Nauki społeczne zmagają się z problemem powtarzalności wyników, co bywa cynicznie wykorzystywane do podważania całej dziedziny. Odpowiedzią nie jest rezygnacja z badań, lecz modernizacja metod, danych i bodźców w akademii.
Gdy „nie da się powtórzyć”, zaczyna się polityka
Słaba powtarzalność części badań w naukach społecznych stała się wygodnym argumentem dla tych, którzy chcą odrzucać niewygodne wnioski o społeczeństwie, edukacji czy zdrowiu publicznym. Problem jest realny, ale jego interpretacja często bywa uproszczona: z faktu, że pewne wyniki nie replikują się w kolejnych próbach, nie wynika automatycznie, że cała wiedza społeczna jest bezwartościowa.
W badaniach nad ludzkim zachowaniem nakładają się na siebie czynniki, których nie da się „zamrozić” jak w laboratorium: zmieniające się normy, różnice między grupami, kontekst instytucjonalny, a nawet język, którym opisujemy doświadczenia. Do tego dochodzą błędy metodologiczne, nadużycia statystyczne i dobór prób, który bywa zbyt wąski, by unieść ciężar daleko idących wniosków.
Za mało obserwacji, za dużo pojęć z codzienności
Jedna z mniej oczywistych przyczyn kryzysu powtarzalności leży u podstaw samego warsztatu: niedostatek systematycznej obserwacji zachowań w naturalnych, codziennych warunkach. W wielu obszarach nauk społecznych startuje się od teorii i kwestionariuszy, a dopiero potem szuka potwierdzeń w danych. Tymczasem w naukach przyrodniczych standardem jest długie „patrzenie na świat” zanim powstanie język opisu i wyjaśniania.
Kłopot polega na tym, że ludzie dysponują rozbudowanym słownikiem do opowiadania o sobie: wiemy, jak nazywać emocje, role społeczne czy motywacje. To ogromny zasób kulturowy, ale nie zawsze dobry materiał na pojęcia naukowe. Terminy używane do codziennego funkcjonowania są elastyczne, nacechowane wartościami i zależne od kontekstu — a właśnie ta „śliskość” utrudnia później odtwarzanie wyników w innych miejscach i czasach.
Język „od środka” kontra język badacza
W naukach społecznych łatwo pomylić perspektywę uczestnika życia społecznego z perspektywą analityka. Opisy „od środka” świetnie służą komunikacji i podejmowaniu decyzji tu i teraz, ale gorzej sprawdzają się jako stabilne narzędzia pomiaru. Jeśli badacz przejmuje potoczne kategorie bez ich operacjonalizacji i bez zakotwiczenia w obserwowalnych wskaźnikach, to kolejne zespoły badawcze mogą w praktyce mierzyć coś innego — nawet jeśli używają tych samych słów.
To także powód, dla którego wyniki potrafią „uciekać” w czasie. Pojęcia społeczne ewoluują, różnią się między kulturami i grupami, a ich znaczenie bywa negocjowane w debacie publicznej. Badanie oparte na takich kategoriach może być trafne w danym momencie, ale słabo przenoszalne, gdy zmienia się kontekst społeczny albo gdy inna populacja rozumie te same terminy inaczej.
Systematyczne przeglądy zamiast kultu pojedynczego badania
Jeśli nauki społeczne mają dostarczać podstaw do decyzji publicznych, nie mogą opierać się na pojedynczych, głośnych publikacjach czy autorytecie jednego eksperta. Coraz większą rolę odgrywają systematyczne przeglądy badań, które w przejrzysty sposób zbierają całość dostępnych dowodów, oceniają ich jakość i pokazują, gdzie wyniki są spójne, a gdzie rozjeżdżają się w zależności od metod i próby.
