抽血可以輔助乳癌檢測？ 從德國烏龍事件談被誇大的科學新聞

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文／郭雅欣、簡克志
• 美術設計／蔡宛潔

因果關係怎麼研究？

在日常生活的經驗裡，我們往往習慣以主觀的角度來認定因果關係的存在，但在數理統計的協助下，因果關係可以擁有科學定義，並且可以驗證。中央研究院「研之有物」專訪院內統計科學研究所黃彥棕研究員，他的主要研究便是以數理統計的方式來探討因果關係（例如生物體的複雜機轉）。有了統計方法，人類也能接近上帝視角，找出因果關係的存在。

以數理統計驗證因果關係

我們絕大多數人相信「凡事必有因果」這句話，例如今天腹瀉，是因為昨天晚餐吃壞肚子；考試沒考好，是因為書念得不夠。但是仔細想想，造成今天拉肚子的原因，除了昨天的晚餐之外，還有沒有別的可能？影響考試成績的因素，除了書念得夠不夠之外，考試環境、考題難易度也都會影響。

所以，我們究竟該如何確定兩件事有因果關係？有沒有什麼科學方法，可以讓我們帶著十足的把握，說出「X 就是造成 Y 結果的原因」這樣的話語？

中研院統計所研究員黃彥棕，擅長以數理統計的方式來思考因果關係，除此之外他更進一步在數學上探討「X 透過何種機制造成 Y」，也就是所謂的「因果中介效應」。有興趣的讀者，可以參考「研之有物」之前專訪黃彥棕老師的文章〈喝酒臉紅易罹癌？小時候家裡窮會胖？統計學家黃彥棕來解答〉。

回到因果關係，黃彥棕說到：「因果關係是屬於上帝視角。」也就是說，兩件事之間究竟有無因果關係，理論上只有全知者才知道，而我們能做的，是以數理統計的方式，「從人類視角盡可能地逼近上帝視角，來判斷因果關係是否存在。」

何謂因果關係？

為什麼說「因果存在與否只有上帝才知道」？因果關係建立在「反事實」，如果有一個事實是「打疫苗，就不容易感染 COVID-19」，則我們必須驗證是否「不打疫苗，就容易感染 COVID-19」，這就是反事實。有了事實與反事實的比對，我們才能說「打疫苗」與「不易感染 COVID-19」有因果關係。

不過，除非有時光機或平行宇宙，否則我們不可能讓全世界的人打疫苗，並觀察感染情況；然後又讓全世界的人都不打疫苗，並再次觀察染病狀況。只有全知者才能同時觀察這兩個平行宇宙，得知因果關係。黃彥棕說，身處現實世界的我們，只能盡可能地逼近這個結果。

用數學語言來描述因果關係，最被廣泛使用的架構是由美國統計學家 Donald Rubin 提出的反事實結果（counterfactual outcome）或潛在結果（potential outcome）。值得一提的是，過去 Rubin 也曾與 2021 年諾貝爾經濟學獎得主 Joshua Angrist 和 Guido Imbens 共同發表重要論文〈使用工具變量確認因果效應〉。

以下我們就以疫苗和傳染病為例，以反事實架構來說明「X 導致 Y」的群體因果效應。先假設 X 為民眾施打疫苗與否（ 0：不打疫苗，1：打疫苗），而 Y 為得傳染病與否（0：不染病，1：染病），並使用期望值 E 來描述群體平均效應，詳細如下圖。

如果我們觀察到 E［Y（X＝1）］＝0.1，也就是有打疫苗的人染病機率是 10 %。那麼在反事實因果推論的基礎上，我們必須檢驗 E［Y（X＝0）］ 等於多少，也就是不打疫苗的染病機率。只要 E［Y（X＝1）］ ≠ E［Y（X＝0）］，就代表 X 和 Y 之間具有因果關係。

然而，實務上打完疫苗的人不可能再回復到沒打疫苗的狀態，因此我們沒有辦法再次對同一群母體樣本做實驗來驗證因果關係，僅能退而求其次，「盡量貼近」因果關係。那麼，要怎麼做呢？

有反事實的對照，才有因果關係。

逼近神的因果視角

如果我們把全世界的人分成兩半，其中一半打疫苗、另一半不打疫苗，然後用打疫苗的那一半代表一個宇宙（事實），不打疫苗的代表另一個宇宙（反事實），不就創造出兩個平行宇宙了嗎？

