Mokslinis metodas, mokslinis mąstymas

…ir kiti žodžiai iš raidės “M”.

 

“Nejaučiu reikalo tikėti, kad tas pats Dievas, apdovanojęs mus pojūčiais, mąstymu bei intelektu, būtų numatęs neleisti mums jais naudotis.”

~ Galileo Galilei (Galilėjas Galilėjus), citatą laisvai verčiau iš anglų kalbos

 

Šiandien, gerbiami skaitytojai, pakalbėsime apie mokslinį metodą. Visiškai nesigaudantys, kas tai yra, gali paskaityti straipsnį Vikipedijoje. Tačiau Vikipediją skaityti galima dažnai, ilgai ir nuobodžiai, taigi čia turėtų būti šis tas įdomesnio.

 

 

Mintis parašyti šitą straipsnį (greičiausiai čia bus straipsnių ciklas šia tema) kilo šiandien, sėdint paskaitoje. Tai buvo pirmoji paskaita modulio, pavadinto “Scientific inference”, kuris mums vis atrodo (ir norisi parašyti) “Scientific interference”. Taigi, “mokslinis suvokimas” ar kažkas panašaus. Kurso aprašyme buvo paminėtas mokslinis metodas ir kiti smagūs dalykai, užtat ir nuėjau pasiklausyti, kas ten įdomaus. O įdomaus tikrai nemažai, ir išdėstyta (bent jau kol kas) protingai ir lengvai suprantamai. Tiesa, didelę dalį to, ką pasakojo šiandien, teko jau anksčiau skaityti įvairiose knygose, bet pateikta susistemintai gražiai susidėliojo į lentynėles smegeninėje. Ta proga ir nusprendžiau pasidalinti paskaitos turiniu su jumis, mielieji skaitytojai (taip, aš suprantu, kad virtualiai kalbu tuščioms sienoms ir gal vienam kitam praeiviui, bei tetai valytojai, kuri laukia nesulaukia, kol aš baigsiu, kad galėtų atlikti savo darbą ir eiti namo).

 

Mokslinis metodas, jo svarba ir galia, remiasi tuo, kad absoliuti dauguma eksperimentų realiame pasaulyje yra daromi bent keletą kartų. Taip gaunamas kažkoks baigtinis, bet ne begalinis, duomenų kiekis. Šie duomenys yra statistiškai analizuojami. Būtent statistika – labai nemėgstamas dalykas, ir ne tik studentų, bet ir kai kurių mokslininkų tarpe – yra gamtos mokslų pažangos variklis. Statistinis duomenų apdorojimas leidžia daryti induktyvias išvadas, o be jų logika mums tiesiog neleistų nieko pasakyti apie supantį pasaulį.

 

Logikos mokslas pripažįsta du mąstymo tipus (o gal teisingiau sakyti “būdus”) – dedukcinį ir indukcinį. Šie tipai yra visiškos vienas kito priešingybės. Dedukcinis mąstymas, naudojamas pačioje logikoje ir matematikoje, pradeda nuo kažkokios grupės postulatų (pvz. Euklidinės geometrijos), ir, darydamas tam tikras prielaidas, pasiekia teisingą rezultatą (pvz. Pitagoro teoremą). Tas rezultatas yra 100 proc. teisingas visur, kur tik galioja pradiniai postulatai. Pavyzdžiui, realiame pasaulyje Pitagoro teorema visiškai idealiai negalioja, nes mūsų erdvė yra šiek tiek iškreipta, taigi neeuklidinė. Bet lokaliai mūsų erdvė yra beveik tiksliai euklidinė, taigi ir Pitagoro teoremą naudoti galima. Dedukcinis mąstymas visada remiasi bendrais principais ir juos pritaiko konkrečioms situacijoms.

 

Indukcinis mąstymas, naudojamas gamtos moksluose, remiasi duomenų apdorojimu ir konkrečių situacijų perkėlimu į bendrus principus. Realiame pasaulyje neįmanoma šimtu procentų patikrinti kažkokios teorijos teisingumo. Pavyzdžiui, mes žinome, kad iš rankų paleisti daiktai krenta žemyn. Taip atsitinka visada, kiek tik esame matę ar girdėję. Tačiau tai neįrodo, kad negali būti ir kitaip – tiesiog padaro tą kitą galimybę labai jau mažai tikėtiną. Būtent dėl to sakoma, kad gravitacija yra teisinga teorija. Tai nereiškia, kad ji yra absoliučiai ir nepaneigiamai teisinga; tereiškia tik tiek, kad kol kas toks modelis (sukurtas Niutono, patobulintas Einšteino ir kitų protingų dėdžių, bet iš principo nepasikeitęs) paaiškina stebimus reiškinius ir duoda patikrinamus sprendimus.

