008. Czym różni się wiedza naukowa od potocznej i dlaczego ma to znaczenie w badaniach?

PrzezRedaktor

W codziennym życiu nieustannie korzystamy z wiedzy: wiemy, że określone zachowanie zwykle poprawia samopoczucie, że pewne objawy wymagają konsultacji albo że dana metoda nauki wydaje się skuteczna. Taka wiedza jest potrzebna i często praktycznie użyteczna. Nie powinna być jednak automatycznie utożsamiana z wiedzą naukową. Nauka nie polega wyłącznie na posiadaniu informacji, lecz na sposobie ich uzasadniania, sprawdzania i komunikowania.

W tej lekcji, przygotowanej w ramach publicznego szkolenia na statystyk.edu.pl, przeanalizujemy różnice między wiedzą potoczną i naukową. Zobaczymy także, dlaczego jakość poznania ma bezpośredni wpływ na projektowanie badań, dobór metod, interpretację wyników oraz decyzje kliniczne i społeczne.

1. Dwa sposoby poznawania rzeczywistości

Wiedza potoczna

Wiedza potoczna, nazywana także zdroworozsądkową lub praktyczną, powstaje przede wszystkim na podstawie codziennych doświadczeń, obserwacji, rozmów, tradycji, autorytetu innych osób i własnych przekonań. Jej główną funkcją jest umożliwienie szybkiego działania. Nie musimy przeprowadzać badania epidemiologicznego, aby zdecydować, że podczas deszczu warto zabrać parasol.

Wiedza potoczna może być trafna. Problem polega na tym, że zwykle nie wiemy dokładnie, w jakich warunkach została uzyskana, jak często występują wyjątki i czy obserwowany związek rzeczywiście ma charakter przyczynowy. Wiedza ta bywa również silnie zależna od pamięci, emocji, selektywnej uwagi oraz doświadczeń jednostkowych.

Wiedza naukowa

Wiedza naukowa jest uporządkowanym, krytycznie kontrolowanym i intersubiektywnie sprawdzalnym sposobem poznawania zjawisk. Oznacza to, że twierdzenia naukowe powinny być formułowane w sposób możliwie precyzyjny, oparte na jawnych procedurach oraz poddawane ocenie innych badaczy.

Nie znaczy to, że wiedza naukowa jest absolutnie pewna ani niezmienna. Przeciwnie: jej siła polega na tym, że dopuszcza możliwość korekty pod wpływem lepszych danych, nowych metod lub wyników replikacji. Twierdzenie naukowe jest więc zwykle wnioskiem o określonym stopniu uzasadnienia, a nie niepodważalnym dogmatem.

2. Najważniejsze różnice między wiedzą potoczną a naukową

Kryterium Wiedza potoczna Wiedza naukowa
Źródło Doświadczenie jednostkowe, tradycja, opinia, autorytet Systematyczne badanie, pomiar, analiza i krytyczna dyskusja
Cel Szybka orientacja i praktyczne działanie Opis, wyjaśnianie, przewidywanie i testowanie twierdzeń
Procedura Zwykle niejawna i niesformalizowana Jawna, opisana i możliwa do oceny lub powtórzenia
Zakres Często ograniczony do konkretnych osób i sytuacji Dąży do określenia populacji, warunków i granic uogólnienia
Stosunek do błędu Błąd może pozostać niezauważony Błąd jest przewidywany, oceniany i ograniczany
Stabilność Może zależeć od nastroju, pamięci i lokalnych zwyczajów Powinna być odporna na pojedyncze obserwacje i osobiste przekonania

Różnica nie polega zatem na tym, że naukowiec „ma rację”, a osoba posługująca się wiedzą potoczną zawsze się myli. Chodzi o stopień kontroli nad procesem dochodzenia do wniosku. W nauce pytamy między innymi: Co dokładnie zmierzono? U kogo? Jak dobrano osoby badane? Jakie były alternatywne wyjaśnienia? Czy wynik można odtworzyć? Jak duża jest niepewność?

3. Dlaczego intuicja bywa zawodna?

Ludzie dobrze radzą sobie z rozpoznawaniem wzorców w codziennym środowisku, ale łatwo dostrzegają wzorce także tam, gdzie występuje jedynie przypadkowa zmienność. Szczególne znaczenie mają:

  • selektywna obserwacja – zapamiętujemy przypadki zgodne z naszym przekonaniem, a pomijamy niezgodne;
  • efekt potwierdzenia – chętniej szukamy i interpretujemy informacje wspierające wcześniejszą opinię;
  • uogólnienie z małej liczby przypadków – pojedyncze doświadczenie traktujemy jako dowód reguły;
  • mylenie korelacji z przyczynowością – jeżeli dwa zjawiska występują razem, uznajemy jedno za przyczynę drugiego;
  • regresja do średniej – po wyjątkowo dobrym lub złym wyniku kolejny pomiar często jest bliższy przeciętnej, nawet bez żadnej interwencji;
  • wpływ autorytetu i anegdoty – przekonująca historia może wydawać się silniejszym dowodem niż systematyczne dane.

Metodologia badań nie ma wyeliminować myślenia intuicyjnego z życia. Jej zadaniem jest ograniczenie sytuacji, w których intuicja prowadzi do błędnych wniosków dotyczących większej grupy osób, skuteczności terapii lub funkcjonowania instytucji.

4. Przykład z medycyny: „Ta terapia pomogła mojemu pacjentowi”

Wyobraźmy sobie, że pacjent z przewlekłym bólem rozpoczął nową terapię i po dwóch tygodniach zgłosił poprawę. Lekarz może uznać tę obserwację za ważną klinicznie, ale sama historia nie pozwala jeszcze stwierdzić, że poprawę spowodowała terapia.

Możliwe są inne wyjaśnienia: naturalne wahania nasilenia bólu, równoczesne stosowanie innych metod, zmiana aktywności, oczekiwania pacjenta, efekt kontaktu z personelem albo zwykła regresja do średniej. Aby lepiej ocenić skuteczność terapii, potrzebne może być badanie z grupą porównawczą, określonym punktem końcowym, zaplanowanym okresem obserwacji i procedurą ograniczającą wpływ uprzedzeń.

W randomizowanym badaniu klinicznym nie pytamy wyłącznie: „Czy ktoś poczuł się lepiej?”. Pytamy raczej: „Czy odsetek poprawy lub średnia zmiana wyniku różniły się między grupami w sposób wystarczająco duży, precyzyjny i wiarygodny, aby uzasadniało to określony wniosek?”. Standard CONSORT pomaga raportować najważniejsze elementy takich badań, w tym sposób przydziału uczestników, liczebność grup, wyniki i przepływ osób przez badanie (Schulz, Altman i Moher, 2010).

Ważne jest również rozróżnienie trzech kwestii:

  1. Istotność statystyczna – informuje, na ile dane są zgodne z określonym modelem zerowym przy przyjętych założeniach. Wartość p nie jest prawdopodobieństwem, że hipoteza zerowa jest prawdziwa.
  2. Wielkość efektu – opisuje, jak duża była różnica lub zmiana, na przykład różnica średnich, iloraz szans albo ryzyko względne.
  3. Znaczenie praktyczne – dotyczy tego, czy efekt jest istotny dla pacjentów, personelu lub systemu ochrony zdrowia.

Mały efekt może być statystycznie istotny w dużej próbie, ale nie mieć znaczenia dla pacjenta. Z kolei efekt potencjalnie ważny klinicznie może nie osiągnąć konwencjonalnego poziomu istotności, jeżeli badanie było zbyt małe lub obarczone dużą niepewnością. Brak istotności statystycznej nie dowodzi więc braku efektu; interpretacja powinna uwzględniać przedziały ufności i moc informacyjną badania (Altman i Bland, 1995).

5. Przykład z psychologii i zdrowia publicznego: „Wszyscy wiedzą, że…”

Wiedza potoczna często przyjmuje postać zdań rozpoczynających się od „wszyscy wiedzą, że”. Załóżmy, że personel poradni uważa, iż osoby korzystające z aplikacji przypominającej o przyjmowaniu leków są bardziej zdyscyplinowane niż pozostali pacjenci. Taka opinia może powstać na podstawie kilku rozmów i obserwacji najbardziej aktywnych użytkowników.

Badanie naukowe wymagałoby doprecyzowania pojęcia „zdyscyplinowanie”. Czy chodzi o odsetek dawek przyjętych zgodnie z zaleceniem, liczbę pominiętych dawek, wynik kwestionariusza, czy może deklarację pacjenta? Następnie trzeba określić, kto zostanie objęty badaniem, jak zmierzymy korzystanie z aplikacji, jakie czynniki mogą zakłócać wynik oraz czy projekt jest obserwacyjny, czy eksperymentalny.

Jeśli osoby same decydują, czy zainstalują aplikację, użytkownicy mogą różnić się od nieużytkowników motywacją, wiekiem, kompetencjami cyfrowymi lub stanem zdrowia. W takim schemacie zaobserwowana zależność nie uzasadnia prostego wniosku, że aplikacja spowodowała lepsze przestrzeganie zaleceń. W badaniu obserwacyjnym należy zachować ostrożność językową i mówić o związku, a nie o udowodnionym wpływie przyczynowym. Do raportowania badań obserwacyjnych służy między innymi STROBE (von Elm i in., 2007).

6. Cechy dobrej wiedzy naukowej

Empiryczność i pomiar

Twierdzenie empiryczne powinno odnosić się do danych możliwych do zebrania za pomocą obserwacji, pomiaru, dokumentacji lub kontrolowanego doświadczenia. Nie każda ważna kwestia daje się łatwo zmierzyć, ale badacz powinien jasno wskazać, jakie obserwowalne wskaźniki będą podstawą wniosku.

Systematyczność

Badanie powinno mieć zaplanowaną procedurę. Dotyczy to między innymi kryteriów włączenia i wyłączenia, sposobu rekrutacji, narzędzi pomiarowych, kolejności czynności oraz planu analizy. Systematyczność nie oznacza mechanicznego stosowania jednego schematu do każdego problemu. Oznacza dopasowanie procedury do pytania badawczego.

Kontrola alternatywnych wyjaśnień

Im więcej możliwych wyjaśnień wyniku, tym ostrożniejszy powinien być wniosek. Kontrolę można uzyskiwać przez randomizację, grupę porównawczą, pomiar zmiennych zakłócających, standaryzację procedury, zaślepienie, analizę wrażliwości lub odpowiednie modele statystyczne.

Replikowalność i transparentność

Inni badacze powinni móc zrozumieć, jak uzyskano wynik i w jakich warunkach można go oczekiwać ponownie. Nie oznacza to, że każda replikacja musi dać identyczną liczbę. Wyniki mogą różnić się z powodu losowej zmienności, odmiennej populacji albo kontekstu. Transparentny opis pozwala jednak ocenić, skąd wynik się wziął.

W tym celu stosuje się standardy raportowania. APA JARS wskazuje, jakie informacje powinny znaleźć się w raportach badań ilościowych, jakościowych i mieszanych, natomiast EQUATOR Network gromadzi wytyczne dopasowane do typów badań, takich jak CONSORT, STROBE czy PRISMA (American Psychological Association, 2024; EQUATOR Network, 2026).

Krytycyzm i gotowość do korekty

Wiedza naukowa rozwija się poprzez formułowanie twierdzeń, ich testowanie, krytykę i porównywanie z innymi wynikami. Pojedyncze badanie rzadko rozstrzyga złożony problem. Na wiarygodność wpływają między innymi jakość projektu, wielkość próby, trafność pomiaru, kompletność raportowania, możliwość powtórzenia wyniku i zgodność z całością dowodów. Ioannidis (2005) zwracał uwagę, że selektywne raportowanie, niska moc badań i liczne testowane hipotezy mogą zwiększać ryzyko pozornie przekonujących, lecz błędnych wniosków.

7. Przykład praktyczny: ocena twierdzenia z mediów społecznościowych

„Po wprowadzeniu krótkich spacerów po obiedzie każdy obniży poziom glukozy, więc jest to skuteczna metoda leczenia cukrzycy”.

Analiza takiego twierdzenia powinna przebiegać etapami:

  1. Rozdzielenie twierdzeń. Inne jest pytanie o krótkotrwałą zmianę stężenia glukozy, inne o długoterminową kontrolę cukrzycy, a jeszcze inne o leczenie choroby.
  2. Określenie populacji. Czy chodzi o osoby zdrowe, osoby z cukrzycą typu 1, cukrzycą typu 2, osoby przyjmujące insulinę czy wszystkie te grupy?
  3. Definicja wyniku. Należy wskazać, czy mierzymy glikemię po posiłku, hemoglobinę glikowaną, czas w zakresie docelowym czy inne kryterium.
  4. Ocena projektu. Pojedyncze doświadczenia użytkowników są sygnałem do dalszego badania, ale nie zastępują porównania grup ani odpowiedniego okresu obserwacji.
  5. Ocena siły wniosku. Nawet dodatni wynik badania nie uzasadnia słowa „każdy”. Wniosek powinien określać wielkość efektu, niepewność i warunki, w których go zaobserwowano.

Takie postępowanie nie oznacza sceptycyzmu wobec każdej informacji. Oznacza proporcjonalne dopasowanie siły wniosku do jakości dowodów.

Najczęstsze błędy

  • Traktowanie anegdoty jako dowodu ogólnej reguły. Historia jednej osoby może być interesująca, ale nie określa częstości zjawiska w populacji.
  • Utożsamianie braku dowodu z dowodem braku. Jeżeli badanie nie wykazało różnicy, trzeba sprawdzić, czy było wystarczająco czułe, aby ją wykryć (Altman i Bland, 1995).
  • Wyciąganie wniosków przyczynowych z korelacji. Współwystępowanie zmiennych nie rozstrzyga samo przez się o kierunku ani mechanizmie zależności.
  • Używanie języka absolutnego. Słowa „zawsze”, „nigdy”, „każdy” i „na pewno” wymagają wyjątkowo silnych podstaw.
  • Redukowanie oceny badania do wartości p. Należy analizować również wielkość efektu, przedział ufności, jakość pomiaru, ryzyko błędu systematycznego i znaczenie praktyczne.
  • Pomijanie informacji o metodzie. Sam tytuł artykułu, wykres lub komunikat prasowy nie pozwala ocenić rzetelności badania.
  • Uznawanie publikacji za gwarancję prawdy. Publikacja jest elementem procesu kontroli, lecz nie kończy krytycznej oceny dowodów.

Co warto zapamiętać?

  1. Wiedza potoczna jest użyteczna w codziennym działaniu, ale często opiera się na doświadczeniach jednostkowych i niejawnych założeniach.
  2. Wiedza naukowa różni się przede wszystkim systematycznością, jawnością procedur, kontrolą błędów i możliwością krytycznej oceny.
  3. Jedno doświadczenie lub pojedynczy przypadek może inspirować pytanie badawcze, lecz zwykle nie wystarcza do uogólnienia.
  4. Korelacja nie jest automatycznie przyczynowością; rodzaj wniosku musi odpowiadać schematowi badania.
  5. Wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej.
  6. Istotność statystyczna, wielkość efektu i znaczenie praktyczne to trzy różne aspekty interpretacji wyniku.
  7. Transparentne raportowanie, replikacja i krytyczna dyskusja zwiększają wiarygodność wiedzy, ale nie czynią jej nieomylną.

Rozróżnienie wiedzy potocznej i naukowej jest fundamentem dalszej metodologii. Pozwala lepiej rozumieć, dlaczego w kolejnych etapach projektu trzeba precyzować pojęcia, operacjonalizować zmienne, planować pomiar i dobierać analizę do pytania. Nauka zaczyna się nie wtedy, gdy użyjemy skomplikowanego testu statystycznego, lecz wtedy, gdy świadomie kontrolujemy sposób dochodzenia do wniosku.

\n

Źródła i dalsza lektura

\n

  1. Altman, D. G., & Bland, J. M. (1995). Statistics notes: Absence of evidence is not evidence of absence. BMJ, 311(7003), 485. DOI: 10.1136/bmj.311.7003.485.
  2. Ioannidis, J. P. A. (2005). Why Most Published Research Findings Are False. PLoS Medicine, 2(8), e124. DOI: 10.1371/journal.pmed.0020124.
  3. Schulz, K. F., Altman, D. G., & Moher, D., for the CONSORT Group (2010). CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trials. BMJ, 340, c332. DOI: 10.1136/bmj.c332.
  4. von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., & Vandenbroucke, J. P., for the STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for Reporting Observational Studies. PLoS Medicine, 4(10), e296. DOI: 10.1371/journal.pmed.0040296.
  5. American Psychological Association (2024). APA Style Journal Article Reporting Standards (JARS): What are they?. American Psychological Association. Źródło.
  6. EQUATOR Network (2026). Library for health research reporting. EQUATOR Network. Źródło.

\n

Podobne wpisy

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *