maandag 26 november 2012

Hoe wetenschappelijk onderzoek echt gaat...

Het algemene beeld van wetenschappelijk onderzoek en de werkelijkheid zitten nogal eens ver uit elkaar. Als wetenschapper vond ik het tijd om maar eens een realistisch beeld van hoe wetenschappelijk in het echt gaat de wereld in te sturen. Hieronder mijn pogingen in beeld en schrift.

Hoe wetenschappelijk onderzoek in werkelijkheid gaat

Het algemene beeld van wetenschappelijk onderzoek


Start: Je hebt een vraag.

Stap 1: Lang nadenken tot je een briljant idee hebt over het antwoord.

Stap 2: Uitvoeren in het laboratorium om je antwoord wetenschappelijk te bewijzen.

Stap 3: Je rent naakt door de straat terwijl je "Eureka!" roept en je wint de Nobelprijs als je idee echt heel briljant was.

In het echt gaat dat niet zo. Zo snel en recht-toe-recht-aan werkt de wetenschap alleen in films en TV series. Wetenschappelijk onderzoek in werkelijkheid gaat bijna nooit via zo’n ‘snelweg’. Het gaat eigenlijk altijd via omwegen vol met verkeersdrempels, stoplichten en doodlopende stukken. Bovendien moet je in de meeste gevallen de weg zelf nog aanleggen.

Hoe wetenschappelijk onderzoek dan wel echt gaat


Start: Je hebt een vraag.

Stap 1: Je spit de wetenschappelijke literatuur door en leest stapels wetenschappelijke artikelen door om te zien of iemand dit al uitgezocht heeft. Zo niet, ga verder naar stap 2.

Stap 2: Je gaat nadenken hoe je dit kunt onderzoeken: Welke monsters (samples) gebruik je? Wat is de testgroep? Wat zijn de controles?  Welke technieken en methoden gebruik je? Wat is de hypothese dat getest gaat worden? Wat zullen de verschillende mogelijke uitkomsten betekenen? Hoe kun fouten in de resultaten uitsluiten?

Stap 3: Wetenschappelijke monsters heb je meestal niet in een laatje liggen. Deze moeten dus verzameld worden en ook het andere materiaal dat nodig is voor het onderzoek (zoals reagentia). Dit kan of door het zelf te ‘genereren’ (denk bijvoorbeeld ook aan een biopt nemen van een patiënt), door uitwisseling met andere wetenschappers of door het te kopen bij een bedrijf. Je wil meerdere monsters waarvan je denkt dat ze in dezelfde groep vallen, om zo de variatie in de groep monsters te zien.

Stap 4: Afhankelijk van het onderzoek moeten de monsters eerst voorbehandeld worden om ze geschikt te maken voor het onderzoek dat je wil doen. Eventueel moeten de monsters ook verschillende behandelingen krijgen als je wil onderzoeken hoe de monsters verschillen in hun reactie op de behandeling. Dit moet je meerdere keren herhalen om de variatie die de (voor)behandelingen veroorzaken zichtbaar te krijgen.

Stap 5: Nu moet je meten wat de resultaten eigenlijk zijn. Het resultaat dat je onderzoekt (zoals de reactie op verschillende behandelingen) is meestal niet direct zichtbaar. Deze resultaten moeten eerst zichtbaar gemaakt worden door verschillende technieken en methoden, waarna kan er gemeten worden. Ook het meten zelf kan variatie hebben, dus meet je elk monster en elke behandeling meerdere keren.

Stap 6: Uit de lijst met gemeten resultaten moeten nu nog objectieve conclusies getrokken worden. Dit is meestal niet direct duidelijk en dus is dataverwerking nodig. De verschillende testgroepen moeten vergeleken worden met hun controles en je wil ook kunnen laten zien hoe groot de verschillen zijn. Daarna moet je met statistische berekeningen laten zien dat dit verschil echt is en niet toevallig door kans is ontstaan. In deze statistiek speelt de variatie van de monsters, behandelingen en metingen een grote rol: hoe groter deze variaties, hoe meer je moet testen om een verschil te kunnen zien.

Stap 7a: Ok, je hebt een mooi antwoord op je vraag en een mooie aanwijzing daarvoor. Dit is niet genoeg. Eerst moet je de conclusie die je trekt ook nog op een andere manier laten zien. Dus in een nieuw (onafhankelijk) experiment met een andere aanpak moet je tot hetzelfde antwoord op je vraag komen. Als dat niet zo is, moet je nog meer experimenten doen om te bepalen waarom er een verschil is tussen de conclusies van beide experimenten.

Stap7b: Als je voldoende aanwijzingen hebt gevonden dat je conclusie klopt met verschillende methoden en met verschillende monsters, dan kun je je onderzoek opschrijven in een manuscript. Hierin komt eerst een inleiding van het onderzoek (waarom doe je het, waarom is het belangrijk en wat is er al bekend). Dan vertel je hoe je het onderzocht hebt en welke monsters en materialen je hebt gebruikt. Vervolgens presenteer je je resultaten, die je daarna bediscussieerd (wat betekenen de resultaten, wat zijn de beperkingen van de methoden die gebruikt zijn en welke vragen zijn nog niet beantwoord).

Stap 8: Je stuurt je manuscript op naar een uitgever van een wetenschappelijk tijdschrift. De redacteur stuurt het manuscript door naar anonieme experts (reviewers) in het onderzoeksveld. Deze leveren kritiek op het manuscript en geven aan hoe relevant en belangrijk het onderzoek is. Deze kritiek krijg je teruggestuurd en hier moet je op antwoorden met vaak extra experimenten om bepaalde dingen te verduidelijken of om aanvullende aanwijzingen te verzamelen voor je conclusie. Dit kan meerdere keren heen en weer gestuurd worden, waardoor deze stap veel tijd kan kosten. Het manuscript kan ook worden geweigerd, wat betekent dat je het bij een ander wetenschappelijk tijdschrift kunt proberen of eerst extra experimenten gaat doen om sterkere aanwijzingen te vinden voor je conclusies.

Stap 9 (als je geluk hebt): Je geeft een borrel, want je manuscript is geaccepteerd en wordt gepubliceerd!

Dit is hoe het in theorie gaat. In praktijk gaan er veel dingen mis of werken bepaalde onderzoeken gewoon totaal niet. Dit is op zich logisch, want alles dat wetenschappers onderzoeken is (meestal) nog nooit eerder onderzocht. Voor elk onderzoek ben je dus de eerste die dit ooit doet in de wereld: de eerste keer gaat bijna nooit iets meteen goed. Zeker in fundamenteel onderzoek begin je daarom soms bijna blind aan een onderzoek: met de kennis die je hebt kun je wel een voorspelling doen, maar je weet nooit precies wat je moet verwachten. Het is zoals het weer voorspellen: met goede modellen en ervaring kom je een heel eind, maar je weet het nooit zeker.

Mijn kennis van wetenschappelijk onderzoek is meest gefocussed op biologisch onderzoek. Ik neem aan (daar is hij weer!) dat dit niet ver af ligt van hoe het in andere vakgebieden zal gaan. Als ik er naast zit, dan vraag ik hierbij mijn collega-wetenschappers uit die velden om hieronder een comment achter te laten over hoe het bij hen dan wel werkt. Maar je mag het natuurlijk ook laten weten als ik met dit stuk ook voor jouw vakgebied de spijker op zijn kop sla!

2 opmerkingen:

  1. Leuke blog met gave afbeelding. Zo is 't en niet anders :)

    BeantwoordenVerwijderen