"Lie to me / Convince me that I’ve been sick forever / And all of this / will make sense when I get better / I know the difference / between myself and my reflection / I just can’t help but to wonder / which of us do you love."
(Evanescence, "Breathe No More")
Kokeellisissa tieteissä etsitään korrelaatioita, Koska tutkimme mitä tapahtuu kun jokin asia toimii, etsimme säännönmukaisia seurauksia. Kun tarkastellaan korrelaatioita, esitetään siis että jonkinlaisia mitattavaa yhteneväisyyksiä on olemassa. Kausaliteetti kuvataan usein metaforan kautta: Sitä verrataan mekanismiin. Kun jotain tapahtuu, siitä seuraa jotakin.
Kokeissa yritetään selvittää miten maailma toimii, joten sen kannalta tärkeää on että asiat tapahtuvat koeasetelmissa tietyllä tavalla ja toistettavasti. Kun tehdään näin, oletetaan että on mahdollista etsiä jonkinlaisia säännönmukaisuuksia. Tämä tarkoittaa sitä, että kausaliteettia etsiessä oletetaan että maailmassa on jonkinasteinen lainmukaisuus : Vesiputoukset eivät (lähes) ikinä virtaa ylävirtaan ja niin edespäin. Syy tähän voi tietysti olla pohjimmiltaan indeterministinen: Jos nopat olisivat aidosti satunnaisia, niiden heittojen odotettavissa tuleva tulos lähestyisi tilastollisesti 3,5:ttä kun noppien määrää kasvatettaisiin. Jokainen yksittäinen nopanheitto olisi siis satunnainen, mutta niiden tuloksista syntyisi käyrä joka saisi tietyn muodon ja tietyt rajat. Tutkimuksessa oletetaan että näitä sääntöjä voidaan etsiä ja käyttää hyväksi esimerkiksi arkielämässämme. Pragmaattisesti ajatellen tämä näyttää uskottavalta.
Määritelmiä:
1: Humesta syy ja seuraus ovat toisistaan käsitteellisesti riippumattomia, mutta niiden välillä on silti jatkuvuus. "Syy on olio, josta seuraa toinen, jolloin kaikkia edellisen kanssa samanlaisia olioita seuraavat jälkimmäisen kanssa samanlaiset oliot, tai toisin sanoen, jolloin siinä tapauksessa, että edellistä ei olisi, toistakaan ei olisi." Humen käsitteen mukaan syntyi syyn ja seurauksen regulariteettiteoria, jota käsitellään kausaalianalyysillä. Tässä ajattelussa jokin asia on toisen asiasn syy vain jos jokaista tapahtumaa seuraa toinen tapahtuma. Humen näkemyksen mukaan on mahdotonta olla samanaikaisesti ilmiön syy ja seuraus ja myös ajassa taaksepäin vaikuttava syy-seuraussuhde on ehdottomasti mahdoton.
___1.1: Humen mallissa ongelmana on se, että vain harva asia täyttää hänen ehtonsa. Useimmissa säännönmukaisuuksissa tunnetaan erilaisia anomalioita. Ja usein sallitaan tilastollinen korrelaatio. Tämä on tulkittu myös siten että syy-seuraussuhteet ovat itse asiassa harvinaisia. Monien mielestä tämä kuitenkin osoittaa että Humen syy-seuraisketjun vaatimus on epärealistisen tiukka.
2: Tieteellisessä realismissa ajatellaan usein, että ei ole syytä vaatia poikkeuksettomia säännönmukaisuuksia. Tässä näkemyksessä korostetaan sitä että havaittava säännönmukaisuus ei tarkoita samaa asiaa kuin ontologinen kausaalilaki. Emme havaitse syy-seuraussuhdetta, mutta voimme havaita erilaisia korrelaatioita, jotka ovat hyödyllisiä, vaikka ne eivät suoraan komennakaan ja pakota tapahtumia juuri tietylle uralle. Ne kuitenkin painottavat todennäköisyyksiä ja tätä kautta kertovat meille jotakin.
3: Kontrafaktuaaliteoriassa ajatellaan että syy on sellainen elementti, jonka kyseisissä olosuhteissa pois jääminen tai muuttaminen olisi aikaansaanut sen, että seuraus olisi jäänyt tapahtumatta. Tämä tarkoittaa sitä että näkemys hyväksyy myös redundantin kausaation, jossa usea eri elementti aikaansaa saman tapahtuman. (Eli jos teloituskompanjassa ammutaan paljon luoteja, joista moni olisi yksinään letaali, nämä kaikki ovat syitä tapahtumalle.) Toisaalta se on herkkä määritelmällisille virheille. Tuntuisi hieman erikoiselta väittää että torstai on perjantain syy ja perjantai torstain seuraus.
