nbib44: vetenskaplig metod, analys och statistik · formulering av frågeställning/hypotes ... val...
TRANSCRIPT
NBIB44: Vetenskaplig metod, analys och statistik
Per Milberg, IFM biologi
NBIB44: Varför detta kanske är
den viktigaste kursen av alla
Akademiker
Kunskapshanteringsexperter
Varför får vi betalt?
Kunskapsteori
Evaluation
Synthesis
Analysis
Application
Comprehension
Knowledge *Bloom BS ed. (1956) Taxonomy of Educational Objectives: The Classification of
Educational Goals. David McKay Company, Inc., NY.
Blooms taxonomi för lärandemål
Blooms taxonomi för lärandemål
”De första människorna
på jorden var Vargen
och Rödluvan, sen
blev de apor. Så kom
gallerna och
indianerna och till slut
blev vi människor”
Andrea, 5 år
(Levengood M & Lundell U
2001. Gamla tanter lägger
inte ägg)
Blooms taxonomi för lärandemål
Fakta; kunskap om detaljer
Färdighet i att hantera kunskap
Hitta och tillgodogöra sig
Värdera
Sammanställa
Förmedla
Målet med kandidatprogrammet
= målet med NBIB44 (jfr enskilda ämneskurser)
Hjälpa er att utvecklas till professionella biologer och akademiker
Kunskapshanteringsexpert: arbetsmarkandens krav
Vem är Per Milberg?
Från Mjölby till Rimforsa
– via Lund, Uppsala, Umeå, Western Australia
Studier: Ekologi (botanik, geologi, statistik, skogsskötsel, mm)
LiU sedan 1998; professor sedan 2005
Forskning: Naturvårdsbiologi; Miljöövervakning; Åkerogräs; Frögroningsbiologi
Undervisning: Naturvårdsbiologi; Evolution; Botanik; Ekologi, Examensarbeten
NBIB44: kurslitteratur
Statistikbok
NBIB44: kurslitteratur
Statistikbok
Försöksplanering
NBIB44: kurslitteratur
Statistikbok
Försöksplanering
Kritiskt tänkande
=> referens-litteratur; andra kurser
3 block: försöksplanering & statistik
(1 block: kritiskt tänkande)
– Föreläsning: försöksplanering & tolkning
– Seminarium:
Era frågor på boken “Experimental design…”
Era labrapporter
– Laborationens design, analys, tolkning
Statistik & försöks- planering
Per Milberg, IFM biologi
Vad jag hoppas att ni kommer
ihåg…
Betydelsen av design/försöksplanering
Formulering av frågeställning/hypotes
Försöksupplägg
– Urval/begränsning
– “Förvirrande faktorer” (kaffe & lungcancer)
– Statistisk utvärdering
– Statistisk styrka/Styrkeanalys
Myth busters 1: ”Design is for
research biologist only, not
biologists in general”
Design = försöksplanering
Berör ALLA biologer!
– För att förstå hur “kunskap blir till”
– För att kunna jämföra, värdera &
syntetisera
Design är svårt
Design = statistik
≠
?
Statistik är ett verktyg som håller koll på osäkerheten och hjälper oss att dra kloka och säkra slutsatser från data
Användning 1: räkna själv
Användning 2: tolkning & förståelse
Statistik…?
… och försöksplanering?
Hur maximera nyttan när man gör ett experiment
Användning 1: själv göra försök
Användning 2: tolkning & förståelse
Basala insikter i statistik och försöksplanering krävs
.. för ett kritiskt förhållningssätt till kunskapens byggstenar
Bikupa: Du deltar i planeringen av en fas3 studie...
Sista fasen i prövning av en ny medicin, första gången på patienter
Varje patient kostar 100 tkr (”data from a given patient in
a clinical trial represents an investment of more than $20,000”)
Behandlingen smärtfylld (illamående)
Risken för biverkningar oklar
Vad är viktigt att tänka på vid försöksplaneringen?