這是一種很直觀的逼近方法，但若要讓一半的人能夠代表一整個宇宙，則有一個重要的前提：這兩個宇宙裡的人是隨機分配的，也就是這兩群人在各個層面都很相似，例如年齡、性別、健康狀況甚至政治傾向等，以專業術語來說就是必須具有可互換性（exchangeability）。藥廠在做疫苗人體實驗時，就必須以非常嚴謹的方式讓受試者盡可能達到隨機分配，才能得到「疫苗是否有效」的科學結果。

不過，在大多數狀況下，我們很難做到隨機分配。舉例來說，臺灣開放施打 COVID-19 疫苗後，截至 2021 年 10 月 29 日為止，有將近 1700 萬人施打第一劑疫苗，但我們不能把這 1700 萬人視為有打疫苗的宇宙，而另一群沒打疫苗的 600 萬人視為沒打疫苗的宇宙，因為打不打疫苗是人民自由選擇的結果，有很多因素會影響個人選擇，例如比較有健康意識，或是比較年輕、不擔心副作用的人，可能就比較傾向打疫苗。

即使統計結果顯示出打疫苗的人，感染 COVID-19 的比例真的比較低，我們也很難分辨是因為打疫苗，還是他們本來就比較年輕？或本來就比較健康？「這是所謂的『觀察型研究』，容易出現因果推論謬誤的原因。」黃彥棕說。

然而，我們可以用數理統計的方式逼近真實的因果效應，例如控制年齡、健康狀況——兩方都取 50～60 歲的年齡層，並且都是沒有心血管疾病的人等。黃彥棕說：「我們依據自己的背景知識，知道有哪些因素會影響隨機性，然後使用統計的方式，把它們抓出來做控制。」

理論上統計學家可以把所有可能造成偏誤的因子都舉出來，透過一層層地篩選、限縮，最後得出許多個小小的族群，讓隨機性成立。

之後，透過每一組小小的隨機族群（例如年齡 50～60 歲、沒有心血管疾病、男性、具健康意識……等，統稱為 C），讓 Y 的發生和特定條件 C 之下的 X 群體無關，我們就可以得到逼近兩個平行宇宙的資料（有打疫苗、沒打疫苗），最後再把各族群的結果加權平均回來。就可以貼近上帝視角的因果效應。

以數學語言來說，就是讓條件期望值（E［Y｜X＝x , C＝c）］）的計算透過加權平均等同於反事實結果之期望值（E［Y（X＝x）］）的效果。我們沒有時光機，無法透過事實／反事實結果之期望值檢驗全體打疫苗和不打疫苗的因果關係（E［Y（X＝1）］ ≠ E［Y（X＝0）］ 嗎？）；但是我們可以透過各種條件的篩選和限縮，去計算每個具備可互換性小群體的條件期望值，最後加權平均回來，檢視打疫苗與得病與否的因果關係（∑_c E［Y｜X＝1 , C＝c］＊P（C＝c） ≠ ∑_c E［Y｜X＝0 , C＝c］＊P（C＝c）嗎？），這才是實務上的作法。

問題來了，要怎麼知道我們是否窮舉了所有可能造成偏誤的因子？我們的確不知道，只有上帝知道，這是個假設，而且是個很難驗證的假設。

「在控制了年齡、性別、健康狀況等條件的情況下，我們希望可以讓隨機性成立。」

黃彥棕的研究讓因果關係在嚴謹的數學架構下，得以辨證、溝通，而不是只仰賴直觀的思考。因果的存在變得更加科學化，而這也使因果的探討可以進入更深的層次。

被競爭結果和時間擾亂的因果關係

更進階的因果探討層次，是將時間因素考慮進來。黃彥棕以「B 型肝炎」造成「肝癌」，然後導致「死亡」為例，若想探討這三者間的因果關係時，會發生一個問題，那就是有 B 型肝炎的人，有可能容易因猛爆性肝炎而直接死亡，而這樣的個案在統計上，因為他並沒有得到肝癌，而對「肝癌」這個中介因子造成了「保護」的效果。

