для чего собирают статистические данные

Сделали вывод

Для чего нам нужны статистические данные

Заболеваемость, перепись населения, продажа автомобилей, банкротство, браки, научные открытия и поисковые запросы со словом «кот» — без анализа данных сегодня не принимается ни одного серьезного решения, будь то политика, экономика, медиа или наука. Статистическая информация может спасти исследование, а ее фальсификация — навсегда разрушить карьеру. Редакция N + 1 вместе с Росстатом вспоминает, когда верно собранные статистические данные приводили к положительным изменениям.

Научное направление, в основе которого лежит выявление закономерностей общественной жизни с помощью изучения информации о массовых явлениях, появилось в середине XVII века в Англии. И называлось оно «политическая арифметика».

Термин «статистика» ввел немецкий ученый Готфрид Ахенваль в 1746 году — он предложил заменить название курса «Государствоведение», который входил в образовательную программу университетов Германии, на «Статистику».

Сегодня статистика — это наука, в которой на основании определенных методов и принципов излагаются общие вопросы сбора, измерения, мониторинга и анализа количественных или качественных данных и их сравнение. По сути, статистика — это способ общества изучить себя и то, что происходит вокруг.

Статистические данные важно учитывать во всех сферах. В зависимости от области, в которой проводится исследование, можно выделить несколько направлений в статистике: социальная, экономическая, демографическая, промышленная, медицинская, торговая и другие.

Мы вас всех посчитаем

Зачем нужна перепись населения

Почти у каждого государства существует собственная статистическая служба. Мировая статистика строится на основополагающих принципах ООН. В России за официальную статистическую информацию отвечает Федеральная служба государственной статистики. Ее специалисты занимаются масштабными исследованиями, в частности, переписью населения.

Перепись — это сбор данных, массовое анкетирование всех жителей страны — нечто вроде снимка населения в конкретный момент времени. Как правило, проводится она один раз в десять лет или чаще: например, в Канаде перепись проходит один раз в пять лет.

Чтобы строить планы на будущее и верно распределять федеральные и региональные бюджеты, государству нужно понимать численность населения, состав и условия жизни. Данные переписи виляют на здравоохранение и образование, пенсию, жилищные условия, социальную поддержку и многое другое.

Так, например, благодаря переписи населения выяснилось, что люди в России, как и во всем мире, стали позже заключать брак и рожать первого ребенка. Если проанализировать эти данные, можно точнее спрогнозировать рождаемость. Именно результаты переписи населения 2002 года стали основным аргументом в пользу введения материнского капитала.

Результаты переписи могут не только оправдать прогнозы, но и удивлять. Так, например, в России после переписи 2002 года выяснилось, что женщин в стране на 10 миллионов больше, чем мужчин. Но по прогнозу Росстата, кратное превосходство женщин над мужчинами постепенно будет выравниваться.

Перепись населения в США в 2020 году впервые показала, что белое население сократилось. А по данным переписей в Восточной и Южной Азии выяснилось, что рост населения Китая замедляется и по численности населения его обгонит Индия.

Время и деньги

Как статистика влияет на бизнес

Статистические исследования помогают бизнесу: благодаря им можно получить данные о реальном состоянии рынка, его структуре, векторах его развития и понять то, какие факторы оказывают влияние на отрасль. Например, метод «прогнозирование прибыли» объединяет бизнес-статистику и предугадывание увеличения доходов. Так сопоставляются пики продаж и происходящие в это время события, скажем, рост спроса на кондиционеры и мороженое объясняется сильной жарой.

Другой пример использования статистики в бизнесе — недавнее исследование Джузеппе Москарини (Giuseppe Moscarini) из Йельского университета, которое выявило, что низкий уровень безработицы плохо сказывается на экономике. Согласно полученным данным, американцы, которые часто меняют работу, в среднем зарабатывают на 4 процента больше тех, кто остается на прежнем месте. То есть чем чаще люди меняют работу, тем быстрее растут зарплаты. Главная причина здесь — конкуренция. Исследование Организации стран экономического сотрудничества и развития показало, что после финансового кризиса сотрудники стали переходить на новые места работы в разы реже.

Долго-долго жить

Как статистика используется в медицине

Статистика имеет огромное значение в медицине и здравоохранении, она помогает рассчитать равенство в доступе к медицинской помощи. Так, в Бангладеше введение мониторинга и оценки данных позволило оптимизировать систему здравоохранения и и верно распределить ресурсы для улучшения оказания медицинской помощи.

