Một cuộc khảo sát với hơn 1.500 nhà nghiên cứu, được công bố trên Tờ báo Nature năm 2016, cho thấy hơn 70% các nhà nghiên cứu đã thử và bị thất bại trong việc mô phỏng lại thí nghiệm các nhà khoa học khác và hơn một nửa đã thất bại trong việc mô phỏng lại các thí nghiệm của chính mình.
Có nhiều nghiên cứu khác đưa ra các kết luận tương tự, Tractenberg – Phó giáo sư thần kinh học tại Trung tâm Y tế Đại học Georgetown nghiên cứu trong lĩnh vực thống kê sinh học, tin sinh học, toán sinh học và y học phục hồi chức năng cho biết “Kết quả không thể tái hiện lại không chỉ gây hại mà chúng còn rất khó khăn để phát hiện và thậm chí là xóa bỏ”.
Một nhà tư vấn thống kê cũng là nhà khoa học thực hành hơn 20 năm qua, Tractenberg bắt đầu theo đuổi sự nghiệp của mình trong việc thúc đẩy các kỹ năng nghiên cứu có đạo đức trong năm 2009, sau khi được mời tham gia lực lượng đặc nhiệm tại Đại học Georgetown để khám phá những thách thức này. Bà đã đưa ra thế nào là một nghiên cứu có trách nhiệm và sự phù hợp đối với tất cả các nhà thống kê, nhà phân tích dữ liệu và nhà khoa học dữ liệu.
Khủng hoảng về sự tín nhiệm
Khi hầu hết các nhà điều tra chỉ tham dự một khóa học duy nhất về thống kê và đương nhiên khi nói đến số liệu thống kê – cho các thí nghiệm điển hình, hoặc nếu họ muốn tham gia vào phân tích dữ liệu lớn – có lẽ không có gì ngạc nhiên khi rất nhiều nghiên cứu không thể được nhân rộng, cũng không thể sao chép các kết quả, Tractenberg nói “Trọng tâm của tôi về đẩy mạnh đạo đức thực hành thống kê được phát sinh, bởi vì cuộc khủng hoảng uy tín khoa học đang nổi lên, một phần do các nhà khoa học không thực hiện – hoặc khăng khăng đòi – phân tích hay giải thích thống kê phải phù hợp, hoặc cả hai. Nếu đạo đức thực hành thống kê trở thành chuẩn mực với khoa học thống kê và dữ liệu khoa học, sau đó chuẩn mực này có thể đưa vào các lĩnh vực khác, nơi mà việc phân tích dữ liệu đóng góp quan trọng”.
Một số yếu tố của một nghiên cứu có thể dẫn đến kết quả không thể lường trước được, bao gồm phân tích không chính xác, giải thích sai số liệu, lựa chọn những kết quả có lợi, hoặc không minh bạch trong việc báo cáo số lượng các phân tích đã được thực hiện, Tractenberg nói. Tránh những việc nêu trên, đây là những nguyên tắc về đạo đức trong thực hành thống kê cũng như ứng xử có trách nhiệm trong nghiên cứu.
“Mặc dù thường phân tích dữ liệu thứ cấp là mục đích chính trong khoa học hay nghiên cứu, phương pháp phân tích và diễn giải dữ liệu là thuộc tính quan trọng của sự chặt chẽ lẫn tính lặp lại và điều này là đúng cho công việc của mình và cho những đánh giá ngang hàng trong công việc của người khác”, Tractenberg nói.
“Hãy đối xử với dữ liệu một cách đạo đức”
Tractenberg được bổ nhiệm vào Ủy ban quốc gia về Đạo đức Nghề nghiệp của Hiệp hội thống kê Mỹ (ASA) năm 2013. Bài trình bày tại hội nghị ở Boston, bà đã thảo luận về Hướng dẫn đạo đức cho thực hành thống kê của Hiệp hội thống kê Mỹ và tất cả các nhà phân tích dữ liệu có thể sử dụng, cho dù đối với dữ liệu “nhỏ” hay dữ liệu “lớn”.
Bài trình bày của Tractenberg mô tả cho các chuyên gia trong khối ngành kỹ thuật và kinh tế làm thế nào để xây dựng và thúc đẩy thực hành có đạo đức trong ngành của họ. Những quan điểm sau đó sẽ được thảo luận để tác động và hỗ trợ chính sách và ra quyết định.
“Tất cả các lĩnh vực khoa học có mối quan hệ khác nhau với dữ liệu và làm thế nào để giải thích các dữ liệu”, Tractenberg nói. “Nhưng cốt lõi của tất cả các công việc này là các dữ liệu đó là gì và chúng ta phân tích dữ liệu đó như thế nào và tôi tin chắc chúng phải được giải quyết một cách có đạo đức. Nếu không, các quyết định dựa trên những kết quả có thể không chính xác hoặc không thể bào chữađược, hoặc cả hai”.
Các nhà phân tích dữ liệu, cho dù một nhà thống kê chuyên nghiệp hay chỉ là nhân viên sử dụng các phần mềm phân tích, đều có chung một nghĩa vụ là nghiên cứu và giải thích các dữ liệu một cách có đạo đức.
Lan Phương (lược dịch)
Nguồn: https://phys.org/news/2017-02-statistics-ethically-combat-scientific-credibility.html