علم بهترین زمانی است که داده یک کتاب باز است اگر علم بیشتر قابل اعتماد باشد، داده ها باید یک کتاب باز باشد. کوین Dombrowski / فلیکر، CC BY-SA

این 1986 بود و آژانس فضایی آمریکا، ناسا، از دست دادن هفت زندگی منحرف شد. شاتل چلنجر فضایی حدود یک دقیقه پس از راه اندازی آن شکسته شد.

یک کمیسیون کنگره برای گزارش این فاجعه تشکیل شد. فیزیکدان ریچارد فاینمن یکی از اعضای آن بود. مقامات ناسا به کنگره شهادت دادند که احتمال شکست شاتل در اطراف 1 در 100,000 بود. فاینمن می خواست فراتر از شهادت رسمی به اعداد و داده هایی که آن را پشتیبانی می کرد، نگاه کند.

پس از اتمام تحقیق، فاینمن یافته های خود را در ضمیمه گزارش رسمی کمیسیون، که در آن او است، خلاصه کرد اظهار شده مقامات ناسا "خود را فریب خورده" فکر کردند که شاتل امن است.

پس از راه اندازی، قطعات شاتل بعضی اوقات آسیب دیده و یا به روش های غیر منتظره رفت. در بسیاری از این موارد، ناسا با توضیحات راحت، اهمیت این پرچم های قرمز را به حداقل رسانده است. مردم ناسا به سختی می خواستند شاتل ایمن باشند و این استدلال آنها را رنگ آمیزی کرد.


گرافیک اشتراک درونی


به فاینمن، این نوع رفتاری تعجب آور نبود. فاینمن در کار خود به عنوان یک فیزیکدان، متوجه شده بود که نه تنها مهندسین و مدیران، بلکه دانشمندان پایه نیز دارای تعصباتی هستند که می تواند منجر به خودکفایی شود.

فاینمن معتقد است که دانشمندان باید خود را از تعصبات خود یاد بگیرند. به گفته فاینمن، "اصل اول" بودن یک محقق خوب، این است که شما نباید خودتان را گول بزنید، و شما ساده ترین فرد به احمق است ".

بسیاری از چشم ها

یک دانشمند می تواند یک حرفه را از یک نظریه بسازد، و سپس او می داند که این نظریه درست است. و حتی کسانی که از نظریه کمتری برخوردار هستند، هنوز امیدوارند که هر یک از داده های جدید از نظریه کنونی ما حمایت کند، حتی اگر ما فقط از آن نظریه دیروز فکر کردیم.

در گزارش رسمی کنگره، فاینمن و همکارانش پیشنهاد کردند که یک گروه نظارتی مستقل برای ایجاد یک تحلیل مداوم از ریسک که کمتر متعصبانه است از آنچه که توسط ناسا ارائه می شود، ایجاد شود. این آژانس نیازمند ورودی از افرادی بود که در شاتل بی خطر نبودند.

دانشمندان فردی نیز به این نوع ورودی نیاز دارند. سیستم علمی باید به گونه ای تنظیم شود که محققانی که در تئوری های مختلف اشتراک کنند، می توانند تفسیر مستقل از یک مجموعه داده را ارائه دهند.

این امر به محافظت از جامعه علمی از تماشای افراد برای فریب دادن خود به حمایت از نظریه خود که در آن وجود ندارد، محافظت می کند.

برای من روشن است: محققان باید به طور مرتب داده های خام دیگران را بررسی کنند. اما امروزه در بسیاری از زمینه ها هیچ فرصتی برای انجام این کار وجود ندارد.

دانشمندان یافته های خود را از طریق مقالات مجله به یکدیگر می افکنند. این مقالات خلاصه ای از داده ها را ارائه می دهند، اغلب با مقداری مفصل از جزئیات، اما در بسیاری از زمینه ها، اعداد خام به اشتراک گذاشته نمی شوند. و خلاصه ها می تواند به صورت هنری تنظیم شود تا مخالفت ها را پنهان کند و حمایت ظاهری تئوری نویسنده را به حداکثر برسانند.

