Määritelmänsä mukaan tieto on hyvin perusteltu tosi uskomus. Toisin sanoen väite X on tietoa, jos se täyttää kaikki seuraavat ehdot:
- Henkilö A uskoo, että X.
- Henkilöllä A on hyvä syy uskoa, että X
- X.
Jos vain osa ehdoista täyttyy, X ei ole tietoa. Jos ainoastaan ehto 3 täyttyy, kyseessä on totuus, mutta henkilön A kannalta ei tietoa. Jos ehdot 1 ja 3 täyttyvät, kyseessä on edelleen totuus, mutta A:n kannalta ei edelleenkään tietoa vaan ainoastaan oikeaan osunut arvaus. On tärkeää huomioida, että muualla kuin matematiikassa ihmisellä ei ole mahdollisuutta tarkistaa objektiivisesti, täyttyykö ehto 3.
Ehto 2 on avainasemassa tiedon luotettavuuden arvioimisessa. Se ei ole diskreetti kyllä/ei-kysymys, vaan jatkumo huonosta perustelusta hyvään ja heikosta todisteesta vahvaan. Internet on pullollaan enemmän ja vähemmän hyviä perusteluja aiheesta kuin aiheesta, ja muutamalla haulla on mahdollista löytää tukea keskenään täysin vastakkaisille väitteille. Väite ei voi olla yhtä aikaa tosi ja epätosi (paitsi kvanttitasolla, mutta sillä ei ole mitään merkitystä arkipäivän ilmiöiden kannalta), joten jos väitteelle löytyy sekä puolustavia että vastustavia todisteita, täytyy huomio kohdistaa todisteisiin itseensä ja arvioida niiden laatua.
Anekdoottinen todiste eli tarinatodiste (tai N=1-tutkimus) tarkoittaa yksittäisen ihmisen kokemusta tai havaintoa. Havainto voi tietenkin osua oikeaan, mutta tieteessä se ei koskaan riitä johtopäätösten tekemiseen. Oma kokemus on altis virheille, jotka voivat johtua riittämättömästä havainnoinnista tai omista ennakko-oletuksista. Esimerkki anekdoottisesta todistuksesta:
Olen koko kevään kärsinyt vatsakivuista, mutta kun lähdin viikoksi etelään, kivut helpottivat. Juon töissä aina maitoa, mutta etelässä join pelkästään olutta. Koska kivut helpottivat, minulla täytyy olla laktoosi-intoleranssi.
Oheinen esimerkki on muunnos eräästä yleisestä anekdoottien voimalla elävästä uskomuksesta ja demonstroi hyvin anekdoottisten todisteiden heikkouden. Esimerkissä henkilö esittää todellisen ongelman (vatsakipu) ja kaksi muutosta olosuhteissa (1. työ -> loma, 2. maito -> olut), joiden jälkeen ongelma poistui. Hän huomioi yhden muutoksen (maito -> olut) ja uskoo ongelman poistumisen johtuvan siitä. Asetelma ei kuitenkaan huomioi muita muuttuvia tekijöitä, jotka eroavat työn ja loman välillä. Esimerkiksi:
- Työyhteisö -> perhe/ystävät
- Velvollisuudet -> lepo
- Herääminen aikaisin -> riittävät yöunet
- Stressi -> ei stressiä
Asetelman perusteella ei voi tehdä mitään muuta johtopäätöstä kuin että esimerkin henkilön vatsa oli kipeä keväällä ja nyt se ei ole. Kaikki arvaukset mekanismista ovat ainoastaan arvauksia. Asetelma voi kuitenkin nostaa esiin hypoteesin: ”Entä, jos maidossa on jotain, joka aiheuttaa vatsakipua? Esimerkiksi pastörointi?”. Hypoteesi ei kuitenkaan ole automaattisesti totta, vaan vaatii tutkimusta.
Tieteellinen tutkimus tarkoittaa kysymyksen järjestelmällistä tarkastelua kontrolloiduissa olosuhteissa. Tieteelle on tyypillistä ennakko-oletuksista aiheutuvien virhelähteiden minimointi esimerkiksi kaksoissokkouttamalla:
Tutkija X haluaa selvittää, aiheuttaako pastöroitu maito vatsakipua. Tämän selvittämiseksi hän pyytää assistenttia P tarjoamaan 5 lasia pastöroitua ja 5 lasia pastöroimatonta maitoa 10 koehenkilölle (kukin saa yhden lasillisen). Tutkija ja koehenkilöt eivät tiedä, kumpaa maitoa kukin saa. Maidon nauttimisen jälkeen tutkija X kirjaa ylös kunkin koehenkilön kokemukset. Kun tulokset on kirjattu, assistentti P tarkastaa, kokivatko 5 pastöroitua maitoa juonutta koehenkilöä erilaisia oireita kuin 5 pastöroimatonta maitoa juonutta.