「這就是肝癌和死亡這兩個競爭結果造成的影響，而這個競爭關係又會隨著時間推移而改變。肝癌、死亡有時間進程關係，一旦 B 型肝炎患者因猛爆性肝炎死亡了，他就不可能再得肝癌。」更清楚地說，B 型肝炎患者可能還「來不及」得肝癌，就因猛爆性肝炎直接跳到死亡。在界定 B 型肝炎與肝癌之間的因果關係時，這樣的結果會造成偏誤。

黃彥棕將時間因素考慮進來的方法，是把整個時程切割成非常多小段，在每個小段創造一個反事實架構，也就是分析每一位在某小段時間活著的 B 型肝炎患者，把他們分成已得到肝癌及還沒得到肝癌，並考慮這兩組患者在下一個瞬間死亡的可能性，再將這些結果積分起來，得到在隨機過程架構之下的平行宇宙們。

「我等於是在每一個瞬間都製造多個平行宇宙（無 B 肝／無肝癌、無 B 肝／有肝癌、有 B 肝／無肝癌、有 B 肝／有肝癌）出來，這樣做可以避免前面說的蓋牌效應。但你可以想像我所得到的平行宇宙數量……嗯，就跟《奇異博士》看到的差不多。」

「我認為我在這領域的部分貢獻，或許是提出了這樣一個會隨著時間推移的反事實架構。」黃彥棕說。他的論文發表出來後不久，也引起了期刊的興趣，邀請了相關領域的許多專家，探討他所提出的因果模型。

研究因果的動機

談起對因果關係研究的動機，黃彥棕說，以前在醫學系實習時，會看到開同樣的藥給病人，有些病人會好，有些人不會。這種「不確定性」開始讓他覺得好奇。他說：「我可以接受事情就是會有隨機性，但還是很想搞清楚這樣的不確定性是怎麼來的。」

最近，黃彥棕也發現許多人會把「預測」和「因果」搞混，尤其是現在人工智慧（AI）發展出的預測模型表現愈來愈好，有些做 AI 預測模型的人，會誤以為能夠用預測表現良好的模型，來得到因果關係。

舉例來說，一個模型可以透過一個人是否抽菸，來預測他得肺癌的機率，也可以透過一個人身上是否攜帶著打火機，來預測肺癌機率。「但我們知道抽菸與肺癌有因果關係，而帶打火機與否應該是不會造成任何增加肺癌風險的生物效應的。」黃彥棕說。

「抽菸」與「帶打火機」都能成為 AI 模型預測肺癌時採用的因子，但顯然並非代表它們與肺癌都有因果關係。黃彥棕接著說：「雖然預測未必需要因果關係，但是，決策就需要因果關係的支持。若要降低肺癌風險，政府較合理的做法是下令禁菸，而不是禁打火機。但要看到因果是比較困難的，它先天上的限制使它難以驗證，這個挑戰也是因果推論的迷人之處。」

最後，黃彥棕切身感受到因果關係的重要性，尤其是藥廠研發藥物或是臨床醫學等領域的應用。而他在反事實架構上考慮時間因素的突破，讓因果推論的知識又更往前推進。反事實因果推論的數學模型，讓人類能夠有深刻的思考，去檢視深藏在直觀表面之下的因果性與相關性。

延伸閱讀

• Huang, Y. T. (2021). Causal mediation of semicompeting risks. Biometrics, 77(4), 1143–1154.
• Jaeger, D. A. (2021, October 19). Nobel economics prize winners showed economists how to turn the real world into their laboratory. The Conversation. Retrieved May 18, 2022.
• 黃彥棕（2021）。〈淺談因果：是宗教，是哲學，也是科學〉，《中研院訊》。
• 簡鈺璇（2020）。〈補習有用嗎？反事實分析的發現可能和你想的不一樣〉，《科技大觀園》。
• 林婷嫻（2019）。〈喝酒臉紅易罹癌？小時候家裡窮會胖？統計學家黃彥棕來解答〉，《研之有物》。
• 黃彥棕（2019）。〈因果中介模型〉，《自然科學簡訊》，31(1): 24-28。

