NBIB44: Vetenskaplig metod, analys och statistik

Per Milberg, IFM biologi

NBIB44: Varför detta kanske är

den viktigaste kursen av alla

Akademiker

Kunskapshanteringsexperter

Varför får vi betalt?

Kunskapsteori

Evaluation

Synthesis

Analysis

Application

Comprehension

Knowledge *Bloom BS ed. (1956) Taxonomy of Educational Objectives: The Classification of

Educational Goals. David McKay Company, Inc., NY.

Blooms taxonomi för lärandemål

Blooms taxonomi för lärandemål

”De första människorna

på jorden var Vargen

och Rödluvan, sen

blev de apor. Så kom

gallerna och

indianerna och till slut

blev vi människor”

Andrea, 5 år

(Levengood M & Lundell U

2001. Gamla tanter lägger

inte ägg)

Blooms taxonomi för lärandemål

Fakta; kunskap om detaljer

Färdighet i att hantera kunskap

Hitta och tillgodogöra sig

Värdera

Sammanställa

Förmedla

Målet med kandidatprogrammet

= målet med NBIB44 (jfr enskilda ämneskurser)

Hjälpa er att utvecklas till professionella biologer och akademiker

Kunskapshanteringsexpert: arbetsmarkandens krav

Vem är Per Milberg?

Från Mjölby till Rimforsa

– via Lund, Uppsala, Umeå, Western Australia

Studier: Ekologi (botanik, geologi, statistik, skogsskötsel, mm)

LiU sedan 1998; professor sedan 2005

Forskning: Naturvårdsbiologi; Miljöövervakning; Åkerogräs; Frögroningsbiologi

Undervisning: Naturvårdsbiologi; Evolution; Botanik; Ekologi, Examensarbeten

NBIB44: kurslitteratur

Statistikbok

NBIB44: kurslitteratur

Statistikbok

Försöksplanering

NBIB44: kurslitteratur

Statistikbok

Försöksplanering

Kritiskt tänkande

=> referens-litteratur; andra kurser

3 block: försöksplanering & statistik

(1 block: kritiskt tänkande)

– Föreläsning: försöksplanering & tolkning

– Seminarium:

Era frågor på boken “Experimental design…”

Era labrapporter

– Laborationens design, analys, tolkning

Statistik & försöks- planering

Per Milberg, IFM biologi

Vad jag hoppas att ni kommer

ihåg…

Betydelsen av design/försöksplanering

Formulering av frågeställning/hypotes

Försöksupplägg

– Urval/begränsning

– “Förvirrande faktorer” (kaffe & lungcancer)

– Statistisk utvärdering

– Statistisk styrka/Styrkeanalys

Myth busters 1: ”Design is for

research biologist only, not

biologists in general”

Design = försöksplanering

Berör ALLA biologer!

– För att förstå hur “kunskap blir till”

– För att kunna jämföra, värdera &

syntetisera

Design är svårt

Design = statistik

≠

?

Statistik är ett verktyg som håller koll på osäkerheten och hjälper oss att dra kloka och säkra slutsatser från data

Användning 1: räkna själv

Användning 2: tolkning & förståelse

Statistik…?

… och försöksplanering?

Hur maximera nyttan när man gör ett experiment

Användning 1: själv göra försök

Användning 2: tolkning & förståelse

Basala insikter i statistik och försöksplanering krävs

.. för ett kritiskt förhållningssätt till kunskapens byggstenar

Bikupa: Du deltar i planeringen av en fas3 studie...

Sista fasen i prövning av en ny medicin, första gången på patienter

Varje patient kostar 100 tkr (”data from a given patient in

a clinical trial represents an investment of more than $20,000”)

Behandlingen smärtfylld (illamående)

Risken för biverkningar oklar

Vad är viktigt att tänka på vid försöksplaneringen?

1) Optimera den “statistiska styrkan”

– Pengar

Aktieägare, skattebetalare, andra forskare

– Etik

Pengar & lidande

2) Minimera risken för felslut

– Försöksuppställning

Urval, slumpning, dubbelblindning, etc

– Analysmetod

Beakta kön, ålder, tid från diagnos, etc

Försöksplaneringens syfte 1

Försöksplaneringens syfte

Värdering av försöksupplägg

– 1) Effektivitet i att klarlägga

– 2) Minimera risk för felslut

3) Formulering/precisering av frågeställning

Myth busters 2: ”Forskningen är

objektiv”

Val av forskningsfråga

– Subjektivt

Val av metod

– Subjektivt

Insamling av data

– Objektivt

Tolkning av data

– Objektivt (?)

“Det möjligas konst” Från fråga till vetenskaplig frågeställning

Omöjliga frågor:

– Finns Gud?

– Vad är meningen med livet?

– Var Robinson Crusoe vänsterhänt?

Det finns inget svar

Orealistiska frågor:

– Gillande Bach räkor?

– Regnade det i Skänninge den 3 juli 1533?

Det finns ett svar, men vi kan inte finna det

Oprecisa frågor:

– Hur skall vi minska fattigdomen i världen?

– Är AIK ett bättre lag än Djurgården?

“Det möjligas konst” Från fråga till vetenskaplig frågeställning

Omöjliga frågor – svar finns ej

Orealistiska frågor – svar finns, men ej åtkomligt

Oprecisa frågor – måste preciseras först

Naturvetenskapliga frågor typ 1 (ja eller nej?): – Är risken för salmonella-infektion större hos utegående höns än hos

burhöns?

– Är preparat X bättre än Y för att bekämpa vägglöss i möbler?

– Gynnar nyanlagda våtmarker kväveretentionen i vattendrag?

Naturvetenskapliga frågor typ 2 (hur mycket?): – Hur mycket ökar risken om jag byter driftsinriktning från ...?

– Hur mycket tjänar Anticimex på att byta från preparat Y till X?

– Hur mycket/hur stor andel av kvävet i en å kan ...?

Naturvetenskapliga frågor – Ska kunna besvaras med tillgänglig metodik, annars irrelevanta

“Det möjligas konst” Från fråga till vetenskaplig frågeställning

Naturvetenskapliga hypoteser

Observation => tolkning (hypotes) => prediktion

– Observation 1: Besättningar av utegående höns får oftare besök av kråkfåglar eller tamduvor än burhöns

– Observation 2: Salmonella har hög prevalens hos vilda fåglar

– Hypotes: Salmonella sprids från vilda till tama fåglar

– Prediktion: Risken för salmonellainfektion är högre hos utegående besättningar än burhållna dito

Bikupa: Observation => tolkning (hypotes)

Observation: genomsnittsvikten hos unga män har ökat under perioden 1920-2000

Tolkning:

– 1) Minskning i kroppsarbete

– 2) Ökat födointag

– 3) Mer energirikt födointag

– 4) Eftersom kroppslängden också ökat, speglar detta bara på en allmän ökning i kroppsstorlek

– 5) En kombination av 1-3

Bikupa: Observation => tolkning (hypotes) => prediktion

Observation: genomsnittsvikten hos unga män har ökat under perioden 1920-2000

Tolkning:

– 1) Minskning i kroppsarbete

Prediktion 1: Ökande skillnad mellan yrkesgrupper

– 2) Ökat födointag

Prediktion 2: Matportionernas storlek har ökat

– 3) Mer energirikt födointag

Prediktion 3: Matportionernas energiinnehåll har ökat

– 4) Eftersom kroppslängden också ökat, speglar detta bara på en allmän ökning i kroppsstorlek

Prediktion 4: Om vi korrigerar data för kroppsstorleksökning (tex kroppslängd) så ser vi inte längre någon ökning i vikt

– 5) En kombination av 1-3