Mikäli edellisen esimerkin kokeessa havaitaan, että pastöroitua maitoa juoneet koehenkilöt kokevat vatsakipua, mutta pastöroimatonta maitoa juoneet eivät, on tutkijalla syy olettaa, että pastöroinnilla on jokin yhteys koehenkilöiden vatsakipuun. Vaikka kymmenen henkilöä onkin pieni otos, on se voimakkaampi todiste pastöroinnin haittojen puolesta kuin yksittäisen ihmisen lomamatkakokemus. Tutkija voi tämän jälkeen tarjota tutkimusraporttia julkaistavaksi tieteelliseen julkaisusarjaan (”tiedelehteen”).
Julkaisukriteerinä on metodien ja tulosten esittäminen sellaisessa muodossa, että artikkelin perusteella kuka tahansa, jolla on saman alan koulutus, pystyy raportin perusteella toistamaan kokeet ja tulemaan samaan lopputulokseen. Vertaisarvioitu tieteellinen julkaisu tarkoittaa tieteellisellä metodilla toteutettua tutkimusta, jonka on ennen julkaisua käynyt läpi muutama puolueeton asiantuntija (”vertainen”). Vertaisarviointi on vähimmäisvaatimus uskottavalle tieteelliselle julkaisulle, ja sen tarkoituksena on estää sellaisten tutkimusten julkaisu, joiden tekemisessä on käytetty virheellisiä metodeja.
Tutkimustulos, joka on julkaistu vertaisarvioidussa julkaisusarjassa on yleensä uskottavampi kuin julkaisematon, mutta julkaisu ei ole varma tae johtopäätösten todenmukaisuudesta. Yksi tunnettu häiriötekijä on julkaisuharha eli julkaisusarjojen taipumus julkaista helpommin valtavirrasta poikkeavia tuloksia. Esimerkiksi:
Tutkija X toteaa tutkimuksessaan, että pastöroitua maitoa juoneet koehenkilöt eivät kärsineet vatsavaivoista enempää kuin pastöroimatonta maitoa juoneet. Samaan tulokseen olivat vastaavan kokoisella aineistolla kuitenkin jo aikaisemmin päätyneet tutkijat Y ja Z. Koska tutkijan Z tutkimus on jo julkaistu, tutkijoiden X ja Y tulosten julkaiseminen ei olisi antanut aiheesta mitään uutta tietoa. Kuvaan astuu tutkija A, joka sai tutkijoiden X, Y ja Z tutkimuksiin nähden poikkeavan tuloksen: hänen aineistossaan pastöroitua maitoa juoneet kärsivät vatsavaivoista enemmän kuin pastöroimatonta maitoa juoneet. Koska hän saa edelliseen julkaisuun nähden poikkeavan tuloksen, eräs julkaisusarja päättää julkaista hänen tutkimuksensa.
Tiedonhakija Q on kiinnostunut pastöroidun maidon terveysvaikutuksista. Hän löytää kaksi julkaistua tutkimusta: tutkijan A tulos tukee teoriaa pastöroimisen yhteydestä vatsakipuun ja tutkijan Z tulos puhuu tätä vastaan. Näiden perusteella tiedonhakija Q tekee johtopäätöksen, että tulokset jakautuvat 50:50 kumpaankin suuntaan.
Kaikki edellisen esimerkin tutkimukset olivat otokseltaan pieniä. Mitä pienempi otos, sitä todennäköisemmin satunnaiset vaihtelut koehenkilöiden välillä vääristävät kokeen lopputulosta. Siksi ennen johtopäätösten tekemistä kannattaisi odottaa laajempien tutkimusten valmistumista:
Tutkija V on lukenut tutkijoiden A ja Z tulokset pastöroidusta maidosta ja haluaa selvittää, onko pastöroidun maidon juomisella todella yhteys vatsakipuihin vai ei. Hän rekrytoi 1000 koehenkilöä, joille assistentti P tarjoaa lasillisen joko pastöroitua tai pastöroimatonta maitoa. Tutkimuksen myötä käy ilmi, että 25 pastöroitua maitoa juoneista ja 25 pastöroimatonta maitoa juoneista koehenkilöistä kärsii vatsakivusta. Johtopäätös on, että pastörointi ei ole yhteydessä vatsakipuihin. Tutkijan V tulos siis vahvistaa tutkijan Z julkaistut (sekä tutkijoiden X ja Y julkaisemattomat) tulokset.
Yllä olevassa esimerkissä on kolme julkaistua tutkimusta. Yksi niistä (A) tukee linkkiä vatsakipujen ja maidon pastöroinnin välillä ja kaksi (Z ja V) puhuu tätä vastaan. Vastuullinen tiedonhakija lukee kaikki kolme tutkimusraporttia ja toteaa, että tutkijan V tulokset ovat laadukkaampia kuin tutkijoiden A ja Z, joten johtopäätös on, että pastöroinnilla ei todennäköisesti ole yhteyttä vatsakipuihin. Mitä enemmän julkaisuja kertyy, sitä todennäköisemmin satunnaisella tiedonhakijalla jää osa tuloksista lukematta. Ihmisellä on luontainen taipumus huomioida sellainen tieto, joka tukee hänen aikaisempia käsityksiään. Tästä syntyy vahvistusharha.
Tiedonhakija R on kuullut tädiltään, että tämän vatsakivut loppuivat, kun tämä lopetti pastöroidun maidon juomisen etelänmatkalla. Hän löytää kolme julkaistua tutkimusta, joista hänen huomionsa kiinnittyy tutkijan A raporttiin, jonka mukaan pastöroidun maidon juominen saattaa olla yhteydessä vatsakipuihin. Hän vilkaisee ohimennen myös kaksi muuta tutkimusta, mutta koska raportti A vahvistaa tädin kertoman anekdootin, jää se mieleen vahvimmin. Viikon kuluttua kaksi muuta raporttia ovat jo unohtuneet.
Vahvistusharhaan syyllistyminen ei aina johdu tyhmyydestä tai laiskuudesta, ja lähes kaikki syyllistyvät siihen tahtomattaan joskus. Vahvistusharhan välttäminen vaatii jatkuvaa keskittymistä sekä tietoista pyrkimystä objektiivisuuteen.
Kun tutkimuksia kertyy enemmän, alkaa niiden pohjalta muodostua tiedeyhteisön sisällä konsensus. Tämä tarkoittaa asiantuntijoiden kesken vallitsevaa yhteisymmärrystä jostain ilmiöstä. Konsensuksen perustana ovat tutkimusraporttien lisäksi asiantuntijoiden käytännön kokemus.
Satunnaisen tiedonhakijan kannattaisi yksittäisten teknisten tutkimusraporttien sijaan pyrkiä selvittämään itselleen, mikä on tiedeyhteisön konsensus kyseisestä asiasta. En sano, että tavallisen rahvaan pitäisi vain kuuliaisesti ammentaa kaikki norsunluutorneista säteilevä viisaus, mutta ollaan realistisia: Kumpi todennäköisesti tietää enemmän: henkilö, joka on tutkinut asiaa koko ikänsä vai henkilö, joka on tehnyt muutaman internet-haun? On totta, että myös tiedemiehet ovat alttiita vahvistusharhalle ja varsinkin pidemmän uran tehneillä tutkijoilla on riski lukkiutua vanhoihin käsityksiin. Konsensus ei kuitenkaan tarkoita pölyttyneimmän professorin henkilökohtaista mielipidettä 20 vuoden takaa, vaan jatkuvan muutoksen kohteena olevaa kokonaiskäsitystä. Mikäli joku tutkija saa vahvan ja toistettavissa olevan tuloksen, joka muuttaa konsensusta, konsensus muuttuu. Mitä radikaalimpi muutos, sitä voimakkaamman perustelun se vaatii.
Johtopäätökset
Internet on pullollaan tietoa, ja mille tahansa väitteelle on mahdollista löytää tukea. Ensimmäinen askel valistuneeseen argumentointiin on tunnistaa, millaiset todisteet ovat vahvoja. Anekdoottiset todisteet ovat helppoja ja niitä käytetään usein markkinoinnissa. Tieteessä niillä ei kuitenkaan ole todistusarvoa. Vertaisarvioidusti julkaistu tutkimus on tieteellisen maailmankuvan perusrakennuspalikka, mutta koska tutkijat ja julkaisijat ovat vain ihmisiä, ei julkaisuihinkaan voi luottaa sokeasti. Otokseltaan laaja tutkimus on todistusvoimaltaan voimakkaampi kuin suppea tutkimus. Mikäli julkaistut tulokset vaikuttavat ristiriitaisilta, tulee huomio kiinnittää tutkimusten antamaan kokonaiskuvaan. Joskus täydellistä varmuutta ei pystytä saavuttamaan siksi, että dataa ei yksinkertaisesti ole riittävästi.
Tiede ei ole helppoa, mutta toistaiseksi se on luotettavin olemassa oleva järjestelmä ympäröivän todellisuuden tulkitsemiseen.