Toga dana kada su se Craig Bennett i njegovo troje kolega sa Univerziteta u Santa Barbari prisetili da bi mogli skoknuti do prve riblje pijace po mrtvog lososa, verovatno nisu ni slutili da će za to samo nakon nekoliko meseci primiti Nobelovu nagradu iz neuronauka. Da unapred ne bude zabune, ovo nije još jedan članak o efektima omega 3 masnih kiselina na vašu inteligenciju. Čak ću vas razočarati, losos Craig-a, Abigail, Michael-a i George-a, je umesto u rerni završio ni manje, ni više nego na fmri-ju. Ne, ne guglajte lososa na fmri-ju – nije jestivo. O čemu se onda radi? Naime kada smo rekli Nobelova nagrada, mislili smo na Ig Nobelovu nagradu. Poenta ovih nagrada, kako i piše u prvoj rečenici na njihovom sajtu, jeste da prvo ljude nasmeje, a onda da ih natera da se zamisle. Reč je o nagradi koja se na Harvardu svake godine dodeljuje u raznim oblastima, za naučne radove koji na prvi pogled deluju bizarno, ali koji ukazuju na neke jako važne teme u nauci.
Sigurno se kao i ja pitate, šta ima bizarno u jednom lososu upecanom u Atlantskom okeanu, dugačkom 18 inch-a i teškom 3.8 funti. Dobro jeste pomalo bizarno za šta je upotrebljen. Da vam odam malo manje poznatu informaciju, ovo četvoro nesuđenih kuvara, je pre lososa na fmri prikačilo i jednu bundevu i jednu mrtvu kokošku. Dokle više i/ili zašto pobogu? Naime, izgovor im je bio to što su morali prvo da testiraju mašinu. Kako saznajem, fmri se obično testira tako što se koristi veliki balon napunjem parafinskim uljem, kao kontrola. Znači autori ove studije nisu hteli ništa čudno, samo nešto malo drugačije, odnosno drugačije teksture. Nakon što su na bundevi i kokoški dobili nejasne signale, odlučili su se za lososa. Kada su uzeli mrtvog lososa i priključili ga na fmri, počeli su da mu mere moždanu aktivnost dok mu prikazuju slike ljudi u socijalnim situacijama. Poprilično nezanimljiv materijal za jednog mrtvog lososa, reklo bi se. I kao da nije bilo dovoljno što su stimulusi bili više nego neprilagođeni ispitaniku, istraživači su ga pitali da odgovori kako su se ljudi na slikama osećali. Osim što je losos odbio saradnju, iza njega su ostale gomile informacija (takozvanih voksela) na fmri-ju. Tačnije nakon ovog snimanja mrtvog lososa je dobijeno 130.000 voksela.
I sve ovo ne bi bilo toliko iznenađujuće da Bennett i kolege nisu staitički poredili promenu u BOLD signalu mrtvog lososa tokom prikazivanja slika ljudi i u periodu mirovanja i dobili statistički značajnu razliku. U prevodu dobili su moždanu aktivnost kod sada već ne samo mrtvog, već i ljudskim fotografijama smorenog lososa. Ovo epohalno otkriće o moždanoj aktivnosti mrtvog lososa, bi vrlo lako moglo postati senzacija na internetu, da autori nisu vrlo odgovorno plasirali rezultate svog istraživanja. Naime, reč je o statističkoj grešci. U statistici postoji konsenzus da α nivo iznosi 1% prema strožem, i 5% prema blažem kriterijumu. To znači da imate 1%, odnosno 5% šanse da ćete dobiti falš pozitiv, odnosno da ćete dobiti statistički značajnu razliku ili povezanost, kada ona ne postoji (Greška tipa 1). Što više puta ponavljamo jedan te isti eksperiment ili što imamo više mogućih poređenja (a koliko li ih tek ima u matrici sa 130.000 podataka), to raste šansa da ćemo reći da razlika postoji i ako je nema.
Sada kada smo sigurni da smo vam privukli pažnju lososom sa fotografijama ljudi, red je da falš pozitivima, pridodamo priču i o falš negativima. Ko vam je kriv što niste na vreme naslutili da kada postoji Greška tipa 1, mora biti bar i Greška tipa 2. Ono o čemu istraživači greše jeste da poistovećuju nivo značajnosti od 1% ili 5% sa verovatnoćom da će u istraživanju pogrešiti. Žao mi je što vam baš ja to saopštavam, ali verovatnoća da ćete doneti pogrešan zaključak u vašem istraživanju je mnogo veća od toga. 1% i 5% se odnose samo na grešku tipa 1 ili falš pozitive. U tom procentu ćemo kada razlike ili povezanosti između dve pojave ili stanja nema, dobiti rezultat da je ipak ima. Nakon toga dolazimo do greške tipa 2 ili falš negativa. Ovi dogovoreni procenti nemaju nikakve veze sa našom statističkom snagom, odnosno greškom tipa 2. Statistička snaga se tiče toga da li ćemo uspeti da detektujemo povezanost ili razliku između dve pojave, kada ta razlika zaista postoji. Greška tipa 2 bi se stoga odnosila na situaciju u kojoj dobijamo statistički neznačajan rezultat, odnosno da nema povezanosti ili razlike između dve pojave, kada u realnosti to nije slučaj, odnosno kada razlika/povezanost postoji. Ono što je zajedničko istraživanjima u raznim oblastima jeste da o grešci tipa 2 ili procentu falš negativa ne vode previše računa. I dok za falš pozitive postoji tih čuvenih 1% ili 5% istraživači obično nemaju pojma koji je procenat verovatnoće bio da ne detektuju razliku, kada ona u realnosti postoji. Neka istraživanja čak pokazuju da je taj procenat ogroman, a u nekim oblastima je u slučaju kada razlika među grupama zaista postoji, bolje da bacite novičić nego da sprovodite istraživanje.
Da i za falš negative ne manjka ilustracija poslužićemo se gornjom fotografijom. Na prikazanoj fotografiji bi se to odnosilo na grešku koju doktorica čini dok saopštava ženi sa velikim stomakom da nije trudna. A možda je samo umela da iskoristi bundeve, piliće i losose na mnogo bolji način.