4: Agenttiteorian, mukaan syy ja seuraus riippuvat toisistaan ; Kun tuotamme syyn, voimme saada seurauksen.
___4.1: Ongelmana tässä käsitteessä on se, että se voi käsitellä vain sellaisia asioita, joita voimme manipuloida. Tämä tarkoittaa sitä että tutkimukseen vaadittaisiin aina älyllinen agentti, joka taas ei ole kaukana siitä että sanoisi että kaikki kausaalisyyt joita tiede voi tutkia ovat jollain lailla ihmisen aikaansaamia. Tämän seurauksena on syytä miettiä esimerkiksi sitä, että jos kokeita tuottava mieli olisi aivan erilainen, olisivatko myös saadut yhteydet aivan yhtä erilaisia.
5: INUS -ehto (Insufficient but Non-redundant part of an Unnecessary but Sufficient condition) on näkemys, jonka mukaan syy on ei-välttämätön, mutta riittävä syy joka aikaansaa seurauksen, eikä muita seurauksen aiheuttavia ei-välttämättömiä mutta riittäviä syitä ollut läsnä.
6: Dowen ja Salmonin kehittämän prosessiteorian mukaan "Kausaalinen prosessi on säilytetyn kvantiteetin omaavan objektin maailmanviiva ja kausaalinen vuorovaikutus on maailmanviivojen kohtaaminen, jossa tapahtuu säilytetyn kvantiteetin vaihtoa". Tämä tarkoittaa sitä että analyysi ei perustu käsiteanalyysiin vaan empiriaan. Siinä kvantiteetti voi olla suure, kuten liikemäärä ja maailmanviiva taas on aika -avaruus. Tässä näkemyksessä tärkeintä on sen erottaminen, onko kausaaliprosessi aito vai pseudoprosessi: Esimerkiksi kun puhutaan nopeuksista ja taskulampun valokiilasta, ja Einsteinin suhteellisuusteoriasta, on tärkeää huomata että käden varon liike on pseudoprosessi: Kun heilutamme kättä taskulampun valokiilassa, käden varjo on takaseinällä isompi kuin lampun edessä. Kun heilutamme kättä lampun edessä, liike seinällä on paljon suurempi kuin lampun edessä. Tätä hyväksikäyttäen voimme siirtyä kohti universumia, ja heiluttamalla kättämme, saamme itse asiassa näkymään varjon, joka heiluu jossakin valoa nopeammin. Tämä ei tietenkään riko Suhteellisuusteoriaa, koska testissä olevat aidot kausaaliprosessit, eli valokiila, itse asiassa koostuu useista valonsäteistä, jotka kulkevat viivasuoraan. (Käden varjo etenee valokiilan mukana etäisyydelle X, joka on "takaseinä jonka suhteessa varjo heiluu) valon nopeudella. Samoin käsi heiluu valoa hitaammin, kiilan levetessä mittasuhteet vain muuttuvat.
Koejärjestelmien asettelusta:
Tieteessä koetta tehtäessä pyritään etsimään mahdollisimman yksiselitteisiä sääntöjä. Tämä johtaa siihen että koejärjestelyjä mietitään paljon ja tarkasti. Tämä taas johtuu siitä, että koejärjestelyissä pyritään tekemään suljettu järjestelmä, jossa testitilanteet eroavat vain yhden muuttujan verran: Esimerkiksi jos vertailemme pesuaineiden tehoja, etsimme korrelaatiota puhtaisiin vaatteisiin. Pesutuloksissa on kuitenkin eri elementtejä:
1: Pesukonemerkkejä on useita, eivätkä ne ole samanlaisia.
2: Pesukoneilla on eri pesulämpötiloja.
3: Pesukoneita voidaan käyttää eri pitkiä aikoja.
4: Pesukoneet kuluvat ja saavat toimintahäiriöitä.
5: Vaatteet ovat eri tasoisesti likaisia.
6: Vaatteissa on erilaisia likoja.
7: Vaatteissa lika on ollut eri aikoja.
8: Vaatteissa on eri määrä likaa.
9: Pesuaineita on useita erilaisia.
10: Pesuaineita käytetään eri määriä.
11: Vaatteiden eri materiaalit suhtautuvat likaan eri tavoilla.
12: Myös vaatteiden koko voi vaikuttaa.
13: Merkityksetöntä ei välttämättä ole myöskään se, miten täynnä kone on pestäessä.
Kun siis teemme vertailun, jokainen tajuaa että tilanne on epäreilu, jos mainostettavaa pesuainetata käytetään paljon vesivärillä sotkettuun paitaan, ja pesuohjelman annetaan pyöriä kauan, kun taas vertailtavan pesuainetta laitetaan lusikallinen, ohjelmaa pyöritetään vain hetki ja sotkukin on kuivunutta verta ja pinttyneitä öljymaaleja - vaikka nämä elementit eivät tarkoitakaan sitä että ensimmäinen pesuaine ei todella olisi parempaa. Tämä sama asia korostuu, kun yritetään selvittää mahdollisimman varmasti sitä, että joku väitetty elementti todella oli luonteeltaan sellainen, että sen läsnäolo todella vaikuttaa lopputulokseen väitetyllä tavalla.
Kausaliteetin erikoisuuksia.
1: Tosiasiassa emme voi koskaan tietää ovatko kaikki mahdolliset elementit otettu huomioon ; Emme voi eliminoida kaikkia mahdollisia elementtejä - esimerkiksi emme voi ottaa huomioon niitä hypoteeseja ja luonnonilmiöitä, joita ei vielä ole keksitty. Eli vaikka käytimme samaa pesuainetta samanlaisiin tahroihin, kone hajosi ensimmäisen pesun aikana hieman tavalla joka vaikutti toiseen tulokseen: Myös ihan huolimattomuus voi vaikuttaa. Eräässä nimeltä mainitsemattomassa porsaiden syntymäpainoja mittaavassa tutkimuksessa possut laitettiin punnituspussiin ja punnittiin. Huomattiin että paikka käytävällä oli painolle korrelaatio. Tulos oli yllättävä - ja väärä, koska porsaita punnittiin järjestelmällisesti lähtien käytävän päästä ja punnitsija unohti että porsaat päästävät hätiään punnituspussiin hieman, jolloin tämän painosta osa jää punnituspussiin. Ja tämä paino tuotti sen pienen korrelaation. Tämä yllättävä tekijä oli confounding factor. Tämän vuoksi tutkimuksissa etsitään yhteyksiä, jotka oletetaan jonkinlaiseksi syy-yhteydeksi. Toisin sanoen koejärjestelmissä pyritään testaamaan rajatussa syteemeissä, joissa asioihin puututaan aktiivisesti. Erikoista kyllä, voimme esittää että juuri tämä aktiivinen toiminta on ero koeaineiston ja todellisuuden välillä, jolloin voidaankin väittää että kun havaittavat säännönmukaisuudet ovat syntyneet tilanteessa jossa on aktiivista ja huolellista ja järjestelmällistä puuttumista tapahtumien kulkuun, tieteentekijä voikin koejärjestely itse luoda kausaalilait. Tämän pohjalta on jopa esitettu, että kausaalilait pätevät vain kokeellisesti tuotetuissa suljetuissa systeemeissä, eivätkä siksi mitenkään selitä asioita avoimissa systeemeissä, kuten luonnossa. Toiset taas ovat sitä mieltä, että pyrkimys erojen minimointiin on tärkeää, ja että syy voi olla myös juuri siinä elementissä, joka koejärjestelmässä on. Tämän suositun näkemyksen mukaan rautanaula ruostuu vedessä koeputkessa laboratoriossa samalla tavalla kuin se ruostuu luonnossa, eikä suinkaan niin että kokeessa ruostutettu naula ruostuisi siksi että se on laboratoriossa. (''Anyone buying?'' kysyisi muutama tietämäni henkilö..)
2: Simpsonin paradoksi (Simpson's Paradox) on havainto siitä, että mikä tahansa havaittu korrelaatio, eli tilastollinen suhde kahden muuttujan välillä, voi kääntyä päinvastaiseksi, jos löydetään jokin muuttuja joka korreloi molempien kanssa. Se ei siis oikeastaan ole paradoksi, vaan yllättävä tulos. Simpsonin paradoksi on vain erikoistapa siitä, kuinka empiriassa sekoittava tekijä (confounding factor) voi vaikuttaa lopputulokseen. Jos esimerkiksi havaitaan, että miehet paranevat tilastollisesti useammin käyttämällä jotain lääkettä kuin naiset, voidaan havaita että paraneminen johtuukin siitä että miehet ottavat lääkkeensä useammin. Voidaankin havaita että lääkettä ottaneiden naisten joukossa lääke tehoaa useammin kuin miehiin, jolloin itse lääke tosiasiassa toimisikin paremmin naisilla kuin miehillä. Samoin jos esimerkiksi "kansanryhmä X tunnetusti varastaa" voikin olla niin että kun mittariksi otetaan slummissa asuminen, joka on "yleisempää kansanryhmällä X" kuin muilla, havaitaankin että "kansanryhmän X jäsen varastaakin vähemmän kuin muut yhtä köyhästi elävät". Näitä ilmiöitä on havaittu melko runsaasti, ja nämä huomiot ovat tietenkin tarkentaneet tietoamme. Paradoksi on merkittävä ongelma tilastotieteelliselle analyysille, sillä sen kiertämiseksi ei ole mitään täsmällistä metodia. Emme voi kuin löytää erilaisia mielenkiintoisia korrelaatioita, jotka voivat muuttua päälaelleen jos niiden takaa löydetään jokin uusi tekijä. Eikä silloinkaan ole mitään taetta siitä, että tässä tilanteessa olisi oikeat valittuna taustatekijät. Lindlay ja Novick kun ovat osoittaneet, että olisi jokin menetelmä, jolla aineistosta voitaisiin tunnistaa suoraan, mitä tekijöitä siinä tulisi käsitellä. Esimerkiksi Judea Pearl on tämän vuoksi sitä mieltä, että todennäköisyyslaskenta on yksinään riittämätön menetelmä, jotta asioiden väliset aidot syy-seuraussuhteet voitaisiin selvittää, hän korostaa ratkaisussaan "paradoksin" empiirisen luonteen ymmärtämistä. Ongelma johtuu tietenkin taustatiedosta : Päätelmämme ovat perusteltuja vain kontekstissa. Tämä siis korostaa sitä että kun tieteessä mitataan korrelaatioita, on olemassa vain tietoa toistaiseksi: Voi olla että takaa löytyy uusia elementtejä ja tietomme muuttuvat ajan kanssa. Mutta itse koetulokset säilyvät, ja uudetkin muutokset -sekä ne joissa elementti löytyy, että ne joissa sitä ei löydy - käyvät erilaisia testauksia läpi. ja voimme tätä kautta lähestyä tietoa, vaikka se toki voikin matkan varrella heilahdella siten, että ulkopuolista hirvittää.
3: Yleisesti ajatellaan, että seuraus on aina jonkun syy, on oletettava että jokin asia on causa sui, eli itse itsensä syy, koska muutoin joutuisimme aina etsimään syyn : Jos esimerkiksi jokin tapahtuma on seurausta X:ästä, kaikelle olisi oltava selitys, eli jokin aiheuttaja, tulisi selvittää mikä on syy Y, jonka seurausta X on. Koska tälläinen olisi argumentoinnin virhe "ad infinitum", on täysin sallittua hyväksyä että jokin on itse itsensä syy. Tuomas Akvinolainen esitti että tämä on Jumala. Ateisti taas voi laittaa alkusyyksi vaikkapa baryogeneesin tai kvanttifluktuaation. Kummankaan käsityksen järkevyys ei siis vaarannu, vaikka ensimmäinen porras jääkin selittämättä. (Sen sijaan esimerkiksi Jumalallinen ilmoitus ei voi olla causa sui, koska se on lähtöisin esimerkiksi Jumalasta. Tälläisen tiedon alkuperän todistamiselta ei siksi voi paeta.)
4: Induktion ongelman mukaan korrelaatiosta ei voi koskaan suoraan osoittaa että asiat vaikuttaisivat toisiinsa, eikä syy-seuraussuhdetta voida koskaan osoittaa varmasti todeksi. Korrelaatiosta ei voida koskaan tietää, että onko niiden takana ylimääräinen elementti (jäätelön syöminen ei aiheuta hukkumisia, mutta lämpimät päivät yhdistävät hukkumiset ja jäätelönsyönnin epäsuorasti.) Korrelaatiosta on joskus myös vaikeaa nähdä sitä, kumpi on syy ja kumpi on seuraus. Tähän tarvitaan usein esimerkiksi ajallisuutta tarkastelevaa analyysiä, eli sen tarkastelemista kumpi asioista tapahtuu ensin.
Ei kommentteja:
Lähetä kommentti