 

Šiuos du mąstymo būdus aprašė Henris Puankarė (Henri Poincare) XVIII amžiuje viename palyginime (vertimas mano; laisvas): “Jei žaidžiu kortomis su žmogumi, kuris tikrai nesukčiauja, tikimybė, kad jis iš kaladės ištrauks karalių yra 1/8-oji. Tai yra pasekmės tikimybė. Tačiau jei mano žaidimo partneris iš aštuonių traukimų ištraukia šešis karalius, man gali kilti įtarimas, kad jis sukčiauja. Kokia tikimybė, kad jis yra sukčius? Tai yra priežasties tikimybė.” Pasėkmės tikimybę suskaičiuoti paprastai būna labai nesunku – situacija yra gerai žinoma, įvairūs parametrai griežtai apibrėžti, belieka atlikti keletą skaičiavimų. Ta pasėkmė visai nebūtinai turi būti konkretus tikslus rezultatas (Pitagoro teoremos duodamas trikampio įžambinės ilgis); tai gali būti ir tikimybė (aukščiau paminėtas kortų žaidimas), tačiau ir tokiu atveju kiekvieną sykį, esant tokioms pačioms sąlygoms, rezultatas bus idealiai toks pat. Priežasties tikimybę suskaičiuoti daug sunkiau. Yra žinomi tik bandymų rezultatai – šeši karaliai iš aštuonių traukimų; žvaigždės šviesos spektrograma. Reikia sukurti kažkokį modelį, atsižvelgiant į nežinomą kiekį nežinomų įvairio lygio įtaką turinčių parametrų, kuris paaiškintų stebimus reiškinius. Kad toks modelis būtų “geras”, jis dar turėtų duoti kokių nors patikrinamų spėjimų – pavyzdžiui, kitų žvaigždžių sudėties variantus.

 

Visas mokslinis metodas susideda iš abiejų mąstymo būdų ir dar šio to. Jį galima pavaizduoti kaip nesibaigiantį ratą: Teorija/hipotezė –dedukcija-> Spėjimas –eksperimentas-> Duomenys –indukcija-> Spėjimai/taisymai –kūrybingumas-> Teorija/hipotezė. Ir taip toliau. Prasideda viskas nebūtinai nuo hipotezės, nors paprastai pradžia būna arba ten, arba ties “Duomenimis”. Taigi, sukurta teorija ar iškelta hipotezė turi būti suformuluota taip, kad leistų pateikti bent vieną (geriau daugiau) patikrinamų spėjimų. Tie spėjimai išmąstomi dedukciniu būdu, remiantis hipotezėje iškeltais postulatais (“Jei Žemė traukia visus kūnus, tai paleistas akmuo turėtų kristi žemėn”). Tie spėjimai tikrinami eksperimentais, iš kurių gaunami duomenys. Kartais duomenys gali būti gaunami netikėtai (pavyzdžiui, Faradėjus elektros ir magnetizmo ryšį aptiko gana netikėtai, pamatęs, kad įjungus elektrinį variklį, ima judėti netoliese stovinčio magnetometro rodyklė), bet ir tokiu atveju galioja tas pat mokslinis ratas, tik pradedamas jis kitame taške. Gavus duomenis, jie arba sutampa su spėjimais (labai retas, bet malonus įvykis), arba nesutampa (gerokai per dažnai įvykstantis nusivylimas). Pastaruoju atveju tenka koreguoti hipotezę. Dažniausiai ji būna suformuluota taip, kad koregavimui pasiduotų – pavyzdžiui, paliekami nesunkiai įstatomi kintamieji, tam tikri parametrai, kuriuos “paklibinus” galima hipotezę pritaikyti prie gautųjų rezultatų. Tokiam “klibinimui” ir taisymui dažnai reikia kūrybingumo. Na o šitą darbą atlikus, viskas ima kartotis – reikia vėl padaryti naujų spėjimų, juos vėl patikrinti ir, greičiausiai, toliau tikslinti hipotezę.

 

Tiek šiam kartui. Tikiuosi, kad sugebėjau bent apytikriai parodyti, jog ta baisioji statistika yra labai reikalinga. Ir šiaip su kuo tas mokslinis metodas valgomas. Laukite tęsinio (turbūt po savaitės).

 

Laiqualasse

Leave a Reply

El. pašto adresas nebus skelbiamas.