Hogyan formálhatják a kutatók döntései a kutatási eredményeket?
Képzeljünk el egy tál összeaszott, aprócska cseresznyét. Ha ez megvan, képzeljük el, hogy ebből a tálból valahogyan mégis ki tudunk válogatni néhány darab ép és egészséges cseresznyeszemet. Ezeket a gyümölcsöket aztán odavisszük megmutatni a barátainknak, akik elégedetten nyugtázzák, hogy milyen sikeres cseresznyeszüretben volt részünk, és egyébként milyen szépen teremnek a fáink már amatőr kertészeti ambícióink eredményeképp is.
Ez az elsőre egyszerűnek tűnő helyzet több problémát is reprezentál. Egyfelől, a bemutatott cseresznyeadag arra a veszélyes következtetésre sarkallhatja óvatlan barátainkat, hogy esetleg az idei termés többi része is ugyanilyen kiváló minőségű. Azt hihetnénk, hogy ez a minta kellően reprezentálja cseresznyéink általános minőségét: előfordulhat bár, hogy nem mindegyik szem ennyire kiváló, de azért a többség valószínűleg tényleg ilyen. Másfelől az is előfordulhat, hogy ha esetleg most találkoztak először életükben cseresznyékkel, akkor a gyümölcs általános mivoltára vonatkozó következtetéseket is levonnak, ami talán még veszélyesebb, mint az első eset. Ha csak kiváló cseresznyékkel találkozunk, és ezeket azonosítjuk cseresznyeként, akkor akár az is előfordulhat, hogy a gyümölcs egyéb, kevésbé szerencsés példányait nem is fogjuk cseresznyeként azonosítani.
Az ép és kevésbé ép cseresznyék esete komoly tudományos relevanciával is rendelkezik. Az úgynevezett cherry picking, ami magyarul bár cseresznyeszedést jelent, én azonban enyhe képzavarral élve mazsolázásnak fogom hívni, egy gyakori logikai, érvelési és elméletalkotási hiba. Az alapprobléma ilyen esetekben az, hogy valaki a bizonyítékok, elméletek vagy adatok (a továbbiakban bizonyítékok) halmazából csak azokra az esetekre fókuszál és hívja fel a figyelmet, amik alátámasztják az elméletét, a cáfoló bizonyítékokat pedig elhallgatja. Tételezzük fel például, hogy egy adott kérdésben a tudósok 99 százaléka egyetért, 1 százalékuk azonban nem, vagy nem teljesen ért egyet. Ha erről az esetről olyan cikket olvasunk, ami azt állítja, hogy „több tudós is megkérdőjelezi az elmélet pontosságát”, viszont arról nem állít semmit, hogy ez a több tudós arányaiban mit jelent, és hány tudós ért egyet az elmélettel, akkor az lehet a benyomásunk, hogy a tudósok általában nem értenek egyet az elmélettel. A mazsolázás tehát főként a benyomások manipulálására építő eszköz.
Ez ráadásul, azt is eredményezheti, hogy az elmélet sokkal erősebbnek tűnik, mint amilyen valójában, vagy az egyébként nem helytálló elméletet igaznak gondolhatjuk miatta. Ennek oka, hogy az adott tudós minden egyéb bizonyítékot ignorál, miközben a megerősítő bizonyítékokat kiemeli, és így azt a hamis benyomást keltheti az olvasókban, hogy kutatási eredményei nagy valószínűséggel pontos megállapításokat tesznek. Ez a stratégia jelentheti az adatok szelektív prezentálását, a módszertan nem transzparens bemutatását vagy elhallgatását, támogató esettanulmányok kiemelését vagy túlhangsúlyozását, a kutatást támogató hasonló érvek fontosságának hangsúlyozását, vagy éppen – látszólag – támogató idézetek felsorakoztatását is, kontextus nélkül. A helyzet tehát túl összetett ahhoz, hogy a mazsolázást le lehessen szűkíteni egy specifikus stratégiára, és így e hiba tettenérése is komplikált feladat.
