Avsnitt 1 Vetenskapsfilosofi (kap 1, 2)

Sammanfattning av innehåll

Kapitel 1: Introduction

Det inledande kapitlet utgör något av en programförklaring där Tony Underwood (AJU) redogör för bokens (1) utgångsperspektiv och (2) struktur samt (3) avgränsar bokens metodologiska och filosofiska innehåll.

AJU säger sig vilja utgå från "biologiska hypoteser och praktiska problem som biologer ställs inför" och betonar att han ser statistiken som ett nödvändigt hjälpmedel för att vidareutveckla vår förståelse för naturen.  Statistiska test är, enligt författaren, ointressanta om de inte sätts i ett sammanhang där biologiska modeller och hypoteser används för att logiskt förklara och testa observerbara mönster och fenomen i naturen.  Detta är kärnan i Underwoods vetenskapsfilosofiska budskap och hur detta yttrar sig i praktiskt arbete framgår i kommande kapitel.

I enlighet med bokens titel, används variansanalys (ANalysis Of VAriance) som analytiskt verktyg. Det finns inga fundamentala hinder för att använda andra statistiska verktyg inom ramen för det föreslagna filosofiska ramverket.  Författaren  poängterar dock att ANOVA är flexibelt och användbart på så sätt att det kan hantera komplicerade experiment och variationsmönster i tid och rum.  ANOVA är dessutom en av de analytiska metoder som möjliggör statistiska test av hypoteser.  Eftersom olika, alternativa förklaringar (modeller enligt författarens terminologi) kan föreslås för alla biologiska mönster i naturen, anser han att formella kontraster mellan olika förklaringsmodeller är en nödvändig ingrediens i biologisk forskning.

Det antyds i texten (s. 3 - 4), att det finns en viss debatt om betydelsen av hypotestestning.  Det är nog rättvist att säga att det bland ekologer finns ett brett spektrum av inställningar på denna punkt.  Underwood anser (bestämt!) att kunskap om naturen uppnås bäst om man har en klar idé om varför man samlar in data, d.v.s. man testar hypoteser som definierats på förhand.  Andra ekologer (och kanske framför allt statistiker) anser att data samlas in endast i syfte att beskriva olika typer av mönster i naturen och att hypotestestning är mindre användbart.  Många ekologer har en mindre tydlig filosofisk inställning till hypotestestning.  De flesta testar dock hypoteser regelbundet i sitt vetenskapliga arbete.  Denna debatt kan kanske tyckas något förvirrande så här i början av kursen och det är viktigt att vi inte överdriver dess betydelse.  För tillfället kan vi konstatera att de kunskaper som förmedlas i boken är högst relevanta både för strikt hypotestestning och för skattning (estimering) av kvantitativa mönster i naturen.  Ämnet behandlas också mer utförligt i kommande kapitel.

Kapitel 2: A framework for investigating biological patterns and processes

I detta kapitel presenterar Underwood en schematisk struktur för den vetenskapliga metodik som utgör bokens stomme.  Han lämnar i och för sig öppet för andra typer av formuleringar men menar bestämt att vetenskapliga aktiviteter kräver att det finns tydliga och logiska samband mellan de observationer som skall förklaras, experiment och slutsatser.

Den föreslagna logiska strukturen börjar med att det finns en observation som skall förklaras.  Ofta kan man tänka sig flera olika förklaringar eller modeller till att denna observation har gjorts.  Dessa modeller konstrueras idealt med hjälp av en stor portion biologisk kännedom om det aktuella systemet från den egna erfarenheten och från litteraturen.

Från var och en av dessa modeller kan man ofta logiskt härleda ett antal hypoteser.  Här är fantasi och uppfinningsrikedom en avgörande ingridiens.  En vanligt källa till förvirring i detta sammanhang är att det kan vara svårt att särskilja modeller och hypoteser.  Ofta hör man uttalanden i stil med: "en hypotes är att ökat trålfiske har utarmat torskpopulationen".  Enligt den terminologi som används av Underwood är trålfisket en möjlig modell till varför torsken har minskat.  En enkel hypotes från denna modell skulle kunna vara att: "Om det är så att trålfisket minskar torskpopulationen, så bör stoppat trålfiske leda till en ökning av antalet torskar.".  En bra tumregel när man skall formulera en hypotes är att den skall ha strukturen "Om modellen stämmer så kommer X att hända / observeras".  Detta är inte bara en fråga om etiketter och semantik.  Det viktiga är att man klart och tydligt kan identifiera att hypotesen följer logiskt på modellen och att modellen kan förklara observationen.  För kursens skull (och ur de flera andra synvinklar) är det viktigt att dessa begrepp är entydigt definierade!

Riktigheten i en vetenskaplig modell kan aldrig bevisas men den kan motbevisas!  Ett klassiskt exempel på detta är kalkonen som föreslog modellen att "man får mat klockan 9 eftersom detta är en generellt mönster".  Varje morgon testade kalkonen sedan hypotesen: "Om det är så att det är ett generellt mönster att man får mat klockan 9 och klockan blir 9, så bör det hända att jag få mat."  Denna modell bekräftades ett otal mornar i sol, i regn, på måndagar och på söndagar.  Till slut var kalkonen övertygad om att modellen var universell och att den stämde!!  (Denna form av slutledning kallas induktion och grundar sig på erfarenhet.).  Ändå krävdes det bara att julafton (slaktdagen) kom för att modellen skulle motbevisas.  På samma sätt kan vetenskapliga modeller i princip avfärdas i ett slag.  För att hantera detta faktum går man tillväga så att man definerar motsatsen till den vetenskapliga, logiskt härledda hypotesen och försöker förkasta denna.  Detta alternativ kallas noll-hypotesen (H₀).  I kalkonens fall blir H₀: "man får inte alltid mat klockan 9".  Som kalkonen så tragiskt fick erfara gick det att finna stöd för denna noll-hypotes och därmed kunde den ursprungliga hypotesen förkastas, och därmed förklaringsmodellen om ett generellt mönster.

Kalkonen gick alltså till sin matskål varje dag.  Detta kan tolkas så att den varje dag modigt upprepade samma experiment för att försöka förkasta sin hypotes. (Denna typ av slutledning kallas deduktion och grundar sig på ett logiskt resonemang.)  Ända tills kalkonen trodde sig veta att modellen var riktig, betedde sig kalkonen som en god vetenskapare i Underwoods ögon (att den trots allt fortsatte kanske skall tolkas som om den var lite osäker i alla fall!).  Upprepade experimentella tester av nya och gamla hypoteser är enligt författaren helt avgörande för forskningens fortskridande.  Vi lämnar härmed vår kalkon men minns den med tacksamhet för vad den lärt oss!

Dessa är de huvudsakliga ingredienserna i den vetenskapliga metodik som Underwood förespråkar.  Denna vetenskapssyn ligger till grund för många av de synpunkter på statistiska metoder som tas upp senare i boken.  Notera dock att principerna är oberoende av vilka statistiska tekniker som används.  Metoden kan i vissa fall vara tillräcklig i sig för vissa slutsatser utan att någon statistisk teknik behöver användas överhuvud taget!  Som en avslutning påpekar Underwood att "det är en stor skillnad mellan en korrekt statistisk analys av data och en korrekt tolkning av data i relation till ett specifikt biologiskt problem".  Antydningar om att "statistiken kan ljuga" kan tyckas vara underliga i en bok som behandlar statistiska metoder.  Detta skall dock inte ses som ett misstroende mot "statistik" utan snarare en påminnelse om att statistiken i detta sammanhang endast är ett redskap för att undersöka biologiska mönster och processer.

Föreläsning 

Föreläsning om vetenskapsmetodik.

Nyckelord

hypotestestning, variansanalys (ANOVA), observation, modell, hypotes, noll-hypotes, mätnings- ("mensurative") och manipulativa experiment

Övningsuppgifter

Du måste göra övningsuppgifterna. Då märker du om du har förstått innehållet och om du kan använda dig av det du har lärt dig. För att kunna lösa alla uppgifter till avsnitt 1-2 behöver du även ha läst kapitel 3 i kursboken och studerat inläsningshjälpen för kapitel 3. Observera att vi förutsätter att du gör alla övningsuppgifter, även om du inte behöver redovisa alla lösningar i examinationen.

Förslag på fördjupning

[Obs!  Det är inget krav att ni läser dessa!  Litteraturen skall ses som tips för den som vill läsa mer!  Skriv gärna till diskussionssidan om du vill rekommendera något mer!]

Webbplatsen "Development of Procedures for Cooperative Environmental Study Programmes" (http://science.uniserve.edu.au/school/environet/index.htm). Främsta målgruppen är allmänheten, men det är viktigt att du som akademiker behärskar dessa grundläggande kunskaper om undersökningar och experiment. En sida som pdf: Before you embark on the field work,

Bourget, E. & Fortin, J. M. 1995. A commentary on current approaches in the aquatic sciences. Hydrobiologia 300/301, 1-16.  [Konceptuell artikel om hypotestestning]

Dayton, P. K. 1979. Ecology: a science and a religion. p.3 ? 18 in R. J. Livingston.  Ecological processes in coastal and marine systems. Plenum Press.  [Intressant artikel om filosofiska problem inom ekologin.]

Hansson S. O. 1993. Visst går det att bevisa vetenskapliga påståenden. Forskning och Framsteg 2: 24-25. [Artikel med annorlunda syn på vad som kan bevisas som sanning.]

Peters, R. H. 1991. A critique for ecology.  Cambridge University Press. 366 sidor. [Tänkvärd bok om vetenskapsfilosfi och modeller inom ekologin.]

Platt, J. R., 1964 Strong inference. Science 146, 347-353 [Klassisk artikel om den vetenskapliga metoden]

Underwood, A. J., 1990 Experiments in ecology and management: their logics, functions and interpretations. Aust. J. Ecol. 15, 365-389 [Mer utförligt om de resonemang som ges i de första kapitlen.  Inriktning på miljöforskining.]

Underwood, A. J. 1991. The logic of ecological experiments: a case history from studies of the distribution of macro-algae on rocky intertidal shores. J. mar. biol. Ass. U.K. 71: 841-866. [Ekologiska exempel på tillämpningar från hårdbottensekologin.].