盲點呢？你可以利用檢測法之類的系統，去檢測或者檢視他們的作法，然後教導他們如何更有效地解決問題。 　　利用檢測法來處理問題，成效卓著。我們發現讓人類去做人類擅長的事，最能真正解決問題。人類所擅長的，就是一眼掃描大量的資料，然後利用他們對某問題的累積知識來找出解決之道。為了讓視覺化更發揮作用，我們需要工具來輔助，因此我們決定研發軟體來支援人類視覺化的過程。我們所開發的「搜尋視覺化軟體（Search Visualizer）」，可以讓你即使因語言隔閡而看不懂眼前的資料，也能迅速瀏覽網路的搜尋結果。 　　本書後三分之一會詳細解釋上述這些概念的意思—視覺化工具、腦中的圖象，以及盲點核心的衝突—不過，在此我要先迅速跟各位分享胃潰瘍的故事，藉此讓大家對這些概念有宏觀的了解，這個故事充分說明了專家的盲點有可能致人於死地。胃潰瘍會讓人生不如死，幾世紀以來，甚至到了二十世紀，醫生對於胃潰瘍幾乎束手無策，只能開些制酸劑，並建議病人注意飲食，減輕生活壓力。後來，有兩位澳洲醫生挑戰了這個正統的胃潰瘍觀點。他們認為，胃潰瘍並不是壓力對人體造成的反應，而是胃裡的一種細菌在作怪。這種觀點不受好評，理由可想而知，因為人類的胃是極酸環境，幾乎沒有一種細菌可以存活得了。 　　然而，數年後，這兩位澳洲醫生真的把胃裡的這種細菌找出來了，而且證明有很大比例的胃潰瘍是因此造成，所以，這一類的胃潰瘍，只要施以標準的抗生素治療就能痊癒。 　　會引起我注意的，正是這類問題。遇到這類問題時，你沒辦法指著某人，說錯誤就是從他的決定開始；要找出這類問題的錯誤源頭，並不容易。這類問題之所以一直沒有答案，並非沒有足夠的技術或資料去解答—真實狀況絕對比沒有足夠的資訊或技術更加複雜—有時，是因為沒能正確地去審視問題，有時則是因為答案雖然沒錯，但就是不完全正確。 　　有時候，謎團的每一塊拼圖已經在我們手上，但就是沒人搞懂該怎麼把這些拼圖拼起來，還原它本來的面貌。這樣的謎團，正是我的興趣所在。顯見的錯誤一看就知道，橋梁斷裂、飛機墜毀、企業倒閉，這些都是一連串誤判所引起的。對於這類可見的錯誤，有很多科學方法可以解決，但有些錯誤是隱晦難見的。而本書，本質上就是要探討看不見的錯誤—尤其是有良知的專業人員，因個人盲點而無意間犯下的隱形錯誤。 　　德葛魯特和同事出乎意料地發現，西洋棋大師竟然沒比一般的棋手更聰明，而且對於棋盤上的棋子位置，也沒記得更清楚。原來，這些大師的專業技能，來自於他們對棋賽的記憶力。 　　西洋棋大師之所以能脫穎而出，是因為他們能從各個管道記住大量的開局棋、策略、戰術、布局、前例等，這些管道包括他們親自參與的棋賽、在旁觀看的棋局，或者研究過的著名棋賽。雖然，他們不擅長牢記眼前棋盤上的棋子位置，卻非常擅於記住非隨機的布局安排，比如國王和其他輔助棋子的配置法。他們在這方面的記憶很驚人，能記住好幾萬種布局和配置。後來，有心理學家研究其他領域的高手，也得出類似結論：所謂的專家，只不過是能記住上萬則資訊的人，而這樣的資訊量，通常要花七到十年才能記得住。 　　實務領域的研究者和相關產業，也不乏這種針對專家思維所進行的研究。而這類研究，不可避免地會走到下一步：藉由針對專家所做出的研究成果，來設計出更能幫助人類的電腦，讓它更有效地與人類合作，或者執行某些對人類來說，過於繁瑣乏味或複雜的任務。這一章，我會說明像我這樣的科學家們，利用這些研究成果，做了些什麼事情。從其中幾個例子，可以看出專家研究的貢獻非常大。換句話說，看到這種貢獻，我們不免懷疑，關於專家的思考方式，我們再多的研究也不為過。 　　一九七○年代，心理學家丹尼爾．康納曼（Daniel Kahneman）、保羅．斯洛維克（Paul Slovic）和艾默斯．