07136476172 - 09172030360 info@danabrain.ir

یک مطالعه جدید توسط دانشگاه تل آویو Tel Aviv که در تاریخ 20 می در Nature منتشر شد، شواهد جدیدی ارائه می دهد که نشان می دهند پیچیدگی روشهای تحلیلی معاصر در علم، منجر به تغییرپذیری نتایج تحقیقات می شود.

مطالعات قبلی در زمینه های روانشناسی، زیست شناسی سرطان و اقتصاد رفتاری شکست های زیادی را در تلاش برای تولید روش ها و نتایج شفاف نشان داد. محققان TAU از رویکردی استفاده کردند که در آن بسیاری از محققان برای آزمایش تنوع در نتایج آنالیز، از همان مجموعه داده برای تجزیه و تحلیل استفاده کردند.

به طور کلی، 180 محقق از 70 تیم از دانشمندان در سراسر جهان، همان مجموعه داده تصویربرداری از مغز را از 108 سابجکت مورد بررسی قرار دادند. این سابجکت ها در تسکهایی از نوع قمار شرکت کرده بودند که تصمیم گیری آن ها در مورد سود و ضرر احتمالی آزمایش شد. هر گروه یک روش تحلیل متمایز را انتخاب کردند و روشهای مختلف به نتیجه گیری های مختلف منجر شد.

دکتر شنونبرگ: “علم اغلب مورد انتقاد قرار می گیرد.”  علم مانند دین نیست، قوانین و روش دارد – روش علمی. ما دائماً در تلاش هستیم تا این روش را در یک فرایند سؤال برانگیز مداوم بهبود بخشیم. این مطالعه طول می کشد اما روندی رو به جلو دارد.

تیم های تحقیق با همان داده ها – اسکن fMRI افرادی که تسک های تصمیم گیری مبتنی بر ارزش را انجام می دهند- ارائه شدند و به آنها گفته شد که 9 فرضیه مجموعه مختلف را آزمایش کنند.

 

 

در حالی که شرکت کنندگان در مطالعه مشغول تصمیم گیری بودند، از اسکن fMRI برای آزمایش اینکه آیا فعالیت مناطق خاصی از مغز در پردازش میزان پولی که فرد برنده میشود یا از دست می دهد، مشاهده شده است. حدود 70 تیم بین المللی به طور مستقل در طی سه ماه این مجموعه داده ها را تحلیل کردند.

هر تیم از محققان در مورد داده های خود به نتیجه گیری نهایی رسیدند که نتایج آنها در 5 تیم روی 9 فرضیه متفاوت است.

دکتر شنونبرگ توضیح می دهد: “مطالعه جدید ما انعطاف پذیری تحلیلی بالایی را نشان می دهد. محققان شرکت کننده فرضیه ها را به صورت متفاوتی مدل سازی کرده و از نرم افزارهای مختلفی برای تجزیه و تحلیل استفاده کردند.

تنوع زیادی در گزارش نهایی نتایج، وجود داشت، به این معنی که برای حل این مشکل باید راه حلی پیدا کنیم.

دکتر شنونبرگ معتقد است که این یافته ها می تواند دانشمندان را در پیشبرد روش و بهبود کیفیت تحلیل های خود در آینده یاری کند.

“من می خواهم که از یافته های ما برای پیشبرد علم استفاده شود – به سمت به اشتراک گذاشتن بیشتر همه اطلاعات مرتبط با مطالعه، شفافیت روش ها، کدهای آنالیز و داده ها”. این تنها روشی است که هرکسی می تواند نتایج را آزمایش کند تا ببیند چه چیزی را به دست می آورد. همچنین، ما به منظور درک مسیر بهینه، اهمیت و نیاز زیادی در به اشتراک گذاری داده ها در همه گیر ویروس COVID-19 مشاهده کرده ایم.”

“طبیعتا، جدید بودن اکتشافات برای دانشمندان اهمیت زیادی دارد. اما رویکرد سخت گیرانه به همان اندازه مهم است.”

برای اطلاعات بیشتر به موسسه سلامت مغز دانا مراجعه کنید.

منبع:

Botvinik-Nezer, R., et al. (2020) Variability in the analysis of a single neuroimaging dataset by many teams. Nature

Open chat
Powered by