Следует убедиться, что то, что кажется вам новостью, это и правда новость и не было широко освещено год назад после презентации на конференции.
Скажем, нет ли у кого-то из исследователей доли в компании, которая может получить прибыль благодаря результатам работы? (Однако будьте осторожны, упоминая о таком конфликте, финансовый интерес не отменяет результаты грамотно проведенного исследования автоматически. Нужно понять, может ли упоминание о конфликте интересов быть неверно истолковано как претензия к исследованию.)
Например, проверьте должность и место работы ученого. Иногда на первой странице журнальной статьи встречаются и такие ошибки.
Пишем текст
Как только вы решили, что эта научная статья заслуживает того, чтобы написать об этом новость, уже пора думать о первой фразе или абзаце о том самом лиде. В чем суть новости? Что самое важное и самое интересное в этом исследовании? Как передать все это емко, понятно и увлекательно?
А уж дальше следуйте обычным курсом. Подкрепите лид фактами, добавьте цитату, которая ярко показывает значение работы. Приведите контекст как общую информацию, так и предыдущие результаты. Добавьте детали, которые дают ответы на все возможные вопросы читателя. Напишите, какие последствия это будет (или не будет) иметь. Иногда стоит сказать, чего результаты работы не означают, как, к примеру, в случае новостей из мира медицины, где многообещающий результат не равен немедленному излечению от болезни.
Но всегда помните: порой лучшее решение не писать ничего. Ежедневные новости из научных журналов важный раздел научной журналистики, но она отнюдь не должна состоять только из них. Часто куда разумнее подождать, пока ученые опубликуют дополнительные исследования или пока вы лучше разберетесь в теме. В конце концов, интересам читателей вы служите лучше всего, когда пишете о науке объективно и с необходимым контекстом.
3. Понимание и использование статистики
(Льюис Коуп)
Льюис Коуп 29 лет проработал научным журналистом в газете Minneapolis St. Paul Star Tribune. Он член правления Совета по развитию научной журналистики и экс-президент Национальной ассоциации научных журналистов. Коуп стал соавтором Виктора Кона из Washington Post, скончавшегося в 2000 г., во втором издании книги «Новости и цифры: Как писать о статистике и спорных вопросах в медицине и других областях» (News & Numbers: A Guide to Reporting Statistical Claims and Controversies in Health and Other Fields, 1989, 2001).
Врач заявляет о «многообещающем» новом лекарстве. Можно ли верить его заявлению или же оно основано на искаженной или ненадежной информации? Экоактивист утверждает, что свалка вызывает рак, а промышленник гневно это отрицает. Кто прав?
Врач заявляет о «многообещающем» новом лекарстве. Можно ли верить его заявлению или же оно основано на искаженной или ненадежной информации? Экоактивист утверждает, что свалка вызывает рак, а промышленник гневно это отрицает. Кто прав?
В это время эксперты то и дело меняют свои мнения, что нужно есть, чтобы оставаться здоровым. Другие эксперты никак не придут к согласию, что погубило динозавров. Каким научным исследованиям верить?
В этой главе мы поговорим о правильном (а иногда и неправильном) использовании статистики. Но не пугайтесь этого слова на букву «с»: хорошему научному журналисту не требуется заумная математика. А понадобится доля здорового скептицизма и умение задать хорошие вопросы о вещах, которые могли повлиять на качество научных исследований и другие заявления. Чтобы отделить вероятную правду от вероятного мусора, нужно получить ответы на следующие вопросы:
1. Проводилось ли научное исследование или же заявление сделано только на основе ограниченного количества наблюдений? Если исследование было, как оно было спланировано и проведено?
2. Что насчет цифр? Было ли исследование достаточно масштабным (включало ли достаточно много пациентов, экспериментов и т. д.), чтобы сделать убедительные выводы? Являются ли статистически значимыми его результаты? Эта фраза означает всего-навсего, что, согласно научным стандартам, маловероятно, что такие статистические результаты получились просто случайно.
3. Есть ли другие возможные объяснения выводов исследования?
4. Могли ли повлиять на выводы исследования какие-либо искажения, преднамеренные или нет?
5. Проверялись ли результаты другими экспертами? И как они соотносятся с другой научной информацией и представлениями?
Принципы проверки исследований
Чтобы получить ответы на эти вопросы, следует знать пять принципов научного анализа.
1. Определенность некоторой неопределенности
Эксперты постоянно меняют взгляды не только на то, что нужно есть, чтобы оставаться здоровым, но и на то, что нужно делать, если человек заболел. Все больше лекарственных препаратов и методов лечения оказываются дискредитированными после того, как новые исследования поднимают вопросы об их эффективности или безопасности. Даже форма Вселенной (точнее, форма Вселенной, по мнению ученых) меняется от статьи к статье.
Некоторые считают, что такие резкие перемены позорят науку. Но это просто часть нормального научного процесса, идущего как и положено.
