10 Reglas Para Comprender El Mundo. Cómo Los Números Pueden Explicar (Y Mejorar) Lo Que Sucede — Tim Harford / How to Make the World Add Up: Ten Rules for Thinking Differently About Numbers by Tim Harford

Una excelente contribución al debate de Tim Harford. Aunque pudo haber tenido que torcer un poco las cosas para llegar a diez reglas, su estilo, historias y enfoque hacen que sea una gran lectura. Mucho no era exactamente nuevo para mí, pero incluso cuando sabía algo sobre un tema o una historia, él amenazaba con agregar algo. Lo único que faltaba era la Ley de estadísticas y análisis de datos de Twyman. Y una de las principales razones por las que no me gustan tanto el análisis multivariante y las redes neuronales: no puedes ver lo que está pasando.
Emplea una mezcla fácil de seguir de anécdotas para resaltar verdades más amplias sobre cómo nos engañan:
. desinformación,
. mala investigación, y
. motivación fuera de lugar.
El mensaje es:
. sea consciente de sus sesgos cognitivos,
. identificar errores de pensamiento y actualizar sus predicciones.
. comprender cuándo utiliza la heurística (ensayo y error, una regla general o una suposición fundamentada)
. establecer cómo se interpretan los datos y mirar más allá
Realmente sencillo y al grano.

El cinismo estadístico no solo es una vergüenza, es una tragedia. Si cedemos a la idea de que ya no tenemos el poder de saber lo que es verdad, habremos perdido una herramienta vital. Es una herramienta que nos enseñó que los cigarrillos son mortíferos. Es nuestra única oportunidad real de abrirnos paso en la crisis del coronavirus o, desde una perspectiva más amplia, de comprender el complejo mundo en el que vivimos. Pero esta herramienta es inútil si nos limitamos al desprecio automático de cualquier estadística que no nos guste. No debemos ser crédulos, por supuesto, pero el antídoto de la credulidad no es no creer en nada, sino tener confianza para sopesar la información con curiosidad y un escepticismo saludable.
Las buenas estadísticas no son un truco, aunque son una especie de magia. Las buenas estadísticas no son humo ni espejos; de hecho, nos ayudan a ver con más claridad.

En esta estafa monumental no solo cayó Bredius, sino todo el sector artístico holandés. Cena de Emaús se vendió pronto por 520.000 florines holandeses al Museo Boijmans de Rotterdam. Comparado con los salarios de la época, sería el equivalente hoy a unos 11 millones de euros. El propio Bredius contribuyó para que el museo adquiriera la obra.
Emaús se convirtió en la pintura más importante del Museo Boijmans, atrayendo a multitudes admiradas y críticas enardecidas. Pronto aparecieron muchas otras obras de estilo similar. Una vez aceptada la primera falsificación, fue más fácil colar las demás. No engañaron a todo el mundo, pero, como Emaús , sí a las personas que importaba engañar. Los críticos las verificaron, los museos las expusieron, los coleccionistas pagaron altas sumas por ellas: un total de más de 110 millones de euros al cambio actual. En términos financieros fue un fraude colosal.
Pero había más. El mundo artístico holandés reverenciaba a Vermeer como uno de los pintores más grandes que habían existido. Si bien pintó casi toda su producción en la década de 1660, no fue redescubierto hasta finales del siglo XIX.
Van Meegeren admitió haber pintado no solo la obra que se halló en manos de los nazis, sino el Cena de Emaús y muchas otras supuestas obras de Vermeer. El fraude se descubrió no porque alguien detectara las burdas falsificaciones, sino porque el falsificador confesó. ¿Y qué otra cosa podía hacer? Vender una obra maestra irreemplazable de Vermeer a los nazis era un crimen castigado con la horca, mientras que vender una falsificación a Göring no solo se podía perdonar, sino que incluso era admirable.
Pero el interrogante sigue ahí: ¿cómo pudo engañar una falsificación tan tosca a un experto como Abraham Bredius? ¿Y por qué comenzar un libro sobre estadística con una historia que no tiene nada que ver con los números?
La respuesta a ambas preguntas es la misma: cuando se trata de interpretar el mundo que nos rodea, debemos ser conscientes de que los sentimientos pueden sobreponerse a la experiencia. Cuando Bredius escribió «me costó controlar mi emoción», tenía, por desgracia, razón. Nadie poseía más conocimientos o experiencia que Bredius, pero Van Meegeren descubrió cómo convertir sus conocimientos y su experiencia en una desventaja.
El pensamiento ilusorio fue lo que confundió a Abraham Bredius. El historiador del arte tenía un punto débil: su fascinación por las pinturas religiosas de Vermeer.
Si no dominamos nuestras emociones, ya sea cuando nos dicen que dudemos o cuando nos dicen que creamos, correremos el peligro de engañarnos.

