Jak pogodzić subiektywizm i obiektywizm w nauce?
Jaka jest różnica między „alternatywnymi faktami” głoszonymi przez przedstawicieli administracji Donalda Trumpa i prawdą naukową? Zwykle pierwszą odpowiedzią na to pytanie jest obiektywny charakter metody naukowej. Jednak choć istnieje obiektywna różnica między faktami naukowymi i półprawdami czy fałszywymi informacjami, przekonanie o tym, że rzetelna nauka jest całkowicie bezstronna, wolna od osobistych przekonań i subiektywnych założeń może prowadzić do niebezpiecznych błędów. Zespół projektu Objectivity(odnośnik otworzy się w nowym oknie) (Making Scientific Inferences More Objective), który otrzymał dofinansowanie z Europejskiej Rady ds. Badań Naukowych(odnośnik otworzy się w nowym oknie), zajmuje się opracowaniem nowej koncepcji obiektywizmu w nauce. Przestarzałe koncepcje, które zakładają, że obiektywizm w nauce oznacza całkowity brak jakichkolwiek subiektywnych elementów często ogranicza postęp naukowy, co zauważa Jan Sprenger, główny badacz projektu i profesor filozofii nauki Wydziału Filozofii(odnośnik otworzy się w nowym oknie) Uniwersytetu w Turynie. „Niestety, do tej pory wielu naukowców i redaktorów czasopism ma tendencję do zamiatania tych elementów pod dywan”. Według Sprengera, tego rodzaju praktyki są jedną z głównych przyczyn trwającego kryzysu powtarzalności badań, w wyniku którego naukowcy nie są w stanie uzyskać powtarzalnych wyników przeprowadzonych wcześniej doświadczeń i eksperymentów. „Argumentowaliśmy, że zastosowanie subiektywnego podejścia do opracowywania nowej wiedzy zwiększa przejrzystość rozumowania. Tym samym ułatwia również weryfikację twierdzeń naukowych i przyczynia się do zwiększenia wiarygodności uzyskanych wniosków”. W jaki sposób zatem można przełożyć to podejście na lepszą naukę? Zespół badaczy uczestniczących w projekcie opracował praktyczne narzędzia usprawniające wnioskowanie statystyczne, przyczynowe i wyjaśniające, godzące subiektywne wybory z celem, jakim jest obiektywna wiedza.
Integralna subiektywność
Jednym z przykładów problemów, które składają się na postępujący kryzys powtarzalności badań jest zjawisko nadużywania danych, określane angielskim terminem „p-hacking”. Stosujący tę praktykę badacze wybierają analizy i dobierają dane w taki sposób, by pasowały do uprzednio założonych wniosków. Zespół projektu Objectivity zwraca uwagę na obiecującą koncepcję bayesianizmu(odnośnik otworzy się w nowym oknie), która wykorzystuje subiektywną interpretację prawdopodobieństwa w celu poprawy wnioskowania statystycznego. Dotychczasowe prace wskazują, że doświadczenia zaprojektowane i analizowane przy użyciu tej metody prowadziły do dokładniejszych oszacowań w porównaniu z metodą konwencjonalną. Wnioskowanie przyczynowe to proces, w ramach którego na podstawie danych naukowcy dochodzą do przyczyn zjawisk. Przykładem mogą być na przykład randomizowane badania z próbą kontrolną w medycynie, które mają na celu zmierzenie przyczynowości, aby w ten sposób określić skuteczność nowego leku. Badacze sugerują wprowadzenie specyficznej miary przyczynowości – wpływu działań związanych z przyczyną na prawdopodobieństwa wystąpienia skutku. Prawdopodobieństwo to można interpretować obiektywnie – w kategoriach częstotliwości, skłonności itp. – a także jako subiektywny stopień przekonania, w zależności od kontekstu. Wnioskowanie wyjaśniające jest procesem wyboru hipotezy, która najlepiej wyjaśnia dostępne dane. Jak zauważa Sprenger, taka koncepcja jest często niejasna: „Czym jest «dobre» wyjaśnienie? Przeczuciem naukowca? W ramach naszych prac zbudowaliśmy precyzyjne fundamenty dla tego sposobu wnioskowania poprzez konstrukcję i porównanie różnych miar mocy wyjaśnień”. Zespół dostrzegł ścisły związek pomiędzy wcześniejszymi przekonaniami i mocą wyjaśnienia. Jakość wyjaśnienia i wybór „najlepszego wyjaśnienia” nie jest zatem stricte obiektywny i często jest w pewnym stopniu uzależniony od subiektywnych przekonań. „W związku z tym musimy przystosować nasze procedury oceny eksperymentów i ich analizy statystycznej. Mówiąc dokładniej, musimy wyzbyć się lęku przed uwzględnianiem elementów subiektywnych w procesie wnioskowania”, podsumowuje Sprenger. „Nauka wygrywa z przesądami, jednak nie dlatego, że nie dopuszcza możliwości uwzględniania elementów subiektywnych, lecz ze względu na to, że wynikające z metody naukowej wnioski są raczej odporne na zmienność subiektywnych danych wejściowych. Ponadto nauka dopuszcza racjonalną krytykę przyjmowanych założeń”.