To podejście nie rozwiązuje wszystkich problemów, ale zmienia logikę dyskusji: zamiast pytać „czy to badanie ma rację?”, pytamy „co wynika z całego korpusu dowodów?”. W praktyce ogranicza to wpływ przypadkowych efektów, publikacyjnej selekcji i medialnej presji na sensację.
Dane jako paliwo, ale też pole minowe
W tle pojawia się postulat modernizacji narzędzi: lepszych, szybszych i bardziej szczegółowych danych publicznych, które pozwolą obserwować zjawiska społeczne w skali porównywalnej z tym, co od dawna jest normą w wielu naukach przyrodniczych. Taka infrastruktura danych może stać się surowcem zarówno dla postępu naukowego, jak i dla sprawniejszego państwa — od polityk rynku pracy po ocenę skutków reform edukacyjnych.
Jednocześnie „więcej danych” nie jest automatycznie równoznaczne z „lepszą wiedzą”. W naukach społecznych dane bywają obciążone błędami pomiaru, stronniczością próby i wpływem instytucji, które je zbierają. Do tego dochodzą ryzyka prywatności i pokusa nadzoru. Modernizacja musi więc iść w parze z jasnymi standardami etycznymi, transparentnością oraz możliwością niezależnej kontroli jakości.
Agenty AI i nowe modele człowieka
Rozwój AI dokłada do dyskusji kolejny wymiar: jeśli modele językowe mają realnie pomagać w rozumieniu świata społecznego, nie wystarczy trenowanie na tekstach. Potrzebne są także „modele świata” i „modele ludzi” — sposoby reprezentowania zachowań, relacji i kontekstów, które wykraczają poza sam język. W tym sensie agenty AI mogą stać się narzędziem do testowania hipotez, symulowania scenariuszy i łączenia rozproszonych źródeł danych.
Ale tu również czai się pułapka: AI potrafi świetnie odtwarzać dominujące wzorce z danych, a niekoniecznie docierać do mechanizmów przyczynowych. Jeśli nauki społeczne mają zyskać na AI, muszą zachować rygor: rozdzielać korelacje od przyczyn, ujawniać założenia modeli i dbać o to, by automatyzacja nie przykryła braków w teorii i pomiarze.
Bodźce w akademii: kto zapłaci za replikacje
Jednym z najbardziej przyziemnych, ale kluczowych problemów jest system nagród. Kariery naukowe buduje się głównie na liczbie i „nośności” publikacji, a nie na żmudnym sprawdzaniu cudzych wyników. Jeśli replikacje są traktowane jako zajęcie drugiej kategorii, to nawet najlepsze apele o rzetelność pozostaną moralizowaniem bez skutków.
Warto więc myśleć o mechanizmach, które premiują wkład w kontrolę jakości: solidne recenzje, udział w procesie peer review, udostępnianie danych i kodu, a także publikowanie wyników negatywnych. To nie jest romantyczna wizja „lepszej nauki”, tylko pragmatyka: bez przesunięcia bodźców instytucjonalnych kryzys powtarzalności będzie wracał, a wraz z nim pokusa, by naukę o społeczeństwie sprowadzać do opinii.
Modernizacja bez złudzeń
Nauki społeczne rzeczywiście stoją przed ogromnym obszarem nieodkrytej wiedzy o tym, jak działają ludzie i instytucje. Jednak skala ambicji musi iść w parze z modernizacją warsztatu: od uważniejszej obserwacji i precyzyjniejszego języka, przez lepsze dane i systematyczne przeglądy, po reformę tego, co akademia uznaje za „zasługę”.
Największym zagrożeniem nie jest to, że część wyników nie przechodzi testu replikacji. Groźniejsze jest utrwalenie fałszywej alternatywy: albo „twarda nauka”, albo „miękkie opinie”. W praktyce potrzebujemy trzeciej drogi — nauk społecznych, które są jednocześnie świadome złożoności świata i bezlitosne wobec własnych słabości metodologicznych.
Oryginalny tekst: The social sciences need tools for the 21st century | Letters