Motivációk, transzparencia és döntések
A helyzetet tovább bonyolítja, ha a mazsolázást a szelekció motivációinak mentén is vizsgáljuk, ugyanis ez sokat elárulhat az egyes kutatók döntéseiről és a tudomány általános természetéről is. Azonban az ignorancia és az ésszerű szelekció közti határok meghúzása, vagyis annak eldöntése, hogy mi számít egy kutatás releváns cáfolatának és belső kohéziójának elengedhetetlen összetevőjének, és mi az, ami már irreleváns az adott eset szempontjából, ingoványos talajra vezet. Egy filozófusok és tudósok által is sok szempontból ideálisnak nevezett elképzelés a tudomány bizonyos fokú transzparenciáját hirdeti, ami lényegében a tudományos eredmények, adatok, módszerek és az esetleges értékvezérelt döntések átlátható kommunikációján alapszik. Ennek az eszményi megvalósítása azonban számos elméleti probléma megválaszolásának kényszerét vonja maga után. Kevin Elliott amerikai tudományfilozófus egyik munkájában amellett érvel, hogy még az említett transzparencia is lehet nem semleges, értékek által vezérelt metódus. Elliott szerint annak meghatározása, hogy egy kutatás mely területeivel kapcsolatban transzparensek a kutatók, és mely területek maradnak fedve, és mindez milyen módokon történik meg, szintén összeütközésbe kerülhet a tudomány értékmentes ideájával. Ezek a döntések hasonló szelekciós folyamatok eredményeiként születnek meg, mint amiket a mazsolázás során is láthattunk, és nem ritkán implicit vagy explicit értékeket világítanak meg. A legkellemetlenebb esetben pedig még akár az is megtörténhet, hogy éppen azok a stratégiák ássák alá az átláthatóság potenciális pozitív eredményeit, amik látszólag hozzásegítenek a kívánt transzparencia eléréséhez.
Elliott esettanulmányában a Lyme-kór körüli ellentmondásokat vizsgálja. A kiinduló probléma, hogy a Lyme-kórral fertőzött egyének egy része arról számol be, hogy az antibiotikumos kezelés után még hosszú időn át tapasztaltak elhúzódó tüneteket. A vita egyfelől az elhúzódó Lyme-kór létezése, másfelől az ennek kezeléséhez talán hasznos hosszú távú antibiotikum-kezelés létjogosultsága körül szerveződik. A Lyme-kór-kutatások azonban attól függően, hogy egyes kutatók mit tartanak relevánsnak, milyen előfeltevésekkel éltek, milyen transzparencia-fogalmakkal dolgoznak, vagy hogy éppen elismerik vagy tagadják az elhúzódó Lyme-kór létezését, mind-mind befolyásolják a kutatási eredményeket, illetve praktikusan a betegek kezelési módszereit is.
Természetesen, ha egy kutató azt gondolja, hogy nem létezik elhúzódó Lyme-kór, akkor az erről szóló beszámolókat sem fogja komolyan venni, és mondjuk publikációkban megjeleníteni mint ellene szóló bizonyítékokat. Ennek mentén látható, hogy az információk szelekciója nem semleges filozófiai döntések sorozataként is értelmezhető. Vagyis a tudomány határainak kijelölésével kapcsolható össze az is, hogy egyáltalán mit tekintünk még egy adott kutatás részének. Mazsolázás lehet egyfelől az, ha az orvos a betegek személyes beszámolói közül csupán azokat az eseteket vizsgálja és veszi figyelembe, amelyek nem támasztják alá az elhúzódó Lyme-kór létezését, és így a hosszú távú antibiotikumos kezelés is feleslegessé válik. Így látszólagos megerősítést kapnak azok az esetek, amelyek nem támasztják alá az elhúzódó Lyme-kór létezését. Mazsolázás lehet azonban az is, ha általánosan ignorálják a kutatók a betegek személyes beszámolóit, mivel összességében megbízhatatlan forrásként tekintenek rájuk.
A kutató morális felelőssége
A mazsolázásnak tehát gyakorlati és filozófiai vonatkozásai is vannak, amit ráadásul a kutatók morális felelősségének a kérdése is keretez. Abban valószínűleg mindenki egyetért, hogy ha X kutató tudatosan mazsolázgat és választja ki csupán az őt alátámasztó bizonyítékokat, akkor X kutató felelős azért, hogy félrevezető eredményt publikál, amivel kárt okoz a tudománynak. Az emögött meghúzódó motivációk sokfélék lehetnek: publikációs kényszer, esetleg az abban való reménykedés, hogy talán nem is olyan fontosak a cáfoló példák, hiszen vagy majd valaki más megcáfolja őket, vagy egyszerűen az elhallgatás mint retorikai eszköz jelenik meg: ha nem beszélünk róla, talán mások sem jönnek rá. A legrosszabb esetekben politikai és ideológiai motivációk is árnyalhatják a képet, vagy éppen a konszenzusba vetett hitt aláaknázásának célja. A kevéske cáfoló, vagy cáfolónak tűnő bizonyíték hangsúlyozása vagy az adatok manipulálása képes lehet arra, hogy a hozzá nem értő embereket meggyőzze egy egyébként nem tartható álláspont érvényességéről. Ennek egyik esete a globális felmelegedés tagadóinak mazsolázó stratégiája: hogyan melegedhetne a Föld, ha áprilisban még mindig ilyen hideg van?!
