Czy grupa można przewidzieć wyniki badań? O zastosowaniu rynków predykcyjnych w nauce | Otwarta nauka w Centrum Kopernika #15

W tym odcinku zajmiemy się pytaniem, czy zagregowane opinie grupy osób są w stanie trafnie przewidzieć wyniki badań naukowych np. to, czy badanie uda się zreplikować czy nie. Opowiemy o kilku inicjatywach opierających się na wykorzystaniu w tym celu rynków predykcyjnych, dyskusji grupowej oraz AI. Gospodarzami podcastu są dr Katarzyna Jaśko (Uniwersytet Jagielloński) oraz dr Bartosz Janik (Uniwersytet Śląski w Katowicach). Dofinansowano z programu „Społeczna odpowiedzialność nauki” Ministra Nauki i Szkolnictwa Wyższego w ramach projektu „Otwarta Nauka w Centrum Kopernika”. Literatura i linki: Dreber, A., Pfeiffer, T., Almenberg, J., Isaksson, S., Wilson, B., Chen, Y., ... & Johannesson, M. (2015). Using prediction markets to estimate the reproducibility of scientific research. Proceedings of the National Academy of Sciences, 112(50), 15343-15347. https://www.pnas.org/doi/full/10.1073/pnas.1516179112 Gordon, M., Viganola, D., Dreber, A., Johannesson, M., & Pfeiffer, T. (2021). Predicting replicability—Analysis of survey and prediction market data from large-scale forecasting projects. Plos one, 16(4), e0248780. https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0248780 Viganola, D., Buckles, G., Chen, Y., Diego-Rosell, P., Johannesson, M., Nosek, B. A., ... & Dreber, A. (2021). Using prediction markets to predict the outcomes in the Defense Advanced Research Projects Agency's next-generation social science programme. Royal Society Open Science, 8(7), 181308. https://royalsocietypublishing.org/doi/10.1098/rsos.181308 Yang, Y., Youyou, W., & Uzzi, B. (2020). Estimating the deep replicability of scientific findings using human and artificial intelligence. Proceedings of the National Academy of Sciences, 117(20), 10762-10768. https://www.pnas.org/doi/full/10.1073/pnas.1909046117 Hanson, R. (1995). Could gambling save science? Encouraging an honest consensus. Social Epistemiology. 9, 3-33. https://www.tandfonline.com/doi/pdf/10.1080/02691729508578768?casa_token=mAsxzbQ4T9wAAAAA:wkIUcFNJfqu6TeFH2yfeRHQPQUU4Lg_vgXxbVDccbn0Lv0hizCtIugZieHYC2L3XE-jc7SnuzBU Metascience 2021 "Forecasting Scientific Outcomes" https://www.youtube.com/watch?v=PF5gUL3hGac Pojęcie „otwartej nauki” przywoływane jest nieustannie w aktualnych dyskusjach toczonych w środowisku naukowym. Rozumie się przez nie otwarty (nieodpłatny i nieograniczony czasowo ani terytorialnie) dostęp do publikacji naukowych, a także udostępnianie przez naukowców zarówno wyników badań, jak i zgromadzonych danych oraz algorytmów wykorzystanych do ich przetwarzania. Celem postulowanych przez zwolenników „otwartej nauki” praktyk i rozwiązań jest zwiększenie przejrzystości całego procesu prowadzenia badań naukowych i publikacji ich wyników, unikanie patologii (takich jak oszustwa naukowe) i zwiększenie społecznego zaufania do nauki. Postulaty te wyłoniły się m.in. w odpowiedzi na kryzys replikacyjny, który obejmuje coraz większą liczbę dyscyplin naukowych, wstrząsa podstawami naszej wiedzy i podkopuje społeczne zaufanie do samej nauki. Nie mamy wątpliwości, że nauka odpowiedzialna społecznie musi spełniać kryteria “otwartej nauki”.