台灣呢？有一個大學教授罵我的方式是「彭明輝幾乎時事、財經、哲學、歷史問題無所不談」——在台灣人的「信仰」裡，好像一個人只要談的問題跟他的博士論文題目無關，就表示「不專業」、「野狐禪」；一旦跨的領域多了，就變成了神棍。
跨領域的閱讀與跨領域的系統性思考真的那麼困難（或不可能）嗎？還是說台灣的許多大學教授們都還在用 20世紀的治學工具與方法，而不知道如何將 21 世紀的 IT 工具融入研究與治學方法裡？
一、讀書治學，方法要與時俱遷
還記得「學富五車」這成語嗎？看看下一張圖的左邊，那是竹簡書寫的時代，書很稀有也很難擁有，所以看到書就直接把它背起來；不過，要背「學富五車」的學問在現實上也還可行——五輛牛車的書合起來，應該還不到一本《古文觀止》的量。
現在的讀書與治學方法，還要用背的嗎？看看上一張圖的右邊，一套大英百科全書大約需要 2GB 的容量，所以一隻16GB的隨身碟就可以裝進八套大英百科全書。更何況，如果你懂得上網搜尋，在這「行動運算」與「全文檢索」的時代裡，隨時可以找到你要的成語、典故和經典，甚至各種原理、公式和術語的定義＆解釋。
活在 21世紀的人，還需要用背的嗎？
我常警告學生兩句話：「電腦會的事通通交給電腦，你要學的是如何駕馭電腦。」「隨身碟已經夠便宜、夠好用了，別再把大腦當電腦的延伸記憶體使用。」
讀書與至學的方法要隨著工具的革命而與時俱遷，在「行動運算」與「全文檢索」的時代裡，如果你還在用 20世紀以前的方法背書、治學，真的會變成「今之古人」。
尤其是面對機器人和新興國家優質廉價知識工作者的競爭，如果一個教授還用 20世紀的方法治學，而不相信跨領域的閱讀與系統整合能力，這種教授實在該「告老還鄉」，而不該繼續在講台上誤人子弟了。
二、「專家時代」與20世紀的治學方法
在 20世紀的治學方法下，跨領域的閱讀與系統整合的能力確實是非常困難的事，幾乎是極少數人的特權。
21世紀讀書與治學方法的大革命，關鍵在於有了 20世紀想像不到的超強數位工具——Google Advanced Search 的全文檢索與方便的篩選工具（指定網域、指定文件格式、具以模糊比對能力的關鍵字檢索等），免費搜尋且下載學術期刊文獻的 Google Scholar（2004），跨領域整合的龐大線上資料庫 Ei Compendex（1995＋）、PQDT Open（1997）、EBSCO（2003），以及專門為非專業人士（less than expert）書寫的 Wikipedia（2001）等工具。
因為20世紀還沒這些工具，所以跨領域的閱讀與思考確實很難，只有極少數人有機會培養出來 。
要了解這些工具可以如何促成 21世紀的讀書與治學方法大革命，讓我們先看看 20世紀是怎麼讀書、思考的，尤其是當時跨領域讀書與治學的困難處在哪裡，然後再回答 21世紀的 IT 工具可以如何突破這些瓶頸，促成跨領域讀書與治學的大革命。
當我在大學裡當學生與講師的時候（1975~1989），我們的專業知識主要來自書本和影印的論文，而且開架式圖書館還不夠普遍（參見〈我的美術史〉的「二、刻苦的讀書人」），各大學訂閱的期刊很少。在那樣的環境下，當你想要為一個問題找到答案時，往往要翻閱數百本書，都還不必然會有結果；即便在期刊論文索引上找到可能有參考價值的論文，往往大學圖書館裡就是沒訂閱。
其次，就算你終於找到一本書裡有你要的答案，如果那一本書並非你的專業領域，就可能會有一大堆你看不懂的專業術語梗阻在前。如果那是你學科領域內的期刊論文，照樣會塞買一大堆你看不懂的術語。
因此，想要用期刊論文來幫助自己找答案，可以說是成本效益非常低，以至於不值得嘗試。於是，絕大多數人解決問題的辦法就是：課本有的答案靠課本，課本沒寫就靠自己摸索與推理。在那樣一種解決問題的模式下，背書的成本效益是相對地高的，而「書到用時方恨少」則是很多人的真實寫照。
為了在「期刊論文稀缺，專利難找，課本知識寶貴」的環境下盡量背足一輩子夠用的知識，我們只好從大一的教科書裡開始背公式、原理和術語，以便讀懂大二的課本，同時背更多的公式、原理和術語，以便讀懂大三的課本；如此一年級一年級地「循次漸進」背越來越多的公式、原理和術語，直到有能力讀懂某一個狹小學術領域內的專業書籍或期刊論文為止。
