Española
0

De cifras ficticias al fraude en artículos científicos: ¿Cómo nació la extraña idea de “significación estadística”?

از اعداد و ارقام ساختگی تا تقلب در مقالات علمی: چگونه ایده عجیب «معنی‌داری آماری» متولد شد؟

Ha sido un método matemático durante décadas que ha llevado a los investigadores por mal camino. A mediados del siglo XX, el campo de la psicología encontró dificultades. A raíz del Proyecto Manhattan y en los primeros días de la competencia espacial, el término “ciencia dura” llegó con resultados tangibles y generales. Los psicólogos y otros científicos sociales se sorprendieron al ver esta situación. Esto fue mientras sus resultados eran complejos, difíciles y difíciles.

Los psicólogos, en particular, buscaron un cuerpo estadístico para interpretar conocimientos empíricos reales basados ​​en él. Obtener ayuda de las estadísticas era intangible, pero en esta etapa se sentía profundamente la necesidad de la presencia de matemáticos. Por lo tanto, uno de los autores y editores de libros de texto de psicología propuso un concepto llamado “significación estadística”.

Al calcular una cantidad de resultados experimentales obtenidos en cada experimento, que se denomina valor P, los investigadores pueden encontrar los resultados estadísticamente significativos. Ésta era la única cantidad necesaria, aunque no fuera así, para mostrar resultados fiables. El plan se implementó y, en poco tiempo, una gran cantidad de investigadores reportaron resultados estadísticamente significativos en sus estudios.

Después de un tiempo, las revistas de psicología decidieron publicar artículos solo si informaban hallazgos estadísticamente significativos. De esta manera, muchos investigadores supuestamente masajearon sus datos, ya sea cambiando la teoría o incluso haciendo trampas, a valores menores que p = 0.05, y permitieron que sus artículos se publicaran en revistas. En este sentido, aumentó la cantidad de datos falsos y comunicaciones aleatorias.

Como editor de la revista Memory & Cognition de 1993 a 1997, Geoffrey Loftus de la Universidad de Washington trató valientemente de salvar a los psicólogos de la trampa de los datos artificiales. Inicialmente, publicó un artículo instando a los investigadores a realizar sus cálculos con la mayor precisión posible para garantizar que los resultados de la prueba fueran estadísticamente significativos. Advirtió que el método convencional obstaculiza el progreso científico.

Loftus aconsejó tener cuidado en los cálculos. Recordó que incluso un resultado correcto es miles de veces más valioso que la significación estadística. Recomendó que los investigadores informaran los promedios directamente a partir de los resultados estadísticos para poder comparar los experimentos de diferentes grupos psicológicos. Los gráficos pueden mostrar si los datos cubren un rango amplio o se acumulan en el rango promedio. De esta manera, se puede determinar si el valor medio cambia ligeramente durante los cálculos o si los cambios son grandes. Como resultado, los investigadores pueden evaluar si los equipos de investigación han tenido un buen desempeño.

Loftus trató de asegurarse de que la significación estadística no perdiera su valor en este enfoque. La mayoría de los investigadores también continuaron mencionando la importancia estadística en su trabajo de investigación.

Loftus más tarde, al mirar sus esfuerzos pasados ​​para cambiar el campo de la investigación en psicología, dijo: “¡El estudio de la significación estadística se realiza con el objetivo de mostrar en qué no se basa el mundo! “La importancia estadística no nos da ninguna información sobre cómo es el mundo”.

Lo que es notable no es solo que los autores y editores de libros de texto de psicología de mediados del siglo XX llevaron a cabo importantes experimentos utilizando un conjunto de principios estadísticos contradictorios. Más bien, el punto es que sus resultados fueron bienvenidos por muchos investigadores en otros campos hasta unas décadas más tarde. No importaba si los eminentes estadísticos y psicólogos realizaban los experimentos desde cero o no. Sus resultados fueron considerados en ciencias como ciencias sociales, investigación médica, epidemiología, neurociencia y antropología biológica.

1630635289 407 De cifras ficticias al fraude en articulos cientificos ¿Como nacio De cifras ficticias al fraude en artículos científicos: ¿Cómo nació la extraña idea de "significación estadística"? 2

El interés humano por obtener resultados ha suscitado dudas. Debido a la falta de una teoría integrada que pudiera medir la precisión de las predicciones, los científicos comenzaron a estudiar varios temas relacionados con los humanos en torno a temas estadísticos. La repetición de procesos anteriores trae consigo una falsa sensación de tranquilidad. Este método, conocido formalmente como prueba de significancia nula, asume una hipótesis nula (no hay diferencia entre las mediciones entre los diferentes grupos o su grado de correlación). Si el valor P de los datos observados cae por debajo del 5%, la hipótesis no es válida.

La compulsión de considerar el valor de p en los cálculos impide a los investigadores examinar teorías que ofrecen predicciones específicas de alto riesgo, mientras que estos elementos son la base para examinar la conveniencia de una teoría. Rechazar la hipótesis nula no le da al investigador nueva información y solo crea una oportunidad para especular sobre la causa del efecto. Los resultados de los estudios de significación estadística rara vez se utilizan como un logro que pueda interpretar otros hallazgos.

El psicólogo Gerd Gigerenzer, director del Harding Risk Literacy Center en Berlín, cree que es mejor llamar a la hipótesis nula una importante prueba cero.

En esta sección, proporcionamos un ejemplo que interpreta la hipótesis nula en la práctica. En 2012, un grupo de investigadores realizó un estudio y lo publicó en Science. Durante su investigación, encontraron que el nivel de ideas y creencias de los voluntarios disminuyó luego de ver algunas imágenes relacionadas con la estatua de Auguste Rodin. En este caso, los pensamientos de las personas hacen que se cuestione su creencia en seres sobrenaturales. En este estudio, Hypothesis Zero predijo que las creencias religiosas de los voluntarios, en promedio, deberían seguir siendo las mismas después de ver la película. Los científicos también estuvieron de acuerdo con esta hipótesis de que mirar la estatua no debería afectar las creencias de las personas.

Luego, los científicos tienen que calcular si las diferencias en las creencias religiosas de los grupos antes y después de ver la estatua se vieron por casualidad en solo menos de 20 muestras experimentales, o el 5% del tiempo. Aquí es donde P <0.05 resulta útil. Al alcanzar este umbral, el resultado se considera estadísticamente significativo y la probabilidad de que haya ocurrido solo por casualidad es insignificante.

Si eso suena lógico, espere un minuto. Incluso después de que los resultados alcanzaron un umbral del 5% para mostrar significación estadística, el estudio aún no probó que los voluntarios fueran escépticos de sus creencias religiosas después de ver la estatua. Los investigadores solo pueden especular sobre por qué esto es así. Porque la procrastinación les obliga a no mirar otros factores.

Para completar el estudio, se realizó otro estudio en el que no se observó una reducción significativa de las creencias religiosas después de ver las estatuas. Los repetidos fracasos para confirmar resultados estadísticamente significativos han llevado a los investigadores a perder la confianza en tales experimentos, que involucran la hipótesis nula.

Actualmente, algunas revistas requieren que los investigadores compilen minuciosamente los diseños y los datos de investigación antes de enviar sus trabajos de investigación para su evaluación. Su propósito es evitar la falsificación de información y aumentar las posibilidades de publicar resultados que puedan ser verificados por los jueces.

Gigerenzer cree que el principal problema radica en la propia hipótesis nula. A principios del siglo XX, Wolfgang Köhler desarrolló las leyes de la Gestalt sin tener en cuenta la importancia estadística, Jean Piaget desarrolló una teoría de cómo se desarrolla el pensamiento en los niños e Ivan Pavlov descubrió los principios del condicionamiento clásico. Estos científicos pioneros a menudo realizaron muchos estudios utilizando estadísticas simples que fueron validadas décadas más tarde por Loftus.

De 1940 a 1955, los psicólogos que buscaban demostrar el valor científico de su disciplina buscaron un medio para diagnosticar los hallazgos. “Los autores y editores de libros de texto de psicología asumen todos estos métodos con un valor de p, en lugar de aceptar enfoques estadísticos contradictorios”, dice Gigerenzer.

Otro inspirador en este campo fue el estadístico inglés Ronald Fisher. Desde la década de 1930, Fisher ha desarrollado un experimento significativo para analizar la probabilidad de una hipótesis cero. De esta forma, el investigador puede presentar un trabajo en sus estudios o, si no quiere, evitar diseñar el trabajo. Fisher quería medir la significación estadística independientemente del tipo de efecto. En otras palabras, tenía la intención de utilizar los cálculos de una manera diferente que tuviera más probabilidades de lograr el resultado deseado.

Al mismo tiempo, los estadísticos Jerzy Neyman y Egon Pearson concluyeron que probar la hipótesis nula era inútil e ineficaz. En cambio, buscaron determinar las mejores alternativas a esta hipótesis. Neyman y Pearson estudiaron una hipótesis probada y sopesaron las probabilidades. La investigación de probabilidades fue algo que no se consideró en la hipótesis cero de Fisher.

Después de realizar esta serie de estudios, los psicólogos consideraron que ambos enfoques eran confusos. A menudo no entendían por qué los resultados estadísticos no podían determinar de manera concluyente la realidad de un evento.

Aproximadamente la mitad de los investigadores médicos, biológicos y psicológicos creen erróneamente que si un investigador no considera la importancia estadística en sus estudios, significa que no existe un fenómeno natural. Un análisis más detallado de los resultados de cada estudio puede revelar hallazgos consistentes con un trabajo real. Este es especialmente el caso cuando la significancia estadística no difiere significativamente de mi valor habitual.

Errores estadísticos

Los estudios realizados por un psicólogo alemán y sus alumnos han demostrado que la mayoría de ellos están de acuerdo con al menos una mala interpretación del valor de p.

De cifras ficticias al fraude en articulos cientificos ¿Como nacio De cifras ficticias al fraude en artículos científicos: ¿Cómo nació la extraña idea de "significación estadística"? 4

“Es hora de dejarla y seguir adelante”, dijo Richard Morey, de la Universidad de Cardiff en Gales. Los investigadores deben centrarse en desarrollar teorías de la mente y el comportamiento que conduzcan a predicciones comprobables. Por lo tanto, deben elegir qué herramienta estadística es adecuada para sus necesidades y estudios. Las estadísticas proporcionan formas de determinar la precisión de las dudas en los estudios.

No hay duda de que la búsqueda de la verdad en el significado sigue fascinando a muchos investigadores. Esperamos que en las próximas décadas se acabe el reinado de los errores inútiles.

More Similar Posts

Leave a Reply

Your email address will not be published. Required fields are marked *

Fill out this field
Fill out this field
Please enter a valid email address.
You need to agree with the terms to proceed

Most Viewed Posts
Menu