Pat Lyons: „Schopnost vybavit si fakta je pouze jedním z aspektů politického vědění“

Akademie věd ČR vám v nedávné době udělila titul doktor věd. Co to pro vás znamená?

Je to pocta, být prvním, kdo v rámci humanitních a společenských věd obdržel titul DSc. za obor sociologie. Navíc je fajn, že kniha o znalostech politiky v České republice v letech 1967 až 2014, kterou jsem napsal, byla uznána za vědecký příspěvek ke studiu znalostí a chápání politiky občanů.

Jak už jste zmínil, titul vám byl udělen za rozsáhlou práci Political Knowledge in the Czech Republic. Změnil byste dnes, několik let po vydání knihy, některou její část?

Ne. Myslím si, že všechny obecné závěry, které v knize najdeme, platí nadále. Uvedu příklad: idealistické přesvědčení, že měli-li by všichni občané stejnou úroveň faktických znalostí jako odborníci, byla by demokratická politika lepší, je nesprávné. Schopnost vybavit si fakta je pouze jedním z aspektů politického vědění. Při rozhodování totiž hrají důležitou roli i další faktory, jako je třeba obecné základní přesvědčení jedince. Tato souvislost mezi přesvědčením a znalostmi je zřejmá v postojích veřejnosti vůči klimatickým změnám, při referendu o Brexitu nebo v názorech na pandemii.

Ubírá se vývoj nějakým směrem, který by vás vzhledem k hlavním tématům vaší práce překvapil?

Ano, překvapil a šokoval mě způsob, jakým média sdělují informace o současné pandemii.

Jsem překvapen, že kdokoliv se snažil pandemii porozumět, setkal se s enormním množstvím vzájemně rozporuplných faktů a interpretací specialistů, politiků a mediálních komentátorů. Částečně za tento problém mohou vědci, kteří prosazovali názor, že s vývojem vakcíny se pandemie vyřeší. Vznik a šíření onemocnění covid-19 je primárně problémem lidských postojů a jednání. Představa, že budou-li všichni občané znát základní fakta a statistiky, správně ochrání sebe a ostatní, je naivní. Lidské jednání je mnohem složitější. Zdá se, že výsledky bádání v oblasti humanitních a společenských věd hrají ve vědecké komunikaci a při rozhodování ve veřejné politice jen malou roli.

Co mě šokovalo, byly zmatené signály, které vysílali přední politici; dezinterpretace denních statistik o pandemii jako by byly přesnými měřítky současné situace; způsob, jakým specialisté – ovšem bez odborných znalostí o šíření nemocí – vyjadřovali rozhodné názory na to, co je třeba dělat; jak se promarnily možnosti ke kvalitnímu výzkumu, např. místo dobrovolného dotazování a testování mělo dojít k náhodnému výběru a provedení hloubkových případových studií; místo nadměrné závislosti na sofistikovaných statistických modelech založených na datech, o kterých víme, že nejsou spolehlivá, měla být sbírána odůvodněná a spolehlivá data; jak se média zaměřila na zábavní hodnotu pandemie s tématy, jako jsou nekompetentní vůdci, hašteřící se odborníci, podivná pseudovědecká tvrzení a jak se v době pandemie sobecky co možná nejlépe zaopatřit.

Ve skutečnosti je pro občany velmi obtížné informace získat kvůli tomu, jak pandemii „zvládají“ lídři a odborníci, jejichž obecnou politikou je „nebojte se, dělejte, co říkáme, a my vás zachráníme“; zatímco obecně platný vědecký cíl je, že lidé se musí chránit za pomoci kolektivní akce stojící na solidaritě a kolektivní odpovědnosti.

Jedním ze závěrů vaší knihy je, že expertní vědění je také omezené. Vyplývají z toho nějaké důsledky pro vědu a veřejnou politiku v době pandemie?

Ano. Posledních 15 let probíhá debata, že vědecké užití statistických metod k analýze dat je problematické. Například v oblasti medicíny a psychologie dochází k „replikační krizi“, kdy výsledky většiny publikovaných výzkumů jsou spíše vymyšlené, protože je nelze nezávisle zopakovat (např. Ioannidis 2005). Z toho vyplývá, že mnoho publikovaných vědeckých poznatků obsahuje plno neověřitelných výsledků. K tomu dochází proto, že vědci používají statistické metody mechanicky (jako by šlo o recept z kuchařky, Jaynes 2003: 492). Jsou motivováni ve svých pracích uvádět statisticky významné výsledky, aby si zajistili publikace v prestižních časopisech, a tedy úspěšnou kariéru (Gigerenzer 2018: 201-202).

V obecné rovině jde o to, že všechno vědění – od znalostí občanů o politice až po to, jak vědci tvoří vědění – má důležitý sociální základ: fakta nejsou jednoduše objevována, jsou vytvářena. Dnes se mnohé vědy ocitají v krizi, protože jsou definovány nesprávným užitím statistických metod. Výsledná exploze publikovaných poznatků totiž samotné vědění spíše drolí, než aby ho akumulovala. Ve společenských vědách je vždy několik teorií zcela vyvráceno, což umožňuje následný rozvoj. Vědci dovedou být velice vytrvalí a kreativní při hledání statistických výsledků, které podporují jejich oblíbené teorie. Pokud statistické důkazy pro danou teorii chybí, pak takový příspěvek buď není do odborného periodika poslán, nebo je redaktorem odmítnut jako „nezajímavý“. Ve skutečnosti standardní verze statistické významnosti, tj. testování významnosti nulové hypotézy, nemůže prokázat, že je teorie pravdivá. Jediné, co ukazuje, je to, že došlo k zamítnutí tvrzení o nulovém efektu, což nelze interpretovat (i když se to často dělá) jako upřednostňovanou teorii výzkumníka představovanou jako pravdivou (Jaynes 2003: 135-137, 523-524; Szucs a Ioannidis 2017: 8-9). Formálně řečeno, mnoho studií používá statistickou významnost způsobem non sequitur (Branch 2019: 80).

V rámci společenských věd se statistické metody staly více než metodou analýzy, ale méně než teorií. Rád bych to blíže vysvětlil. Při statistickému výcviku, nejčastěji na úrovni absolventů, jsou badatelé učeni definovat své výzkumné otázky pouze v rámci standardních statistických modelů a toho, jaké inovace nabízí současný statistický software. V důsledku toho se na mnoho výzkumů pohlíží především prizmatem toho, co umožňuje statistické testování. Teorie jsou přepisovány tak, aby zapadly do statistického modelu způsobem převádění jejich klíčových rysů do čísel, například odpovědi na dotazníkové otázky nebo použití nejrůznějších oficiálních dat. Stručně řečeno, statistické metody určují, jaké otázky jsou zkoumány a jak jsou analyzovány výsledné (číselné) záznamy. Metoda tu tedy dominuje nad teorií. V praxi to znamená, že teoretická část akademického článku je jen o trošku víc než literární recenze s drobnými změnami, které ospravedlňují původnost. Hlavní problém je, že (nevhodné) použití statistických metod odvádí vědce od skutečně originálního výzkumu založeného na pozorování a teorii, protože vše je zaměřeno pouze na vytváření analyzovatelné datové matrice.

Ve společenských vědách má používání statistických metod fundamentálně významný teoretický dopad: společnost je nahlížena jako něco, čím hýbou „společenské síly“ (Abbott 1998: 148). Jinak řečeno, standardní statistické modely objevují rozdíly mezi jednotlivci, kdy cílem je identifikovat vztahy mezi hlavními proměnnými (společenské síly). To znamená, že společenský výzkum, který používá standardní statistické metody, chápe jednotlivce jako objekty, kterými hýbou společenské síly. Takže nejsou důležití jedinci, ale společenské síly. Ve výsledku společenský výzkum přináší znalosti o jakýchsi průměrných obyvatelích, kteří v případech národních průzkumů neodpovídají jediné dotazované osobě. V důsledku toho se statistické znalosti, které generují humanitní a společenské vědy, nevztahují k člověku jako takovému, ale ke vztahům mezi společenskými silami ovládajícími jednotlivce. Ať už si lidé myslí, že by humanitní a společenské vědy měly být pouze o obecnostech, nebo by měly být založeny na konkrétní individuální zkušenosti, hlavním poznatkem je, že používání statistických metod závisí na předpokladech, které často ignorují jak vědci, tak široká poučená veřejnost.

