稻草人
Straw Man
把对方的观点歪曲成更极端、更脆弱的版本,再攻击这个替身。
“我觉得周会可以短一点。”“你就是想让团队完全不沟通。”
先把我的原话复述一遍:我说的是缩短,不是取消。你反对的是哪一部分?
不是为了赢,是为了把话说清楚。
生活里的逻辑谬误,往往不像教科书。它可能出现在一场周会、一句广告,或一次家庭争论里。
翻一张,先认出它,再用一句话把讨论拉回事实。
Straw Man
把对方的观点歪曲成更极端、更脆弱的版本,再攻击这个替身。
“我觉得周会可以短一点。”“你就是想让团队完全不沟通。”
先把我的原话复述一遍:我说的是缩短,不是取消。你反对的是哪一部分?
Equivocation
论证中悄悄改变同一个词的含义,让结论看似顺理成章。
“这款饮料是天然配方,天然的东西当然都更健康。”
这里的“天然”分别指来源还是健康?来源天然不等于风险更低。
False Dilemma
把本来有多种可能的局面压缩成非此即彼的两个选项。
“你不支持这个方案,那就是不在乎项目。”
不支持当前方案不等于否定目标。还有哪些可替代的实现方式?
Slippery Slope
声称一个小变化必然引发一连串严重后果,却没有补足中间因果。
“今天允许居家一天,以后肯定没人来公司了。”
从一天居家到没人到岗,中间每一步发生的依据是什么?
Composition
认为个体具有的性质,组合成整体后也必然具有。
“每个队员都很强,这支队伍一定配合最好。”
个人能力和团队配合是两项指标,有整体协作的数据吗?
Division
认为整体具有的性质,其中每个成员也必然具有。
“这家公司利润很高,所以每位员工收入一定很高。”
公司利润如何分配?整体指标不能直接说明个人情况。
Ad Hominem
不回应观点本身,转而攻击提出观点的人的身份、动机或品格。
“你连驾照都没考,凭什么讨论城市交通?”
我的经历不决定论据真假,请指出数据或推理具体哪里不成立。
Appeal to Authority
只凭权威人物的背书就断定结论正确,忽略其专业范围和证据。
“那位明星都推荐了,这个保健品肯定有效。”
推荐者在这个领域有什么专业依据?能否看直接证据?
Appeal to Ignorance
因为某事尚未被证明为假,就认定它为真,反之亦然。
“没人证明这个传言是假的,所以它大概是真的。”
缺少反证不是正面证据。支持这个说法的证据是什么?
Circular Reasoning
把结论换一种说法放回前提,表面解释,实际没有提供新依据。
“他很可靠,因为他是一个值得信赖的人。”
“值得信赖”只是“可靠”的改写,能给出可验证的行为吗?
Red Herring
引入看似相关但并不回答原问题的话题,把注意力带走。
“这次预算为什么超支?”“我们团队最近真的非常辛苦。”
辛苦值得被看见,但先回到预算:具体哪几项超出了计划?
Tu Quoque
用对方也犯过类似错误来回避对当前行为的质疑。
“你自己上周也迟到,凭什么说我?”
我的迟到可以另谈,但不改变今天这次迟到需要解释。
Burden of Proof
提出主张的人不举证,反而要求质疑者证明它不成立。
“你证明不了这方法没用,那就该先相信它有用。”
谁提出主张,谁先提供支持证据。有效性的证据在哪里?
Bandwagon
因为很多人相信或选择某事,就认定它一定正确或更好。
“全办公室都在买这只基金,肯定不会错。”
流行度不等于可靠性,我们看收益、风险与适配条件。
Appeal to Fear
用可怕后果制造压力,代替对主张本身的证明。
“不马上买这份课,你很快就会被同龄人淘汰。”
先放下最坏想象。这门课能带来什么可验证的提升?
Appeal to Pity
用同情心影响判断,却没有回答规则或事实层面的问题。
“我熬夜做了三天,所以这份作业应该得高分。”
投入值得理解,但评分仍要对应质量标准,具体达成了哪些?
Appeal to Ridicule
把观点描述得可笑,用嘲弄制造它已经被驳倒的印象。
“还想骑车上班?你以为自己在拍文艺片吗?”
好不好笑不影响可行性,请说说路线或时间上的具体问题。
Loaded Language
使用带强烈褒贬的措辞预设立场,让情绪抢在证据前面。
“只有冷血的人才会反对这个善意提案。”
先去掉“冷血”的标签,提案的成本和效果分别是什么?
Post Hoc
因为一件事发生在另一件事之后,就认定前者导致了后者。
“换了手机壁纸后拿到订单,这张壁纸旺我。”
时间先后不等于因果,还有哪些同时变化的因素?
Correlation ≠ Causation
看到两个变量一起变化,就断定其中一个造成另一个。
“喝咖啡的人加班更多,说明咖啡导致加班。”
也可能是加班让人喝咖啡,或有第三个因素。如何区分?
Single Cause
把复杂结果全部归结于一个原因,忽略多因素共同作用。
“这个产品没火,就是因为图标颜色选错了。”
颜色可能有影响,但渠道、需求、定价的数据分别怎样?
Gambler’s Fallacy
误以为独立随机事件会记住过去,之前的结果会改变下一次概率。
“已经连续五次没中奖,下一次肯定该中了。”
如果每次独立,之前的结果不会提高下一次的概率。
Cherry Picking
只挑支持自己结论的证据,刻意忽略冲突的数据。
“这家店肯定好吃,你看我挑的三条五星评论。”
这三条是否有代表性?把完整评分分布和差评也一起看。
Hasty Generalization
根据太少或不具代表性的样本,匆忙推断整个群体。
“我遇到两个态度差的导游,这个城市的人都不友好。”
两个个案不足以代表整座城市,需要多大、怎样的样本?
Survivorship Bias
只观察成功留下来的对象,忽略大量没有被看见的失败者。
“退学创业的名人很多,读书看来并不重要。”
我们看见了成功者,那些同样退学却失败的人有多少?
Anecdotal Evidence
用个人故事或个别经历,替代系统数据来证明普遍结论。
“我朋友从不运动也很健康,所以运动没必要。”
个例可以提示可能性,但不能代表总体,整体研究怎么说?
Texas Sharpshooter
先看到随机结果,再圈出符合模式的部分,假装这个模式早已被预测。
“我梦见数字 7,今天刚好 7 号,梦果然会预言。”
这个规则是事前定的吗?没对上的梦和数字也统计了吗?
换个词,或清除筛选再翻翻。