Conciliare soggettività e oggettività nella scienza
Qual è la differenza tra i «fatti alternativi» dell’amministrazione Trump e la verità scientifica? La risposta standard è: metodi oggettivi di inferenza scientifica. Tuttavia, mentre c’è una differenza (oggettiva) tra fatti scientifici e falsità, l’idea che la sana scienza sia libera da valori personali o da presupposti soggettivi può portare a commettere errori pericolosi. Il progetto Objectivity (Making Scientific Inferences More Objective), che ha ricevuto finanziamenti dal Consiglio europeo della ricerca, sta ripensando il concetto di oggettività nell’inferenza scientifica. Le idee superate dell’oggettività scientifica come libera da qualsiasi elemento soggettivo spesso ostacolano la promozione del progresso scientifico, osserva Jan Sprenger, ricercatore principale del progetto e professore di filosofia della scienza presso il dipartimento di Filosofia dell’Università di Torino. «Purtroppo, molti scienziati e direttori di riviste tendono a occultare questi elementi.» Secondo Sprenger, questa pratica ha notevolmente contribuito alla crisi della riproducibilità in corso, che vede i ricercatori lottare per riprodurre i risultati di esperimenti precedenti. «Abbiamo sostenuto che una posizione esplicitamente soggettiva sull’inferenza scientifica aumenta la trasparenza del ragionamento in tal ambito, agevolando così anche la verifica delle affermazioni scientifiche e contribuendo a un maggior grado di affidabilità delle conclusioni.» Come tradurre quindi questo approccio in risultati scientifici migliori? Il gruppo responsabile del progetto ha elaborato strumenti pratici per migliorare l’inferenza statistica, causale ed esplicativa conciliando la scelta soggettiva con l’obiettivo di una conoscenza oggettiva.
Soggettività incorporata
Un esempio di malcostume statistico che contribuisce alla crisi della riproducibilità è il dragaggio dei dati, in cui i ricercatori selezionano le analisi o i dati che meglio si adattano alla conclusione desiderata. Il gruppo di Objectivity evidenzia la promessa rappresentata dalla metodologia bayesiana, che utilizza l’interpretazione soggettiva della probabilità, per migliorare l’inferenza statistica: il lavoro svolto nell’ambito del progetto mostra che gli esperimenti progettati e analizzati utilizzando questo metodo hanno portato a stime più accurate rispetto al metodo convenzionale. L’inferenza causale è il processo attraverso il quale le cause sono dedotte dai dati. In medicina, per esempio, gli studi controllati randomizzati hanno lo scopo di misurare la forza causale per studiare l’efficacia di un nuovo trattamento. I ricercatori sostengono una misura specifica della forza causale: la differenza che gli interventi sulla causa comportano per la probabilità dell’effetto. Questa probabilità può essere interpretata oggettivamente (come frequenze, propensioni, ecc.) o come gradi soggettivi di convinzione, a seconda del contesto. L’inferenza esplicativa è il processo di scelta dell’ipotesi che spiega meglio i dati in questione. Questo concetto è rimasto notoriamente vago, come osserva Sprenger: «Che cos’è una “buona” spiegazione? La sensazione “di pancia” di uno scienziato? Nel nostro lavoro, abbiamo fornito un fondamento rigoroso di questa modalità di inferenza attraverso la costruzione e il confronto di varie misure del potere esplicativo.» Il gruppo ha individuato una stretta relazione fra le convinzioni precedenti e il potere esplicativo. La qualità di una spiegazione, nonché l’inferenza della «migliore spiegazione», non è quindi una questione puramente oggettiva, ma intrecciata con le convinzioni soggettive. «Le procedure di valutazione degli esperimenti e la loro analisi statistica dovrebbero essere adattate: dobbiamo perdere la paura degli elementi soggettivi presenti nell’inferenza», dichiara Sprenger, che conclude: «La scienza è superiore alla superstizione non perché non ammetta elementi soggettivi, ma perché le sue conclusioni sono piuttosto resistenti alla variazione degli apporti soggettivi e perché permette la critica razionale delle ipotesi formulate.»
Parole chiave
Objectivity, soggettività, inferenza scientifica, inferenza statistica, inferenza causale, inferenza esplicativa, metodologia bayesiana, errore