Ha viszont a kutató nem tudatosan mazsolázgat az eredmények között, hanem esetleg valóban nem volt tisztában az elméletét cáfoló munkákkal, akkor morálisan már bonyolultabb a helyzet. Miről is van szó pontosan az ilyen esetekben? Ha esetleg nem végzett elég alapos munkát a kutató, nem keresett tudatosan cáfoló példákat, és nem is jöttek vele szembe cáfoló példák (vagyis szerencséje sem volt), akkor nem egyértelmű, hogy mazsolázott-e a kutató, vagy egyszerűen csak nem végzett kellően alapos munkát.
A mazsolázás, amennyiben nem tudatosan követte el a kutató, tekinthető egyfajta alapvető emberi pszichológiai karakterisztikának is. Amikor egy témán lázasan dolgozom, előfordul, hogy a világ minden szegletében a témához kapcsolódó dolgok bukkannak fel: releváns könyvek, cikkek, konferenciák, példák, érvek, analógiák, stb. Ha a tárgyak tudásképző szerepe érdekel, akkor megtörténhet, hogy mindenhol arra fogok felfigyelni, hogy milyen változatos módokon határozza meg az emberi viselkedést a tervezett tárgyak használata. Ha meg vagyok róla győződve, hogy nem létezik szabad akarat, akkor elképzelhető, hogy mindenhol olyan esetekre fogok felfigyelni, amelyek ezt hivatottak alátámasztani. A nehézséget az jelenti, hogy a kutatói flow közben néha nehéz megállapítani, mi az, ami tényleg releváns, és mi az, amit a lázas munkamorál láttat bele a dolgokba. Ráadásul logikailag az sem zárható ki, hogy minden, amit relevánsnak tartok, tényleg releváns is, csak történetesen nem olyan mértékben, vagy éppen a kevésbé releváns dolgokat eleve nem azonosítom, így az a hamis kép alakulhat ki bennem, hogy tényleg az én témám a világ közepe. A helyzet inverze igaz a cáfoló példákra: talán kevésbé intenzíven irányul a figyelmem a számomra irrelevánsnak tűnő munkák elemzésére. Nagyon úgy fest tehát, hogy a mazsolázás elkerülése ahogy elméletben, úgy a gyakorlatban sem könnyű feladat. Ennek további oka, hogy az elhallgatott adatokról nagy eséllyel valóban nem értesülünk. Csak akkor tűnhet fel az ignorancia, ha már vagy korábban is tudtunk róluk, vagy célzott kereséssel ellenpéldákra bukkanunk, amelyek relevanciáját bizonyítani is tudjuk. Amiről nem szerzünk tudomást, azt nehéz számonkérni is.
Mazsolázás-e, ha csak a sikeres eredményekről számolnak be?
A mazsolázás ráadásul, legyen szó szándékos vagy nem szándékos szelekcióról, összekapcsolódhat egyéb értékvezérelt szelekciós elvekkel, illetve implicit módon az adott kutatás vagy diszciplína határainak megrajzolásával is. E jelenség analízise tehát elvezethet bennünket a természettudományok értékek által vezérelt módszereinek vizsgálatához is.
A fenti eseteken kívül, a tudományos tudás gyártásának tágabb perspektívájába helyezve a problémát, a kételyek csak szaporodnak. Elkerülhetetlen-e vajon például, hogy a tudományos munka csak egy apró szeletével találkozzon a szélesebb társadalom és a szakértői közeg, és ne a teljes képet reprezentáljuk? Vagyis a tudománykommunikáció is mazsolázgat-e, amikor főleg csak a sikeres, izgalmas eredményekről számol be, és a nehézségekről, belső vitákról, vagy épp bebukott kísérletekről nem? Ha a publikációs gyakorlatokat vizsgáljuk, általánosságban elmondható, hogy leginkább a sikeres kísérletekről olvashatunk, és kevésbé számolnak be a magas rangú folyóiratok bebukott hipotézisekről szóló publikációkról. Ez azonban hosszabb távon ahhoz is hozzájárulhat, hogy elfogult kép alakuljon ki a tudományos tudás gyártásának valódi működéséről. A helyzet ugyanis az, hogy még a tudományos tudás – amit a legmegbízhatóbb tudáskialakító módszerünknek tartunk – sem sikeres mindig és azonnal, sőt. Rengeteg sikertelen kísérlet, hibás előfeltevés és más, például a technikai apparátus által okozott tévedés is jelen van a tudományban, amik azonban sok esetben akár még hozzá is segíthetnek a megoldáshoz hosszú távon. Vagyis elképzelhető, hogy pontosan a tévedések sorozata juttat el bizonyos jelenségek megértéséhez. A kérdés tehát fennmarad: mi legyen a tudomány félig rothadó cseresznyéivel?
A szerző az MTA Lendület Értékek és Tudomány Kutatócsoport munkatársa és a BME Filozófia és Tudománytörténet Tanszékének egyetemi tanársegéde.
Kapcsolódó cikkek a Qubiten: