# Veritasium: «Почему большинство опубликованных исследований ошибочны?» Источник: https://www.youtube.com/watch?v=42QuXLucH3Q Канал: Veritasium Опубликовано: 11.08.2016 --- ## Почему научные исследования часто ошибаются: Кризис воспроизводимости 🔬 [[JUMP:0:00]] В 2011 году престижный «Журнал личности и социальной психологии» опубликовал статью, доказывающую, что люди якобы способны предсказывать будущее. Эксперимент показал, что участники статистически чаще угадывали расположение «эротических» изображений за шторками, чем нейтральных. Хотя результат выглядел значимым (P-значение 0,01), само исследование подняло неудобный вопрос: как много опубликованных научных работ на самом деле ложны? Автор канала Veritasium разбирает, почему современная наука сталкивается с глубоким кризисом доверия и что заставляет ученых публиковать сомнительные данные. --- ## 📉 Статистическая ловушка: Почему P-значение — не гарантия истины [[JUMP:1:41]] Принято считать, что P-значение ниже 0,05 гарантирует достоверность результата (вероятность ошибки всего 5%). Однако, по мнению автора Veritasium, это заблуждение, которое серьезно недооценивает проблему. Если представить поле исследований, где ученые проверяют 1000 гипотез, из которых лишь 10% верны, расчеты показывают пугающую картину: * Даже при хорошей методологии (статистическая мощность 80%) многие исследования будут выдавать ложноположительные результаты из-за особенностей статистических фильтров. * Научные журналы неохотно публикуют «нулевые результаты» (когда гипотеза не подтвердилась), отдавая предпочтение только «успешным» находкам. * В итоге почти треть опубликованных результатов может быть ошибочной. Ситуация усугубляется, когда исследования проводятся с малой выборкой или предвзятостью. Проекты по воспроизводимости данных подтверждают это: например, лишь 36% изученных психологических исследований удалось повторить с тем же успехом, а в базовых исследованиях рака успешными оказались всего 6 из 53 попыток. --- ## 🍫 P-хакинг: Как «подкрутить» данные ради сенсации [[JUMP:4:06]] Яркий пример манипуляции статистикой — исследование 2015 года, «доказавшее», что шоколад ускоряет потерю веса. Новость мгновенно попала на первые полосы европейских газет. На деле же авторы эксперимента намеренно создали условия для ложноположительного результата: * **Малая выборка:** всего пять человек в каждой группе. * **Множественные замеры:** ученые отслеживали 18 разных показателей (вес, холестерин, сон и т.д.). Это явление известно как **p-хакинг** (p-hacking). Исследователи могут «подгонять» результат, добавляя данные в процессе, отбрасывая неудобные условия или манипулируя переменными, пока P-значение не опустится ниже заветных 0,05. Даже в фундаментальной физике, где порог значимости гораздо выше (так называемые «пять сигма» — один шанс на 3,5 миллиона), случаются ошибки. Например, в 2002 году японские физики «обнаружили» экзотическую частицу пентакварк, что породило волну теоретических работ, но последующие эксперименты не нашли этому подтверждения. --- ## 🏆 Стимулы против истины: Почему ученые не хотят повторять опыты [[JUMP:8:30]] Наука должна самокорректироваться через повторение (репликацию) чужих открытий, но на практике карьера ученого зависит от публикации новых, неожиданных результатов. * **Отсутствие выгоды:** Журналы отказываются печатать попытки репликации (особенно неудачные), что делает этот путь бесперспективным для исследователя. * **Риск репутации:** Если ученый не может воспроизвести чужой «успех», его скорее обвинят в плохой работе, чем признают оригинальное исследование ошибочным. * **Проблема интерпретации:** Даже с одними и теми же данными разные исследовательские группы приходят к противоположным выводам. Тем не менее, за последние 10 лет ситуация начала меняться. Появляются сайты вроде *Retraction Watch*, репозитории для «отрицательных» результатов и практика предварительной регистрации методов исследования, чтобы исключить предвзятость при анализе данных. Автор видео заключает: хотя научный метод остается самым надежным инструментом познания мира, осознание того, как часто мы можем заблуждаться даже при строгом соблюдении процедур, является необходимым шагом к более честной науке.