所以我們那個世代的很多人都有一個刻板印象：學歷越高的人，專長領域越窄；一個人談的問題越狹隘，越有機會精深而可信賴（一個人談的問題越寬廣，越有機會膚淺而不可信賴）。
此外，我們幾乎不曾想過如何用專利文獻與期刊論文來協助我們解決產業上的問題（更別提生活上的問題）。
我們除了靠大學部背的知識之外，就只能靠自己的聰明。至於跨領域的閱讀與系統整合的能力，那是不務正業或自找苦吃的人幹的，聰明人（除非是絕頂聰明）不會去走那一條路。
總結起來說，跨領域的閱讀與系統整合能力在 20世紀很困難，主要是因為：（1）沒有全文檢索工具以及發達的搜尋引擎，所以要找到值得閱讀的文件非常地困難（成本太高，以致行本效益低到大家都不願意嘗試）；後來的線上大型期刊論文數位資料庫＋全文檢索工具＋模糊比對工具＋各種搜尋引擎與工具大幅度地降低搜尋所需要的成本（前提是你要擅長這些工具的綜合運用）。（2）即使找到有參考價值的文件，陌生的術語經常絆倒閱讀者，使得閱讀艱困到近乎不可能，或者成本高到很難具有成本效益，因此大家寧可先背書，之後靠自己的聰明，而不相信（無法想像）可以「靠別人的智慧，解決自己的問題」，也不相信跨領域的閱讀與系統整合能力是可能的；但是 Wikipedia 以及各種難易度不同的線上文件使得閱讀陌生術語所需要畫的時間成本巨幅下降，也使得跨領域的閱讀與系統整合能力是具有成本效益的（前提是你必須擅長文件的搜尋、篩選、比對、規劃閱讀次序、分析與彙整）。
在我的學習與發展過程中，上述能力的發展是隨著 IT 工具的發展而逐漸複雜化、豐富化與多元化。底下描述我的個人發展經驗，也間接描繪各種 IT 工具如何融入我的閱讀與治學方法中，以及他們幫助我克服了哪些障礙。
三、從20世紀治學法邁向21世紀治學法的過渡期
我是在20世紀的時候用極其費力的方式培養跨領域閱讀能力的。所以一進入 21世紀，馬上可以看出來 Wikipedia（2001）等 IT 工具的重大價值，並且積極地揣摩、勤練、會通各種工具的最佳組合運用方式。
我在20世紀培養跨領域閱讀能力時，非常費心而吃力。我因為家境特殊，很小就培養出自修的能力，小學就開始替老師上課（課後補習，講解應用題）。中學時代上課經常恍神，下課只讀課外書而不讀課本，考試是前一晚讀完所有科目的課本就進考場，從來沒有參考書，也不做習題。大學時代翹課3.6~3.7年（大一上不太敢翹），整天在文學院圖書館，只有每個月的考試週讀一個禮拜的課本——畢業成績是兩班127人中的第 64名，但是不曾補考（據說班上只有兩人不曾補考）。
一年有52週，我每年只花 6週讀機械系的書，剩 46週刻苦讀各種人文類和思想類的書。尤其是為了讀懂《西方的沒落》而讀了近百本書，更強化了我背景知識的廣度。所以，我大學畢業時早已具有跨領域閱讀的能力，只不過是用非常費勁、吃力的方式建立起來的。
大學畢業後去中山科學研究院，那是全台灣技術最尖端的地方。第一週的新人訓練裡，我從圖書館的影片裡了解到美蘇太空競賽的致勝關鍵是文獻搜尋的能力，那是一個大震撼。從此我決心要好好利用中山科學研究院的豐富館藏，與頂尖的圖書館服務，以便學好文獻搜尋的能力，「用前人的智慧，解決自己的問題」。而且，我也很成功地讓組裡專業累積四十年的老先生們刮目相看，這使我更相信可以「用前人的智慧，解決自己的問題」。
另一方面，在中山科學研究院參加大型武器系統的研發，經常看著副院長被各單位戲耍的場面，也讓我很想發展「跨領域系統整合的能力」。很巧，後面這一項能力剛好需要用「跨領域文獻搜尋與閱讀」的能力支持。
念碩士的時候，我開始學習期刊論文的查索、搜尋與閱讀，成效很差。原因就是絕大部分的期刊論文清大都沒有訂閱。
出國前一年因為申請到劍橋大學，且指導教授是英國該領域的教父級人物，所以跟他的研究相關的期刊論文都是發表在控制學界三大期刊，而且清大圖書館都找得到（很有趣的，最頂尖的期刊往往最便宜，而清大當年經費有限，只能訂「最便宜又最具參考價值」的期刊）。為了要掌握我指導教授的研究內涵和方向，我花了整整一年讀完跟他有關的所有期刊論文，還延伸閱讀了其他學派的主要理論。這一年的文獻回顧讓我掌握到「文獻搜尋、期刊論文閱讀，以及從大師的期刊論文學習批判與創新」的精髓。
