Autorzy artykułów naukowych zaskakująco często się mylą. I co z tego?

Badacze bardzo często przedstawiają odkrycia, wnioski z badań i efekty eksperymentów, które okazują się fałszywe. Nauka ma jednak wbudowane rozmaite mechanizmy ich korekty. I pozostaje najlepszym sposobem na zdobywanie rzetelnej wiedzy o świecie.

SergeyNivens/PantherMedia Naukowe pomyłki są tak rozpowszechnione, gdyż badane efekty często są subtelne, a zbieranie danych wymaga dużo wysiłku, czasu i pieniędzy.

Carl Sagan, znany amerykański astronom i pisarz, ponad 30 lat temu sformułował zasadę znaną dzisiaj jako „standard Sagana”: nadzwyczajne twierdzenia wymagają nadzwyczajnych dowodów. Tymczasem w mediach jest dokładnie na odwrót. Kiedy naukowcy opublikują artykuł ze „wstrząsającymi” wnioskami, niemal natychmiast zyskuje on rozgłos w internecie, a później nierzadko wchodzi do kanonu „wiedzy ludowej”. Inni naukowcy mogą załamywać ręce i wskazywać, że analiza statystyczna była pełna błędów, wnioskowanie nielogiczne, albo że późniejsze badania nie potwierdziły postulowanego efektu, ale dżina nie da się już zagonić z powrotem do butelki. Tymczasem błędna jest zaskakująco duża część artykułów naukowych.

To twierdzenie nie jest kontrowersyjne. Było takie do 2005 r., gdy John P.A. Ioannidis napisał o tym na łamach „PLoS Medicine” w słynnym artykule „Why most published research findings are false” („Dlaczego większość opublikowanych wyników badań jest fałszywa”). Grecko-amerykański badacz wykonał proste symulacje, z których wynikało, że większość „odkryć naukowych” z bardzo dużym prawdopodobieństwem jest błędna. A w przypadku artykułów zawierających najbardziej zaskakujące lub rewolucyjne tezy, takie niebezpieczeństwo jeszcze wzrasta i to drastycznie. I wskazał, że ważną funkcję pełni w tym zarówno świadoma, jak i nieuświadomiona stronniczość naukowców – wszak każdy chciałby coś odkryć. Główna teza Ioannidisa została później potwierdzona różnymi metodami i w różnych dziedzinach nauki.

Żeby zrozumieć naturę owych pomyłek, musimy zacząć od statystyki, bo na niej opiera się współczesna nauka. To potężne narzędzie – pozwala na wyciąganie wniosków na podstawie niekompletnych danych.