Co je vlastně Pravda? - 2. část

Důvěryhodná literatura je základním pilířem nejenom vědy, ale také veškerých znalostí a měla by být jednoznačně založena na logice. Bohužel, dnešní věda prochází docela těžkou zkouškou a těch důvodů je hned několik, a ne všechny jsou jenom na straně vědců. Některé důvody se nalézají i na druhé straně barikády, a to u laiků. U laiků je to více méně jasné – mnoho z nich si myslí, že toho ví o všem hodně a vyjadřují se kudy tudy po internetu i k složitým tématům. Nejde o to, že by se neměli vyjadřovat. Problém spíš spočívá v tom, že se najdou i takoví, kteří se vyjadřují hodně nepřesně i bez sebemenšího zachvění logiky. Takže se informace mění na dezinformace a diskuse obvykle končí konfliktem diskutujících.

Já třeba nevím skoro nic o architektuře nebo o výtvarném umění. A právě proto by mě ani nenapadlo se k tomu nějak detailněji vyjadřovat, protože vím, že těmto tématům rozumím jenom hodně povrchně. Někdy je tedy lepší si názor nechat pro sebe a nestrkat nos do věcí, kterým nerozumíme. A ten, kdo si myslí, že umí všechno, je obvykle vedle jak ta jedle. Je to právě naopak – čím víc toho víme, tím víc si uvědomujeme, kolik toho vlastně ještě nevíme.

U vědců je problém mnohem složitější a těch faktorů je poměrně hodně, proto jim bude věnován celý článek. První, co by si každý měl uvědomit, je to, že není možné očekávat neomylnost vědců. Jsou to taky jenom lidé a každý člověk se dopouští chyb. K těm chybám ale patří i chyby neúmyslné, které jsou nejčastější.
Já sama jsem vědcem každým coulem své bytosti a musím říct, že většina lidí, které znám z mého profesního okruhu, jsou skutečně šikovní lidé, opravdu se snaží a myslí to v dobrém. Někteří z nich mají pro vědu zapáleného i celého svého ducha a jsou to osobnosti opravdu krásné na srdci! O to víc mně mrzí, jak se dnes vědě posmívá, protože ten posměch je hodně generalizován a ti lidé si to nezaslouží. V tomto článku se proto pokusím problém nedůvěryhodnosti ve vědu vylíčit tak, jak ho vidím já jako vědec.

V první řadě je důležité rozlišit, proč je vůbec publikovaná vědecká informace nespolehlivá. Čtenáře nezajímá, v které fázi procesu nastala chyba, on pouze odsoudí samotný výsledek publikovaného výzkumu. Těch faktorů tvořících problém je ale víc a některé spolu ani nesouvisí. Proto pouze popíšu ty jednotlivé faktory a nebudu z toho vyvozovat žádný obecný závěr, protože to v podstatě ani nelze.


Problém č. 1 – Věda jako umění

Když se podíváme do minulosti, vynálezci a objevitelé byli opravdu borci. Aristoteles, Euklides, Koperník, Newton, Gauss, Leibniz, Tesla, Feynman a mnoho dalších… Proč jsou ale tito lidé takoví známí a každý o nich alespoň něco málo slyšel? Protože tito lidé byli pro objevování světa zapálení a vedlo je k tomu jejich srdce. Ten pravý vědecký duch je totiž něco jako duch umělce – musí v tom být určitý talent a musí to vycházet z nitra toho člověka. Je to jeho životní cesta, která ho naplňuje mnohem víc duševně než profesně. Takový člověk je už svým nitrem nucen k hledání té pravdy, a proto se i hodně snaží, aby celý proces jeho hledání byl opravdu správný. I umělec chce, aby jeho dílo bylo dokonalé.

Jak se ale rozvíjelo školství a vzdělání se stalo mnohem dostupnější, vědomosti se začaly šířit napříč celou lidskou populací. Všeobecné vzdělání populace je samozřejmě naprosto v pořádku, protože čím více lidí má větší "background", tím méně sporů vzniká. No z pohledu vědy se tady objevuje menší problém. A to ten, že se do vědecké sféry dostane i člověk, kterému často chybí to opravdové zapálení nebo profesně vyhoří. Takový člověk potom vědu dělá jako nějakou rutinu a bere ji pouze jako "práci". A při rutině hrozí častější chybovost a neochota.

Další věc, která s tím souvisí, je to, co vlastně od vědy člověk očekává. Někdy si totiž vystudovaný vědec uvědomí, že to není to, co vlastně chtěl po skončení školy dělat. Například, nějaký kluk v průběhu základní a střední školy zjistí, že se mu docela líbí chemie, tak ji jde studovat dál i na univerzitu. Po skončení školy se obvykle zaměstná buď v korporátu (či menším podniku), nebo jde do akademické sféry. Korporát mu obvykle poskytne vše, co potřebuje. Zaškolí si ho, naučí ho myslet způsobem potřebným k vydělávání zisku, dostane poměrně slušný plat, takže je kluk obvykle spokojený. Nechci tvrdit, že takový člověk nemůže vymyslet něco prospěšného, může se z něho stát i někdo velice úspěšný. Potíž je ten korporátní či podnikový systém, protože tam je člověk vázán obchodním tajemstvím a ochranou know-how. Takže jeho vědomosti jsou v podstatě "koupeny" a nemůže je nijak šířit – nemůže psát články ani knihy, aby tak pomohl ostatním z jeho oboru a vymyslelo se třeba něco ještě lepšího. Bohužel, velká část dnešní vědy je orientovaná na zisk, takže se k tomu ještě později vrátíme.

U akademické sféry to funguje jinak. Tam se člověk musí oťukat naprosto sám. Samozřejmě, ti zkušenější mu ze začátku pomáhají, ale pokud chce vědec v akademické sféře uspět, musí si po "oťukání" dělat spoustu věcí sám v rámci malého týmu a dál se hodně učit. Nápady a myšlenky, sehnat peníze na materiál a vybavení, hledat a kontaktovat jiné lidi k spolupráci… Záleží jenom na něm, jestli tohle všechno umí zrealizovat, protože taková zátěž už není pro každého. Chce to prostě mít ten "drive", zvlášť když zvážíme, co všechno se dnes musí ošetřit byrokraticky. Proto se často stává, že mnoho začínajících vědců po pár letech nakonec stejně skončí v tom korporátu nebo si založí vlastní firmu. Jenomže, jak již bylo zmíněno, tam často hraje velkou roli ten zisk a o vědu jako takovou vůbec nejde.