本文轉載自 Liou YanTing 臉書【相關、因果，傻傻分不清楚】

文／劉彥廷

你一定曾經在網路上看過類似像這樣的研究：

• 「婚禮花費越高，離婚率越高」
• 「家中藏書越豐富，小朋友越聰明」
• 「性生活越活躍的人，越少生病，身體越健康」
• 「抽雪茄的人更長壽」

不曉得你看到這些訊息時，第一反應會是什麼？

是嘴角上揚，莞爾而笑；還是點點頭，對結論表示贊同；又或者是眉頭緊蹙，心想：「嗯……好像哪裡怪怪的。」面對這些試圖告訴你「兩個事件關聯性」的資訊，有思辨習慣的人，會如何思考、解讀它們呢？

今天，就來和你分享一下，要正確理解這些訊息，得先有個概念，叫做——「相關，並不等於因果」。

冰淇淋銷售量與溺死人數

重要的事多說一遍：「相關，不等於因果。」

舉個經典的案例，「研究發現，冰淇淋銷售量越高，溺水死亡人數越多」，也就是「冰淇淋銷量」和「溺死人數」這兩個事件，或者說變數——呈現了「高度正相關」。

相信看到這樣的訊息，任何心智能力正常的人，都不會下結論說：冰淇淋「造成」了溺水。因為所有人都知道，「冰淇淋銷量」與「溺死人數」雖然有相關，但它們並沒有因果關係。

那問題就來了，「為什麼沒有因果關係的兩個事件，彼此會有相關呢？」

聰明的你，一定已經想到了。在這個例子的背後，藏著另一個變因，叫做——「季節」。在夏天，冰淇淋賣得好，銷售量高；同時，在夏天，去玩水的人比較多，意外溺水身亡的人也比較多。這兩個「獨立的事件」，同時並列在一起，就讓「冰淇淋銷量」和「溺死人數」有了相關性。

一旦我們將「季節」這個變因排除，用科學語言來說，叫做「控制住」——兩個事件的相關性就消失了。

表面上相關的史丹佛棉花糖實驗

在日常生活中，有些事件的相關性很單純，就像冰淇淋與溺水的例子，不會讓人誤判，讓人真的以為它們有因果關係。但有很多例子，就沒這麼容易判斷了，甚至，連受過專業訓練的科學家也會誤判。例如你可能聽過的經典實驗——「史丹佛棉花糖」實驗。

史丹佛大學的研究人員找了一群孩子，讓他們單獨待在房間中，並在面前放置一顆棉花糖，接著告訴他們：「如果你能堅持 15 分鐘，不把這顆棉花糖吃掉，你就能得到兩顆棉花糖。」

之後，研究人員對這些孩子們進行了多年的追蹤，並得出一個結論：「那些沒有在一開始吃掉棉花糖的小朋友，也就是擁有『延遲滿足能力』的小朋友，有更好的人生表現。」

這個實驗的結論以及它帶來的啟發，對兒童教育有著極大的影響。許多家長、老師都不約而同的，開始強調要訓練、培養孩子的「延遲滿足能力」。你在博客來搜尋「棉花糖」這幾個關鍵字，也能查到一堆親子教養的書籍。

但你知道嗎？這個實驗結論已經被證明是有問題的了！

後來有研究團隊又重複做了實驗，但這次，他們特別將「家庭背景」這項因素控制起來，結果發現，「延遲滿足能力」與「未來成就」的相關性就不見了。

什麼意思呢？翻譯成白話文就是：決定小朋友未來成就的主要因素，並不是什麼延遲滿足的能力，而是你家裡有沒有錢啊！

那些家裡有錢的小朋友，對他們來說，平常有太多機會可以吃到好吃的糖果、零食，當然實驗時，更容易忍住不吃棉花糖；而家裡越有錢，將來越有機會取得成功，這不是很理所當然的事情嗎？

你看，連這麼有名的實驗，都會犯「相關不等於因果」的錯誤。那我們應該如何正確地看待，這些「表面上有相關」的兩個事件呢？

有相關的五種可能性

當我們說 A 和 B 有相關時，從邏輯的角度來看，有五種可能，接下來我們會依序來舉例說明一下。

相關不是因果，是 A 造成 B，還是 B 造成 A？

舉個例子，研究發現「性生活越活躍的人，越少生病，身體越健康」。

這則訊息最直觀的解讀也許是，「性生活會讓人更健康」，這叫 A 造成了 B。但有沒有可能反過來是 B 造成了 A 呢？也就是──不是性生活讓人健康，而是越健康的人，才可能有活躍、高頻率的性生活啊！

這樣的思考、解讀，是不是也是一種可能，而且更合理呢？

並非是完整的原因，A 造成 B，但 C 也會造成 B

這種情況簡單來說，就是「一果多因」。我們在現實世界遇到的許多問題，都屬於這一類型。

舉個例子，如果想要證明「死刑具有嚇阻力」，你覺得，需要什麼樣的數據或資料呢？以下是兩種常見的答案：

• 第一種，上網找已經廢除死刑的國家，比較這個國家在廢除死刑前後，犯罪率的變化。如果在廢除死刑後，犯罪率有顯著的上升，那麼就證明了——「死刑的確具有嚇阻力」。
• 第二種，上網找找看，有沒有「曾經」廢除死刑，但之後又恢復死刑的國家，比較這個國家在恢復死刑前後，犯罪率的變化。如果在恢復死刑後，犯罪率有顯著的下降，那麼就證明了——「死刑的確具有嚇阻力」。

這兩種答案，雖然切入的角度不一樣，但背後的思考邏輯都相同，都是試圖以死刑和犯罪率的「因果關係」，來證明死刑具有嚇阻力。

但如果我們再多想一層，這兩組數據，真的可以證明「死刑和犯罪率具有因果關係」嗎？要知道，犯罪是一個複雜的社會問題，影響犯罪率高低的原因有很多，而有沒有死刑，只是眾多原因之一，並不是唯一。

所以，以第一組數據來說，一個國家在廢除死刑後，犯罪率上升。除了廢死這個原因，導致了犯罪率上升外，還有沒有可能有其他原因？比如說，在廢除死刑時，剛好遇到了金融海嘯，或是某個重大災難，導致社會動盪不安、失業率上升，犯罪率也連帶跟著上升。

同樣道理，對於第二組數據來說，一個國家在恢復死刑後，犯罪率下降。除了死刑導致犯罪率下降這種解釋外，有沒有一種可能是，犯罪率下降的原因，是因為這個國家基礎教育做得好、人民素質足夠高，即便沒有死刑，犯罪率也會下降。

在沒有「排除」、「控制」影響犯罪率的「其他變因」之前，如何保證犯罪率的上升或下降，真的是因為死刑存廢所造成的呢？

C 造成 A，同時，C 也會造成 B

前面提到的「冰淇淋與溺水」、「棉花糖實驗」都是這樣的例子，也就是存在一個「隱藏變因」C，同時影響了 A 和 B，以下我再提幾個例子：

• 像是「家中藏書越豐富，小朋友越聰明」，你覺得是大量的藏書，讓孩子變得更聰明了，還是有其他隱藏變因，會讓家中藏書更豐富，同時，也會讓小朋友更聰明呢？
• 又或者是「哈佛畢業生薪水比它校畢業生高」，你覺得是念哈佛，會讓你薪水更高，還是有其他隱藏變因，會讓你容易申請上哈佛，同時，也容易拿到較高的薪水呢？

聰明的你，一定能想到答案。

偽相關，又稱「純屬巧合」

這種純屬巧合的相關，也被稱為「偽相關」。美國有個網站，就蒐集了許多偽相關的數據案例，其中有不少讓人哭笑不得的例子。

例如：「影星尼可拉斯凱吉拍過的電影」和「游泳池溺死人數」，呈現高度正相關；「美國小姐的年齡」和「因取暖設備喪命的人數」，也呈現高度正相關。

看到「有關聯性」，先別急著下定論

行文至此，也寫了快 3000 字。

感謝你願意看完這篇文章，在注意力稀缺的時代，要在社群媒體上看完一篇 3000 字的文章，實屬不易；希望你的大腦還承受得住，沒有當機。

最後總結整理一下，以後若看到一則訊息，試圖告訴你「兩個事件的關聯性」時，在接受它之前，不妨試著先在腦中思考這幾個問題：

1. 是前者造成了後者，還是，後者造成了前者其實也說得通呢？——就像「性生活和身體健康」的例子。
2. 有沒有其他可能的原因，也會造成同樣結果？——就像死刑嚇阻力的例子。
3. 有沒有隱藏變因會同時影響兩者？——就像「冰淇淋和溺水」和經典的「棉花糖實驗」的例子。
4. 有沒有可能是純屬巧合？