Благодаря статистике можно оценить уровень смертности, среднюю продолжительность жизни населения и другие важные показатели. По данным Всемирной ассоциации здравоохранения, ожидаемая продолжительность жизни в мире в период с 2000 по 2016 год увеличилась на 5,5 лет, с 66,5 до 72 лет. При этом по статистике женщины живут дольше мужчин.

Мужчины в целом реже обращаются за медицинской помощью. Кроме того, в странах с эпидемией ВИЧ женщины чаще сдают анализы на это заболевание и регулярно получают антиретровирусную терапию. Еще выяснилось, что в 2016 году уровень смертности от самоубийств среди мужчин в мире был на 75 процентов выше, чем среди женщин.

Исследования также выявили зависимость продолжительности жизни человека от уровня жизни в стране и материального достатка — в странах с низким уровнем жизни люди в среднем живут на 18 лет меньше.

«Все эти статистические данные подчеркивают необходимость в первую очередь уделять внимание медико-санитарной помощи для лечения неинфекционных заболеваний и ограничения факторов риска, — рассказала помощник генерального директора ВОЗ по данным, аналитике и доставке Самира Асма (Samira Asma). — Например, такая простая вещь, как контроль артериального давления, просто не осуществляется в необходимом масштабе, а употребление табака остается основной причиной преждевременной смерти».

Синтаксические связи

Как статистика помогает лингвистам

Статистические данные могут касаться и неочевидных сфер жизни. Например, лингвистики. Так, статистика в лингвистике помогла языковедам разобраться в пересечениях синтаксических связей. Испанские исследователи нашли статистическую модель, которая может предсказать, с какой вероятностью в предложениях между зависимыми словами пересекаются синтаксические связи.

Всемирный день статистики проходит 20 октября по установке Статистической комиссии ООН. Дата отмечается раз в пять лет. В 2020 году день статистики прошел под девизом «Объединим мир при помощи данных, которым мы можем доверять».

Источник

Статистические данные как информационный ресурс общества

СТАТИСТИКА И ЕЕ РОЛЬ В ПОЗНАНИИ ОБЩЕСТВЕННЫХ ЯВЛЕНИЙ И ПРОЦЕССОВ

Статистика – одна из древнейших отраслей знаний, возникшая и развивающаяся в связи с потребностями общества в различного рода количественных данных, без которых невозможно управлять государством, изучать происходящие в обществе явления и процессы.

В настоящее время термин статистка употребляется в различных значениях. Наиболее часто под статистикой понимают статистические данные, статистическую деятельность, отрасль научных знаний, учебную дисциплину.

Статистические данные как информационный ресурс общества

С точки зрения общественных потребностей, статистика – это прежде всего статистические данные, т.е. совокупность цифровых сведений, характеризующих различные стороны общественной жизни. Это могут быть, например, статистические сведения о населении (численность и состав населения, показатели рождаемости и смертности, данные о миграции населения и пр.); сведения об уровне жизни населения (доходы и расходы домашних хозяйств, среднемесячная заработная плата, размеры пенсий, величина прожиточного минимума и др.); данные о производстве продукции (число промышленных предприятий, их отраслевая структура и распределение по формам собственности, объем произведенной продукции, размер прибыли, численность занятых и пр.) и аналогичные им. Так, табл. 1.1 представляет статистические данные о том, как изменилась численность населения России за столетие, а также как изменилась численность и соотношение между двумя группами населения – городским и сельским.

Изменение численности населения России (в современных границах)

Источник: По данным переписей населения на даты их проведения.

Статистические сведения являются важнейшим информационным ресурсом общества. Многие явления становятся точно определенными, значимыми, лишь будучи статистически выраженными, т.е. представленными в форме количественных статистических показателей. Сила статистических данных в том, что они дают яркую и объективную картину развития экономики и социальной сферы, порою говорят значительно больше и убедительнее слов.

Статистические данные публикуются в специальных сборниках и справочниках, издаваемых в системе государственной статистики, в отраслевых и ведомственных информационно-аналитических изданиях, научных журналах, периодической печати, на сайтах сети Internet.

В системе государственной статистики к числу основных ежегодных статистических изданий (издательство Росстат) относятся:

· Российский статистический ежегодник,

· Россия и страны мира,

а также ряд тематических статистических сборников, таких как “Промышленность в России”, “Финансы России”, “Демографический ежегодник России” и др. Ежеквартально Росстатом издается журнал “Статистическое обозрение”, ежемесячно – краткий доклад “Социально-экономическое положение России” и научно-информационный журнал “Вопросы статистики”. Важнейшие социально-экономические показатели РФ представляются в сети Internet на официальном сайте Росстата http: // www.gks.ru.