Záleží na tom všem? Já si myslím, že ano. Během současné pandemie často slýcháme statistická tvrzení, že u většiny (mladších a zdravějších) lidí onemocnění covid-19 nepovede k žádným vážným následkům. Takže je lepší, aby všichni lidé (kromě starých a nemocných) onemocněli a získali tak imunitu, aby se život mohl co nejrychleji (a levně) vrátit do normálu. To odpovídá konkrétnímu politickému přesvědčení, že covidová politika změní českou společnost (předpokládá se, že k horšímu). Argument „pusťme se do toho, ať je to co nejdřív za námi“ je založený na statistickém tvrzení, které má představovat přesvědčení celé české populace: neříká nic o tom, co se stane v případě jednotlivců. Je přitom známo, že po tzv. „dlouhotrvajícím covidu“ si část populace (podle nepublikovaných údajů o sledování ve Velké Británii to je 10% po 21 dnech a 2% po 90 dnech) ponese přetrvávající příznaky, jako jsou únava a dušnost. A to z důvodů, které jsou v současné době neznámé (COVID Symptom Study 2020; Tan 2020; Carfi et al. 2020; Townsend et al. 2020).

Tady náš čtenář, který stojí před rozhodnutím, která politika v době pandemie je nejlepší, zažívá osobně limity znalostí faktů a závislosti na konkurujících si odbornících a lídrech. Co dělat? Dnes, stejně jako v minulosti, budou lidé jednat na základě jiných forem vědění, jako jsou osobní zkušenosti a uplatňování základních přesvědčení jako svoboda, rovnost, solidarita, odpovědnost apod. Nicméně, nemá-li někdo znalosti či nějaký silný názor, přichází apatie, kdy se východiskem stává „volnoběh“ a ponechání rozhodování na ostatních. Jak uvádím ve své knize o znalostech politiky: názor, že máte-li občany, kteří jsou dobře informovaní o faktech, vede to k rozumným rozhodnutím, je utopie. Je to stejně nerealistické jako argumenty společenských vědců, kteří bezmyšlenkovitě používají statistiku k tvrzením o vymyšleném sociálním světě bez skutečných lidí. Pravé poznání v době pandemie musí být užitečné a být součástí reálného života a smrti.

Odkazy

• Abbott, A. (1998). The Causal Devolution. Sociological Methods & Research, 27(2): 148–181. doi: 10.1177/0049124198027002002
• Branch, M.N. (2018). The “Reproducibility Crisis:” Might the Methods Used Frequently in Behavior-Analysis Research Help? Perspectives on Behavior Science, 42(1): 77–89. doi: 10.1007/s40614-018-0158-5
• Ioannidis, J.P.A. (2005). Why most published research findings are false. PLoS Medicine, 2(8): e124. doi: 10.1371/journal.pmed.0020124
• Carfì A, Bernabei R, and F. Landi for the 'Gemelli Against COVID-19 Post-Acute Care Study Group' at the Fondazione Policlinico Universitario Agostino Gemelli IRCCS, Rome, Italy. (2020). Persistent Symptoms in Patients After Acute COVID-19. Journal of the American Medical Association, 324(6): 603–605. doi: 10.1001/jama.2020.12603
• COVID Symptom Study (2020). How long does COVID-19 last? June 6. Article available at: https://covid.joinzoe.com/post/covid-long-term
• Gigerenzer, G. (2018). Statistical Rituals: The Replication Delusion and How We Got There. Advances in Methods and Practices in Psychological Science, 1(2): 198–218. doi: 10.1177/2515245918771329
• Jaynes, E.T. (2003). Probability Theory: The Logic of Science. Cambridge, UK: Cambridge University Press. doi: 10.1017/CBO9780511790423
• Szucs, D. and J.P.A Ioannidis. (2017). When Null Hypothesis Significance Testing Is Unsuitable for Research: A Reassessment. Frontiers of Human Neuroscience, 11: 390. doi: 10.3389/fnhum.2017.00390
• Tan, L. (2020). A Special Case of COVID-19 with Long duration of Viral Shedding for 49 days. MedRxiv (a pre-print server for the medical sciences). March 27.  doi: his version posted March 27. doi: 10.1101/2020.03.22.20040071
• Townsend, L. et al. (2020). Persistent Fatigue Following SARS-CoV-2 Infection is Common and Independent of Severity of Initial Infection. MedRxiv (a pre-print server for the medical sciences). July 30.  doi: 10.1101/2020.07.29.20164293