• 文／世新大學新聞系助理教授 陳秀鳳
  本文轉載自新興科技媒體中心，原文為《「多工」與「趕工」生態：臺灣媒體與科學新聞的距離》

科學是個很長的故事，媒體要的卻只是快門的一瞬間

「一個國家級科研單位召開記者會，記者姍姍來遲，發佈會上，大部分記者忙著埋頭抄新聞稿打字趕即時，因為無法專心聽簡報，簡報完畢，沒提出太多問題，記者會也匆匆結束。」隨著媒體開放，在市場導向下，這是科學（科技）線資深記者李宗祐，與我分享的日常觀察。

科學傳播研究裡有一句名言是：「科學是個很長的故事，媒體要的卻只是快門的一瞬間。」；這句話某種程度說明了「科學」與「媒體」原本就是本質上十分悖離的兩種文化，因此要將這兩種文化結合地很好，需要付出很大的努力與成本。¹

然而，在現今社群媒體蓬勃、網路眾聲喧嘩下，臺灣媒體處於眼球競爭²的生態中，加上新聞報導網路化、即時化、破碎化，使得第一線記者處於「多工」與「趕工」的狀態，多數記者在來不及思考，也缺乏挖掘新聞企圖心的情況下，變成只能拍照、抄新聞稿。就如資深科學記者李宗祐所說：「除非發佈單位本身很會寫新聞稿，否則記者抄寫的新聞，可讀性不高，點閱率也偏低。」

一則科學新聞不論是探討的題材、角度、資料的蒐集，與受訪者的溝通、採訪與後製的技能，它所需要的人力、物力與時間都比一般新聞更多，不是非科學新聞所能比擬。同時，科學家與記者間的認知差異也需要溝通。以電視媒體為例，記者必須能將科學內容轉換、詮釋、編輯、結合影像與聲光，使科學新聞更加豐富而吸引人。但是在當前講求收視率、投資報酬率、以及網路速食新聞的環境中，電視新聞要如何採製科學新聞？首先必須瞭解科學家與記者之間的認知差異。

歐洲聯盟執行委員會（European Commission）在出版的「傳播科學：科學家的致勝寶典」³中歸納出以下六點：

1. 新聞記者一如公眾輿論，期待科學提供肯定的答案；但科學主要就是要提出問題與疑義，再嘗試作出解答。
2. 記者努力找出故事中的感性層面，而科學家則力求中立客觀。有時科學家認為激情只是譁眾取寵，也有時這只是行銷故事的「調味料」。
3. 記者尋找結果，即使是暫時性的、片段性的、或者有些激情的結果。但科學家們寧願在實驗室裡仔細的反覆驗證，極少出來大喊「我發現了！」。
4. 記者喜歡撰寫「科學家獨自達成革命性發現」的故事。但科學家卻認為科學是具累積性與合作性的事業，即使是牛頓也承認他的成功是「站在巨人的肩膀上」。
5. 記者尋找對立性，科學家尋求共識性。科學家認為，精確就是代表著遵循權威性一致說法，記者則認為具差異性的言論，才能帶來完整的故事。
6. 記者來去匆匆，因為有不斷逼近的截稿日期，而且必須要填滿指定篇幅，不論報導是文字或是數分鐘的電視播出，無論如何都須要帶著採訪成果回去。相反的，科學家的進度是依據研究自然推展。

因為前述六項認知的差異，使得科學新聞的產製面臨一般新聞採製不會發生的問題，科學新聞也被歸為「冷門路線」，在平面媒體多半被視為副線，在電子媒體則根本沒有主跑這條路線的記者。尤其新媒體興起，原本的紙媒多轉向經營數位部門、主打網路即時新聞，一天只發行一次的報紙反成為副產品。以蘋果日報為例，報紙本身已經沒有配置記者，每日的新聞是從數位部門檢選編輯而成。中國時報、聯合報雖仍有報紙記者編制，但人數已不若網路數位部門，而且多半一人多工，寫稿、拍照、攝影，還要同時拚即時新聞。