Si no comprendemos las estadísticas, es muy probable que nuestra percepción del mundo sea muy parcial. Es demasiado fácil convencernos de que lo que vemos con nuestros ojos es toda la verdad; no lo es. Comprender la causalidad es difícil incluso con buenas estadísticas, pero sin ellas es imposible.
Y, aun así, si solo nos fijamos en las estadísticas, no entenderemos mucho. Debemos tener curiosidad por el mundo que vemos, oímos, tocamos y olemos, así como por el mundo que podemos analizar en una hoja de cálculo.
Mi segundo consejo, por lo tanto, es que intentes adoptar ambas perspectivas: la vista de gusano y la vista de pájaro. Normalmente te mostrarán cosas distintas, y en ocasiones plantearán un rompecabezas: ¿cómo pueden ser verdad ambas visiones? Por aquí debería empezar la investigación. A veces las estadísticas serán engañosas; a veces serán nuestros ojos los que nos engañen, y otras la aparente contradicción se resolverá cuando comprendamos lo que está pasando. Con frecuencia será necesario que nos planteemos algunas preguntas inteligentes.

Pregunta qué es lo que se está contando, qué historias hay detrás de las estadísticas. Es natural pensar que las habilidades que se requieren para evaluar las cifras son numéricas: comprender cómo se computa un porcentaje, o diferenciar los millones de los billones y de los trillones. Es una cuestión matemática, ¿no?
Lo que espero haber demostrado en las últimas páginas es que la verdad es mucho más sutil y en ciertos casos más fácil: la confusión es más habitual en las palabras que en los números. Antes de determinar si les han subido el sueldo a las enfermeras, primero deberás saber a quiénes engloban en el término «enfermera».

En los primeros y turbulentos días de la pandemia del coronavirus, Scientific American advirtió a los periodistas de que «los hechos sobre esta epidemia que duren unos pocos días son mucho más fiables que los últimos “hechos” de los que se acaba de tener noticia, que podrían ser erróneos y poco representativos y, por lo tanto, equívocos […].
Fíjate en los sentimientos que te provoca la afirmación en cuestión; además verifica de forma constructiva la afirmación basándote en tu experiencia personal; además pregúntate si de verdad comprendes lo que significa la afirmación. Son sugerencias sencillas, de sentido común, y toma distancia y busca información que aporte contexto. Intenta comprender la tendencia.
Ninguno de estos métodos es técnico; los puede utilizar cualquiera. En conjunto, nos pueden ayudar mucho para iluminar las estadísticas. Pero a veces será necesario profundizar un poco más sobre cómo se ha realizado la estadística.

Los algoritmos que analizan macrodatos se crean con datos que pueden tener sesgos sutiles. Por ejemplo, los algoritmos que se configuran, en gran medida, con rostros pálidos y voces masculinas podrían confundirse cuando después tuvieran que interpretar el habla de una mujer o un cutis más oscuro. Se cree que esto explica por qué el software de fotos de Google confundía fotos de personas con la piel oscura con fotos de gorilas; por qué a las cámaras web de Hewlett Packard les costaba más activarse cuando tenían delante personas con tonos de piel más oscuro, y las cámaras de Nikon, programadas para hacer otra foto cuando alguien parpadea, repiten las fotos de personas de China, Japón o Corea porque confunden los ojos asiáticos con un parpadeo. Las nuevas aplicaciones que se han lanzado en la primavera de 2020 aseguran que oyen la tos y detectan si tenemos Covid-19 o alguna otra enfermedad. ¿Lograrán superar estos obstáculos?.
Una cosa es segura: si a los algoritmos se les muestra una visión sesgada del mundo, llegarán a una conclusión sesgada.
A menos que nosotros mismos recopilemos los datos, hay un límite en lo que podemos hacer para combatir el problema de los datos que faltan. Pero podemos y debemos acordarnos de preguntar quién o qué falta en los datos que nos dan. Algunas cifras que pasamos por alto son evidentes.
Las grandes bases de datos pueden parecernos completas y pueden ser muy útiles, pero N = Todo suele ser una ilusión seductora: es fácil presuponer sin garantías que tenemos todo lo importante. Siempre debemos preguntar quién y qué falta. Y esta es solo una de las razones para interpretar los macrodatos con precaución. Los macrodatos representan un cambio enorme y desconocido en la obtención de estadísticas.

Los macrodatos están revolucionando el mundo que nos rodea, y es fácil sentirse alienado por estos ordenadores que toman decisiones de una manera que no comprendemos. Creo que hay razones para preocuparse. Los análisis modernos de datos pueden generar algunos resultados milagrosos, pero, en general, se puede confiar menos en los macrodatos que en los microdatos. Normalmente, es posible escrutar los microdatos; los macrodatos, en cambio, suelen estar encerrados en un cofre de Silicon Valley. Por lo general, las sencillas herramientas estadísticas utilizadas para analizar los microdatos son fáciles de verificar; los algoritmos que reconocen patrones suelen ser misteriosos y se convierten en cajas negras comercialmente sensibles.

Incluso cuando las estadísticas se recopilan con todo el rigor y la independencia que cabe esperar, nunca serán perfectas. Algunas cosas que nos preocupan son difíciles de medir, como la violencia doméstica, la evasión de impuestos o las personas que duermen en la calle. No cabe duda de que queda mucho margen para que los datos que recaban las estadísticas oficiales sean más representativos, relevantes y fáciles de reconciliar con la experiencia diaria, y totalmente transparentes. Cuanto más lo consigan, más merecerán nuestra confianza.
Pero, con todos sus problemas y debilidades, las estadísticas oficiales son lo más parecido que tenemos a unos datos fundamentales. Cuando un país selecciona y defiende a un equipo de estadísticos capaces, profesionales e independientes, los hechos encuentran un camino para darse a conocer. Cuando las estadísticas nacionales de un país son defectuosas, la comunidad internacional de estadísticos las señalará. Cuando un estadístico independiente es atacado o amenazado por los políticos, esa misma comunidad lo apoyará y lo defenderá. Los estadísticos son más valientes de lo que creemos la mayoría. Su independencia ni se puede dar por supuesta ni se puede socavar con la indiferencia.
Como ciudadanos, debemos buscar esa base estadística. Si queremos comprender la situación en la que se encuentra un país —para fundamentar nuestras decisiones o para responsabilizar a los gobiernos—, empezaremos con las estadísticas y con los análisis que realizan organizaciones como la Oficina de Estadísticas Nacionales, el Eurostat…