不過，我還是用很費勁的「純手工」方式完成的（文獻回顧 2.0版）。譬如，為了讀懂一個定理，我去數學系圖書館找到一本好幾個數學系博士生都讀不懂的書 Algebraic Function Analysis，硬生生地花了一個多月從頭翻閱到尾，再花一個多月的時間把其中有關的部分讀到七分懂，然後再回來把一個控制理論的定理搞懂——然後我這一輩子都再也沒碰過 Algebraic Function Analysis 這個學問，因此當年搞懂的東西也早已通通忘光了。假如我當年有 Wikipedia 與 Google advanced search，大概只需要花一兩週的時間就可以獲得我當時所需要的資訊了。
不過，因為紮紮實實地做過一年文獻回顧，並且從中學會「用大師的觀點批判另一個大師，用一個學派的觀點批判另一個學派的觀點」，因此我在劍橋控制組的博士生群裡以「精擅各家理論得失」著名，連系上兩位自傲得不得了的老師都驚嚇得不敢置信——雖然我在劍橋的兩年都沒讀過任何一篇論文，所有論文都是在台灣就已經整理了。
很多人以為批判性思考就是靠聰明，或者去哲學系念邏輯或分析哲學，其實錯了。美國哲學協會（American Philosophical Association）曾在 1990年出版了一本 Critical Thinking: A Statement of Expert Consensus for Purposes of Educational Assessment and Instruction 的報告，根據各領域專家的意見歸納出六大能力，並且企圖規劃出一系列關於批判性思考的課程與教材。但是後來的研究卻發現：批判性思考必須跟專業知識結合起來，才能真正發揮作用，而無法像大一邏輯課或各科系的數學方法那樣地獨立出來教授與學習。
我自己後來的經驗發現：當你需要某個題目相關的批判性思考時，最具成本效益的方式就是彙整期刊論文裡頂尖大師們彼此的批評——我對主流經濟學的得失有很深的心得，那是因為我讀了許多諾貝爾獎大師在期刊論文裡對主流經濟學的批評與辯護。
1989年回到台灣後，我開始用這一套「以大師之矛，攻大師之盾」的方法教學生期刊論文的閱讀、分析與批判。一個學期後，厲害的學生就已經開始技驚其他系的教授。兩年後，一個直升博士班的學生去聽他大學同學的碩士論文口試，回來很感慨地說，沒想到兩年下來兩個人的功力相差這麼多（他早已學會很敏銳而嚴謹的批判性思考，他那個大學時代總是第一名的同學卻還是跟大學時代一樣的思考能力）。
1990年代初期（忘了實際上是哪一年），Ei Compendex 開始數位化，查閱很方便，但是還沒有上線，期刊論文仍舊仰賴人工影印（文獻回顧 3.0版）。不過，這樣的工具和環境已經足以培養理工學院學生在專業領域內的批判性思考。但是這樣的環境仍舊不利於跨領域的閱讀與系統整合的能力。
我在1990年代初期已經開始在思索一些社會學的問題，因此去查索 Social Science Abstract，可惜一來仍是沒有數位化而查索極不方便，二來查到的期刊論文清大圖書館常常沒有訂閱。三者，那個年代也還沒有 Wikipedia，所以跨領域閱讀的困難度跟 1970年代（文獻回顧 1.0版）相去不遠——我是乖乖地把社會學經典一本一本拿來讀，這樣學社會學的。
經濟學也一樣，我當時也買了幾本經濟學的經典著作，但是讀起來十分吃力，難以為繼。
我開始可以輕鬆自如地進行跨領域的閱讀和跨領域的系統整合，是因為有了 Google Advanced Search 和 Wikipedia。
四、21世紀的治學方法
我開始使用 Google，是因為要重讀霍布斯邦（Eric Hobsbawm）的《年代三部曲》（《革命的年代》+《資本的年代》+《帝國的年代》）。這一套書中文版一出版我就已經買來讀，但是當時有許多術語不懂（譬如「無套褲漢」、「熱月革命」、「霧月革命」等），影響理解。為了要理解「改變社會如何可能」，我需要重讀該書；因為有 Google search，所以有機會用全文檢索找到相關的術語解釋。