Потребителями различного рода статистических данных являются органы государственного и муниципального управления, научные учреждения, информационные агентства, аналитические службы корпораций и банков, маркетинговые отделы фирм, физические лица.

1.2.Статистическая деятельность, принципы её организации в РФ. Международные статистические службы

Статистическая деятельность, с определенными различиями в используемой методологии, осуществляется во всех странах мира. Для этой цели создаются специальные органы, образующие в совокупности статистическую службу страны. В Российской Федерации функции статистической службы выполняют органы государственной статистикииведомственной статистики.

Система государственной статистики находится в ведении Правительства РФ и подчинена ему, что обеспечивает ее неразрывную связь с органами государственного управления. Она организована в соответствии с административно-территориальным делением страны и имеет иерархическую структуру, включающую 3 уровня – федеральный, субъектов РФ и муниципальный.

Установленные Росстатом методология проведения статистических наблюдений и формирования статистических показателей, формы и методы сбора и обработки статистических данных являются государственными статистическими стандартами РФ.

В субъектах РФ (республиках, краях, областях) действуют территориальные органы государственной статистики, являющиеся федеральными органами исполнительной власти соответствующего уровня. Они осуществляют руководство официальным статистическим учетом на подведомственной территории, координируют статистическую деятельность в регионе, участвуют в межрегиональных статистических исследованиях.

В отделах статистики муниципального уровня (районных и городских) осуществляется сбор, первичный контроль и обработка данных, передача их в вышестоящие звенья. В некоторых субъектах РФ созданы межрайонные отделы статистики, которые занимаются сводом и предварительной обработкой информации, а также подготовкой отчетов по заказам потребителей.

Помимо Росстата отдельные виды статистических работ осуществляются и другими органами государственного управления – Банком России, Минфином, МВД и др.

Наряду с государственной статистикой существует и ведомственная статистика, которая ведется в министерствах и ведомствах различных отраслей экономики, в корпорациях и фирмах, на отдельных предприятиях. Ведомственная статистика занимается сбором, обработкой и анализом статистической информации, необходимой для принятия руководящими органами управленческих решений, планирования экономической деятельности. На крупных предприятиях и корпорациях для сбора и анализа статистической информации организуются отделы и управления, на небольших фирмах статистической работой занимаются обычно в бухгалтерии.

Развитая статистическая служба существует в рамках Организации Объединенных Наций (ООН), где функционируют международные органы статистики такие, как Статистическая комиссия ООН, Статистический отдел в составе Секретариата ООН, Международный статистический институт, статистические службы специальных учреждений ООН (Всемирного банка, Международного валютного фонда, Всемирной торговой организации, ЮНЕСКО и др.).

В число задач международных органов статистики входит:

— обеспечение всех органов системы ООН необходимой статистической информацией, собираемой от национальных статистических служб и от статистических подразделений международных организаций;

— анализ социально-экономического развития стран и человечества в целом;

— анализ и обобщение статистического опыта отдельных стран;

-разработка методики, обеспечивающей сопоставимость данных по различным территориям, периодам и организациям;

— разработка международных статистических стандартов;

— координация статистических работ учреждений ООН и пр.

Рекомендации Статистической комиссии ООН не являются обязательными для национальных статистических служб, однако при передаче статистических данных в ООН они должны представляться в соответствии с действующими международными стандартами.

Результаты статистической деятельности ООН освещаются в специальных изданиях:

· Статистический ежегодник ООН,

· Ежемесячный статистический бюллетень,

· Ежегодник мировой торговли,

· Ежегодник статистики национальных счетов

и др. В региональных статистических изданиях системы ООН дается более подробная и детализированная информация, посвященная определенным регионам или какой-либо отрасли (например, Статистический ежегодник для стран Азии и Тихого океана, Ежегодный бюллетень европейской статистики транспорта).

Международные службы статистики существуют, помимо ООН, в Европейском Союзе (Евростат), СНГ (Межгосударственный статистический комитет), Организации экономического содружества и развития (ОЭСР) и других межгосударственных организациях.