Co tím chci říct, je to, že hodně lidí, kteří mají po škole velké sny o vědě, nakonec zjistí, že to vůbec není to, co si představovali, že budou dělat. Takové "probuzení" ale obvykle pár let trvá, takže mezitím nějaký ten výzkum přece jen dělají a leccos i opublikují. Tam už ale chybí ten opravdový vědecký duch a těžko říct, jestli se takový člověk i zamýšlí nad pravou podstatou vědy a jestli za těch pár let, co ve výzkumu jakž takž pracoval, skutečně i dbal na to, aby jeho publikovaná data byla důsledně zpracována. To už je ale asi spíš o charakteru daného člověka.

Do kategorie tohoto problému lze zařadit ještě další faktor, a to existenci desítek různých vědeckých oborů. Dnes se každý obor dělí na další podobory a větví se to jako nějaký strom. Všechno se vyvíjí tak šíleně rychle, že se toho i hodně publikuje. A když si potom člověk chce vyhledat nějaké články ze svého podoboru, tak i po pečlivém osekání vyhledávacího filtru mu databáze vyplivne třeba stovky článků. Což je neuvěřitelné, protože takto se nedají přečíst ani abstrakty, natož celé články. No a samozřejmě, obvykle jenom některé mají pro vás tu větší váhu. Je tu opět vidět podobnost s uměním – dnes, na rozdíl od minulosti, existují desítky hudebních a filmových žánrů, spousta výtvarných oblastí, různé druhy tance, široké spektrum literatury..., a pak je mnohem těžší nalézt v tom něco krásnějšího a cennějšího.

No a co si budeme povídat – tak jako všude jinde, i ve vědě se někdy zcela záhadným způsobem ocitne naprosto hloupý člověk. Je mi líto, že to musím říct takhle, ale jelikož dnes vystuduje vysokou školu leckdo, stává se i tohle. V takovém případě je riziko vytváření chyb daleko větší.


Problém č. 2 – Chyby

Chybovost v publikování vědeckých informací není způsobena jenom jedním člověkem. Celý proces začíná autorem (či autory), který daný výzkum provedl (či provedli). Po zaslání jeho/jejich práce do vybraného časopisu musí nejdříve proběhnout takzvané "peer review" neboli recenzní řízení, během kterého se má celá práce pečlivě zkontrolovat jinými odborníky. V závislosti na složitosti se takové recenzní řízení může protáhnout na několik měsíců nebo i na několik let (někdy je totiž nutné něco nejenom opravit, ale i dodělat a podobně). Recenzní řízení může být naprosto anonymní (nikdo nezná ničí totožnost) nebo recenzent může znát jména autorů nebo se může jednat o naprosto "open peer review", kde se všichni znají. Jestli všechno klapne po odborné i formální stránce, editor následně odsouhlasí publikování dané studie vydavatelem.

Je důležité ještě upozornit na takzvané "preprinty", tj. zveřejnění prací většinou někde na internetu, které ale ještě neprošly recenzním řízením. Asi nejznámějšími takovými preprintovými servery jsou ArXiv a SocArXiv. Ono to sice podporuje myšlenku "open science", ale je třeba se mít na pozoru, protože takové práce nebyly zatím zkontrolovány nikým jiným. Navíc, ne všechny odborné časopisy tento přístup uznávají a s takovým serverem pak nemají ani smlouvy. Takže pokud chcete publikovat zrovna v takovém časopisu, vaše práce nemůže být zveřejněna jako preprint.

Když tedy chceme chybám ve vědě přijít na kloub, musíme rozebrat několik úrovní, na kterých ty chyby vlastně mohou vzniknout. Může k nim docházet na straně autorů, na straně recenzentů, ale i na straně vydavatelů. Jako první si rozebereme autory.


Chyby na straně autorů

Po autorech se požaduje především publikování pravdivých výsledků. Ty nepravdivé mohou mít spoustu příčin. Může dojít k chybě při měření, výpočtech, přepisování či kopírování dat nebo třeba dojde k nějaké nerozpoznané technologické či softwarové závadě. Takové chyby jsou většinou neúmyslné a je i celkem slušná šance, že se na ně přijde. Poctivý a zkušený experimentátor má totiž dost silnou intuici a nutkání k tomu, aby si věci několikrát překontroloval nebo zopakoval a vyloučil tak nežádoucí faktory.

Pak jsou tady chyby, které lze nazvat jako pochybné. Většinou se jedná o použití nesprávných analýz a metod, ze kterých pak vylezou i nesprávné závěry. Typicky se opakuje použití nevhodné statistické analýzy dat. Statistika je totiž tak trochu "magická" věda a může se stát, že nevhodně zvolená metoda vám poskytne jiná čísla. Některé chyby jsou malé a když přimhouříme oči, lze je odpustit. Třeba se často plete standardní odchylka a standardní chyba. Není to nic hrozného, ale přece jenom mají obě veličiny trochu jiný význam. Dále například, jinou statistiku musíte použít, jestli počítáte se vzorkem obsahujícím deset prvků nebo jestli počítáte se vzorkem obsahujícím sto tisíc prvků. Ty postupy se prostě liší v závislosti na typu datového souboru, který má být analyzován. Takže výsledky a následné závěry mohou vyjít skutečně docela jinak. Celé je to tedy takové pochybné, protože těžko posoudit, jestli ta chyba byla úmyslná nebo neúmyslná z důvodu neznalosti.

To samé platí pro experimentální metody. Experimentátor musí umět dobře zdůvodnit, proč si zrovna vybral tuto metodu a ne jinou. Pokud má v takovém případě nějaký recenzent pochyby, často potom požádá autora, aby svůj experiment doplnil ještě o jinou metodu. Je to tedy taky takové pochybné, protože těžko rozlišit mezi úmyslností a neúmyslností celého postupu.

