Cách phân biệt “khoa học tệ hại” (bad science)

Trên mạng xã hội Nhật đang lan truyền một poster về cách phân biệt những điều tệ hại trong khoa học/các bài viết về khoa học (bad science). Mình đọc thấy hay nên tóm tắt các ý chính và thêm các ví dụ cho mọi người cùng tham khảo

Cập nhật ngày 1/2/2016: Liên quan đến chủ đề “khoa học tệ hại” (bad science), gần đây mình mới biết có hẳn một cuốn sách về chủ đề này. Cuốn sách có tên “Bad Science” của tác giả Ben Goldacre, cây viết về chủ đề khoa học và sức khoẻ. Xem thêm bình luận về cuốn sách tại trang bình luận sách ở đâybài thuyết trình của tác giả trên TED. Đây sẽ là cuốn sách mình đưa vào danh sách các cuốn sách cần đọc.

———————————–

Phân biệt những điều tệ hại trong khoa học/các bài viết về khoa học (bad science)

  1. Tiêu đề mang tính giật gân: Báo chí, nhất là các báo mạng, để tăng lượng view thường giật tít rất kêu. Những bài báo đó, nhẹ thì làm đơn giản hoá kết quả nghiên cứu gốc, tệ hơn là nói khoa trương, nói quá lên hoặc bóp méo, làm xuyên tạc thông điệp chính của bài báo gốc.
  2. Giải thích sai hoặc hiểu sai kết quả nghiên cứu. Chưa bàn đến ý đồ, các bài báo trên các báo đại chúng hay có xu hướng muốn người đọc tin vào kết quả nghiên cứu, tạo ấn tượng là nghiên cứu này rất xác thực. Vì lẽ đó, trong nhiều trường hợp, các bài báo hay bóp méo, hoặc giải thích sai kết quả nghiên cứu. Nếu có thể, bạn hãy cố gắng đọc bản gốc của kết quả nghiên cứu (các bài báo khoa học). Lời khuyên này làm mình nhớ đến tác giả Thu Giang Nguyễn Duy Cần trong tác phẩm “Tôi tự học”, ông cũng khuyên người đọc cố gắng “Uống nước tận nguồn” — tức là đọc nội dung nguyên bản thay vì qua lời diễn giải thứ cấp của người khác.
  3. Xung đột lợi ích. Nhiều doanh nghiệp vì mục đích nghiên cứu hoặc đăng bài báo khoa học hay thuê các nhà khoa học về làm hoặc tài trợ cho các nghiên cứu. Các nghiên cứu đó ít nhiều bị ảnh hưởng bởi lợi ích của doanh nghiệp đó, và đôi khi phải phục vụ cho lợi ích doanh nghiệp. Ví dụ điển hình là Coca cola còn thuê mấy nhà khoa học nghiên cứu để đưa ra bằng chứng là không cần lo lắng về đồ uống có đường gây béo phì, chỉ cần tập thể dục là được (http://mobile.nytimes.com/blogs/well/2015/08/09/coca-cola-funds-scientists-who-shift-blame-for-obesity-away-from-bad-diets/?referer)
  4. Lẫn lộn giữa quan hệ tương quan và quan hệ nhân quả. Giữa hai biến số có quan hệ tương quan không đồng nghĩa với việc giữa chúng có quan hệ nhân quả. Ví dụ, hiện tượng trái đất nóng lên ngày càng tệ hơn từ những năm 1800 cho đến nay; cùng thời gian số lượng cướp biển cũng giảm đi. Nhưng khó có thể nói, số lượng cướp biển giảm dẫn tới hiện tượng trái đất nóng lên. Một ví dụ khác, có một bài báo nói đàn ông hôn vợ trước khi đi làm sẽ có thu nhập trung bình cao hơn. Thực ra giữa hai việc: hôn vợ trước khi đi làm và giàu có chỉ có quan hệ tương quan chứ chưa chắc là quan hệ nhân quả. Có thể hôn vợ sẽ giàu hơn; hoặc giàu có thì hay hôn vợ hoặc chẳng tồn tại quan hệ nhân quả gì ở đây. Muốn khẳng định quan hệ nhân quả phải làm thí nghiệm. Ví dụ: chia làm 2 nhóm ngẫu nhiên, một nhóm hôn vợ trước khi đi làm vào mỗi ngày, nhóm kia hiếm khi hôn vợ và theo dõi trong một thời gian xem nhóm 1 có thực sự giàu lên không.