一開始的時候我不會使用 Google advanced search，找到的資料幾乎都是太深或太淺而不合適，往往一整個星期都浪費在搜尋一個術語而無功。
成本效益太低，使我經常不得不放棄，甚至懊悔浪費時間在網路上搜尋、閱讀一大堆沒營養的垃圾文件。
後來，我學會 Google advanced search，才開始大幅度改善搜尋與篩選的效率。那時候我經常使用「filetype:pdf site:ac.uk」來指定「只要PDF檔文件，搜尋網域為英國學術網絡」。那時候英國學術網路上還是有一些學生寫的不成熟文件，而網路上使用 PDF 檔還很不普遍，幾乎只有正式（優質）的學術文件才會使用 PDF 檔（很多學術會議和學術期刊論文規定的稿件格式），因此這兩個限制條件可以幫我過濾掉一大堆垃圾文件。
可惜的是，這兩個條件加起來以後變成限制條件太嚴，有些對我更好用的文件會被篩除掉。
2004年起有了 Google Scholar，而且很多期刊論文都可以免費下載，我開始把 Google Scholar 當作主要的搜尋工具；再加上 2001 年起有 Wikipedia，可以用其他領域的人也能讀懂得語彙解釋專業領域的術語（不懂的時候可以靠 hyperlink 連結出去讀 back-up documents），而且後來慢慢地有「Praise and criticism」這樣形同「literature review」的標準章節，使得進入陌生領域的門檻大幅度地降低。
於是，我逐漸地發展成以 Google Scholar 當作主要的搜尋工具，以學術期刊論文為主要讀物，先從期刊論文彙整出一個問題的大致輪廓、派別分歧與各自的得失、研究該問題時所必須要照顧到的各種問題角度（perspectives and angles），以及各派別的主要結論與主要爭議等；這種工作讓我可以在最短時間內掌握到跟該問題有關的宏觀視野，而其品質則不遜於任何單一的頂尖學者（以主流經濟學在 2008年金融風暴中所曝露的缺失而言，我讀過十幾篇諾貝爾經濟學獎得主的論文，對該問題的掌握雖抵不上長期鑽研該問題的經濟學者，但卻絕對超過沒鑽研過該問題的其他經濟學者，這就是「用頂尖學者的智慧，提升自己的智慧、視野和批判性思考能力」。
同時，我也會用 Wikipedia 輔助閱讀，解決專業術語或背景知識不足所造成的閱讀障礙；當 Wikipedia 有所不足或精確度有疑問時，我還會用 Google advanced search 去搜尋網路上各種正式或半正式的背景知識與文件（譬如出色的上課的講義，遠比期刊論文容易閱讀與吸收的博士論文等）。
不過，這個方法的細節和完整結構寫起來很費唇舌，有興趣的人建議你們去讀《研究生完全求生手冊》裡面的第5章~第12章，裡面從閱讀到批判與創新都講了——而且，請記得，閱讀必須含著批判（critical reading），而閱讀與批判的最終目的都是為了創新，因此閱讀、批判與創新是不可分的三合一（trinity），不該當作三種能力來教導或學習。
或者，你可以試著閱讀本文最後面的「七、21世紀的閱讀與治學方法—— 一個案例」，或許可以有「以管窺豹」的心得。
五、21世紀治學方法的特徵
在產業與社會組織、結構都處於劇烈變遷的時代裡，專業知識在職場的半衰期只有2.5~7.5年時。「書到用時方恨少」已經是一句廢話——書背再多都永遠不夠用。
解決的辦法不是「背更多書」，而是學會：隨時可以在最短時間內找到最適合的參考文件，並且確認自己閱讀上所需要（短缺）的背景知識，用 Wikipedia 與 Google advanced search 在最短時間內找出這些「輔助閱讀材料」；接著，在最短時間內將這些「輔助閱讀材料」由淺入深地組織成適合自己能力與背景知識的閱讀次序，並且在最短時間內讀完、吸收、分析、批判、彙整，以便活用。
光是上一段我就用了四次「最短時間」，因為時間成本效益是決定你有沒有辦法從「用頂尖學者的智慧，提升自己的智慧、視野和批判性思考能力」獲益，以及有沒有辦法從「跨領域的閱讀與系統整合的思考」獲益的關鍵要素。