No a pak máme chyby úmyslné a ty by se ve vědě neměly vyskytovat vůbec! Bohužel, stává se to. I tyhle chyby se dají rozdělit na menší a větší. Například, typickou menší úmyslnou chybou je mazání či vyřazení odlehlých naměřených hodnot. Něco se změří, experimentátor získá čísla a některá z nich leží hodně daleko od průměru všech ostatních, tak je jednoduše vyřadí. Většinou to udělá z toho důvodu, protože si myslí, že je to chybné měření. Jenomže ono to vůbec chybné měření být nemusí, ale skutečně byla naměřena či jinak zjištěna takováto hodnota.
Problém pak spočívá v tom, že vyřazení takových hodnot může naprosto změnit celý výsledek experimentu. Například, testujete nový lék a sledujete nějaký biologický parametr jako odezvu na léčbu. Máte deset pacientů, na kterých to zkoušíte, no u dvou pacientů jednou-dvakrát změříte podivné hodnoty, které téměř nedávají smysl (třeba rozdíl čísel o dva řády). Vy usoudíte, že pravděpodobně došlo ke špatnému vyhodnocení – třeba nějaký přístroj špatně analyzoval vzorek nebo došlo k softwarové chybě. No zároveň podvědomě tušíte, že vám to trošku kazí očekávaný výsledek, tak tyto pacienty ze studie jednoduše vyřadíte. No ale přesně tohle se dělat nesmí! Jednak proto, že se může skutečně jednat o účinek testovaného léčiva, druhak proto, že vyřazením nevhodných dat vám může uniknout něco velmi podstatného.

Správný postup by měl být takový, že odlehlé hodnoty ponecháte a v článku o nich diskutujete a logickými kroky hledáte důvod, proč tyto hodnoty vyšly zrovna takhle. Ono skutečně mohlo dojít k chybě při měření nebo při manipulaci se vzorkem, ale to je právě to, co vy musíte do své úvahy o výsledcích zahrnout a okomentovat, jak výsledek vypadá s nebo bez těchto odlehlých hodnot. Že to nesplnilo vaše očekávání, s pravdou už bohužel nic společného nemá.

Mazání odlehlých hodnot je sice úmyslné, ale stále to není to nejhorší, protože daný experimentátor to obvykle nemyslí ve zlém. Dalo by se říct, že se spíš jedná o chybný úsudek, resp. nedbalost. Nechci, aby to znělo jako nějaká "obhajoba", rozhodně by se to dít nemělo, ale někdy se objeví i takové experimenty, které jsou mimo úplně celé. Od zvolených metod až po analýzu dat nebo je celá práce naprostým falzifikátem nebo dochází k porušení autorství a tak podobně. Dokonce se stalo i to, že neexistovali samotní autoři studie. Naštěstí, takové případy jsou poměrně vzácné.

Závěrem tedy lze říct, že výzkumníci se chyb rozhodně dopouštějí, ale nejčastěji to jsou chyby neúmyslné, méně často pak ty pochybné a relativně vzácně se vyskytnou i ty "okatě" falešné. Jestli se chyby odhalí, už pak hodně záleží i na recenzentech a všímavých čtenářích.


Chyby na straně recenzentů

Recenzenti musí být tak trochu detektivové, protože jejích povinností je nalézat právě chyby těch autorů. Jsou tedy nepostrádatelným článkem celého řetězce a vina může padnout rozhodně i na ně. Dnes je proces recenzního řízení už docela promakaný, ale i tak dochází k omylům, které mohou být opět úmyslné nebo neúmyslné.

U recenzenta záleží hlavně na tom, jak moc dobrý detektiv je a jak dobře ovládá obor, ke kterému příslušná publikace náleží. Existují různé nástroje, které učí recenzenty posuzovat integritu a správnost publikované studie (např. REAPPRAISED, TRACT, INSPECT-SR). Je tedy nutné, aby se to ten, kdo chce články revidovat, naučil. Tyhle nástroje jsou veřejně dostupné, takže je může klidně používat i samotný čtenář. Integrita článků se posuzuje v různých aspektech a ohled se bere například i na řízení a financování výzkumu, etické otázky, proklepnou se autoři, no a samozřejmě se proklepne i celá publikovaná práce – analýzy a metody, získaná data a statistika, manipulace s obrázky či grafy, možné chyby, duplikace dat, podávání zpráv a mnoho dalších věcí. Pak se publikace prohánějí různými softwary na zjištění plagiátorství a textů generovaných umělou inteligencí.

Nás ale zajímají hlavně ty chyby v získaných datech. Recenzní detektiv projde použité metody a analýzy studie a buď nemá námitky, nebo požádá o nějaké doplnění, zdůvodnění či vysvětlení. Pak se podívá na výsledky a závěry publikace. Je nutné si uvědomit, že výsledky ve formě nějakých "čísel" jsou obvykle až ty výsledky z analýzy. Takže za běžných okolností recenzent nemá k dispozici naměřena či jinak zjištěna "surová" data. Existují ale určité matematické postupy, kterými lze zjistit, jestli je daný výsledek vůbec matematicky možný. Pokud se tedy recenzentovi něco nezdá, může použít takový nástroj nebo si přímo vyžádá od autora ta surová, nezpracovaná data. No a pak se už docela zvedá šance, že se objeví další chyby. Navíc, recenzent není jenom jeden, ale na revidování pracuje několik osob z různých zemí světa (obvykle jsou tři na jednu práci, ale může jich být i víc, záleží na časopisu).

Uvedu dva velice hezké příklady, jak se chyby "rozmnoží", pokud se k recenzentům dostanou skutečná surová data. Podle této studie se jeden redaktor rozhodl systematicky zkontrolovat všechny klinické studie zaslané do jeho časopisu, který se zabývá anesteziologií. U 2 % studií našel chybu už na základě samotné publikace. To by až taký problém nebyl, vždy se najde něco, co se musí opravit či vysvětlit. Průser ale nastal až tehdy, když si redaktor vyžádal doložit nezpracovaná data. A proč průser? Protože na základě surových dat detektivové našli chyby až v 44 % studií! 🤔 (Myslete na to, až vás budou uspávat při nějaké operaci...)

