CSDL NVSS: tác giả Việt nam có bài công bố khoa học Scopus, ISI, Nafosted

Lưu ý: Tiêu thụ có trách nhiệm

SSHPA (26-03-2019) — Các cuộc tranh luận thời gian gần đây về khả năng tái lập của các kết quả nghiên cứu, hay lời kêu gọi loại bỏ ‘ý nghĩa thống kê’ vẫn chưa thể ngã ngũ và sự thay đổi lớn chắc chắn sẽ cần thêm thời gian để xảy ra. Bên cạnh đó, rất nhiều các kết quả khoa học hiện nay được truyền thông truyền tải quá đà. Điển hình nhất là gần đây một nghiên cứu mới trên Scientific Reports được giật tít: “các nhà khoa học vừa quay ngược thời gian thành công bằng máy tính lượng tử.”

Và câu trả lời là: “KHÔNG!! Chưa có định luật vật lý nào bị phá vỡ cả đâu.”

Mới đây, quan niệm sai lầm về nhìn màn hình và sức khỏe cũng đã được đánh giá là thiếu bằng chứng cụ thể, và các kết quả trước đó có sự sai lệch rõ rệt do vấn đề xử lí thống kê.

(Nguồn: Stack Exchange)

Chính vì vậy, theo tác giả Evan Arnet, diễn giải ‘ý nghĩa thống kê’ cần đúng với bản chất của nó. Ví dụ trong trường hợp đánh giá việc dùng thuốc an thần và giảm thiểu trầm cảm, hệ số có ý nghĩa thống kê với P = 0.03. Trước hết, một hiệu ứng có ý nghĩa thống kê không đồng nghĩa với ý nghĩa lâm sàng. Hơn nữa, trong trường hợp nghiên cứu lớn, các con số cũng dễ cho thấy các hiệu ứng nhỏ hơn, dù các hiệu ứng này là không đáng kể. Nếu nhầm lẫn và có thể dễ dàng suy luận ngay rằng có ý nghĩa thống kê tức là có ảnh hưởng.

Thứ hai, p = 0.03 thường được diễn giải rằng nghiên cứu chỉ có 3% khả năng là sai. Tuy nhiên, diễn giải trị số p cần chú ý tới giả thuyết gốc (null hypothesis). Trong ví dụ ở trên, giả thiết gốc là thuốc an thần chỉ có hiệu ứng giả dược. p-value lúc này sẽ có thể nói với chúng rằng dữ liệu của chúng ta ra sao NẾU giả thiết gốc là đúng. Vì vậy, NẾU thuốc an thần có hiệu ứng giả dược, THÌ dữ liệu thu thập được chỉ có khả năng xuất hiện là 3%. Trị số p càng nhỏ thì khả năng dữ liệu phù hợp với giả thiết gốc càng thấp. Chính vì vậy, các nhà khoa học lúc này cần đưa ra quyết định là có bác bỏ giả thiết gốc hay không. Thực tế không có câu trả lời rõ ràng nào cho điều này, tuy nhiên, trong ngành khoa học xã hội, khi p < 0.05 thì các nhà nghiên cứu thường bác bỏ giả thiết gốc.

(Nguồn: Stack Exchange)

Cuối cùng, khoa học được xây dựng bởi nhiều nghiên cứu khác nhau theo thời gian. Vì vậy diễn giải một kết quả nghiên cứu cũng cần được dựa trên nhiều kết quả nghiên cứu khác. Những kết quả đột phá thường gây xôn xao nhưng không vì thế mà sẵn sàng bác bỏ lập tức các bằng chứng đã có. Evan Arnet đánh giá sự thật khá nhàm chán là khi một kết quả thực nghiệm mới đối đầu với các bằng chứng đã được kiểm tra, khả năng cao là nó sai.

Cuối cùng, một lời nhắc nhở: đọc khoa học giống như uống rượu vậy, rất gây nghiện nhưng cần tiêu thụ có trách nhiệm.

*Tham khảo:

Evan Arnet. (Mar 24, 2019). A skeptic’s guide to statistical significance. Conversations in Science at Indiana University. URL: http://blogs.iu.edu/sciu/2019/03/24/guide-to-statistical-significance/.


Bài liên quan:


Ý kiến bạn đọc (0):