Oma valokuva
Tarkoitukseni on saada lukija pohtimaan ja kysymään kysymyksiä. Tämän takia esitän tarkoituksella yleiselle ymmärrykselle vastakkaisia argumentteja. Teemat valitsen sen mukaan, missä valtavirralle vastakkaiset argumentit ovat mielestäni perusteltuja ja yhteiskunnallisesti tärkeitä. Konsensus on mielestäni usein sekä harhaanjohtavaa että vaarallista. Vaarana on ”yksimielisyyden illuusio”, joka on valitettavan yleinen älyllisen epärehellisyyden muoto: ollaan samaa mieltä, mutta kukaan ei oikein kykene perustelemaan miksi, saati sitten että perusteluista oltaisiin yhtä mieltä. Blogikirjoitukseni kumpuavat omasta päivätyöstäni tutkijana ja opettajana. Toiset käsittelevät yritysten toimintaan liittyviä kysymyksiä liiketaloustieteellisen tutkimuksen näkökulmasta. Toisissa taas käsittelen tieteen roolia yhteiskunnassa, jota pohdin ensisijaisesti tieteen käytäntöjen näkökulmasta -- siis siitä, millaista tiede on ihmisen harjoittamana toimintana. Monet teksteistäni heijastavat taustaani tilastotieteen soveltajana -- tilastollinen päättely on tärkein tutkimustyökaluni. Muokkaan toisinaan julkaistuja tekstejäkin uusien havaintojen tai saamani palautteen perusteella.

lauantai 3. huhtikuuta 2010

Tiede objektiivisuuden sädekehänä

Tieteessä on kyse numeroista, ja numerot eivät valehtele.

Tutkijat hakevat yhteiskunnalliseen keskusteluun osallistuessaan usein argumenteilleen oikeutusta vetoamalla tieteen objektiivisuuteen ja puolueettomuuteen.

Tiede voidaan määritellä monella eri tavalla, mutta tieteen yhteiskunnallisen roolin näkökulmasta on kapeakatseista, tarkoitushakuista ja harhaanjohtavaa väittää, että tieteessä olisi kyse numeroista. Numerot eivät valehtele, se pitää paikkansa. Numerot eivät tosin puhu tottakaan. Ne eivät myöskään esitä argumentteja eivätkä vakuuta yleisöjä johtopäätösten uskottavuudesta. Tähän tarvitaan aina tutkijaa. Tutkimustuloksen hyväksyminen uudeksi tiedoksi vaatii myös tiedeyhteisön ja usein myös laajemman yhteiskunnallisen hyväksynnän; tiede ja tiedon tuottaminen on siis väistämättä myös sosiaalista ja poliittista toimintaa.

Tilastollisen tutkimuksen yhteydessä julistus ”kyse on numeroista” tekee erityisen suurta tuhoa, sillä se suuntaa huomiomme (vaikeasta ja haastavasta) selityksen ongelmasta (suhteellisen suoraviivaiseen) tilastollisen päättelyn ongelmaan. Arvostettu edesmennyt amerikkalainen psykologi Paul Meehl on kirjoittanut teemasta loistavan artikkelin (1990, Psychological Methods, vol.1 no. 2). Meehlin mukaan suurin virheellinen oletus on se, että tilastollisen hypoteesin testauksen menetelmä (tai jokin muu tilastollinen päättely) tuottaa uskottavan johtopäätöksen. Tämä ei yksinkertaisesti pidä paikkaansa.

Esimerkkkejä ”tilastollisen päättelyn hegemoniasta tiedon tuottamisessa” löytyy kaikilta tutkimuksen alueilta, joita tunnen. Kun lukee tilastollisia menetelmiä soveltavia tutkimuksia, huomaa nopeasti, että tilastollinen päättely on niissä suorastaan hämmentävän keskeisessä roolissa: regressioanalyysia, varianssianalyysia, konfirmatorista faktorianalyysia, rakenneyhtälömalleja, full information maximum likelihood -estimointia, Cronbachin alfa -reliabiliteettikertoimia ja niin edelleen.

Mutta minkälaisiin johtopäätöksiin nämä tilastolliset päätelmät oikeuttavat? Minkälaisia argumentteja niiden perusteella voidaan esittää? Näiden kysymysten edessä käytännössä kaikki tilastotieteen käsikirjat vaikenevat tyystin. Näihin kysymyksiin vastattaessaan tutkijat sortuvat -- ankarasti tulkittuna -- lähes kaikkiin alkeellisimpiinkin muodollisiin (loogisiin) virhepäätelmiin. Ei siis ihme, että tutkija kiinnittää artikkelissaan, konferenssiesityksessään tai vaikkapa yleisönosaston kirjoituksessaan yleisönsä huomion mieluummin tilastollisen päättelyn tuloksiin: tutkimuksen ja sen tulosten kuvailu tieteellisen päättelyn näkökulmasta antaa tutkimukselle tietynlaisen ”objektiivisuuden ja puolueettomuuden sädekehän”.

Tieteellisessä päättelyssä on usein kyse numeroista ja sekä induktiivisesta että deduktiivisesta päättelystä. Numeroiden tulkinnassa ja tulkinnan yhdistämisessä tieteelliseen (tai mihin tahansa) argumenttiin on vastaavasti kyse pääasiassa muusta kuin numeroista, ja käytetyt päättelyn muodot kaikkea muuta kuin suoraviivaisia. Filosofi Stephen Toulmin onkin osuvasti todennut: argumentointi ei ole päättelyä.

Olen jokseenkin huolissani pannut merkille, että tutkijat perehdytetään (esim. tohtorikoulutuksessa) yksityiskohtaisesti tieteellisen päättelyn työkaluihin ja normeihin, mutta samalla tieteellisen selittämisen, tulkinnan ja argumentoinnin ymmärtäminen jätetään hyvin vähälle huomiolle. Kuinka monessa tutkijaseminaarissa tutustutaan siihen, kuinka tieteellisiä argumentteja de facto muodostetaan, ja mikä on empiirisen analyysin rooli tässä prosessissa? En tarkoita nyt sitä, kuinka niitä normatiivisen metodologian näkökulmasta tulisi muodostaa -- vaikkapa filosofi Karl Popperin deduktiivisen teorian testauksen metodilla -- , vaan siihen, kuinka niitä tutkimuksen käytännöissä muodostetaan.

Tieteenfilosofi Peter Lipton on todennut mainiossa teoksessaan Inference to the Best Explanation (London: Routledge, 2004), että ymmärryksemme tieteellisen tutkimuksen käytännöistä on yhä hämmentävän alkeellista ja keskeneräistä. Kuitenkin kaikki tieteellinen tieto ja sitä kautta ymmärryksemme monista elämäämme vaikuttavista asioista muovautuvat tutkimuksen käytäntöjen kautta.