特維斯基（Amos Tversky）進行過一系列類似的專業技能研究。他們發現，有時候，簡單的數學線性方程式比專家更能解決某些問題。據此可以推論，在某些狀況下，幾行電腦程式會比資深的銀行經理更能準確可靠地預測，某個客戶會不會放著貸款不還，而且這種預測法的成本更低。這個研究結果導致，許多中階銀行經理的職務功能被電腦軟體取代，失去飯碗。今天如果你想申請貸款，申請是否核准幾乎都是由電腦軟體來決定。信用卡也有類似的情況，電腦軟體會偵測你的信用卡消費模式是否異常，如果有，就會由人工來查證你的卡片或號碼是否遭盜取。 　　此外，這項研究成果也應用在其他領域，比如醫學。曾有研究者想研發一種能像醫生般診斷疾病的軟體，但他們也納悶，這種軟體除了模仿醫生的診斷邏輯，是否也可以提升致命疾病的正確診斷率。從初期的應用成果來看，這樣的軟體大有可為。一九七○年代初期，史丹福大學（Stanford University）的科學家研發出一套名為MYCIN的軟體，這套軟體可以比專業的醫療人員更精準、更可靠地診斷出某些感染性疾病。研發這類軟體時，必須找個醫生來，請他回答一連串關於某種疾病的簡單問題，讓系統可以藉此進行診斷。這類電腦軟體所向披靡，到了一九八○年代，幾乎在各個領域都勝過專家，乍看之下，軟體輔助的醫療時代儼然成形，然而，當後續問題一一浮現，我們就不得不面對現實。 　　一九八六年秋天，我搬到諾丁罕（Nottingham），在那裡的大學進行「知識取得瓶頸（knowledge acquisition bottleneck）」的研究。「知識取得瓶頸」這個問題對專家系統造成許多麻煩，而且在我日後的研究過程中，它反覆出現多次。 　　所謂「知識取得」，是指擷取人類的知識應用到專家系統上，比如機器人的程式就是建立在真實世界的扎實知識上。然而，我們沒想到的是，這些扎實知識的取得，竟比我們預期的困難得多。 　　以前，軟體研發遵循的是所謂的瀑布式開發流程（waterfall model），也就是研發人員跟客戶談過後，以書面方式詳細記錄下系統需要的規格，雙方簽訂合約後，軟體研發者就據此約定，埋首開發程式。在開發的過程中，客戶不涉入。客戶簽訂合約後，就等於確認該軟體的研發，無法回頭撤銷，這過程就像漂向瀑布的原木，沒有回頭路。 　　程式開發者藉由詢問該領域的專家，來取得開發程式需要的相關資訊，這種方式多數開發者認為還算管用。如果在訪談（interview）的過程中，客戶忘了提到某些重要的要求，那就是客戶的問題，到時若要修改軟體，研發人員可以收取額外費用。不過，有時交件後，軟體會持續出問題，或者每個版本都有新問題，或是該軟體就是無法符合客戶的需要，這些狀況，就明顯地暴露了瀑布式開發流程的侷限性。 　　一開始，專家系統是建立在兩種作法上。第一種，傳統軟體研發人員進入該領域，透過訪談來獲得研發所需的資訊，因為訪談是他們唯一知道的方法。第二種是由該領域的專家自己來進行研發；這些人已經是相關領域的專家，並且懂得怎麼建立專家系統，所以他們寫軟體時，可以直接應用自己原本的知識，不需要詢問任何人。不管採取哪種作法，在專業能被嚴謹定義的領域中，初期時的專家系統經常比人類專家有更好的表現。然而，當專家系統的研發者試圖將系統升級，以應付更大的問題時，就會發現上述兩種作法明顯都不管用。問題出在很簡單的現實面。的確，有人願意且有能力學習新技能，來建立專家系統，可是在多數領域中，這樣的人數仍不足以構成一種可行作法。想大規模推廣專家系統，就必須將專家系統的開發，委任給專業的專家系統研發人員，他們會從人類專家和任何來源獲得所需的資訊，然後進行研發。 　　透過「訪談」來獲取資訊會有一個問題，那就是訪談時經常遺漏很多東西。