只懂得文獻回顧 1.0、2.0、3.0 的人在離開大學之後就很少讀期刊論文，因為他們搜尋、篩選、比對、閱讀、分析、批判、彙整的能力太差（不懂得靈活使用 21世紀的所有 IT 工具），以致時間成本效益太差，遠不如別人靠背書和聰明而創造的產值。
但是，面對越來越聰明的機器人，以及新興國家中越來能力越強的廉價知識勞工，你還有機會靠「靠背書和聰明」或「文獻回顧 1.0、2.0、3.0」的能力去跟他們搶工作嗎？
美國工學院有前瞻力的學者們說：不可能！
六、手足失措的美國工程學術界
Diran Apelian 教授在1972年取 MIT 的博士，在產業與學術界有過24年的歷練之後，他在1996年創立了伍斯特理工學院（WPI）的「金屬處理研究院」（Metal Processing Institute），並且吸引了超過 80 家公司的經費支持和研究合同。Diran Apelian 之所以能有此魅力，是因為美國現今的鋁合金加工技術幾乎都跟他（或他的研究生）的研究成果有關——他是真正能以原創性的學術研究去嘉惠產業界的極少數人。
身為產學兩界耆宿的 Diran Apelian，也是熱心推動美國工程教育改革的學者之一，他在 2007年寫了一篇有趣的文章 "The Engineering Profession in the 21st Century – educational needs and societal challenges facing the profession"，他從跨領域的歷史回顧指出美國製造業為何逐漸失去戰場，其中關鍵之一是：全世界的大學課程和課本幾乎都一樣，但是日本和中國的學生卻比美國學生更認真學習（甚更聰明）。但是，他也同時指出美國學生的機會：作為跨國企業的基地，成為創新與全球營運中心，以便利用全世界其他地區的廉價（優質）勞動力和知識工作者。
因此，美國必須甩脫過去的教育模式，創造全新的課程，以便培養出其他國家培養不出來的工程人才。他甚至說，未來美國的工程人才必須是「Knows everything, Can do anything, Works with anybody anywhere, Imagines and can make the imagination a reality」。
又一個夢幻組合？但這幾乎已經變成美國工程學界關心未來教育者的共識——爭議的焦點在於如何做。
為了達成前述目標，學界有一派是拼命地把專業課程塞進大學部裡，同時排擠掉「與專業無關」的「通識課程」，結果變成是在培養沒有能力跨領域合作、沒有全球觀點，且不了解人性與消費者需求的「怪胎」。另一派則是強調「延後分流」，培養「跨領域人才」，結果卻培養出沒有任何專長的「四不像」。
花30年推動工程教育改革的軟體學界名人 William A. Wulf（見前一篇文章的介紹與超連結）很清楚一件事：當專業知識在職場的半衰期只有2.5~7.5年時，解決問題的關鍵在培養出學生終生自學的能力，而不是讓必修學分持續爆炸，或繼續在「專業知識或通識教育」間進行無謂的爭論；而且，為達成這個目標，必須用革命性的手段吸納 IT 技術，來徹底翻轉課程內容與教育方式——雖然他也很喪氣地指出：即便到了1988年，美國許多頂尖大學的老師還是在用投影機和白板授課。
跨領域對話、系統性思考，而且還有能力像英國 QAA 期許地那樣「靠自己持續地吸收、理解學術界最前緣的知識與方法，並且發展出越來越高階的新技能（skills）」，這是可能的，但是你必須要精通前面所說的21世紀的讀書與治學方法（文獻回顧 4.0版）。
七、21世紀的閱讀與治學方法—— 一個案例
在21世紀裡，我們遠比20世紀更有機會進行「跨領域的對話與系統整合」，原因是我們有 search engine 可以幫我們在最短時間內找到所需要的文獻，還有 Wikipedia 用外行人可以看懂的書寫告訴我們各領域的術語、關鍵事實與爭論。