K dalšímu zajímavému zjištění došlo při detektivním ohledání rozsáhlé metaanalýzy, která se zabývala pravidelným užíváním vitamínu D jako prevence před zlomeninami. Do metaanalýzy byl zahrnut velký počet studií, no ukázalo se, že když se z ní vyloučí pouhé dvě studie, výsledek bude takový, že vitamín D na prevenci zlomenin žádný vliv nemá. Obě tyto studie totiž uváděly velmi silný přínos tohoto vitamínu a jedna z nich dokonce obsahovala matematicky nemožná data. Těžko říct, jestli kvůli neúmyslné chybě nebo kvůli manipulaci s daty. Přečíst si o tom můžete tady i s příslušnými odkazy na další zdroje.

To ale není vše. Při jiném šetření byli jistí výzkumníci dotazováni na své vědecké chování a 2 % z nich uvedla, že si data vymyslela nebo zfalšovala nebo pozměnila výsledky. A až 34 % se přiznalo k určitým pochybným praktikám, například k mazání těch odlehlých hodnot, k použití jenom té analýzy, která vedla k lepším výsledkům a podobně. No, alespoň se cení upřímnost... Zdroj tady a tady.

Vidíme tedy, že recenzní řízení je velmi důležité a bez něho by se v publikovaných informacích nacházelo chyb určitě mnohem víc. V současnosti se čím dál, tím víc implementuje tzv. "FAIR data managment", kde jednotliví výzkumníci musí na určité servery nahrávat svá naměřena a nezpracovaná data a bude k nim umožněn přístup dle potřeby. Taková věc si ale vyžaduje obrovský počet úložišť, kam se to všechno bude ukládat a provozovat, což není tak jednoduché, protože dnes na serverech běží "online" téměř celý svět. Například, jenom čistě pro představu – jeden můj experiment s rentgenovým zářením na stovce vzorků si vyžádal něco přes 120 GB surových dat. Byl to jenom jeden experiment a jenom můj! A teď si představte práci mnoha tisíc dalších vědců nebo taková data naměřena v CERNu, na vesmírných teleskopech nebo při výzkumu umělé inteligence.

Celé se to pak potkává i s dalšími problémy – manipulace s digitalizovanými daty totiž stojí peníze, zahrnuje práci mnoha lidí a spotřebovává obrovské množství energie. A energie je v tomto problému klíčová, protože čím komplexnější hardwary a servery jsou potřebné, tím více je třeba vše chladit. Například, společnost Alphabet (matka Googlu) plánuje na výzkum AI používat menší jaderné reaktory, aby měla na celý provoz dostatečný přísun energie. (Mimochodem, je zajímavé, že pro účely AI jádro nikomu nevadí, ale jeho využití pro běžné občany je diskutabilní… Co třeba takové relativně dost bezpečné mikromodulární reaktory pro velké nemocnice na udržení jejich chodu? 🤔 )

Když shrneme práci recenzentů, chybovost z jejich strany je způsobena především v schopnosti odhalovat chyby autorů. Jak již bylo zmíněno, hodně záleží na tom, jak moc dobře ovládají svůj obor. Revizi článků by proto měli dělat spíš vědci zkušenější, případně ti, o kterých se ví, že jsou ve svém oboru skutečně špičkou. Jenomže denně se publikují tisíce různých studií a těch nejlepších detektivů je hrozně málo. Takže se stane, že články reviduje kde kdo, zvlášť pokud se jedná o méně kvalitní časopisy.
Druhá věc, která ovlivňuje kvalitu recenzního řízení, je čas. Někdy se vám totiž do rukou dostane i práce, která má padesát stran a když musíte pečlivě číst řádek po řádku, zabere to hodně času. Jenomže recenzenti mají i jinou práci a taky své rodiny či blízké, takže je spousta případů, kdy se revize prostě odflákne.
Problémem taky může být i autorita. Pokud recenzent zná jména autorů a náhodou narazí na někoho slavného, může mít zábrany zpochybnit nalezenou chybu, tak to radši nechá být, protože věří, že pravdu má spíš ten uznávaný autor.
Postupy recenzenta můžeme obecně taky rozdělit na úmyslné a neúmyslné, protože jenom on sám ví, jestli při revizi postupoval svědomitě a poctivě.


Chyby na straně vydavatelů

Když zvážíme, že i recenzenti jsou jenom lidé a nemusí všechno odhalit, stane se, že se opublikuje i něco chybného. Pak už ale zodpovědnost nese vydavatel příslušného časopisu. Naštěstí, myslí se i na to, takže se k tomu připojuje spolupráce samotných čtenářů. Ti mohou při jakémkoliv podezření kontaktovat přímo časopis a upozornit ho, že něco s danou studií není v pořádku. V dnešní době na to existují i prostředky sociálních sítí nebo je k dispozici stránka www.pubpeer.com, kde se nalezené chyby oznamují naprosto anonymně. Takže těch možností tu je několik a otázka spíš spočívá v tom, jaké procento z nahlášených chyb se vůbec skutečně vyřeší. To už je ale na daném časopise, jak velké renomé si chce zachovat.

Poměrně často se stává, že nějaký časopis vaši práci odmítne, protože vydavatel k ní má různé výhrady – třeba jste se až tak netrefili do jeho portfolia nebo to nepovažuje za průlomové nebo najde spoustu chyb v rámci recenzního řízení. To vám ale nebrání v tom, abyste tu práci zkusili protlačit někde jinde a tam vám ji vydají. Ten druhý vydavatel je třeba méně náročný nebo se víc trefíte do jeho portfolia nebo recenzenti přehlédnou chyby.

Musíme si tedy uvědomit, že mezi časopisy existují obrovské rozdíly. Je jasné, že některé jsou lepší a pečlivě si studie k publikování vybírají, zatímco jiné opublikují leccos. Některé časopisy jsou zaměřené na detaily v rámci oboru, zatímco jiné publikují spíš ty "senzace". Naštěstí, existují různé nástroje, jak se v těch časopisech vlastně vyznat. Například, stránka www.scimagojr.com poskytuje podrobné metriky těch nejrůznějších časopisů podle jednotlivých vědeckých oborů, takže si pak člověk může vybrat, kam chce svoji práci zaslat. Hodně vědců hledí především na "impact factor" daného časopisu, ale to není zdaleka vše. Ohled se musí také brát i na další parametry, jako je například procento odmítnutých článků, hlášené chyby a jejich řešení, kvalita recenzního řízení, konkurence či politika vydavatele.

Další věc, která se musí brát v úvahu, je poplatek spojen s publikováním. Samozřejmě, nemám nic proti poplatkům, které jsou určeny pro recenzenty, na redakční procesy, na archivaci atp. Problémem je spíš to, že ty částky se hodně liší – může vás to stát pár set eur, ale klidně i 10 000 eur. Jenomže to neznamená, že čím lepší časopis, tím větší poplatky. Chápu, že nějaké větší vydavatelství toho řeší mnohem víc a zaměstnává víc lidí. Ale to není jenom o tom. Ne všechno, co je nejdražší, je zároveň i nejlepší, nejkvalitnější nebo nejsvětější. Navíc, je velký rozdíl napříč vědeckými oblastmi. Časopisy zaměřené na výzkum rakoviny či buněčnou biologii mají daleko jinou váhu a chtějí za přijetí studie mnohem víc než časopisy zaměřené na matematiku. Což je mimochodem dost velká ironie, protože bez matematiky by tu pořádný výzkum rakoviny či biologie vlastně ani nebyl. Je to tedy takové nejednotné a ne úplně transparentní a trochu i neférové. Zvlášť když zvážíme, že se všichni snaží hrát hru "open science".

Aby ohledně publikačních poplatků nedošlo ke zmatku, je nutné zmínit důležitou věc, a to že existují poplatky dvojího typu. Jedna věc je poplatek za přijetí do časopisu a druhá věc je, že si chcete zaplatit "open access", tj. že vaši práci najdou všichni zadarmo na internetu. A to už obvykle těch pár tisíc euro stojí i u méně známého časopisu, než je třeba takový Nature. Jednoduše, když máte prachy na rozhazování, můžete zaplatit čtvrt miliónu jenom za to, že si vás přečte každý, kdo chce. Takže pozor na to, jestli člověk platí publikační poplatek nebo poplatek umožňující zviditelnění a slávu.

Mně osobně takové kupování si "prestiže" docela vadí a mělo by se to řešit, protože už jsou v tom cítit peníze. Někdo totiž může publikovat něco skutečně zajímavého, ale nemá další peníze na poplatky navíc, a tak si jeho práci přečte i méně lidí. Jde tedy především o kupování si "dostupnosti" dané studie pro širokou veřejnost, protože akademická obec má přístup do vědeckých databází už zaplacen danou institucí, takže se k většině článků dostane. To následně způsobuje ještě větší diskrepanci mezi laiky a odborníky, protože některé studie jsou s "open access" zviditelněné celému světu, no některé (a možná i víc důležité) zůstanou pro širší veřejnost nedostupné. Silně totiž pochybuji, že čtenáři běžně vysolují dvacet (nebo i padesát) dolarů za jedinou studii jenom proto, aby si ji přečetli. Čtenáři ty peníze dnes potřebují spíš na živobytí.

Na závěr bych zmínila ještě jednou věc, která se týká vydavatelů. Někdy se totiž stane, že i když je hlášena chyba v nějaké studii zaznamenána, vydavatel se ji zdráhá stáhnout nebo to trvá hrozně dlouho. Těžko říct, čím to je způsobeno… Jestli neochotou vydavatele to řešit nebo se jedná o hodně citovanou studii, která zvedá ranking časopisu nebo je slavná instituce či autor studie… Každopádně, z mého úhlu pohledu je ochota vydavatele řešit hlášené chyby jeden z nejdůležitějších parametrů určujících kvalitu časopisu, protože je vidět, že mu na správnosti informací záleží. Například, některé časopisy již zpětně postahovaly určité publikace týkající se kovidu, protože sběr a analýzy dat byly v té době takové zbrklé, chaotické a ovlivněné strachem. A tedy i chybovost byla mnohem vyšší, jelikož za "stresových" podmínek se pracuje poněkud hůř a je větší šance výskytu subjektivního a emocionálního vlivu všech zúčastněných stran. Takže je třeba ocenit ty časopisy, které si to přiznaly, všechno ošetřily a studie nakonec stáhly.

Chybovost na straně vydavatelů je tedy způsobena především neochotou řešit hlášené chyby. Chybné publikace se pak nadále nacházejí v různých databázích, opakovaně se citují a přetrvávají tak mylná přesvědčení. Samozřejmě, hodně záleží na konkrétním časopisu a celé se to pak už propojuje jak se zkušenostmi vědců, tak se zkušenostmi recenzentů, protože během své kariéry vypozorují, kde převažuje větší kvalita.
Dalšími příčinami chyb na straně vydavatelů je často i střet zájmů nebo finance, což zapříčiňuje neférové jednání. Musíme si totiž uvědomit, že zvlášť velká vydavatelství jsou z podstatné části i významnými podnikovými subjekty, takže riziko střetu nějakého zájmu je docela velké. A jelikož se stále jedná o lidské jednání, znovu se na to můžeme dívat jako na něco úmyslného nebo neúmyslného.

Problém č. 3 – Bibliometrický profil autorů a citování

Dnes se většinou za úspěšného vědce považuje takový výzkumník, který publikoval stovky článků, má tisíce citací a h-index sahající do nebe (tohle mimochodem často hraje roli i při rozhodování grantových agentur, komu ty peníze na výzkum dají a na samotnou myšlenku navrhovaného projektu se až tak nehledí). H-index je zjednodušeně číslo, které bere do úvahy počet článků napsaných nějakým autorem a jejich citování. Čím vyšší, tím lepší. Navrhl ho v roce 2005 fyzik Jorge Hirsch, který si myslel, že to poslouží jako objektivní faktor pro posuzování "kvality" vědců. Sám ale později uznal, že to až tak moc objektivní není a prohlásil, že půlka vědců h-index miluje a půlka ho nenávidí. Těch věcí k zamyšlení "proč" je několik.