Fíjate en tu reacción emocional. Concédete un segundo para percatarte de cómo hace que te sientas el gráfico: ¿triunfante, a la defensiva, enfadado, festivo? Ten en cuenta este sentimiento.
En segundo lugar, asegúrate de que entiendes la información básica que sustenta el gráfico. ¿Qué significan realmente los ejes? ¿Entiendes lo que se mide o se cuenta? ¿Tienes el contexto necesario para comprender, o el gráfico solo muestra unos pocos datos? Si el gráfico refleja un análisis complejo o los resultados de un experimento, ¿comprendes lo que se ha hecho? Si no estás en posición de valorarlo.
Cuando observes visualizaciones de datos, te irá mucho mejor si tienes en cuenta que es posible que alguien quiera convencerte de algo. No hay nada malo en los gráficos ingeniosamente persuasivos, como tampoco lo hay en las palabras ingeniosamente persuasivas. Y no hay nada malo en que te convenzan y cambies de opinión.
Es posible recabar y analizar cifras de forma que nos ayuden a comprender el mundo. Pero también ha sostenido que, con mucha frecuencia, cometemos errores no porque no dispongamos de datos, sino porque nos negamos a aceptar lo que los datos nos dicen.

En este libro he propuesto diez mandamientos estadísticos.
– Primero, debemos aprender a concedernos un segundo y fijarnos en nuestra reacción emocional ante una afirmación, en lugar de aceptarla o rechazarla por lo que nos hace sentir.
– Segundo, debemos hallar maneras de combinar la perspectiva estadística «a vista de pájaro» con la perspectiva de la experiencia personal «a vista de gusano».
– Tercero, debemos fijarnos en las etiquetas de los datos y preguntarnos si de verdad comprendemos qué describen.
– Cuarto, debemos buscar comparaciones y contexto para poner en perspectiva una afirmación.
– Quinto, debemos verificar de dónde provienen las estadísticas y qué otros datos pueden haberse desvanecido en la oscuridad.
– Sexto, debemos preguntarnos quién o qué falta en los datos y si nuestras conclusiones serían distintas si se incluyeran.
– Séptimo, debemos investigar en profundidad los algoritmos y las bases de datos, y tener en cuenta que sin una transparencia inteligente no son dignos de confianza.
– Octavo, debemos prestar más atención a la base que ofrecen las estadísticas oficiales y a algunos estadísticos heroicos que las protegen.
– Noveno, debemos mirar bajo la superficie de cualquier gráfico o diagrama atractivo a la vista.
– Décimo, debemos mantener la mente abierta.

Soy consciente de que tener diez mandamientos es en gran medida un cliché. En verdad, más que unos mandamientos son unas reglas básicas, o hábitos mentales.
Despertemos la capacidad del asombro, les digo a mis compañeros divulgadores. Encendamos la chispa de la curiosidad y démosle combustible con los métodos ya demostrados desde hace tiempo del arte de narrar, de los personajes, del suspense y del humor. Pero no lo dejemos en manos de los periodistas, de los científicos ni de otros comunicadores de ideas complejas. Debemos ser responsables de nuestra propia curiosidad.
Si queremos comprender el mundo, debemos hacer preguntas: preguntas auténticas, con la mente abierta. Y una vez que empecemos a preguntar, quizá nos parezca deliciosamente difícil parar.
Como dice el refrán: «Solo los burros se aburren». El mundo es mucho más interesante si nos interesamos en él de una manera activa.

Libros del autor comentados en el blog:

https://weedjee.wordpress.com/2015/03/04/el-economista-camuflado-tim-harford/

https://weedjee.wordpress.com/2015/03/05/la-logica-oculta-de-la-vida-tim-harford/

https://weedjee.wordpress.com/2015/06/29/adaptateel-economista-camuflado-te-demostro-como-funciona-el-mundo-tim-harford/

https://weedjee.wordpress.com/2016/07/28/el-economista-camuflado-ataca-de-nuevo-tim-harford/

https://weedjee.wordpress.com/2018/03/26/cincuenta-innovaciones-que-han-cambiado-el-mundo-tim-harford-fifty-inventions-that-shaped-the-modern-economy-by-tim-harford/

https://weedjee.wordpress.com/2018/06/22/el-poder-del-desorden-para-transformar-nuestra-vida-tim-harford-messy-how-to-be-creative-and-resilient-in-a-tidy-minded-world-by-tim-harford/

https://weedjee.wordpress.com/2021/08/13/10-reglas-para-comprender-el-mundo-como-los-numeros-pueden-explicar-y-mejorar-lo-que-sucede-tim-harford-how-to-make-the-world-add-up-ten-rules-for-thinking-differently-about-numbers-by/

—————-

An excellent contribution to the debate from Tim Harford. Although he might have had to twist things a little to arrive at ten rules, his style, stories and approach make for a great read. Quite a bit wasn’t exactly new to me, but even when I knew something about a topic or story, he menaged to add to it. Only thing missing was Twyman’s Law of statistics and data analysis. And one main reason why I dislike multivariate analysis and neural networks so much: you can’t see what’s going on.
He employs an easy to follow mix of anecdotes to highlight wider truths about how we are taken in with:
. disinformation,
. bad research, and
. misplaced motivation.
The message is:
. be aware of your cognitive biases,
. identify thinking errors and to update your predictions.
. understand when you use heuristics (trial and error, a rule of thumb or an educated guess)
. establish how the data is being interpreted and look beyond it
Straightforward and to the point really.

Statistical cynicism is not only a shame, it is a tragedy. If we give in to the idea that we no longer have the power to know what is true, we have lost a vital tool. It is a tool that taught us that cigarettes are deadly. It’s our only real chance to fight our way through the coronavirus crisis or, from a broader perspective, to understand the complex world we live in. But this tool is useless if we limit ourselves to the automatic disregard of any statistics that we do not like. We must not be gullible, of course, but the antidote to gullibility is not not believing in anything, but having the confidence to weigh information with curiosity and healthy skepticism.
Good stats are not a trick, although they are a kind of magic. Good statistics are not smoke or mirrors; in fact, they help us see more clearly.

Not only Bredius fell into this monumental scam, but the entire Dutch art industry. Emmaus Supper was soon sold for 520,000 Dutch guilders to the Boijmans Museum in Rotterdam. Compared with the salaries of the time, it would be the equivalent today of about 11 million euros. Bredius himself contributed to the museum’s acquisition of the work.
Emmaus became the most important painting in the Boijmans Museum, drawing admiring crowds and angry critics. Soon many other works of similar style appeared. Once the first forgery was accepted, it was easier to sneak in the others. They did not fool everyone, but, like Emmaus, they did fool the people it was important to fool. Critics verified them, museums exhibited them, collectors paid large sums for them: a total of more than 110 million euros at the current exchange rate. In financial terms it was a colossal fraud.
But there was more. The Dutch art world revered Vermeer as one of the greatest painters ever. While he painted almost all of his production in the 1660s, he was not rediscovered until the late 19th century.
Van Meegeren admitted to having painted not only the work that was found in the hands of the Nazis, but the Supper at Emmaus and many other alleged works by Vermeer. The fraud was discovered not because someone spotted the gross forgeries, but because the forger confessed. And what else could he do? Selling an irreplaceable Vermeer masterpiece to the Nazis was a crime punishable by hanging, while selling a fake to Göring was not only forgivable, it was even admirable.
But the question remains: how could such a crude forgery fool an expert like Abraham Bredius? And why start a book on statistics with a story that has nothing to do with numbers?
The answer to both questions is the same: when it comes to interpreting the world around us, we must be aware that feelings can overcome experience. When Bredius wrote «I had a hard time controlling my emotion,» he was, unfortunately, right. No one had more knowledge or experience than Bredius, but Van Meegeren figured out how to turn his knowledge and his experience to a disadvantage.
It was the delusional thinking that he confused Abraham Bredius. The art historian had a weak point: his fascination with Vermeer’s religious paintings.
If we do not control our emotions, either when they tell us to doubt or when they tell us to believe, we are in danger of deceiving ourselves.

If we do not understand the statistics, it is very likely that our perception of the world is very partial. It is too easy to convince ourselves that what we see with our eyes is the whole truth; it is not. Understanding causality is difficult even with good statistics, but without them it is impossible.
And even so, if we only look at the statistics, we will not understand much. We must be curious about the world we see, hear, touch and smell, as well as the world that we can analyze in a spreadsheet.
My second tip, therefore, is to try to adopt both perspectives: the worm’s eye view and the bird’s eye view. They will usually show you different things, and sometimes pose a puzzle: How can both visions be true? This is where the investigation should begin. Sometimes the statistics will be misleading; sometimes it will be our eyes that deceive us, and other times the apparent contradiction will be resolved when we understand what is happening. It will often be necessary for us to ask ourselves some smart questions.

Ask what is being told, what stories are behind the statistics. It is natural to think of the skills required to evaluate numbers as numerical: understanding how a percentage is computed, or differentiating the millions from the trillions and the trillions. It’s a mathematical question, right?
What I hope I have shown in the last pages is that the truth is much more subtle and in some cases easier: confusion is more common in words than in numbers. Before you determine whether nurses have been raised, you will first need to know who is covered by the term «nurse.»

In the first turbulent days of the coronavirus pandemic, Scientific American warned journalists that “facts about this epidemic lasting a few days are much more reliable than the latest“ facts ”that have just been reported, which could be erroneous and not very representative and, therefore, misleading […].
Look at the feelings that the statement in question provokes in you; also constructively verify the claim based on your personal experience; Also ask yourself if you really understand what the statement means. They are simple, common sense suggestions, and step back and look for information that provides context. Try to understand the trend.
Neither method is technical; anyone can use them. Together, they can help us a lot to illuminate the statistics. But sometimes it will be necessary to dig a little deeper into how the statistics have been made.

Algorithms that analyze big data are built with data that can have subtle biases. For example, algorithms that are largely configured with pale faces and male voices could be confused when later they had to interpret a woman’s speech or a darker complexion. This is believed to explain why Google’s photo software confused photos of dark-skinned people with photos of gorillas; why Hewlett Packard webcams had a harder time activating when people with darker skin tones were in front of them, and Nikon’s cameras, programmed to take another photo when someone blinks, repeats photos of people from China, Japan or Korea because they mistake Asian eyes for a blink. The new applications that have been launched in the spring of 2020 ensure that they hear the cough and detect if we have Covid-19 or some other disease. Will they be able to overcome these obstacles?
One thing is for sure: if algorithms are shown a biased view of the world, they will come to a biased conclusion.
Unless we collect the data ourselves, there is a limit to what we can do to combat the problem of missing data. But we can and should remember to ask who or what is missing from the data they give us. Some figures that we overlook are obvious.
Large databases may seem complete and can be very useful, but N = Everything is usually a seductive illusion: it is easy to assume without guarantees that we have everything that is important. We must always ask who and what is missing. And this is just one of the reasons to interpret big data with caution. Big data represents a huge and unknown change in obtaining statistics.

Big data is revolutionizing the world around us, and it’s easy to feel alienated by these computers making decisions in ways we don’t understand. I think there are reasons to be concerned. Modern data analytics can yield some miraculous results, but in general, big data can be trusted less than micro data. Microdata can usually be scrutinized; Big data, on the other hand, is often locked in a Silicon Valley chest. The simple statistical tools used to analyze microdata are generally easy to verify; algorithms that recognize patterns are often mysterious and turn into commercially sensitive black boxes.

Even when statistics are collected with all the rigor and independence that one might expect, they will never be perfect. Some things that worry us are difficult to measure, such as domestic violence, tax evasion, or people sleeping on the streets. There is no doubt that there is plenty of room for the data collected by official statistics to be more representative, relevant and easy to reconcile with daily experience, and fully transparent. The more they succeed, the more they will deserve our trust.
But, with all its problems and weaknesses, official statistics are the closest thing we have to fundamental data. When a country selects and defends a team of capable, professional and independent statisticians, the facts find a way to be known. When a country’s national statistics are flawed, the international community of statisticians will point them out. When an independent statistician is attacked or threatened by politicians, that same community will support and defend him. Statisticians are braver than most of us think. Its independence cannot be taken for granted nor can it be undermined with indifference.
As citizens, we must seek that statistical base. If we want to understand the situation in which a country finds itself – to inform our decisions or to hold governments accountable – we will start with statistics and with the analyzes carried out by organizations such as the Office for National Statistics, Eurostat …

Take a look at your emotional reaction. Give yourself a second to notice how the graph makes you feel: triumphant, defensive, angry, festive? Be aware of this feeling.
Second, make sure you understand the basic information behind the graph. What do the axes really mean? Do you understand what is measured or counted? Do you have the necessary context to understand, or does the graph only show a little data? If the graph reflects a complex analysis or the results of an experiment, do you understand what has been done? If you are not in a position to value it.
When you look at data visualizations, you will do much better if you consider that someone might want to convince you of something. There is nothing wrong with cleverly persuasive graphics, just as there is nothing wrong with cleverly persuasive words. And there is nothing wrong with being convinced and changing your mind.
Numbers can be collected and analyzed in a way that helps us understand the world. But he has also argued that too often we make mistakes not because we don’t have the data, but because we refuse to accept what the data tells us.

In this book I have proposed ten statistical commandments.
– First, we must learn to give ourselves a second and focus on our emotional reaction to a statement, instead of accepting or rejecting it because of what it makes us feel.
– Second, we must find ways to combine the statistical perspective «bird’s eye view» with the perspective of personal experience «worm’s eye.»
– Third, we must look at the data labels and ask ourselves if we really understand what they describe.
– Fourth, we must look for comparisons and context to put a claim into perspective.
– Fifth, we need to check where the statistics come from and what other data may have faded into obscurity.
– Sixth, we must ask ourselves who or what is missing from the data and if our conclusions would be different if they were included.
– Seventh, we must investigate algorithms and databases in depth, and bear in mind that without intelligent transparency they are not trustworthy.
– Eighth, we must pay more attention to the base offered by the official statistics and to some heroic statistics that protect them.
– Ninth, we must look beneath the surface of any eye-catching graph or diagram.
– Tenth, we must keep an open mind.

I am aware that having ten commandments is largely a cliché. In truth, more than some commandments they are basic rules, or mental habits.
Let’s awaken the capacity for astonishment, I tell my fellow disseminators. Let’s light the spark of curiosity and fuel it with long-proven methods of storytelling, characters, suspense and humor. But let’s not leave it to journalists, scientists or other communicators of complex ideas. We must be responsible for our own curiosity.
If we want to understand the world, we must ask questions: real questions, with an open mind. And once we start asking, it may seem delightfully difficult to stop.
As the saying goes: «Only donkeys get bored.» The world is much more interesting if we take an active interest in it.

Books from the author commented in the blog:

https://weedjee.wordpress.com/2015/03/04/el-economista-camuflado-tim-harford/

https://weedjee.wordpress.com/2015/03/05/la-logica-oculta-de-la-vida-tim-harford/

https://weedjee.wordpress.com/2015/06/29/adaptateel-economista-camuflado-te-demostro-como-funciona-el-mundo-tim-harford/

https://weedjee.wordpress.com/2016/07/28/el-economista-camuflado-ataca-de-nuevo-tim-harford/

https://weedjee.wordpress.com/2018/03/26/cincuenta-innovaciones-que-han-cambiado-el-mundo-tim-harford-fifty-inventions-that-shaped-the-modern-economy-by-tim-harford/

https://weedjee.wordpress.com/2018/06/22/el-poder-del-desorden-para-transformar-nuestra-vida-tim-harford-messy-how-to-be-creative-and-resilient-in-a-tidy-minded-world-by-tim-harford/

https://weedjee.wordpress.com/2021/08/13/10-reglas-para-comprender-el-mundo-como-los-numeros-pueden-explicar-y-mejorar-lo-que-sucede-tim-harford-how-to-make-the-world-add-up-ten-rules-for-thinking-differently-about-numbers-by/

Deja una respuesta

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.