訪談看似簡單，也適用於某些個案，多數人會認為，在所有蒐集資訊的方法當中，讓人第一時間想到的就是訪談法，而且這種方法也很合理。不過，事實上，「訪談」這個字有多種意義，每一種意義都有其侷限，最典型的區別就是結構式訪談和非結構式訪談。進行結構式訪談時，訪談者會準備一系列問題，此外還有流程圖，針對受訪者的某種回答進行後續追問。 　　這套方法似乎很符合科學精神，但訪談的成效端賴題目是否正確，措辭是否得當，後續問題是否提供適當的選項而定。從本質上來看，當你為了開發新的專家系統而去蒐集資訊時，你不可能知道什麼樣的題目才正確，怎樣的措辭才得當，或者該如何提供適當的選項。如果你對該領域的知識，多到足以設計出這樣一份結構式訪談綱要，或許你就可以直接設計該套專家系統了。換言之，這是很典型的左右兩難。 利用卡片分類，了解女性的穿著方式 　　我的同僚舒．傑瑞爾德（Sue Gerrard）唸碩士時，論文研究的主題之一，就是女性的上班穿著。具體來說，她想知道「女性穿著某類服裝時，自認為是在傳遞什麼樣的訊息？還有，旁人從她那套服裝，接收到的又是什麼樣的訊息？」其實，在她之前，這個主題已經有很多人研究過，那些研究者通常發現，衣著打扮所傳遞出來的變項，最常見的就是性別和權力。舒想知道，如果使用跟之前迥異的方法來探討這個主題，會不會有新的發現。 　　之前，針對女性職場穿著所做的研究，多半採用訪談或問卷（questionnaire）。舒想知道，如果採用我在諾丁罕大學做研究時用過的卡片分類法，會有什麼新發現。她準備了一疊卡片，每一張都是不同的女性穿著，然後要求受訪者將這些卡片依照自己的方式進行分類。受訪者可以依照自己的分類標準去進行，想分類幾次就幾次，每一次所分成的組別可多也可少。結果，舒的這份研究成了經典論文。 　　她的第一個主要研究結果，跟一個老掉牙的主題有關—性別，然而她卻從中看出新面貌。她的受訪者當中，有一半的男性主動將卡片分成已婚和未婚兩類，女性受訪者卻沒有人這麼做。在訪問之前，舒已經把照片編輯過，讓受訪者只能看到照片上的女性穿著，所以受訪者並不會被照片人物的長相所影響，不過，其中有一張，影中人的左手橫越過身體，手指上的婚戒清晰可見。如果你以為，被男性受訪者歸類為已婚的照片只有這一張，那你就錯了。有好幾張照片，即使看不出影中人的長相或手指，也被男性受訪者欣然地歸類在「已婚」類別，至於這張明顯有婚戒的照片，就更不用提了。由此可知，男受訪者是以影中人的穿著來推論其婚姻狀態。很可惜，舒的研究只做到卡片分類，如果她有時間，應該使用其他研究方法來探查這種分類的背後因素。不過，或許我們可以這麼猜測：穿著 較暴露的，就會被男性受訪者歸類於單身；穿著較保守的，則被歸類為已婚。舒的這項研究結果，對於服裝設計師可說啟發甚多。 　　除此之外，這項研究還有另一個更深層細微的發現。每一次測試時，舒都會告訴受訪者，可以隨心所欲進行分組，想分成幾組都行，結果女性受訪者通常會將卡片分成兩組以上，比如三、四組或更多，而男性受訪者則傾向只分成兩組。 　　這項研究結果具有深遠意義。看到男性傾向將卡片分成兩組，不免讓人懷疑，當他們將卡片進行分類，並不是根據影中人的穿著細節，而是出於習慣，以簡化的非黑即白二分法來看待世界。如果真是這樣，那就令人憂心，畢竟政府高層和大企業的重要決策者幾乎都是男性，然而，這個世界的多數問題並沒有黑白／對錯這種截然二分的答案。所以，舒的這項研究，很可能無意間揭開跟決策者有關的可怕面貌：一些攸關生死的決策，竟然是根據二分簡化的思考所制定出來的。這個洞見讓舒的論文在卡片分類法的研究當中，奠定了重要地位。 　　舒的這份研究所具有的意義，比她自己所了解的更加複雜。事實上，受訪者對卡片的分類方式，跟我們一直在談的主題有關：專業技能。