Episode 2: USA-valget

I dagens episode av Dypdykk snakker Pål og Henrik om valget i USA, og det for mange uventede resultatet. Hvem var det som stemte hva, og hvordan kunne meningsmålinger og forståsegpåere ta så feil? Eller var det bare menigmann som misforstod hvordan meningsmålinger skal tolkes? Hvilken betydning har økt polariseringen og fiendtliggjøringen i amerikansk politikk hatt på valgresultatet?

Bakgrunnsinformasjon til episoden:

Hvem stemte hva, fra NY times: http://www.nytimes.com/interactive/2016/11/08/us/politics/election-exit-polls.html?_r=0

Hvor mange prosent i de ulike valgdistriktene stemte på Trump eller Clinton? http://imgur.com/gallery/8tblK

Hvorfor klarte ikke Clinton å få flere kvinnelige stemmer? http://fivethirtyeight.com/features/clinton-couldnt-win-over-white-women/

I hvor stor grad stemte latinoamerkinare på Trump?

http://fivethirtyeight.com/features/trump-probably-did-better-with-latino-voters-than-romney-did

Har demokratene seg selv å skylde på for valgtapet? http://www.vg.no/nyheter/meninger/usa/de-belugaliberales-forakt/a/23848634/

Episode 1: Hvordan være en dårlig forsker

I denne episoden snakker PK og Henrik om hvordan man kan være en dårlig forsker, og bruke sine gode evner på en dårligst mulig måte. Viktige punkter i episoden:

Før du skal forske:

  • Networking er et viktig stikkord – de med peil skal skaffe forskningsprosjekter – de uten peil skal gjennomføre dem.
  • Du er eksperten, så om du sier det du jobber med er et viktig problem, så er det det. Da må andre gi deg penger for å løse problemet.
  • Lite interesse for det du driver med? Lag sensasjonsnyheter! Det faglige innholdet kan du ta forbehold på senere, og dermed får du enda flere overskrifter.
  • Er det ingen som vil høre på deg? Da må du henvise til en guru som er mer kjent enn deg, men som sier det samme som deg. Alle som sier noe annet enn dem tar feil.
  • Alle trenger kilder, men ingen grunn til å bli trist av den grunn. Det er alltid en eller to kilder som sier det samme som deg, resten av kildene trenger du ikke å tenke på. (http://www.huffingtonpost.com/dana-ellis-hunnes/cherry-picking-science_b_11729146.html)

For å få resultatene du vil:

  • Bruk positive case studier – de delene av virkeligheten som bygger opp din sak er sikkert gyldige på generell basis.
  • Om du ikke får resultatene du håpet på; er du sikker på at du så på dem på rett måte? Tolkning kan bety så mangt! (på http://fivethirtyeight.com/features/science-isnt-broken/#part1 kan du prøve selv å få forskjellige resultater med de samme dataene)
  • Statistisk signifikans – statistisk smighnifikans – P hacking og ulike forbehold som verktøy for den dyktige forsker (http://projects.fivethirtyeight.com/p-hacking/)
  • Trenger du resultater kan du alltids gjøre testene først og lage hypotesen etterpå – noe finner du sikkert om du trikser litt
  • Det er også mange gode tips i boken Bad Science av Ben Goldacre, for den som vil gå i dybden på gode metoder for dårlige forskere.

Publisering:

  • Redd for peer review? Slapp av, det greier du fint. Det greier faktisk alle fint om man velger rett tidsskrift / konferanse.
  • Fortsatt redd for peer review? Send det til en god venn av deg da, eventuelt en med samme synspunkter som deg.

OBS, styr unna dette! Dette kan underminere hele innsatsen din!

  • Behold dataene dine selv. Dette hadde vært for dumt om noen kunne gjøre testene dine på nytt og vise at du har gjort feil, eller at resultatene dine ikke stemmer.
  • Korrelasjon og kausalitet er vanskelig greier – sørg for å fortelle at andre at det er kausalitet og ikke korrelasjon du har i ditt tilfelle, så slipper de å lure.

Lykke til med “forskningen”!

Hvorfor konkluderer noen forskningsstudier feil, og blir feilene oppdaget?

PK og Henrik har sin første podcast sammen i Dypdykk, og snakker om troverdigheten til dagens forskning.

Hva er tweaking av hypoteser? PK snakker om tilpasning av hypotesen for å få den til å stemme med resultatene, etter at studien er gjennomført.

Confirmation bias er det motsatte av tweaking av hypoteser. En uheldig, og ofte ubevisst, måte å vurdere data på, hvor kun data som underbygger egne hypoteser blir tatt hensyn til.

En måte å unngå hypotesetweaking er om hyptesen blir offentliggjort før studien – PK og Henrik diskuterer hvordan det kan gjennomføres i praksis.

Forskningsstudier er ofte ikke reproduserbare. En av årsakene kan være at modeller og data som originalstudien benytter seg av, ikke er offtenlig tilgjengelig. PK forteller om et tilfelle han var involvert i, hvor en publisert studie ikke var reproduserbar – selv når dataene fra orginalstudien var tilgjengelig.

Kritiske gjennomgang av andres studier er omtalt som mangelvare. Henrik forteller om studier på  spenningsregulering – en ny type teknologi som benyttes I strømnettet – som ofte gir overdrevent positive resultater, som senere avkreftes i demoprosjekter.

Hvorfor publiseres det studier med overdrevent positive funn? Henrik snakker om forskeres og leverandørers incentiver til å overdrive verdien av egen forskning, og viktigheten av kritisk gjennomgang av andres studier.

PK tar opp problemet at det er lettere å publisere studier med positive funn, enn negative. PK og Henrik diskuterer reviewartikler og metastudier, og Henrik snakker om andre formidlingsmuligheter forskere har enn vitenskapelig publisering.