Za prvé, docela to brání rozvoji kreativního myšlení u mladých vědců. Začínající student totiž obvykle pracuje pod vedením nějakého profesora, který má h-index vysoký. Ten vnímá profesora jako autoritu a může cítit zábrany zpochybňovat jeho zavedené koncepty, protože profesor přece musí být velký odborník. Student se ale nesmí nechat odradit a od profesora by si měl nechat jenom poradit, ale ne určovat směr svého myšlení. Nejvíce inovativními myšlenkami a objevy totiž oplývá duch, který je ještě mladý. Einstein, Newton, Poincaré, Mozart, Picasso a mnoho dalších svá největší díla zplodili během prvních pětadvacet let svého života. Například v době, kdy žil Newton, panovala velmi zajímavá tradice. Když se profesoři na univerzitě doslechli o velkém nadání nějakého mladého studenta, dobrovolně se vzdali své akademické pozice a přenechali ji tomu mladému studentovi!
Dnes si něco takového nelze ani představit! Současní studenti musí splnit spoustu požadavků, aby vůbec prošli postgraduálním studiem a dosáhli na nějakou lepší akademickou pozici, která umožňuje žádat o větší granty na pořádný výzkum. No a pak mohou konečně psát i hodnotné články a zvedat si ten nešťastný h-index. Jenomže i těm lepším studentům je už v téhle chvíli přibližně třicet a nejvyšší "rozumový výkon" mají spíš za sebou než před sebou.

Druhý problém h-indexu je ten, že jeho výše určuje "módní trend", kterým se věda ubírá. Preferují se výzkumy těch témat, která se publikují jako na běžícím páse a ve velkém se citují. Vzniká tak jakýsi hlavní proud, na který se pak udělují i samotné granty a do pozadí se dostávají ta témata, která nejsou tak atraktivní, i když by mohla být mnohem přínosnější. Například, samotný Hirsch zdůraznil, že jeho práce týkající se supravodivosti tvoří pouze 10 % jeho celkových citací, ale právě tyto citace jsou pro obor mnohem důležitější než všechny jeho ostatní práce s daleko větším počtem citací. S tím pak souvisí i to, že se odmítají granty na alternativní témata nebo se na výzkum nenajmou takoví vědci, kteří by s velkou pravděpodobností udělali něco mnohem důležitějšího. Navíc, čím více je nějaká práce citována, tím těžší je zpochybnit její platnost, zvlášť když se v ní objeví chyba.

Celá věc s citacemi se stane ještě zajímavější, když se podíváme na samotnou správnost citování. Autoři totiž běžně citují i sami sebe. Pokud jsou autocitace relevantní k danému tématu, je to v pořádku. Jenomže ony někdy zase až tak moc relevantní nejsou… Někteří autoři to ale přesto dělají, aby si zlepšili svůj vědecký profil, případně aby zlepšili vědecký profil svých kamarádů…
V citování se ale obecně nalézá docela dost chyb. Například, tato případová studie týkající se neurozobrazování prostřednictvím magnetické rezonance udeřila citační hřebík po hlavičce docela silně. Došla totiž k poznání, že čím "slavnější" byl první autor publikace, tím více závažných chyb se v citování našlo. No, co k tomu dodat...


Problém č. 4 – Hypotézy a domněnky

Každý vědec si při svém bádání nejdříve stanoví nějaké hypotézy, které chce následně pomocí různých pokusů potvrdit, nebo vyvrátit. Nezasvěcený člověk si tedy myslí, že vědec provede nějaký experiment a dojde ke dvěma možným závěrům: "Teorie platí." nebo "Teorie neplatí.". Konec. Nic dalšího. Jenže takový vzorec uvažování o hypotézách je dnes již zastaralým paradigmatem. V minulém článku jsme si také řekli, že když člověk narazí na nějakou nejednoznačnost, zasekne se a neumí se rozhodnout, co s tím dál dělat. No jenže vědecké experimenty jsou často přesně takové, kdy nelze jenom jednoduše říct: "Teorie platí." nebo "Teorie neplatí.". Ono v mnoha případech je to něco mezi tím a závěry se k tomu spíš jenom "přiklánějí".

Samozřejmě, někdy je směrování dané hypotézy tak silné (data i statistika jsou souhlasně silně "pro"), že můžeme téměř stoprocentně říct, jestli něco platí, nebo neplatí. Co ale dělat, když nám chybí jistota, nepoznáme všechny proměnné nebo se neumíme rozhodnout? V takovém případě může docela pomoct takzvaný Bayesovský model hypotéz, který pravdivost dané hypotézy stanovuje s nějakou pravděpodobností a ta pravděpodobnost se následně "aktualizuje", jak postupně získáváme další relevantní fakta. A to je celkem rozumné stanovit něco s určitou pravděpodobností. Je ale nutné podotknout, že tento model je nevhodný například pro ověřování historických faktů, protože stěží získáme nová doplňující fakta k něčemu, co se stalo před pěti tisíci lety. Musíme se tedy přestat dívat na hypotézy jenom z hlediska "pravdy/nepravdy" a uvědomit si, že dané teorie jsou obvykle platné jen s určitou jistotou, která se bude v průběhu času měnit. Třeba to, že Slunce je středem naší planetární soustavy se asi tak lehko nezmění, ale spousta dalšího určitě ano.

Další věc, kterou si musíme uvědomit je, že hypotéza je myšlenkový experiment, který je zkonstruován za idealizovaných podmínek. My zdaleka nemáme k dispozici veškeré faktory, které mohou ovlivnit námi studovaný jev. Tohle je dobré si připomínat zvlášť u fyzikálních teorií, protože většina teoretických modelů je založena na idealizaci. V praxi sice umíme velmi precizně ladit různé stroje, štěpit atomové jádro nebo vytvořit sofistikované elektrické obvody, ale veškeré teorie jsou založené na ideálních podmínkách. My nepoznáme celou skutečnost. Výhodou fyzikálních teorií ale je, že jsou podloženy kvalitním matematickým aparátem, a to jim zabezpečuje delší "životnost". A pokud jsou i v souladu s pozorováním, potom je i mnohem těžší je vyvrátit. Proto se fyzikální teorie spíš "doplňují", než aby se celé úplně přepisovaly od základů. To, že planety obíhají kolem Slunce a my tento pohyb umíme matematicky popsat a následně i polohu planet predikovat, se asi už nijak významně měnit nebude.

