Перекосы в науке

Всяческий Бред - Идти на Главную Страницу >>>

Категории:

Полезные Сведенья
Кухонная Философия
Общество и его пороки
Новости
Еда и Питье
Техника
Разное
Личное
Природа
Фото/Видео
"Веселые" Картинки
Юмор


Пишите Письма



Реклама:

Реклама

January 14, 2020

...Несколько лет назад почти никто не публиковал результаты повторных экспериментов, даже если они проводились. Это было не принято, не приносило грантов и не способствовало успешной научной карьере. Согласно опросу Nature, более 70 % ученых-психологов пытались и не смогли воспроизвести чужие исследования, около половины не смогли повторить собственные, и почти никто не стремился предать эти результаты огласке.

Когда кризис воспроизводимости вышел на поверхность, многое изменилось. Повторные исследования постепенно стали обычным делом; данные экспериментов начали всё чаще выкладывать в открытый доступ; журналы принялись публиковать отрицательные результаты и регистрировать общий план исследований еще перед началом их проведения.

Исследования стали более масштабными — выборка 30–40 человек, которая в психологии была вполне стандартной, теперь мало кого устраивает. Крупные международные организации — такие как Psychological Science Accelerator — тестируют одни и те же гипотезы сразу в нескольких лабораториях по всему миру.

Перед проверкой статей из Nature и Science, о которой мы писали в начале, ученым предложили сделать ставки на тотализаторе. Они должны были предсказать, какое исследование успешно пройдет проверку, а какое провалится. В целом ставки были очень точными. «Это означает, во-первых, что научное сообщество может прогнозировать, какие работы удастся повторить, и, во-вторых, что невозможность воспроизвести исследование не была простой случайностью», — говорят организаторы эксперимента.

Ученые в целом неплохо умеют отличать надежные исследования от ненадежных — это хорошие новости. Сейчас специалисты из Центра открытой науки совместно с агентством DARPA пытаются создать алгоритм, который будет выполнять ту же задачу без участия человека.

Каждый год выходит слишком много статей, чтобы можно было вручную перепроверить хотя бы малую часть из них. Если за дело возьмется искусственный интеллект, всё будет намного проще.

Уже в первых тестах ИИ успешно справился с предсказаниями в 80 % случаев.

Что чаще всего делает исследование ненадежным? Маленькие выборки, нестыковки в цифрах, слишком красивое подтверждение гипотез. А также — стремление к сенсациям и слишком простые ответы на сложные вопросы.

***

Слишком хорошо, чтобы быть правдой

Создавать сенсационные исследования проще всего с помощью обмана. Известный социальный психолог Дидерик Стапель использовал сфабрикованные данные в нескольких десятках научных статей. Исследования Стапеля с огромной скоростью разлетались по газетам и журналам, он получил несколько престижных научных премий, публиковался в Science и считался одним из самых крупных специалистов в своей сфере.

Однажды выяснилось, что Стапель долгое время вообще не проводил исследований, а просто выдумывал данные и отдавал их на анализ студентам.

В науке такое встречается очень редко. Гораздо чаще громкие, но неверные утверждения возникают по другим причинам. Люди отчаянно ищут простые, понятные и эффектные ответы на волнующие вопросы. Можно очень легко поддаться соблазну и решить, что эти ответы у тебя есть, даже если на самом деле это не так. Стремление к простоте и определенности — одна из главных причин, почему многие исследования не проходят проверку на воспроизводимость.

http://znatech.ru/proekty/psihologiya/plohaya_nauka_pochemu_samye_gromkie_psihologicheskie_issledovaniya_okazalis_nevernymi/



Тэги: Jan2020 Общество Полезные сведенья

Темы, имеющие некоторое отношение к этой (русскоязычный поиск в mysql все же очень не совершенен):
Тёплый клетчатый плед October 17, 2008
Какой наглый pump&dump August 16, 2016
И опять про фальсификации в современной "науке" October 1, 2018
Три школы мысли December 16, 2008
Оптимизация писькомерок в науке February 21, 2018

Комментировать:
пользователь: пароль:
регистрироваться  Залогинится под OpenID


Архив:

Feb2020   Jan2020   Dec2019   Nov2019   Oct2019   Sep2019   Aug2019   Jul2019   Jun2019   May2019   Apr2019   Mar2019   Feb2019   Jan2019   Dec2018   Nov2018   Oct2018   Sep2018   Aug2018   Jul2018   Jun2018   May2018   Apr2018   Mar2018   Feb2018   Jan2018   Dec2017   Nov2017   Oct2017   Sep2017   Aug2017   Jul2017   Jun2017   May2017   Apr2017   Mar2017   Feb2017   Jan2017   Dec2016   Nov2016   Oct2016   Sep2016   Aug2016   Jul2016   Jun2016   May2016   Apr2016   Mar2016   Feb2016   Jan2016   Dec2015   Nov2015   Oct2015   Sep2015   Aug2015   Jul2015   Jun2015   May2015   Apr2015   Mar2015   Feb2015   Jan2015   Dec2014   Nov2014   Oct2014   Sep2014   Aug2014   Jul2014   Jun2014   May2014   Apr2014   Mar2014   Feb2014   Jan2014   Dec2013   Nov2013   Oct2013   Sep2013   Aug2013   Jul2013   Jun2013   May2013   Apr2013   Mar2013   Feb2013   Jan2013   Dec2012   Nov2012   Oct2012   Sep2012   Aug2012   Jul2012   Jun2012   May2012   Apr2012   Mar2012   Feb2012   Jan2012   Dec2011   Nov2011   Oct2011   Sep2011   Aug2011   Jul2011   Jun2011   May2011   Apr2011   Mar2011   Feb2011   Jan2011   Dec2010   Nov2010   Oct2010   Sep2010   Aug2010   Jul2010   Jun2010   May2010   Apr2010   Mar2010   Feb2010   Jan2010   Dec2009   Nov2009   Oct2009   Sep2009   Aug2009   Jul2009   Jun2009   May2009   Apr2009   Mar2009   Feb2009   Jan2009   Dec2008   Nov2008   Oct2008   Sep2008   Aug2008   Jul2008   Jun2008   May2008   Apr2008   Mar2008   Feb2008   Jan2008   Dec2007   Nov2007   Oct2007   Sep2007   Aug2007   Jul2007   Jun2007   May2007   Apr2007   Mar2007   Feb2007   Jan2007   Dec2006   Nov2006   Oct2006   Sep2006   Aug2006   Jul2006   Jun2006   May2006