Наука изучает статистическую вероятность истины. Выводы делаются на основе убедительных свидетельств, никто не дожидается недостижимых неопровержимых доказательств. Сложности окружающего мира и научного процесса только усиливают неопределенность.
Однако наука может двигаться вперед именно потому, что это всегда развивающаяся история, продолжающийся путь, в котором возможны корректировки. Везде от медицины до астрономии, от геологии до психологии прежние выводы постоянно перепроверяются и, если нужно, уточняются (а иногда и отбрасываются в сторону).
Необходимо объяснить это редакторам и начальству, а также читателям и зрителям. Некоторая неопределенность не должна мешать важным действиям, если общество понимает, почему в лучшем случае ученый может сказать так: «Вот убедительные свидетельства в пользу того, что это, скорее всего, правда. Пожалуйста, оставайтесь с нами, пока мы пытаемся узнать больше».
Теперь, когда мы переходим к деталям, помните, что не все исследования равнозначны.
2. Вероятность, мощность и большие числа
Вы слышали о новом лекарстве, прошедшем испытание на мышах? 33 % удалось вылечить, 33 % умерло, а третья мышь убежала. Эта старая шутка показывает, насколько важны численные показатели в оценке качества исследования.
Чем больше пациентов участвовало в исследовании, тем лучше. Чем значительнее доля успешного результата в испытаниях лекарства, тем лучше. Чем больше наблюдений за погодой сделают метеорологи, тем лучше они смогут предсказать, пойдет ли на следующей неделе дождь. Вот как числа влияют на статистическую вероятность того, что что-то является истиной.
Общепринятое численное выражение этого значение P, которое определяется формулой, учитывающей количество анализируемых пациентов или событий. Значение P, равное или меньшее 0,05, обычно считается показателем статистически значимого результата. Это означает, что результаты могут быть простой случайностью в пяти или менее случаях из 100. Чем меньше значение P, тем ниже вероятность, что все это дело случая.
Общепринятое численное выражение этого значение P, которое определяется формулой, учитывающей количество анализируемых пациентов или событий. Значение P, равное или меньшее 0,05, обычно считается показателем статистически значимого результата. Это означает, что результаты могут быть простой случайностью в пяти или менее случаях из 100. Чем меньше значение P, тем ниже вероятность, что все это дело случая.
Другими словами, чем больше пациентов (или чего-то другого), тем надежнее показатель P.
Есть два связанных с этим понятия. Первое носит название мощность. Это вероятность обнаружить что-то, если оно на самом деле существует: например, рост числа заболеваний раком у людей, работающих с подозрительным химикатом. Чем больше число наблюдений или охваченных людей, тем выше мощность. Риск редкого, но опасного побочного эффекта у нового лекарства может не проявиться, пока оно не попало на рынок и им не воспользовались десятки тысяч или даже миллионы человек.
Второе статистическая значимость. Если кажется, что загрязнитель вызывает прирост числа случаев заболевания по сравнению с фоновым уровнем на 10 %, это может действительно означать взаимосвязь, а может, и нет. Если показатель увеличивается в десять раз (как, например, риск рака легких у курильщиков по сравнению с теми, кто не курит), шанс, что такая взаимосвязь на самом деле существует, очень велик.
Научным журналистам нет нужды ничего считать самостоятельно они должны просто сказать ученым: покажите свои цифры.
Ключевые вопросы, которые нужно задать: все ли ваши выводы основываются на статистически значимых результатах? (Насторожитесь, если не все, и предупредите своих читателей или зрителей.) Каково значение P вероятности того, что ключевые результаты случайны? Было ли исследование достаточно обширным, чтобы обнаружить эффект, если он действительно существует? Есть ли другие статистические причины сомневаться в ваших выводах? Планируются ли более масштабные исследования?
Но то, что результаты статистически значимы, имеют достаточную мощность и т. д., еще не означает, что они верны или значимы. Так что наш список продолжается.
3. Существует ли другое объяснение?
То, что явления как-то связаны, еще не означает, что одно является причиной другого. Не крик петуха заставляет солнце вставать по утрам, а вирус в организме пациента может быть невинным прохожим, а не причиной болезни. Химическое вещество в городском водопроводе может не оказаться причиной болезней в этом городе. Чтобы выявить причинно-следственную связь, нужно проводить детальные исследования в лабораториях.
Вот пример: несколько ученых (и гораздо больше журналистов) полагают, что детская вакцинация могла послужить триггером для многих случаев аутизма. Но большинство экспертов считают, что это совпадение, а не причинно-следственная связь. «Связь» здесь только в том, что аутизм обычно проявляется в том же возрасте, когда детям делают многие прививки, утверждают эти эксперты. Но теперь проблема в том, что немало обеспокоенных родителей откладывают прививки от кори и других опасных заболеваний из ложного страха перед аутизмом. А во множестве материалов СМИ на эту тему не хватает статистики по смертности от этих детских заболеваний в те времена, когда вакцин еще не было.