U vědních oborů, které mají matematické pozadí slabé, je ověřování hypotéz o něco těžší. Třeba takové biologické procesy – máme sice spoustu faktů o fungování lidského organismu až na molekulární úrovni, no stejně nám chybí takový ten "big picture", co všechno například kóduje DNA, jak funguje lidská psychika nebo co všechno se děje v průběhu spánku… Vždyť ani pořádně nevíme, na co všechno slouží bakterie v našich střevech nebo jak vlastně funguje imunitní systém. V biologii je tak mnohem těžší najít nějakou idealizovanou "obecnou rovnici", která by dokázala popsat nebo i predikovat komplexnější jevy, a to proto, že máme k dispozici velký počet proměnných. A čím víc proměnných, tím víc se komplikují i samotné počty. Proto se biologičtí vědci rádi opírají o fyziku a chemii a pitvají život na nejmenší částečky, protože ty lze aspoň jakž takž popsat s větší přesností. Ale pak se často pro stromy nevidí les a uniká pointa celku. U biologických či biopsychosociálních procesů je tedy daleko těžší najít tu pravdivou skutečnost a na mnoho vědeckých úvah se musíme dívat spíš jenom jako na návrhy, předpoklady nebo domněnky, než abychom je brali jako svaté pravdy.


Problém č. 5 – Jak vše spolu souvisí? Korelace versus kauzalita

Vědecká komunikace musí být jasná a jejím klíčem je používaní odborného jazyka. Jelikož je celá věda prakticky založena na nějakých pozorováních nebo měřeních, které se promítají do čísel, je nutné tato čísla správně analyzovat. Ze získaných dat se potom snažíme odvodit nějakou korelaci, asociaci nebo příčinnou souvislost. Ke slovu se tak hlásí statistika, která představuje poměrně náročnou matematickou disciplínu, a proto je lepší, když si vědec k analýze svých dat přizve na pomoc zkušeného statistika, aby se vyhnul zbytečným problémům. Tohle platí zvlášť pro vědecké obory, které matematikou moc políbeny nejsou, například humanitární a sociální obory nebo třeba i biologie. Je ale nutné podotknout, že nesprávných interpretací výsledků se dopouštějí i ti vědci, kteří mají celkem slušné početní schopnosti. Proto je pomoc statistika vítána kdykoliv a člověk se pak často i něco přínosného od něj naučí. Ale není to jenom o statistice. Někdy je docela těžké přijít věcem na kloub, i když spolu krásně souvisí.

V minulém článku jsme zmínili, že ve vědě je hodně důležité správně rozeznávat implikaci, která nám určuje nějakou příčinnost (kauzalitu) nebo podmínku jevů. Většina vědeckých studií se totiž snaží dokázat, že nějaká věc A způsobuje věc B. Nebo obě věci A i B mají třeba i ještě nějakou jinou další příčinu a tak dále. Kauzalita je sice intuitivně snadno pochopitelný koncept, ale její dokázání je často náročné a problematické.

Uvedu jednoduchý příklad, jak těžké může být nalezení příčiny. Bylo zjištěno, že pokud diabetický pacient podstoupí amputaci končetiny kvůli ischemickým komplikacím, je padesátiprocentní šance, že do pět let zemře. To je například srovnatelné i s průměrným přežitím u rakoviny. Naopak, pokud lékaři zvolí vhodnou intervenci a řeší problém periferní ischemie ještě v předstihu, riziko úmrtí klesá. Z toho tedy vyvstává otázka: Co vlastně v tomto případě způsobuje úmrtí? Diabetes nebo periferní ischemie a amputace? Je těžké určit, na co vlastně pacient zemřel, protože na periferní ischemii trpí zhruba jen 5–10 % diabetiků. Je tu sice přítomná asociace mezi diabetem a periferní ischemií, ale je obtížné z této asociace vyvodit příčinu. Koho by to zajímalo víc, může se o tom dočíst tady a tady.

Ještě větší zmatky mohou nastat tehdy, pokud studovaný jev výrazně koreluje s nějakým faktorem. Vědci pak mají silné nutkání rychle přejít k závěru, že tento faktor určitě musí být příčinou tohoto jevu. Příčinou být může, ale taky nemusí.
Opět uvedu dva jednoduché příklady. Za posledních třicet let nárůst autismu koreluje s nárůstem prodeje organických potravin na neuvěřitelných 99,7 %! Znamená to tedy, že konzumace biopotravin způsobuje autismus? No, spíš na těch 99,7 % ne. Anebo v státě Kentucky byla v určitém období pozorována korelace mezi počtem uzavřených manželství a utopením při rybaření na 95 %. Vyplývá z toho, že lidé ve sňatku by se snad měli vyvarovat rybaření? Opět tady není žádná příčinnost, i když korelace dosahuje téměř sto procent.

Problém se však stává složitějším, pokud příčinnost intuitivně sedí, ale přesto nemusí být správně odvozena. Například, mějme hluchého psa, který sebou často cuká, když při bouřce udeří hrom. Existuje tedy nějaká korelace mezi hromem a leknutím psa. Je ale hrom skutečnou příčinou tohoto leknutí? Může se to tak zdát, ale pravda to není. Zmínili jsme, že ten pes je hluchý, takže hrom určitě neslyší. Cukat se ale při bouřce může proto, že uvidí, jak sebou při hromu cukne například nějaký člověk. Takže příčinou není hrom, ale leknutí člověka, na které pes zareaguje. Jenomže člověk se leká i při jiných situacích než jenom při hřmění.

Uvedu ještě jeden příklad, který naopak intuitivní není, ale přesto lze z korelace odvodit příčinu. Pokud vezmeme náhodný vzorek dětí a dáme jim všeobecný test znalostí, zjistíme, že existuje silná korelace mezi délkou jejich chodidla a jejich vědomostmi. Je tedy délka chodidla příčinou větších znalostí? Není. Ale děti s větší nohou jsou obvykle starší a stihli se toho naučit víc, takže jsou chytřejší. 😊

Poznat pravdivou příčinu jevů a dat dohromady jednotlivé souvislosti tedy není vůbec jednoduché. Statistické metody nám hodně pomůžou hledat korelace a asociace v datech, no správnost celé implikace už záleží i od logického myšlení vědců a jestli všechno vůbec dává i nějaký smysl.
Je tu ale ještě jeden faktor, který celou situaci stěžuje. Tím faktorem je čas. Mnoho záležitostí se totiž vyvíjí až v delším časovém horizontu a pozorované korelace či asociace se tak mohou měnit, čímž se hledání příčiny stává ještě složitější. To můžeme pozorovat třeba u všech těch schizofrenních výplodů s globálním oteplováním nebo ochlazováním nebo bůhví čím.
Věřte, že i ti poctiví a chytří vědci mají občas velké potíže najít tu skutečnou příčinu. I Einsteinovi trvalo deset let, kým došel k obecné relativitě z té speciální. A ta navíc platí stejně v jakémkoliv čase...


Problém č. 6 – Střet zájmů

U tohoto problému se dlouho nezdržíme, protože střet zájmů se objevuje v každé sféře lidské existence a vyskytuje se i ve vědě. To má potom samozřejmě vliv na zveřejňování vědeckých informací. Předmětem jsou obvykle zájmy finanční nebo personální, případně institucionální. Bohužel, v dnešní vědě je často předmětem konfliktu i politika či současný globální narativ. K tomu se vyjadřovat nebudu, protože pro mě to je stejně nesmyslné, jako jsou různé střety zájmů ve sportu. Jak ve sportu, tak ve vědě tím ve výsledku trpí samotný talent, kterému se brání rozvíjet a dosahovat pokroku přirozenou cestou. Od úplné "férovosti" má lidstvo bohužel ještě dost daleko.


Problém č. 7 – Hrozby a vidina zisku

První hrozbu, která je dnes výrazně na vzestupu, představují takzvané "paper mills" neboli "papírové mlýny". Jedná se o organizované (často komerční) subjekty, které masově produkují falešné nebo nekvalitní články na zakázku. Koupit se dá třeba i autorství, ale samotní autoři či instituce jsou často nesouvisející, takže se i původce celé šarády odhaluje docela těžko. Existují detekční nástroje (například Papermill Alarm), které jsou celkem spolehlivé při hledání takových pejprů. Tyto pejpry jsou obvykle na "nižší" vědecké úrovni, takže se v nich vyskytuje hodně chyb, které se snadno rozpoznají nebo detekční systém zjistí nějakou pofidérnost či přílišnou "okatost" studie. Ale i tak je to dost znepokojivé, protože například při ohledání vydavatelství Wiley se jako potenciální paper mill označilo až 10-13 % rukopisů! A to je na takové obrovské vydavatelství odborné literatury docela šok.
Problémem je, že tyto organizace v podstatě fungují tak trochu jako černý trh s obcházením zákonů – vyvine se nový detekční mechanismus a ony se na to přizpůsobí. Poctiví vědci tedy musí být neustále ve střehu a úzce spolupracovat na odhalování a zveřejňování těchto organizací.

Druhou hrozbou je umělá inteligence, která je kapitolou samou o sobě, takže se k ní někdy vrátíme v samostatném článku. Zatím stačí říct jen tolik, že při hledání pravdy je jednoznačně nedostatečná a navíc, často halucinuje (vymýšlí si). Takže spoléhat se na ní se nemusí vyplatit. A u složitých problémů už vůbec ne.

Třetí hrozbou je vidina zisku. Dnes se téměř celý výzkum zaměřuje na aplikace a průmysl, které vydělávají peníze. Takže se tímto směrem ubírají i grantové agentury, které pak podporují především takové nápady a na základní výzkum se kašle čím dál, tím víc. Podstatnější je přece mít sto téměř identických produktů na trhu, než aby se vymyslelo něco lepšího!
Je to smutné, když pozorujeme, jak chudáci fyzici už desítky let bojují s jadernou fúzí, aby ulehčili život celému lidstvu, ale zato máme desítky chytrých technologií, nanomateriálů tolik, že ani nevíme, co s nimi nebo tolik nepodstatných patentů v biomedicíně, které stejně člověka nevyléčí… Nevím, jestli jsem fakt moc naivní, ale myslím si, že existují daleko podstatnější otázky, na které je nutné nalézt odpovědi.

No a pak tady máme ještě jeden cirkus hrozeb, do kterého patří politika, globální narativ či masmédia. K tomu řeknu jenom jedno – tohle nemá ve vědě co dělat! Ale to jsem asi zase naivní...


Závěr

V úvodu jsem řekla, že obecný závěr vyvozovat nebudu, protože kvůli ohromnému počtu problémů to je prakticky nemožné. Jedna věc by se ale přece jen našla. Všechno je to hlavně o lidech a o vzájemné spolupráci. No lidská ziskuchtivost, pýcha a ego hodně ubírají z upřímnosti, poctivosti a férovosti, bez kterých se pravdy nedopátráme nikdy... Trpí tím nejenom celá věda, ale též celý svět.

Bez ohledu na to, kolik chyb se v publikovaných datech vyskytuje, ti poctiví vědci o těchto problémech skutečně diskutují, spojují své síly a snaží se problémy řešit. Jenže ten "boj" se dá srovnat i s ostatními sférami života - všude, kde se snažíme odstranit nějaký plevel, znovu po chvíli vyroste nový. Je tedy potřeba překopat celou půdu od samých základů a pročistit ji větším množstvím ctností. Koneckonců, záleží jenom na každém vědci samotném, jestli zůstane věrný hledání pravdy nebo podlehne iluzím světa...

No a pokud má někdo pocit, že celá věda je stejně k ničemu, ať se zamyslí nad tím, že bez těch "vědců" by teď nečetl tento text kdesi na notebooku v pohodlí domova a už vůbec by neměl tak moc "potřebné" smartphony, neletěl by na dovolenou do Thajska, nenašel by cíl bez GPS, nemohl by na katetrizaci koronárních cév a předejít tak infarktu, bez antibiotik by umřel na komplikace obyčejné angíny nebo by se nemohl podívat dalekohledem na Jupiterovy měsíce… I když ti "vědci" chyby skutečně dělají, většinou jsou ale neúmyslné a snaží se opravdu lidstvu pomoct a nechtějí nikomu ublížit.