Интересное сегодня
Когда наука становится проекцией предвзятости исследователя
Фундаментальное исследование, недавно опубликованное в журнале Science Advances (Борхас и Брезау, 2026), подтверждает тревожную реальность нашей эпохи, основанной на данных: идентичные наборы данных не гарантируют получение идентичных истин. Когда 71 исследовательской группе предоставили одни и те же данные, чтобы определить, снижает ли иммиграция поддержку социальной политики, они создали 1253 способа анализа результатов. Выводы не вытекали из цифр; они диктовались заранее заданными политическими предпочтениями самих ученых.
Внедряя индивидуальную субъективность относительно того, какая политика является оптимальной, в самое сердце научных исследований, мы поддались тому, что критик XIX века Джон Рёскин называл «патетической ошибкой» (Pathetic Fallacy).
Патетическая ошибка
Термин Рёскина, происходящий от греческого pathos (страдание, чувство), относится к эмоциональной ошибке. Это человеческая склонность проецировать внутреннее настроение на внешнюю реальность. Это похоже на психологическую проекцию, но Рёскин описывал её в контексте создания искусства и поэзии. Для поэта это проявляется, например, в описании «жестокой морской пены» или «танцующих листьев».
Рёскин крайне резко отзывался о тех, кто полагается на эту ошибку. Он считал её признаком разума, настолько подавленного эмоциями, что наблюдатель теряет способность видеть мир таким, какой он есть на самом деле. Для Рёскина высший уровень интеллекта принадлежит тем, кто воспринимает и изображает вещи с абсолютной ясностью, независимо от собственных чувств. Он утверждал, что творец, наделяющий природу эмоциями, искажает реальность, чтобы потешить собственное эго.
Интеллектуальная честность требует простого различения: можем ли мы сказать «это есть» или только «мне кажется, что это так»? Первое — это утверждение факта; второе — честный способ объяснить собственную реакцию. Фраза «мне кажется» сохраняет целостность объекта. Она раскрывает человека, который понимает, что, хотя его эмоции и внешний мир связаны, мир не является просто продолжением его собственных чувств.
Искусство и наука статистики
Дисциплина, необходимая для различения этих двух подходов, часто исчезает, когда исследователи относятся к математической модели как к беспристрастному судье социальной политики. Как показывает эксперимент в Science Advances, математическую модель легко деформировать, чтобы она отражала собственные предубеждения исследователя о мире.
Если бы данные были неизменной реальностью, все 71 команда пришли бы к схожим результатам. Вместо этого исследование породило хаотичную карту множества различных моделей мира: множество версий «мне кажется» вместо описания того, «что есть». Эта вариативность была вызвана не фейковыми новостями или математическими ошибками, а тем, что авторы называют Researcher Degrees of Freedom (Степени свободы исследователя).
Степени свободы исследователя
Прежде чем будет выполнен хотя бы один расчет, исследователь должен принять десятки мелких субъективных решений:
- Какие переменные заслуживают большего веса?
- Какие «шумные» точки данных следует исключить?
- Какие статистические пороги означают значимый результат?
На эти решения предвзятость исследователя влияет гораздо сильнее, чем многим хотелось бы признать. Тем не менее, «ни одна из команд не пришла к одинаковому набору числовых результатов и не приняла одинаковых ключевых решений в ходе анализа данных». Подобно поэтам, которых критиковал Рёскин, эти исследователи не показывают мир таким, какой он есть; они наполняют модель собственной чувствительностью, диктуя, как мы должны эмоционально реагировать на результат.
Карта реальности в масштабе 1:1
В книге Льюиса Кэрролла «Сильвия и Бруно» персонаж описывает карту в масштабе миля на милю. Это абсолютно точная карта мира размером с сам мир. Шутка подчеркивает бесполезность модели, которая становится настолько сложной, что затмевает реальность, которую она призвана измерять: «Её еще никогда не разворачивали, — объясняет персонаж. — Фермеры возражали: они говорили, что она накроет всю страну и закроет солнечный свет! Поэтому мы теперь используем саму страну как её собственную карту, и, уверяю вас, это работает почти так же хорошо».
