NBIB44: Vetenskaplig metod, analys och statistik. Per Milberg, IFM biologi

Transkript

1 NBIB44: Vetenskaplig metod, analys och statistik Per Milberg, IFM biologi

2 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.

3 Blooms taxonomi för lärandemål

4 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 Gamla tanter lägger inte ägg)

5 Blooms taxonomi för lärandemål

6 Kunskapshanteringsexpert: arbetsmarkandens krav 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

7 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

8 NBIB44: kurslitteratur Statistikbok

9 NBIB44: kurslitteratur Statistikbok Försöksplanering

10 NBIB44: kurslitteratur Statistikbok Försöksplanering Kritiskt tänkande => referenslitteratur; andra kurser

11 3 block: försöksplanering & statistik (1 block: kritiskt tänkande) Föreläsning: försöksplanering & tolkning Seminarium: Era frågor på boken Experimental design Era labrapporter Laborationens design, analys, tolkning

12 Statistik & försöks- planering Per Milberg, IFM biologi

13 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

14 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

15 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

16 och försöksplanering? Hur maximera nyttan när man gör ett experiment Användning 1: själv göra försök Användning 2: tolkning & förståelse

17 Basala insikter i statistik och försöksplanering krävs.. för ett kritiskt förhållningssätt till kunskapens byggstenar

18 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?

19 Försöksplaneringens syfte 1 1) Optimera den statistiska styrkan Pengar Etik Aktieägare, skattebetalare, andra forskare Pengar & lidande 2) Minimera risken för felslut Försöksuppställning Urval, slumpning, dubbelblindning, etc Analysmetod Beakta kön, ålder, tid från diagnos, etc

20 Försöksplaneringens syfte Värdering av försöksupplägg 1) Effektivitet i att klarlägga 2) Minimera risk för felslut 3) Formulering/precisering av frågeställning

21 Myth busters 2: Forskningen är objektiv Val av forskningsfråga Subjektivt Val av metod Subjektivt Insamling av data Objektivt Tolkning av data Objektivt (?)

22 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?

23 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

24 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

25 Bikupa: Observation => tolkning (hypotes) Observation: genomsnittsvikten hos unga män har ökat under perioden 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

26 Bikupa: Observation => tolkning (hypotes) => prediktion Observation: genomsnittsvikten hos unga män har ökat under perioden 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