1) Optimera den “statistiska styrkan”
– Pengar
Aktieägare, skattebetalare, andra forskare
– Etik
Pengar & lidande
2) Minimera risken för felslut
– Försöksuppställning
Urval, slumpning, dubbelblindning, etc
– Analysmetod
Beakta kön, ålder, tid från diagnos, etc
Försöksplaneringens syfte 1
Försöksplaneringens syfte
Värdering av försöksupplägg
– 1) Effektivitet i att klarlägga
– 2) Minimera risk för felslut
3) Formulering/precisering av frågeställning
Myth busters 2: ”Forskningen är
objektiv”
Val av forskningsfråga
– Subjektivt
Val av metod
– Subjektivt
Insamling av data
– Objektivt
Tolkning av data
– Objektivt (?)
“Det möjligas konst” Från fråga till vetenskaplig frågeställning
Omöjliga frågor:
– Finns Gud?
– Vad är meningen med livet?
– Var Robinson Crusoe vänsterhänt?
Det finns inget svar
Orealistiska frågor:
– Gillande Bach räkor?
– Regnade det i Skänninge den 3 juli 1533?
Det finns ett svar, men vi kan inte finna det
Oprecisa frågor:
– Hur skall vi minska fattigdomen i världen?
– Är AIK ett bättre lag än Djurgården?
“Det möjligas konst” Från fråga till vetenskaplig frågeställning
Omöjliga frågor – svar finns ej
Orealistiska frågor – svar finns, men ej åtkomligt
Oprecisa frågor – måste preciseras först
Naturvetenskapliga frågor typ 1 (ja eller nej?): – Är risken för salmonella-infektion större hos utegående höns än hos
burhöns?
– Är preparat X bättre än Y för att bekämpa vägglöss i möbler?
– Gynnar nyanlagda våtmarker kväveretentionen i vattendrag?
Naturvetenskapliga frågor typ 2 (hur mycket?): – Hur mycket ökar risken om jag byter driftsinriktning från ...?
– Hur mycket tjänar Anticimex på att byta från preparat Y till X?
– Hur mycket/hur stor andel av kvävet i en å kan ...?
Naturvetenskapliga frågor – Ska kunna besvaras med tillgänglig metodik, annars irrelevanta
“Det möjligas konst” Från fråga till vetenskaplig frågeställning
Naturvetenskapliga hypoteser
Observation => tolkning (hypotes) => prediktion
– Observation 1: Besättningar av utegående höns får oftare besök av kråkfåglar eller tamduvor än burhöns
– Observation 2: Salmonella har hög prevalens hos vilda fåglar
– Hypotes: Salmonella sprids från vilda till tama fåglar
– Prediktion: Risken för salmonellainfektion är högre hos utegående besättningar än burhållna dito
Bikupa: Observation => tolkning (hypotes)
Observation: genomsnittsvikten hos unga män har ökat under perioden 1920-2000
Tolkning:
– 1) Minskning i kroppsarbete
– 2) Ökat födointag
– 3) Mer energirikt födointag
– 4) Eftersom kroppslängden också ökat, speglar detta bara på en allmän ökning i kroppsstorlek
– 5) En kombination av 1-3
Bikupa: Observation => tolkning (hypotes) => prediktion
Observation: genomsnittsvikten hos unga män har ökat under perioden 1920-2000
Tolkning:
– 1) Minskning i kroppsarbete
Prediktion 1: Ökande skillnad mellan yrkesgrupper
– 2) Ökat födointag
Prediktion 2: Matportionernas storlek har ökat
– 3) Mer energirikt födointag
Prediktion 3: Matportionernas energiinnehåll har ökat
– 4) Eftersom kroppslängden också ökat, speglar detta bara på en allmän ökning i kroppsstorlek
Prediktion 4: Om vi korrigerar data för kroppsstorleksökning (tex kroppslängd) så ser vi inte längre någon ökning i vikt
– 5) En kombination av 1-3