Наша современная проблема обратна: мы фетишизировали данные, не требуя, чтобы они отражали реальный мир. Мы строим карты других карт. Вера в то, что всё числовое автоматически является объективным, — фундаментальная проблема эпохи «Больших данных» (Big Data). Мы принимаем описание за саму вещь.
Кризис сбора данных
Этот разрыв увеличивается, потому что информацию из реального мира становится всё труднее найти. Национальные агентства, такие как Управление национальной статистики Великобритании (ONS), находятся в кризисе, потому что люди перестали отвечать на звонки и открывать двери. Когда уровень ответов на опросы падает с 50% до менее чем 15%, данные иссякают.
Чтобы компенсировать это, агентства теперь заполняют пробелы «оценками оценок» или «синтетическими данными» — информацией, произведенной алгоритмом. Генерировать цифры стало проще, чем когда-либо, но собирать данные, которые действительно представляют людей, — сложнее.
Чтобы понять эту ловушку, нужно осознать, что такое модель на самом деле: это предположение, основанное на теории. Это никогда не реальность. Это набор человеческих допущений, где вы вводите то, что, по вашему мнению, знаете, чтобы сгенерировать догадку о том, чего не знаете. Если теория немного ошибочна или исследователи тянут не за те рычаги, результат будет неверным. Поскольку модель должна исключить бесконечную сложность реального мира, чтобы функционировать, она всегда является оценкой, а не фактом.
Патологизация нормальных мнений
Опасность синтетических данных и плохо сконструированных моделей возрастает, когда исследователи начинают патологизировать своих идеологических оппонентов. Это происходит в исследованиях, где определенные идеологические позиции рассматриваются как психологические дефекты, а не как нормальные системы убеждений.
В течение десятилетий социальные науки фокусировались на «ригидности правых». В одном ярком примере модели исследователей связывали правый консерватизм с «патологическими объектными отношениями», ссылаясь на «примитивные защиты» и «проблемы в тестировании реальности». Напротив, недавние работы о «левом авторитаризме» (Leftwing Authoritarianism, LWA) начали анализировать прогрессивный активизм через призму нарциссической виктимности и черт «темной триады» (макиавеллизм, нарциссизм и психопатия).
Исследователи в работе Борхаса и Брезау (2026) обнаружили, что проиммигрантские команды чаще интерпретировали свои результаты как признак «повышенной социальной сплоченности», в то время как антииммигрантские команды интерпретировали аналогичные данные как «снижение сплоченности».
Представляя мировоззрение или политическую позицию как клиническую патологию, исследователь скрывает субъективную интерпретацию мира за статистической моделью. Вполне разумно сказать: «Мне кажется, что эта идеология вредна», или указать на личные разногласия. Но нечестно использовать математическую модель, чтобы внушить, что наука доказала психическое нездоровье вашего соседа только потому, что он голосует не так, как вы. Эта ошибка снижает общественное доверие к самой идее научной экспертизы.
Заключение: счастливые маленькие гистограммы
Мы можем с пользой вернуться к различению Рёскина и «патетической ошибке». Существует огромная разница между продвижением научного понимания темы и просто облечением политического мнения в белый халат. Когда исследователи используют слово «есть» в форме статистической модели, чтобы скрыть то, что на самом деле является лишь «я думаю», они больше не занимаются наукой, они занимаются политическим пиаром.
Чтобы оставаться на твердой почве, помните: в следующий раз, когда вы увидите заголовок о том, что модель «доказывает» социальный факт или факт общественной политики, подумайте: действительно ли исследователь точно измеряет мир таким, какой он есть, или он просто проецирует свои чувства на данные и ожидает, что вы воспримете его перспективу как факт.