Источник

Статистика для реальной жизни: как статистика используется для подтасовки фактов и когда ей можно доверять

Статистика является одним из главных критериев научности знания. Но всегда ли статистическим данным можно доверять? И не мешает ли зацикленность на излишней доказательности двигать науку вперед? Сложные вопросы разобрал Анатолий Карпов — ведущий аналитик Mail.ru Group, автор онлайн-курсов по анализу данных, преподаватель курсов по анализу данных, статистике и машинному обучению в Институте биоинформатики и СПбГУ. Открытая лекция была организована Центром научной коммуникации Университета ИТМО и прошла накануне в онлайн-формате. Составили краткий конспект лекции.

Статистика. Источник: shutterstock.com

Нулевая гипотеза и P-value

Сейчас довольно тяжело представить ситуацию, когда современное научное знание может быть признано обществом, научным сообществом, институтами без доказанного статистического бэкграунда.

Но так было не всегда — строгое требование подтверждать гипотезы и теории эмпирическими данными стало считаться обязательным совсем недавно. Еще в середине прошлого века существовало множество влиятельных теорий в социологии, экономике, психологии, которые были теориями в чистом виде. Самый известный пример — теория Зигмунда Фрейда о психоанализе. Она оказала огромное влияние на культуру, общество и науку, при этом сама была создана при отсутствии каких-либо экспериментов, проверок, четких эмпирических данных.

Если же сегодня посмотреть на структуру типичной научной статьи, мы обязательно найдем в ней некое эмпирическое исследование с сопутствующей математической обработкой.

Допустим, ученые, например, биологи или врачи, хотят проверить какую-то гипотезу: у них есть десять пациентов, которых они хотят исследовать, и на основании этой небольшой выборки они планируют сделать какое-то научное высказывание обо всей генеральной совокупности. Вначале они должны выдвинуть нулевую гипотезу — это предположение, которое формулируется как отсутствие различий, отсутствие влияние фактора, отсутствие эффекта.

Источник: shutterstock.com

Допустим, эти ученые изобрели новую вакцину, эффективность которой они хотят проверить. Нулевой гипотезой будет предположение, что новая вакцина будет работать с той же эффективностью, что и плацебо, то есть пустышка. Дальше эти ученые проводят тесты, наблюдают и сравнивают полученные данные со своей нулевой гипотезой. Они видят, что в выборке людей, на которых тестировалась вакцина, на 20% больше выздоровевших, чем в плацебо-группе. Учитывая, что испытуемых в выборке было очень мало, можно заявить, что это всего лишь совпадение, случайность или влияние скрытых, неизвестных факторов.

Но математики придумали такой трюк: несмотря на то, что выборка всего одна и она весьма мала, мы все равно можем предположить, как вела бы себя изучаемая реальность, если бы мы проводили не один эксперимент, сделали бы не одну выборку, а бесконечное их количество. Можно представить самую простую аналогию: на доске для игры в дартсе вокруг центра всегда очень много следов от попаданий, а чем дальше от центра — тем их меньше. Даже несмотря на то, что ни одна попытка попасть в цель не удалась, если мы усредним все эти попытки, то все равно окажемся где-то очень и очень близко к центру доски.

Источник: shutterstock.com

То, что мы сделали один эксперимент или кинули дротик один раз, нам ничего не говорит. Но мы можем предположить, как бы выглядело распределение этих бросков нашего эксперимента в изучаемой реальности. И дальше происходит несложная математика, которая просто позволяет нам показать, насколько хорошо наблюдаемый результаты согласуются с нашей изначальной гипотезой.

В случае с вакциной исследователи при полученных ими эмпирических данных вполне могут отказаться от нулевой гипотезы и заявить, что их вакцина работает, потому что вероятность получить прирост выздоровления в 20% случайным образом очень и очень мала. Такой метод подтверждения или опровержения гипотезы называется P-value или P-значение — вероятность получить для данной вероятностной модели распределения значений случайной величины такое же или более экстремальное значение статистики (среднего арифметического, медианы и др.), по сравнению с ранее наблюдаемым, при условии, что нулевая гипотеза верна.

P-value. Источник: towardsdatascience.com

Статистика и проблемы современной науки

Подавляющее большинство современных научных публикаций и вообще представление о том, что такое научное знание, базируется на одном из основных критериев — статистической достоверности. Особенно справедливо это в случае каких-либо эмпирических исследований.

Статистика помогает нам отличать науку от ненауки, понимать, правильные это данные или неправильные, можно им верить или нельзя. Другое дело, что те же самые статистические методы, просто неверно истолкованные, используют и различные лженаучные исследователи — и это является огромной проблемой.

Всю современную статистику, по сути, заложили два человека — биологи и математики Карл Пирсон и Рональд Фишер. Они придумали практически всю методологию, которую мы сегодня используем: теорию корреляции, теорию распределения, алгоритмы принятия решений и множество других методов.

Вся статистика отвечает на один общий вопрос: если наша нулевая гипотеза верна, то какова вероятность получить такие же результаты или еще более выраженные, то есть насколько хорошо наблюдаемая эмпирическая реальность согласуется с нулевой гипотезой. Это основополагающее определение того, как статистика проверяет вопросы окружающего мира.

Источник: shutterstock.com

Во всем современном академическом сообществе применяется золотой стандарт — магическое правило, что P-value должно быть меньше 0,05. Если наше P-value меньше 0,05, то мы считаем это основанием отклонить нулевую гипотезу и принять альтернативную.

P-value стал социальным элементом в науке — на его основании принимается множество важных решений: обнародовать ли результаты исследований для широкой общественности, публиковать ли их в научном журнале, выделять ли ресурсы на проведение дальнейших экспериментов и т.д.

Например, серьезные рецензируемые журналы отдают предпочтение тем работам, в которых были получены значимые результаты, то есть P-value меньше 0,05. И это породило массу проблем в современном научном знании, потому что система подстроилась под те правила игры, в которую ее заставили играть. Принуждение исследователей получать статистически важные результаты привело к тому, что те сами стали отказываться от своих работ, которые не прошли этот порог в 0,05, перестали сдавать их для публикации. Хотя, очевидно, что это равноценное знание — подтвердилась гипотеза или не подтвердилась. Отрицательные результаты не менее, а чаще и более важны, чем положительные.

Источник: shutterstock.com

Вторая весьма серьезная проблема получила даже специальное название — p-hacking. Даже в самых рецензируемых журналах, таких как Nature, регулярно происходят большие скандалы из-за того, что ученые, чтобы их работы были опубликованы, допускали различные манипуляции с цифрами, чтобы получить пороговую P-value.

Самое смешное, что этот порог появился почти случайно. Цифра в 0,05 была взята из ранней работы Пирсона, в которой он писал примерно следующее: «P-value в целом нам не говорит, насколько знание является верным или неверным. Это некоторая математическая величина, доказывающая чисто математическое обоснование правильности гипотезы.Число 0,05 можно принять за условный порог, но в целом полностью опираться на него смысла нет». Как это часто бывает, люди запомнили только цифру, а остальной контекст забылся. И на многие годы P меньше 0,05 стал таким ключевым элементом статистики. Оно используется даже в софте, программах, работающих со статистикой: в них зашито, что если P больше 0,05, то все, работа не научна, результаты не доказаны.

Источник: shutterstock.com

Решит ли проблему отказ от статистических методов

Но как понять, что статистику применили правильно и результатам можно верить? Мы неизбежно попадаем в ловушку: как только мы ввели правила игры, система начинает под них подстраиваться. Всегда найдутся люди, которые вместо того, чтобы честно отправлять только те результаты, где статистика была применена максимально правильно и показала необходимый P-value, пытаются эту систему обмануть. Подобные скандалы возникают на самых высоких уровнях современной науки.

Какого-то понятного решения у этой проблемы нет. С одной стороны, иногда слышатся предложения, вроде того, что давайте полностью отменим такую концепцию, при которой необходим какой-то порог, пусть ученые публикуют все как есть — такая идиллическая идея open science. Главное — идея, а статистика — это уже детали. Это левый край шкалы, который действительно возникает в качестве оппозиции к деспотичному правилу, которое довольно долго господствует в научных журналах.

Источник: shutterstock.com

Но эту идею довольно тяжело реализовать. Понятное дело, что какой-то порог входа все же должен быть. Поэтому пытаются придумать новый подход: давайте оставим концепцию порога входа, но будем играть честно. Например, сейчас все больше и больше набирает популярность идея, что при публикации научной статьи необходимо прилагать все данные, все логи, по которым производились расчеты, вплоть до скриптов, на R, на Python, других языках программирования, которые позволяли бы любому другому человеку эти результаты воспроизвести. Понятно, что человек, который просто нарисовал себе нужные цифры, с трудом сможет пройти такой порог. Но проблема в том, что как только придумываются новые защиты, находятся и новые способы их обойти.

Поэтому ученые идут еще дальше — они предлагают помимо всего перечисленного еще и заранее писать, какие гипотезы предполагалось проверить. То есть перед тем, как опубликовать статью в каком-то журнале, исследователи говорят: мы сейчас проводим эксперимент в лаборатории, в котором мы хотим проверить разные гипотезы. Проблема в том, что это почти всегда лукавство: обычно у исследователей уже есть какие-то наработки, уже полученные минимальные результаты, но преподносятся они как чистые гипотезы. Опять же, это объясняется чисто социальными факторами.

Не новость, что финансирование науки осуществляется через систему грантов. Как это работает? Исследователь пишет заявку на грант, в которой расписываются все гипотезы и ожидаемые результаты. По итогу работы составляется отчет об успешности или неуспешности проверки гипотезы.

Так уж сложилось, что большинство всех отчетов носит чисто положительный характер: что изначально заявили, то и получилось. Ровно по тем же самым причинам, что и в случае с публикациями в журналах — негативные данные там принимаются неохотно. Получается, что вроде дали человеку или научному коллективу какую-то внушительную сумму, они год работали, а в результате не получили ничего, кроме опровержения всех своих гипотез.

Источник: shutterstock.com

С точки зрения научного знания это абсолютно нормальная ситуация, так бывает в 99% случаев. Прорывное открытие — это следствие многих лет работы и тысячи неудачных попыток. Но как только мы сталкиваемся с каким-либо социальным институтом, сразу становится тяжело признаваться, что у нас ничего не вышло.

Это очень сложная проблема, из которой тяжело выбраться, но, тем не менее, мы хотя бы подошли к этапу, когда начали говорить об этой проблеме. Современная наука вообще испытывает в данный момент серьезные потрясения. Например, недавно разгоревшийся кризис воспроизводимости классических экспериментов 70 — 80-х годов в психологических и социальных науках. Эта одержимость науки недавнего прошлого публиковать только хорошие, положительные результаты и привела к такому кризису.

Сейчас акцент с обсчитывания всевозможных статистических данных смещается именно к репликации полученных результатов, повторению эксперимента другими специалистами в других условиях. Только так можно убедиться в том, что полученное знание действительно объективно. Это правило хорошего тона, которое в будущем, скорее всего, станет обязательным условием для научных публикаций. Потому что идея, что объективность можно измерить всего лишь одним P-value — это, конечно, иллюзия.

Это одна из самых больших проблем на сегодняшний день, с которой все борются. Сейчас даже появились журналы, которые вообще запрещают публиковать результаты с P-value, отказываясь от нее в пользу баесовской статистики, которая в последнее время набирает все большую популярность.

Байесовская статистика. Источник: shutterstock.com

Баесовская статистика — это метод подсчета обоснованности гипотез и предположений на основе имеющихся доказательств в виде данных и эмпирических наблюдений. Проще говоря, достоверность гипотезы зависит от того, насколько сильно она объясняет существующие факты. Чем больше вариантов объяснения фактов, тем менее достоверна гипотеза.

Если P-value довольно абстрактный способ измерения научности знания, он не проверяет вероятность гипотез, то Байесовская статистика, по мнению некоторых, считает более правильно.

Наука и лженаука

Как сейчас проверяется объективность научного знания и степень доверия к нему? Первая, самая высокоуровневая концепция, подразумевает вопрос: вписывается ли знание в современную научную картину мира? Второй вопрос — корректно ли было проведено исследование? Третий — корректно ли обработаны данные? И четвертый — корректно ли обработаны данные третьими лицами, удалось ли воспроизвести результат. Последнему пункту сейчас придается особенное значение.

В РАН есть целый отдел, который занимается псевдонаучными исследованиями. Это огромная и очень важная проблема, ведь псевдонаука — это не просто что-то неправильное, но еще и потенциально вредное для людей и окружающего мира.

Источник: shutterstock.com

Возникает вопрос, как разграничить научное и ненаучное знание? У Карла Поппера была целая концепция классификации научного знания, он считал, что научным может считаться только то знание, истинность которого может быть опровергнута. Это называется принципом фальсифицируемости — и он противоположен принципу верифицируемости: при верификации гипотезы исследователь ищет подтверждающие ее примеры, при фальсифицируемости — примеры, опровергающие ее.

Это и есть самый главный принцип научности, а вовсе не статистическое подтверждение. Например, теория психоанализа так сильно критиковалась именно потому, что в классическом понимании эту теорию очень тяжело опровергнуть.

Источник