在一些狀況下進行分類時，專家通常會比新手區分出更多類別，然而在某些狀況下，專家的分類類別卻比新手少，因為他們把焦點放在少數的關鍵點上，而新手則會被數量較多的表面差異所吸引。 　　舒的研究不過是一篇碩士論文，就能有這樣的成果，實在難得。這篇論文之所以能成功，一方面是因為她問的問題夠深刻，另一方面，是因為她使用的工具讓這個問題變得容易回答。問問題很簡單，但要問出好問題可不容易；問了好問題，並讓問題容易回答，更是難上加難。 乏味無趣的吸引力 　　有一次，我教的一群優秀學生所寫出來的作業非常差，遠不如我的預期。他們明明已經很了解我傳授的技術概念，但寫出來的作業並沒傳達出這一點，因此大家的分數都很低。為了找出原因，我們搬出我們的老朋友﹁階梯法﹂，這個蒐集資訊的方法是有系統地去拆解概念，直到挖掘出最底層的核心問題。 　於是，我開始問學生：「你們怎麼看出某篇東西寫得很好？」 　　每個學生交回的答案多半會提到好文章常有的各種特色，包括整體看起來有模有樣。 　　接著我問：「你怎麼看出它有模有樣？」 　　這次，回來的答案同樣頗一致：有模有樣的文章包含一些特色，比如沒有錯字、格式整齊、頁面清爽、讀起來有趣。 　　接著進入第三層。「你怎麼看出那東西讀起來有趣？」 　　大家的答案反覆出現這類文字：流暢易讀。 　　「你怎麼感覺它流暢易讀？」答案：文章裡沒有塞滿一堆參考資訊和專業術語。 　　現在，恐怖的真相終於大白了—我們終於搞懂為什麼每次學生接受評量時，會把該得的分數丟掉。如果把同樣的問題拿去問資深的學者專家，比如「怎樣是有模有樣」，他們的答案也會差不多，但之後的回答就會跟我的學生完全不同。學者專家會非常在意文本是否傳遞出作者充分熟練地掌握該主題……而判定的方式就是文章裡有沒有大量的參考資訊和專業術語。 　　跟學生的看法截然相反。 　　也就是說，其實我的學生在寫評量作業時，並沒忘記他們在課堂上學到的，但他們會刻意把學到的重點過濾掉，因為他們誤以為流暢的陳述會讓他們得高分。結果聰明反被聰明誤，將真正能讓他們拿高分的東西給剔除。 　　之後我們立刻以演講和工作坊的形式提出這些問題：為什麼我們認為術語和參考資訊很重要？為什麼寫評量作業時，它們會比陳述的流暢和趣味更重要？在其他狀況下，比如替大眾性的雜誌寫類似主題的文章，或者撰寫類似主題的書時，流暢和趣味就比術語和參考資訊更重要，理由可想而知，但是在寫評量作業時，重點是要傳達出你確實具備該份作業所要評量的知識。 　　但深入研究後，你會發現這套模式不盡然放諸四海皆準。在某些學科領域，每一層的詞彙術語都有精準嚴謹的定義，而且每一層的所有專家都使用相同的詞彙術語。一層一層檢視到最後，所有的詞彙術語都有清楚定義，讓你可以鉅細靡遺地測量或觀察它們。 　　但在某些領域，檢視沒多久，你就會發現答案開始﹁模糊不明﹂。想知道你所面對的是術語嚴謹的學科，或者術語模糊不明的領域，毋須透過階梯法從該領域的專家取得資訊，只要翻閱相關的著作文獻，查看專業辭典或教科書裡的專業術語，然後檢視這些術語的解釋，以及對這些解釋的進一步解釋，一層一層檢視下去，最後抵達核心。在化學、地質學或神經生理學這類嚴謹的學科，從期刊到教科書，所有的詞彙術語都有非常明確嚴謹的定義，可以量化，必要時可以在實驗室裡加以驗證。如果你看到的詞彙術語不是這樣，那麼它們所屬的學科就是模糊不明的領域。

作者：戈登．魯格(Gordon Rugg)、約瑟夫．德艾格納斯(Joseph D’Agnese) 譯者：郭寶蓮 出版社：商周出版 書系：People 出版日期：2014-11-06 ISBN：9789862726587 城邦書號：BA6419 規格：平裝 / 部分彩色 / 328頁 / 14.8cm×21cm