  5. Cách diễn đạt kiểu phỏng đoán. Các phỏng đoán từ kết quả nghiên cứu chỉ đơn thuần là phỏng đoán. Khi đọc chú ý, cảnh giác các từ: dường như, có lẽ, có khả năng. Các bài báo đại chúng sử dụng các từ ngữ như vậy khó có thể được coi là có bằng chứng xác thực từ kết quả nghiên cứu.
  6. Kích cỡ mẫu quá nhỏ. Các nghiên cứu thống kê sử dụng mẫu với kích cỡ quá nhỏ thường không đáng tin cậy. Đặc biệt, nếu tác giả sử dụng mẫu với kích cỡ nhỏ trong các trường hợp việc thu thập được mẫu với kích cỡ lớn là không khó lắm thì ta càng có lý do để nghi ngờ kết quả nghiên cứu.
  7. Mẫu không mang tính đại diện. Trong nghiên cứu thống kê, khi không thể tiến hành các điều tra trên toàn bộ dân số, các nhà nghiên cứu thường lấy mẫu để nghiên cứu. Nếu mẫu không mang tính đại diện thì khi lấy tập mẫu khác thì kết quả cũng sẽ thay đổi.
  8. Không có nhóm chứng. Trong các thí nghiệm lâm sàng, để đánh giá hiệu quả của một loại thuốc, điều bắt buộc là phải so sánh kết quả giữa nhóm được dùng được dùng thuốc và nhóm không được dùng thuốc (nhóm chứng); Hơn nữa việc phân chia nhóm được dùng thuốc và nhóm không được dùng thuốc phải được tiến hành ngẫu nhiên.
  9. Không dùng giả dược (placebo). Để tránh bias trong các thử nghiệm, những người được thử nghiệm phải không biết mình thuộc nhóm nào đó; đó là lý do người ta phải cho những người thuộc nhóm không dùng thuốc uống giả dược (placebo). Có khi người ta còn làm cẩn thận hơn nữa là cho đến khi thí nghiệm kết thúc, ngay cả những nhà nghiên cứu cũng không biết ai thuộc nhóm nào. Chú ý: nhiều khi việc dùng giả dược là bất khả thi, hoặc trái với y đức.
  10. Chỉ tập trung vào các dữ liệu phù hợp với kết luận. Đây là cách làm mà trong đó, nhà nghiên cứu chọn ra trong tập dữ liệu lớn những dữ liệu phù hợp với kết luận, các dữ liệu không phù hợp với kết luận bị bỏ qua một cách có chủ ý.
  11. Kết quả không thực hiện lại được. Yêu cầu của một nghiên cứu là phải thực hiện lại được bởi 1 nhóm nghiên cứu độc lập. Chắc mọi người còn nhớ vụ việc liên quan đến nghiên cứu tế bào gốc của cô tiến sỹ người Nhật Haruko Obokata làm cho 1 giáo sư nổi tiếng của Nhật phải tự tử. Nhiều nhóm nghiên cứu độc lập đã cố gắng thực hiện lại thí nghiệm trong bài báo của cô nhưng không thực hiện lại được.
  12. Bài báo và số lượng trích dẫn. Ngay cả các bài báo khoa học đã trải qua quá trình bình duyệt thì vẫn có thể có những sai lầm. Cũng như vậy, ngay cả các bài báo với số lượng trích dẫn lớn thì cũng không thể kết luận vội vàng là bài báo đó có chất lượng tốt.

CWRhDppVAAA56Dm

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: