科学的问题是科学家

泰森的理想世界吸引了许多厌倦了情绪驱动、膝跳政治和政治部落战争的人，这些战争已经侵入了公共生活的各个领域，包括科学领域。 它吸引了他的许多科学家同事，这些人受过训练以客观地思考并根据对自然世界的观察来检验假设。

唯一的问题——大量证据证明了为什么虚拟国家 Rationalia 永远不会发生。

那是因为对于人类来说，理性思考需要大量的精力和努力。 结果，大多数时候我们不打扰。 相反，我们的绝大多数思维完全由我们的直觉引导——只有我们的直觉，没有任何讨厌的干扰理性思维。

诺贝尔奖获得者丹尼尔·卡尼曼 (Daniel Kahneman) 在他的书中巧妙地解释了这种二分法 思考快速和缓慢，并在乔纳森·海特的杰作中重点关注政治分歧 正义之心. 两者本身都是出色的作品，并为人们为什么有不同的观点以及为什么很难改变它们提供了有趣的解释。

更重要的是，这种认知二分法适用于所有人，甚至是科学家。 这可能会让一些人（显然包括一些科学家）感到惊讶，因为 媒体和政治家描绘了科学家 （至少他们同意的那些）充满了辨别和宣讲绝对真理的神奇能力。

这与现实相去甚远。 我经常告诉人们，科学家和普通人的区别在于，科学家更清楚他/她对自己特定领域的不了解，而普通人不知道他们不知道的事情。 换句话说，每个人都饱受无知之苦，但科学家（希望）通常更清楚他们的无知之深。 他们可能偶尔会有一个关于如何稍微增加特定知识体系的想法，有时这个想法甚至可能被证明是成功的。 但在大多数情况下，他们花时间思考特定于他们领域的深刻知识鸿沟。

科学家们经常被他们自己多年的经验和由此产生的潜在误导性直觉所阻碍。 在书里 病毒猎人，作者 CJ Peters 和 Mark Olshaker 讲述了一位前 CDC 主任如何评论说：“CDC 通常派去调查神秘疾病爆发和流行病的年轻、缺乏经验的 EIS（流行病情报服务）官员实际上比他们更有经验和经验丰富的长辈有一些优势。 虽然拥有一流的培训和整个 CDC 组织的支持，但他们还没有看到足够的预设意见，因此可能对新的可能性更加开放，并有精力去追求它们。” 专家在做出预测方面也很糟糕，正如研究员兼作家菲利普·泰特洛克在他的书中所解释的那样 专家政治判断，他们在预测方面并不比普通人更准确。 越多 最近大流行预测模型的失败 只是强化了这个结论。

大多数成功的科学家都可以将他们的最高成就追溯到发生的工作 在他们职业生涯的早期. 发生这种情况，不仅因为科学家获得了更多的工作保障，而且因为他们受到自己的经验和偏见的阻碍。 当我在 90 年代后期担任实验室技术员时，我记得在我计划的一项实验中向一位免疫学家征求意见。 他最终给了我一堆理由，说明为什么没有任何好的方法来做那个实验并获得有用的信息。 我把这次遭遇告诉了一位博士后，我记得她说“不要听他的。 那家伙可以说服你不要做任何事情。” 经验丰富的科学家敏锐地意识到什么是行不通的，这可能导致不愿意冒险。

科学家们在一个竞争激烈的环境中工作，他们被迫花费大部分时间通过无休止的资助申请来寻求研究资金，其中绝大多数是没有资金的。 为了在这个有限的池子中竞争，研究人员对他们的工作进行了最积极的评价，并公布了他们最积极的结果。 即使这项研究偏离了最初的计划，最终的手稿也很少会这样读。 而这些压力往往导致数据分析陷入一个容易出错的范围，从更无辜地强调积极结果到忽略消极或相反的数据，再到彻头彻尾的捏造。 作者 Stuart Ritchie 在他的书中给出了详细的例子 科幻小说：欺诈，偏见，过失和炒作如何破坏对真理的追求. 里奇不仅解释了科学是如何被善意的科学家认可和资助的压力所扭曲的，他还深入了解了一些最多产的欺诈者的血腥细节。 另一个涵盖科学错误和研究渎职的优秀资源是网站 回缩观看. 撤回论文的绝对数量， 许多由同一个科学家，强调记录和打击科学欺诈的重要性。

多年来，研究数据报告和可复制性的问题已为人所知。 2005 年，斯坦福大学教授 John Ioannidis， 被引用次数最多的科学家之一，发表了一篇引用率最高的文章（超过 1,600 篇）， 为什么大多数已发表的研究结果都是错误的. 在这项研究中，Ioannidis 使用数学模拟表明“对于大多数研究设计和设置，研究声称更有可能是错误的而不是真实的。 此外，对于当前的许多科学领域，声称的研究结果通常可能只是对普遍偏见的准确衡量。” 约阿尼迪斯还提供 六个推论 从他的结论中得出： 

1. 在科学领域进行的研究越小，研究结果就越不可能是真实的。
2. 科学领域中的效应量越小，研究结果就越不可能是真实的。
3. 在科学领域中测试关系的数量和选择越少，研究结果就越不可能是真实的。
4. 科学领域的设计、定义、结果和分析模式的灵活性越大，研究结果就越不可能是真实的。
5. 一个科学领域的财务和其他利益和偏见越大，研究结果就越不可能是真实的。
6. 科学领域越热（涉及的科学团队越多），研究结果就越不可能是真实的。

