Tengo un amigo que ha estado trabajando en una tesis doctoral durante más de 3 años y se supone que debe terminarla. Desafortunadamente, su tesis involucra un modelo complejo y llena el modelo con datos difíciles de obtener. Después de haber reunido finalmente todos los datos y haberlos insertado en el modelo, descubre que la teoría es más o menos no predictiva y no funciona. En otras palabras, tenía una teoría interesante, después de haber sido probada contra los datos resulta que la teoría es incorrecta.
Entonces, en esta situación, ¿qué harías? ¿Simplemente escribir una disertación que diga, "bueno, cuatro años de investigación muestran que esta teoría es incorrecta"?
¿Por qué la teoría estaba equivocada? "No funcionó" no es el final; el final es saber por qué no funcionó. Hay al menos dos posibles respuestas:
Parece que los datos también son valiosos. Incluso si se trata de comenzar de nuevo, este conjunto de datos parece que podría conducir a una publicación o ser un ingrediente en la nueva tesis.
La investigación no se trata de tomar una declaración y probar que es verdad . Eso supondría que, de hecho, es cierto sin que se haya realizado la investigación. La investigación consiste en determinar si algo es cierto o no.
Pero hay dos posibilidades aquí. Uno, que ocurre en los estudios estadísticos, es un resultado que muestra evidencia insuficiente de que la teoría es verdadera. Otro, que puede ocurrir allí o, digamos, en las matemáticas, es un resultado que muestra que la teoría está claramente equivocada.
El primero de ellos es un experimento fallido. Puede decir poco sobre el modelo. Pero este último es un resultado definitivo. "Pensamos que esto podría ser cierto y nos enteramos de que no lo es".
Tenga en cuenta que en las pruebas estadísticas, una fracción de las muestras utilizadas dará resultados falsos. Si el estudio está bien diseñado, entonces puedes predecir cuál es esa fracción, digamos .01.
Pero mostrar que un modelo o una teoría es claramente incorrecta da como resultado una buena tesis y sí, dices "¡¡¡Esta teoría es incorrecta!!!"
Sin embargo, una teoría estadística fallida puede requerir más trabajo, o el asesor y el comité pueden aceptarla, siempre que el diseño sea bueno y todo lo demás se haya hecho con cuidado y de buena fe.
El conocimiento es conocimiento y es bueno, ya sea positivo o negativo.
De hecho, muchos estudios publicados luego resultan ser falsos porque los investigadores comenzaron con una noción preconcebida de la verdad e hicieron lo que pudieron para "hacer que así fuera". Eso no es investigación. La investigación es adentrarse en lo desconocido para intentar darlo a conocer.
Obviamente, el primer paso es hablar con su supervisor al respecto, asegurarse de que todos estén en la misma página y determinar los requisitos para una tesis doctoral en su departamento en particular. En algunos casos, es posible que tenga varios artículos revisados por pares ya publicados que puede usar para compilar juntos para crear su tesis doctoral; en otros casos, esto podría no estar permitido, o podría no ser posible si aún no ha publicado nada. Sin embargo, independientemente de la situación, deben comprender los requisitos que su departamento le impone para completar con éxito su doctorado.
Sin embargo, independientemente de cómo estructure su trabajo de tesis, probablemente terminará explicando las metodologías que ha utilizado para producir el modelo, recopilar los datos y luego analizar los resultados del modelo usando los datos para llegar a la conclusión de que hay apoyo insuficiente para concluir que su hipótesis era verdadera. Según las normas de su departamento, es posible que publique o no el código que utilizó para producir su modelo de código abierto.
Su pregunta ilustra que el sesgo de publicación comienza en la escuela de posgrado (o incluso antes). Para citar el artículo de Wikipedia :
El sesgo de publicación es un tipo de sesgo que ocurre en la investigación académica publicada. Ocurre cuando el resultado de un experimento o estudio de investigación influye en la decisión de publicarlo o distribuirlo. Publicar solo los resultados que muestran un hallazgo significativo perturba el equilibrio de los hallazgos e inserta un sesgo a favor de los resultados positivos.
Si esta investigación se basa en un famoso modelo preexistente, tal vez ese modelo solo haya sobrevivido tanto tiempo porque el sesgo de publicación lo ha protegido de la refutación. La investigación que va en contra de un modelo no solo es adecuada para un doctorado, sino que podría ser sutilmente perjudicial para la comunidad investigadora en general enterrarla. Obviamente, no conozco los detalles del caso, pero según lo que ha dicho, parece una buena disertación de la que estar orgulloso, en lugar de algo por lo que disculparse.
EN MI HUMILDE OPINIÓN. Lo primero que debe hacer es avisar al director de tesis de inmediato. Hay una cuestión de integridad que siempre debe estar en primer plano: el asesor nunca debe tener una excusa para cuestionar la veracidad de su amigo. Esto es importante para el segundo paso. Si el asesor apoya personalmente el descubrimiento de algo que no es cierto, hablará con sus pares y buscará apoyo para una defensa formal. Si tiene el apoyo de sus compañeros, dejará que la defensa siga adelante (con una reescritura, por supuesto). Después de todo, ¿no es este el propósito de una tesis: descubrir algo que no se sabía antes? Recuerde, el asesor también tiene "piel en el juego". Si deja que proceda una defensa y es derribada, pierde la "cara". Si él cree en tu amigo, tiene una buena oportunidad.
