Föreläsningar och seminarier Metodseminarium: Anders Sand
Forskning och undervisning utan signifikansprövning
Deltagande via Zoom
https://ki-se.zoom.us/j/63405187241
Post doc Anders Sand
Enheten för logopedi, Karolinska Institutet
Abstract
I empiriska vetenskaper har det länge funnits en praxis att använda statistiska analyser som ett sätt att ”tvätta” brusig data till enkla dikotoma slutsatser: ”p < .05, ja, behandlingen fungerar / instrumentet är bra / vår hypotes stämmer” eller ” p > .05, nej, behandlingen kan inte rekommenderas / instrumentet är inte reliabelt / vår hypotes stämmer inte”. Även om många forskare har en mer nyanserad begreppsapparat ”privat”, så har denna praxis styrt hur artiklar (och uppsatser) skrivs, reviewats och får, eller inte får, publiceras. Det är en praktik som måste – och som håller på att – upphöra (McShane et al., 2019; Wasserstein & Lazar, 2016).
Men vad ska forskare göra istället och vad ska vi lära våra studenter? (Wasserstein et al., 2019) Jag ska försöka exemplifiera hur vi kan designa studier och analyser så att vi kommer åt frågorna vi egentligen är intresserade av: Hur många mådde bättre av behandlingen? Hur mycket säkrare blir våra diagnoser med instrumentet? Hur mycket svårare är det att lyssna i brus? Jag ser gärna att ansatser som fokuserar på att utvärdera forskningsresultat utifrån klinisk och praktisk relevans ska konkurrera ut all undervisning om signifikansprövning. Självklart måste mätfel och osäkerhet i (små, brusiga) stickprov tas i beaktande, men detta sker genom att ange mått på osäkerhet (konfidensintervall) kring de intressanta resultaten. Jag tror att forskning och undervisning som ärligt förhåller sig till osäkerheten i forskningsstudier och analyserar resultaten utifrån vad som spelar roll kommer att leda till intressantare vetenskapliga diskussioner, mer engagerade logopedstudenter och bättre forskning.
PowerPoint bilder från föreläsningen
Referenser
McShane, B. B., Gal, D., Gelman, A., Robert, C., & Tackett, J. L. (2019). Abandon Statistical Significance. The American Statistician, 73, 235–245. https://doi.org/10.1080/00031305.2018.1527253
Wasserstein, R. L., & Lazar, N. A. (2016). The ASA Statement on p-Values: Context, Process, and Purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
Wasserstein, R. L., Schirm, A. L., & Lazar, N. A. (2019). Moving to a World Beyond “p < 0.05.” The American Statistician, 73(sup1), 1–19. https://doi.org/10.1080/00031305.2019.1583913