隨手舉一個例子，我沒修過統計學，不曾讀完任何一本統計學的書（頂多是隨當時的需要抽閱其中數頁而已），但是我知道很多統計學的課本都犯了一個錯：在應用假說檢定（hypothesis testing）時，誤把「p>ɑ」（或「p<ɑ」）當作要不要接受 null hypothesis 的判準（其中 p 為根據實際的抽樣計算出來的 p-value，ɑ 是 type I error 的機率）；這個錯誤是誤把 Sir Ronald A. Fisher 所定義的「p-value」跟Neyman-Pearson theory 中的「type I error」混為一談，而不知道這兩組理論的發展初衷、基本觀念（哲學基礎），和最適用的情境都差異懸殊，而且兩組原作者還彼此拒絕對方的提案和基本假設（也就是說，p-value 跟 ɑ 頂多是兩個可以互補，但不該被混在同一個公式的兩個觀念）。
我憑什麼敢這麼說？因為德國著名的心理學家 Gerd Gigerenzer 曾經寫過一篇論文 "The Null Ritual: What You Always Wanted to Know About Significance Testing but Were Afraid to Ask"，很清楚地分析兩個學派的歷史發展過程以及兩個學派觀念上的差異。我還查過好幾篇相關的論文，譬如著名統計學者 Erich L. Lehmann（Jerzy Neyman 的學生）寫的 "The Fisher, Neyman-Pearson Theories of Testing Hypotheses: One Theory or Two?"，Raymond Hubbard and J. Scott Armstrong 的 "Why We Don't Really Know What Statistical Significance Means: Implications for Educators"（另一個版本），以及 Jose D. Perezgonzalez 的 "Fisher, Neyman-Pearson or NHST? A tutorial for teaching data testing"（最容易讀的教學版）。
我怎麼會發現這些論文的？我原本是想知道：「可不可以用統計方法歸納出因果關係？」所以就用 Google 查索了「statistics causality interence」這三個關鍵字。查索結果的第二筆就是「Causal inference - Wikipedia」；我點選它後，看見該篇的「Contents」中第2節是「2 Methods」，在點選它後就看見「Statistical hypothesis testing」是常用的方法，且附有網頁連結；我前往該網頁，又從「Contents」中挑了「8 Criticism」，看不太懂內文，沒關係，瀏覽一下最後的 reference，有一篇文章的標題吸引了我 "The Null Ritual What You Always Wanted to Know About Significant Testing but Were Afraid to Ask"。
我大致上瀏覽了這一篇文章的內容，發現它宣稱連著名的心理學家和熱門的統計學教科書都錯了。我的第一個反應是：「這是不是一個偏激的人？」於是我 Google 他的名字「Gerd Gigerenzer」，發現他在德國心理學界地位崇高。但是，他會不會只是雞蛋裡挑骨頭，小題大作？我不知道。
我又從 Wikipedia 裡「Statistical hypothesis testing」這一篇的 References 裡挑了另一篇似乎有趣的文章 "Why We Don't Really Know What Statistical Significance Means: Implications for Educators"，說的跟 Gerd Gigerenzer 很接近，但會不會剛好是同一派人，臭氣相投？我 Google 第一作者「Raymond Hubbard」，像是沒名氣的學者；再 Google 第二作者「J. Scott Armstrong」發現是 Marketing 領域很有名的學者。這下子，這兩篇論文似乎不是空穴來風，而是真的值得讀了。
我耐心把它們讀下去，中間碰到不懂的專有名詞就 Google 並指定要「filetype:pdf」，然後只篩選出大學教授寫的文件或網頁來讀；沒想到絕大多數大學的網頁裡（含台大的上課講義）都犯了他們批評的錯誤。
這下子我真的沒信心了，怎麼有可能是所有的學者都錯了，只有兩組學者是對的？
Gerd Gigerenzer 的說法是：統計系以外的科系（含心理學、教育、市場行銷等）都不懂 hypothesis testing 的理論背景和發展史，只是知其然而不深究其然地拿來用，所以在較深刻、細膩的地方搞混了，結果卻差以毫釐，失以千里。所以，我決定把閱讀範圍縮小到真正懂該理論發展史的統計系學者著作。於是，我用 Google 搜尋「Hypothesis Test Fisher Neyman Pearson department of statistics pdf」，然後從中挑出著名統計學者 Erich L. Lehmann（Jerzy Neyman 的學生）寫的文章和其他幾篇文章來看。
如果沒有 1998年成立的 Google（2004上市）或 2001 成立的 Wikipedia，如果我不是很擅長 Google advanced search 的語法，或者如果我不是很擅長搜尋、篩選、比對、閱讀、分析、批判、彙整期刊論文，我不可能找得到上述的關鍵論文，並且做出上述的判斷。
也就是說，我最終的判斷並非根據我的統計學知識，而是根據 Erich L. Lehmann（Jerzy Neyman 的學生）而其他頂尖學者寫的文章。
如果我在 1989年剛拿到博士學位的時候就試圖要去釐清「hypothesis testing」裡面微細的觀念混淆，那是不可能的。首先，我們沒有 Google，無法迅速確認論文作者的背景，因此也無法快速研判論文值不值得讀（在我的專業領域內我有判斷能力，但是一離開專業領域就做不到）；其次，我沒有 Wikipedia，所以不可能迅速地掌握到統計推論的核心問題、關鍵爭議與相關論文；最後，那時候沒有線上的論文可以下載，每一篇論文都要到圖書館的館藏期刊庫裡用費時的方式查索、影印，而且圖書館館藏的期刊極其有限。
因此，我將會在到手的論文太少，讀不懂的專業術語太多等重重障礙下放棄追索問題的本末，甚至根本從一開始就閉門不去管其他領域的任何問題。
但是，每個學科都只管自己的專長之下，除了極少數天才之外，沒有人有能力進行「跨領域的對話與系統整合」。結果，20世紀的產品重視技術性的功能，而漠視人性的需要；產品是單一規格的廉價量產，而無法顧及各種人的差異性需求。這些現象背後的原因，都是因為那是一個專才的時代，每一個人都躲在深而狹隘的井裡頭。
21世紀的 IT 工具讓我們可以藉著 Google 和 Wikipedia 降低跨領域閱讀的障礙（門檻），讓我們可以輕易（且廉價）地找到各領域頂尖學者對同一個問題的批判性思考（用以提升我們的思考能力），讓我們可以比 20世紀更容易進行跨領域的對話與系統性思考。
八、結語
在英文的出版品裡，教博士生如何作研究、回顧文獻，以及撰寫博士論文的專書很多，但是幾乎都沒提到如何使用線上搜尋工具 Google Scholar（2004）與線上資料庫 Ei Compendex（1995）、PQDT Open（1997）、EBSCO（2003），和 Wikipedia（2001）等工具，更沒有談到如何進行搜尋、篩選期刊論文，以及如何批判性地閱讀、分析、比對、遴選與彙整適當方法，從而靠著快速、有效的文獻回顧產出完成碩博士論文研究所需要的批判能力與創意。
這簡直是要在「線上」（on-line）的時代進行「不在線」（off-line）的文獻回顧，其效率與成果當然就很難突破20世紀（off-line 時代）的瓶頸。
面對機器人與新興國家的廉價知識勞工，你要如何在 21世紀跟他們搶飯碗？這是每一個大學生、碩士、博士生和職場的年經就業者必須認真思考的。
你要在研究所學會哪些能力？這更是每一個研究生必須認真思考的。