Las personas, sus relaciones y los aspectos organizativos del proceso suelen ser más importantes que el resultado final, pero no existe una razón fundamental por la que un resultado negativo no descubra algo que valga la pena informar. Después de todo, el fármaco Sildenafil fracasó en sus ensayos clínicos hasta que alguien leyó un memorando interdepartamental y vio los resultados negativos de manera diferente.
Por cierto. Pasé 20 años en una empresa Fortune 500, una parte de ese tiempo como gerente. No tengo un doctorado, pero sí conozco personas y procesos. El problema de tu amigo no es diferente. ¡Dile a tu amigo que tiene esto y felicitaciones por terminar la investigación! Anímalo a no ser un ABD, ¡tu amigo es tan cercano!
Si supieras la respuesta antes de comenzar, no sería realmente una investigación.
Ha habido muchas teorías que resultaron ser incorrectas. Un ejemplo reciente es la supersimetría . Esta idea de la física de partículas era realmente atractiva por muchas razones, y muchos físicos dedicaron sus carreras a trabajar en la teoría. Aún así, el LHC no ha detectado partículas supersimétricas, lo que está demostrando ser un problema importante .
Su amigo debe hablar con su asesor sobre el tema, pero no debe preocuparse demasiado por entregar una tesis que diga "bueno, cuatro años de investigación muestran que esta teoría es incorrecta". Estaría en buena compañía.
Mi asesor ha dicho al comienzo de los talleres, que las tesis que resultaron ser incorrectas suelen caracterizar a las mejores disertaciones.
La explicación es simple: si su tesis resulta ser correcta, entonces, en la mayoría de los casos, ha demostrado que algo que se cree que es correcto es correcto. En la mayoría de los casos, no avanza nada. Por otro lado, si se demostró que su tesis estaba equivocada, eso es mucho más interesante. Seguramente ha discutido su tesis inicial con su asesor, también coincide con su estado inicial de conocimiento que obtuvo de los libros. Pero luego has encontrado algo que no coincide con ese estado de conocimiento. Si puede averiguar por qué su tesis original estaba equivocada, tiene un gran potencial para aportar algo nuevo a la ciencia.
Trabajando con lo que tienes:
¿Error en qué sentido? ¿"No se puede mostrar significación estadística" o "se puede mostrar que lo contrario es cierto"? Si puede decir algo definitivo, como que lo contrario es cierto, entonces puede formular un nuevo modelo que sea mejor que el anterior (porque concuerda con la evidencia).
Si todo lo que tiene es "sin importancia", entonces eso es menos jugoso, pero aún puede escribir un artículo sobre "el modelo X falla en la circunstancia Y, y estos son mis argumentos por los que creo que Z es la causa".
Los datos difíciles de obtener son una perspectiva interesante. Si tomó años obtener estos datos, entonces publicarlos para que otra persona no necesite años para recopilarlos puede ser científicamente valioso. Si tomó años obtener estos datos, presumiblemente otras personas no han tenido muchas oportunidades de estudiar y analizar los datos, y también puede escribir sobre eso.
En total, tienes cosas sobre las que escribir que le tomó a una persona inteligente tres años de trabajo serio reunir. Y has aprendido sobre los altibajos de la investigación. Trabaja con tu supervisor para encontrar una nueva dirección para la tesis. Pero debería poder escribir una tesis sólida que demuestre que ha aprendido a investigar y presente los resultados de la investigación que aún no estaban disponibles para la comunidad científica (es sorprendentemente difícil obtener datos y conocimientos sobre qué enfoque de modelado). no funciona).
Estructuraría un documento titulado "Sobre la no sustentabilidad de la hipótesis de que...".
Este documento puede ser un informe de investigación, un artículo de revista, un capítulo de tesis, cualquier cosa. Mientras se escribe, la lógica de los pensamientos se desplegará; tal vez incluso puedas encontrar que no es cierto que todo está mal. Todas las demás reacciones dadas en este hilo contribuyen a proporcionar motivación y caminos sensatos a seguir.
En términos de autorreflexión, además de un montón de sesgos de juicio que ocurren con frecuencia , tenga en cuenta también el sesgo del impostor : incluso hay una lista de reproducción de charlas TED para elegir la variante más adecuada.
Finalmente, como inspiración, podría ser interesante mirar las líneas editoriales de las revistas que publican 'estudios de fallas' como diferentes de 'estudios fallidos'. Uno en la comunidad médica del que escuché es el Journal of Negative Results in Biomedicine . Me imagino que es importante recopilar el vocabulario apropiado para explicar los "estudios de fallas" , y puede ser útil tomar prestado de cualquier fuente confiable.
bob marrón
bryan krause
Tyler Durden
bryan krause
Ethan Bolker
Emory
bta
CamilB
imagen357
WoJ
mercurio0114
Hagen von Eitzen