گاهی اوقات یک مقاله درست به داده های پشت آن، نشان دادن زگیل ها و همه چیز است. اما ما نباید روی آن حساب کنیم. همانطور که متیو تاد، شیمیدان به من گفته است، مانند انتظار یک بروشور املاک و مستغلات برای نشان دادن نقص اموال است. شما نمی توانید یک خانه بدون دیدن آن را با چشمان خود خریداری کنید. ممکن است غیرممکن باشد که بدون دیدن داده های نادیده گرفته شده به یک نظریه بپردازید.

بسیاری از جوامع علمی این را درک می کنند. برای چندین سال، برخی از نشریات تحت نظارت، سیاست هایی را برای الزام آور ساختن نویسندگان برای ارائه داده های خام فراهم کرده اند که سایر محققان آن را درخواست می کنند.

متاسفانه، این سیاست به طرز چشمگیری شکست خورده است، حداقل در برخی از زمینه های علم. مطالعات نشان داده اند که هنگامی که یک محقق درخواست داده ها را در پشت مقاله، نویسندگان مقاله با داده ها پاسخ دهند در کمتر از نیمی از موارد. این یک کمبود عمده در نظام علم است، واقعا شرمنده است.

خط مشی خوبی که نیاز به ارائه داده ها دارد بر اساس درخواست تبدیل شده است که یک فرمول برای ایمیل های پاسخ داده نشده، برای بهانه، و برای تاخیر است. یک داده قبل از درخواست سیاست، با این حال، می تواند موثر باشد.

چند مجله این را اجرا کرده اند، نیاز به پس از انتشار مقاله، داده ها به صورت آنلاین ارسال می شوند.

هفته داده را باز کنید؟

تصویب این سیاست جدید ارسال داده ها آهسته بوده است، با شکست دوم در سیستم علمی برگزار شد. در حال حاضر محققان در قالب تبلیغات شغلی و کمک های مالی - برای مقالات خود اعلام نتایج یافته های خود، اما نه برای داده های پشت مقالات پاداش.

در نتیجه برخی از دانشمندان اطلاعات را ذخیره می کنند. با هر مجموعه داده، آنها را به عنوان مقالات بسیاری منتشر می کنند، اما می توانند در انتشار داده ها خود مقاومت کنند.

برای رفع علم، ما باید این انگیزه ها را تغییر دهیم: به اشتراک گذاری داده ها باید پاداش داده شود؛ ارائه یک تجزیه و تحلیل انتقادی دوباره داده ها باید پاداش داده شود؛ حفره هایی که در ادعاهای دیگران در مورد یک مجموعه داده وجود دارد باید پاداش داده شود.

اگر بازتاب شک و تردید حرفه ای می تواند افزایش یابد، علم وقت کمتری را به دنبال نظریه های دروغین می اندازد.

همانطور که من این را نوشتم، ما در حال نزدیک به پایان هشتمین دوره بین المللی دسترسی آزاد هستیم. این یک هفته است که جشن می گیرند که تعداد روزافزون مقالات علمی به صورت رایگان در دسترس است و نه در پشت سربازها منتشر می شود و زمان برای حمایت بیشتر است.

باز کردن دسترسی به مقالات مهم است، اما ما باید اطلاعات را نیز باز کنیم. آیا ما باید یک هفته بین المللی Open Data را شروع کنیم؟ در یک سیستم بهتر علم، به اشتراک گذاری داده ها می تواند دلیلی باشد.

درباره نویسندهگفتگو

الکس او. هولکومب ، دانشیار ، دانشکده روانشناسی ، دانشگاه سیدنی. وی چگونگی ترکیب سیگنال های موجود در نگاه های مختلف نورون ها از نواحی متحرک را بررسی می کند و همچنین اینکه چگونه محدودیت های زمانی ردیابی اجسام مهم را در یک صحنه پویا محدود می کند.

این مقاله در اصل در تاریخ منتشر شد گفتگو. دفعات بازدید: مقاله.

کتاب های مرتبط:

at