如果你仔细看清单，5 和 6 应该会跳出来冲你尖叫。 仔细看看：

“推论 5：一个科学领域的财务和其他利益和偏见越大，研究结果就越不可能是真实的。 利益冲突和偏见可能会增加偏见， u. 利益冲突在生物医学研究中非常普遍，通常报告不足且很少。 偏见不一定有经济根源。 特定领域的科学家可能纯粹因为他们对科学理论的信仰或对自己发现的承诺而受到偏见 （强调我的）. 许多看似独立的、以大学为基础的研究可能只是为了让医生和研究人员获得晋升或终身教职的资格。 这种非财务冲突也可能导致报告结果和解释失真。 有声望的调查人员可能会通过同行评审过程压制驳斥他们发现的发现的出现和传播，从而谴责他们的领域使错误的教条永久化。 专家意见的经验证据表明，它极不可靠。”

“推论 6：科学领域越热（涉及的科学团队越多），研究结果就越不可能是真实的。 这个看似自相矛盾的推论如下，因为如上所述， 当许多研究人员团队参与同一领域时，孤立发现的 PPV（阳性预测值）会降低。这或许可以解释为什么我们偶尔会在引起广泛关注的领域看到重大的兴奋之后迅速出现严重的失望。 由于许多团队在同一领域工作，并且产生了大量的实验数据，因此时间对于击败竞争至关重要。 因此， 每个团队都可以优先追求和传播其最令人印象深刻的“积极”成果......“

科学家们因为他们的信念而产生偏见，受到该领域“热度”的驱使，从而优先考虑积极的结果，这些都是 SARS-CoV-2 研究中明显的偏见来源。 Ioannidis 及其同事在 已发表的 SARS-CoV-2 研究激增，指出“210,863 篇与 COVID-19 相关的论文，占 3.7 年 5,728,015 月 1 日至 2020 年 1 月 2021 日期间在 Scopus 中发表和索引的所有科学论文的 19 篇的 2020%。” COVID-XNUMX 相关文章的作者几乎是各个领域的专家，包括“渔业、鸟类学、昆虫学或建筑学”。 到 XNUMX 年底，约阿尼迪斯 写，“只有汽车工程没有科学家在 COVID-19 上发表文章。 到 2021 年初，汽车工程师也有了发言权。” 其他人也评论了“共化“的 研究，强调了研究质量的下降，因为 COVID 狂热驱使研究人员从不相关的领域转向城里最热门、最赚钱的游戏。

正如我在前两篇文章中所讨论的， 通用掩蔽 和 报告 COVID 对儿童的危害 由于媒体机构、政治家、科学家和公共卫生组织的猖獗偏见，已不可挽回地被政治化和扭曲。 但真正的罪魁祸首可能是公众本身，以及第一世界的零风险安全文化，它鼓励所有这些参与者夸大伤害以迫使不合规者改变行为。 此外，大多数“认真对待大流行”的顺从者都想知道，他们所做的所有牺牲都是值得的。 

然而，科学家和媒体机构非常乐意 交付:

“想象一下，如果你是一名科学家，并且知道你的研究的有利结论会立即获得《纽约时报》、CNN 和其他国际媒体的认可，而不利的结果会导致同行的严厉批评、人身攻击和社交媒体上的审查，以及难以发布您的结果。 会有人对此作何反应？”

答案很明显。 惊恐的公众对有效消除感染风险的干预措施证据的强烈渴望将不可避免地迫使科学家提供这些证据。 理想情况下，承认这种偏见会导致其他科学家和媒体的怀疑增加，但这并没有发生。 夸张的 索赔 of 功效 干预和夸大危害 促进他们的接受 已成为大流行报告的常态。

正如我所讨论的 在上一篇文章中，减轻研究偏见的最佳方法是调查人员邀请中立的合作伙伴复制工作并就其他研究进行合作。 向公众和其他科学家提供所有数据的能力也邀请了众包的批判性评论，因此可能更准确和更少偏见。 数据集和文件的公开可用性导致改进 大流行预测 并带来了 SARS-CoV-2 实验室泄漏来源的可能性 走出阴谋论的阴影，进入公众视野。

由于数据公开和文档透明，其他人抱怨这些资源被 扶手椅科学家 或从事研究的科学家 认知侵入 在他们各自的领域之外，导致了一大堆令人困惑的误导性信息。 然而，即使科学的进程仅限于“专家”，绝大多数研究成果也很少 有价值或准确的信息 给其他研究人员或广大公众。

只有通过严酷的自然选择和同行复制过程，最好的想法才能在最初的炒作中幸存下来。 同样重要的是要注意，特定领域的研究人员群体可能会因内部和政治偏见以及有毒的群体思维而瘫痪，以至于只有他们所在领域之外的人才能引起对该问题的关注。 因此，尽管我们存在集体缺陷，但其他科学家和公众在科学的长期纠正过程中提供帮助的能力是接近真相的最佳途径。

转载自作者 亚组