科學新聞重要，卻難產

過去中國時報曾經相當重視《科學》（Science）《自然》（Nature）等期刊的報導（其中以太空天文及疫病領域的相關議題較受讀者青睞），但隨著媒體開放百家爭鳴，點閱率日降，加上報紙版面有限，科學新聞不容易採寫、讀者又是小眾，互動性不強，於是高互動、又容易取得的網路鄉民言論，逐漸取代紙媒的呈現方式。聯合報教育版於 2005 年底曾推出「新聞中的科學」專欄，在各類新聞中選出與科學、生活新知相關的主題，由資深記者聯合執筆，這是國科會（今科技部）經費支援的科普計畫之一，多年來亦養成一群固定的小眾讀者。可惜的是，隨著計畫結束，「新聞中的科學」專欄終無以為繼。在電視媒體方面，近年經營有成、頗具口碑的民視新聞台每週六上午播出的「科學再發現」，以及台視新聞「發現科學」單元，收視狀況雖差強人意，但最近也都因為補助停止而陸續結束。

儘管社會普遍承認科學傳播的重要性，從國科會時代開始即持續補助媒體產業於科學新聞與科普節目的製作，惟因科學新聞的產製涉及複雜的專業知識和採製技能，不論是平面或是電視媒體，基於商業和收視考量，常忽略其發展，或是採取畏懼和抗拒的態度。再加上新聞記者，尤其是電視記者多半是文科背景，對於科學新聞採訪製作通常採取排拒態度，科學新聞的產量算是極為少數之作。除非有政府經費挹注，或者媒體決策者的支持，否則難以長期耕耘。

茲舉 2013 年我在電視新聞實務界服務時，曾受命製作一系列臺灣能源專題為例。印象深刻的是，當時曾與科學顧問們「雞同鴨講」了好幾個星期，雙方無法理解彼此的專業語言和需求，最後有賴轉譯者居中溝通，我才能開始召集記者說明並分派任務。在這過程中，遭到多數記者和主管的抗拒，理由不外乎是「太難做了」、「做了民眾也不會懂、不想看」、「沒有畫面」、「受訪者不好約」，甚至是「沒有收視率」，這個說服與教育記者的過程是辛苦的。由於是第一次嘗試科學新聞，我因此要求挑選較有經驗且畫面構思能力較強的記者參與。

對於陌生的科學新聞，被挑中者多半是「高能力」、「低意願」的記者，在約訪或拍攝過程中，只要遇到問題，例如：科學家不願受訪、台電不給拍畫面、有些畫面現在拍不到等等，都得出面協調找出解決或替代方案，整個過程耗盡心力，收視回饋卻未必對等，若非高層主管政策支持，根本不可能完成。

同樣的情況也發生在平面媒體上，在即時新聞時代，科學新聞的「市場性」比不上一般新聞，在媒體組織裡自然被歸為冷門路線，此時主管是否重視、記者有沒有企圖心就是一大關鍵。然而現實狀況是，過去科學新聞受重視的紙媒年代，認真跑科學新聞的記者，如今多半不是已經退休，就是退到第二、三線；而少數認真跑科學新聞的年輕記者，正因為有衝勁肯挖新聞，很快就被調到「比較有前途」的財經或政治線，於是科學新聞幾乎只剩下可讀性不高的通稿。⁴

因應新媒體挑戰，科技新聞透過圖文呈現，雖明顯提高吸睛效果，卻也因高度專業，相對其他新聞，製作更費時費力，成本也較高，面臨媒體寒冬，逐漸被邊緣化。聯合報曾嘗試以圖表故事呈現科技新聞，卻因好題材可遇不可求，無法滿足新聞追求的時效性，最後不了了之。在這樣的生態下，目前平面媒體偶有科學新聞佳作者，有的是由個別特約記者執行之，例如，蘋果日報開放外界提案，提案人獲通過後取得一定經費才開始採訪製作。

曾任中國時報 20 年科技記者的李宗祐，在離開報社成為自由工作者後，去年就向蘋果日報提案，經過 2-3 個月的採訪，分別完成「極端氣候下農損創新高」⁵與「原能會怠惰害3命—輻射檢驗師集體癌亡」⁶的科學調查報導。至於常態性的報導，目前多藉由與研究單位合作企劃，例如，中國時報與國家實驗研究院、中央研究院、工業技術研究院等單位合作，每週六的教科文版，推出以生活醫學科學為主軸的科普文章。平面媒體或藉由這種方式，或開放外界提案，進行科學新聞的採製或合作，而這也是現行媒體生態下比較可行的方式。

如何拉近媒體與科學新聞的距離？

未來，傳統紙媒只會愈來愈萎縮，網媒百家爭鳴，內容農場盛行，科學記者培養不易、科學新聞的採製耗時費力，大眾媒體要再出現主跑科學新聞的記者，或科學新聞版幾乎不太可能。只能期待由分眾媒體，例如泛科學、科技報橘等網路媒體接手，當然，它的觸及範圍就不太可能是全民，而是對科學有興趣的分眾。

至於電視，對於缺乏科學素養者，其實是更容易拉近他們與科學之間距離的媒體，惟同樣礙於人力與收視率，大多數電視台新聞部採訪中心均未設有科學組、甚至是科學記者。因此長久以來，科學新聞幾乎付之闕如，即使有，也多半是報紙或網媒先有報導，電視記者臨時代班「抄」出來的。臺灣的科學傳播如果要在現階段的電視新聞環境中掙脫出來，在實務上，我建議至少必須思考以下先決條件：

一、科學家方面

• （一）要組成有願意常態性跟電視記者接觸的科學家群，這群科學家具有一定程度的口語訓練，可以用生活化的語言跟記者說科學故事，或甚至到新聞現場現身說法。
• （二）電視是影音媒體，觀眾以視覺為主，任何科學家如果要發布科學新聞，最好能先為電視記者設想到「畫面」的問題。
• （三）提供給電視記者的新聞參考稿，最好就能從生活化、具像化的敘事著手，換句話說，等於是先幫記者找出「新聞切入點」，如此一來，科學新聞被編輯台採用的機率也會比較高。

二、電視台方面

• （一）在觀眾普遍不滿現今瑣碎、深度不夠、重覆的電視新聞內容下，電視台新聞部門應思考設立科學新聞組，不但可以和其他頻道產生區隔，也可以成為新聞特色，讓觀眾多一個選擇。
• （二）電視台在招聘記者時，可思考記者背景的多樣性，讓有科學背景者擔任科學記者，而在新聞收視競爭激烈的情況下，容許科學記者可以有較充裕時間產製新聞。
• （三）如果前面兩項條件都具備了，建議新聞部門可以建立科學顧問人才庫，讓科學記者在尋找題材和企畫及製作專題時，能有先期的了解與準備。

若科學家與電視記者能夠有以上的共識，電視記者產製的科學新聞至少不會「難看」，如此一來，比較不會有「影響收視率」、「觀眾看不懂」的疑慮；長期經營下來，科學新聞甚至可以和其他頻道明顯區隔，成為新聞頻道的品牌，當然人力物力和經費的投資，就要看主事者有沒有這樣的眼界和魄力了。

註釋及參考資料

1. 黃俊儒（2014）。〈科學傳播中「確定」與「不確定」的敘事：以莫拉克風災之系列報導為例〉，《科技醫療與社會》19：73-116。
2. 眼球競爭的生態：由於新聞媒介眾聲喧嘩，令人眼花撩亂，所以媒體需要爭奪讀者注意力點閱率。
3. 關尚仁（譯）（2010），Giovanni Carrada.（原著）（2006）。《傳播科學：科學家的致勝寶典》。臺北：臺灣科普傳播事業催生計畫統籌與協調中心。頁41-48。（原書名：Communicating Science: A Scientist’s Survival Kit. Luxembourg: Office for Official Publications of the European Communities.）
4. 政府、學術單位或企業發布的官方新聞稿，即使發給不同媒體，內容卻都相同，稱為新聞通稿。
5. 從報社退役的資深科技記者李宗祐，以特約記者身份向蘋果日報提案，花費一個月時間採訪的專題：乾旱殺戮 最暖冬天 農委會輕忽 農損13億創新高
6. 從報社退役的資深科技記者李宗祐，以特約記者身份向蘋果日報提案，花費三個月時間採訪的專題：《蘋果》踢爆 原能會怠惰 害3命 輻射檢驗師集體癌亡