- Gdybyśmy od razu wszystko wiedzieli, życie byłoby bardzo nudne – tak rozpoczął spotkanie prof. dr hab. Cezary Watała, prelegent szkolenia, pracownik Akademii Medycznej w Łodzi. - Gdyby nauka zawsze odpowiadała definitywnie na stawiane pytania, nie byłoby potrzeby na ponowną eksplorację tych samych wątków – czego przykładem jest teoria Newtona, przeciwstawiona w późniejszych czasach teorii Einsteina.

„W nauce nic nie jest na zawsze”

Uczestnicy szkolenia dowiedzieli się jak prawidłowo zadawać pytania w eksperymentach naukowych i jak planować swoją pracę tak, aby niepotrzebnie nie tracić czasu, pieniędzy przeznaczonych na badania oraz cennego entuzjazmu badacza. Należy unikać szeroko zakrojonych badań, bo to może prowadzić do manipulacji naukowej – sytuacji, w której naukowiec odrzuca te wyniki, z których nie potrafi wyciągnąć wniosków. Należy zbierać jedynie te, które mają związek z postawioną hipotezą i z reguły doświadczony badacz potrafi określić jaki charakter będą miały wyniki, które zgromadzi w swojej pracy. Te wszystkie czynności wiążące się z planowanie doświadczenia są niezwykle istotne kiedy dochodzi do konfrontacji z krytycznymi uwagami recenzentów.

Ograniczać ryzyko niepowodzeń

Podczas szkolenia zaprezentowano wiele praktycznych przykładów, które dotyczyły zarówno problemów związanych z planowaniem eksperymentu, jak i z opracowaniem jego wyników tak, aby przedstawić je w czytelny sposób. Zwrócono uwagę na dwa ważne pojęcia – istotność i moc statystyczna, a więc to, jak rzetelne będzie wnioskowanie oraz jak mocno można oprzeć się na wynikach badań. Używając komercyjnych programów statystycznych, uczestnicy szkolenia w praktyce przekonali się w jaki sposób wybrać m.in. ilość prób oraz co zrobić, kiedy dane nie są czytelne i w jaki sposób je przetransformować. Wiele uwagi poświęcono na stosowanie metod regresyjnych oraz postępowanie z wynikami odstającymi. Przedstawiono ulubiony przez naukowców test t Studenta, stosowany nawet w przypadkach w których nie powinien być użyty – w porównywaniu więcej niż dwóch prób. Poświęcono uwagę „majstersztykowi geniusza statystycznego”, czyli testom porównań więcej niż dwóch prób ANOVA.

Aleksandra Kowalczyk