By Jeff Glassman
Summary
' Neste artigo, Jeff Glassman argumenta que a validade dos modelos científicos deve ser julgada com base em uma hierarquia de conjectura, hipótese, teoria e lei. Ele fornece definições e exemplos de cada um, enfatizando que a ciência se baseia em fatos e medições comparadas a padrões. Glassman critica visões que promovem inadequadamente modelos, como design inteligente ou mudança climática antropogênica, como teorias validadas quando na verdade são apenas conjecturas. Ele argumenta que as políticas públicas não devem se basear em modelos não validados, pois isso é antiético. Glassman defende uma maior alfabetização científica pública em relação à base do argumento racional e ao processo de avanço dos modelos de conjectura para teoria e para lei. Sua estrutura visa equipar o público leigo para melhor avaliar as afirmações científicas e proteger contra a exploração da ciência.'
'Neste artigo, Jeff Glassman fala sobre a validade dos modelos científicos e as diferenças entre teoria e conjectura. Cientistas usam modelos para entender o mundo. Esses modelos começam como ideias simples chamadas conjecturas. À medida que mais evidências são coletadas, as conjecturas podem se tornar modelos mais fortes chamados hipóteses. Com ainda mais prova, as hipóteses podem se transformar em teorias. Teorias com evidências de validação se tornam leis científicas. Há regras para este processo. Primeiro, a ciência depende de fatos e medidas. Os modelos devem se ajustar a todos os dados, não apenas a parte deles. Um modelo ganha força ao fazer novas previsões que são então testadas. Os argumentos devem ser baseados em evidências disponíveis para qualquer um. Às vezes as pessoas chamam de “teorias” modelos fracos quando na verdade são apenas conjecturas. Glassman usa o conceito de "design inteligente" para ilustrar a conjectura. Design inteligente é a ideia de que os seres vivos são tão complexos, alguém deve tê-los projetado. Aqueles que acreditam em design inteligente acham que partes da vida, como o olho humano, não poderiam ter se formado por acaso. Em vez disso, eles acreditam que um ser superior, como um deus, ajudou a fazer os seres vivos como eles são. Glassman aponta que muitas vezes o "design inteligente" é considerado uma "teoria", mas não é comprovado. Então é uma conjectura. As pessoas também chamam o aquecimento global de fato. Mas ainda é uma conjectura, não uma teoria científica completa. Mais testes são necessários primeiro. Quando as pessoas promovem conjecturas como teorias comprovadas, isso pode enganar o público. As pessoas confundem uma ideia com um fato comprovado quando é apenas uma ideia, ou um palpite. Cientistas devem ser cuidadosos e honestos ao usar modelos e falar sobre suas descobertas para não superestimar o que encontraram ou o que é “provado” pelo modelo. Eles devem explicar o estágio envolvido na modelagem e claramente deixar as pessoas saberem onde estão no contínuo de conjectura, hipótese, teoria e lei. Os alunos devem aprender a diferença entre conjecturas e teorias. Isso os ajudará a distinguir boa ciência de ciência ruim. Isso permitirá que eles detectem quando um cientista está superestimando seus resultados. Em resumo, os modelos crescem passo a passo de conjecturas para hipóteses para teorias para leis. Os cientistas devem testar seus modelos em cada estágio. Fatos e medidas guiam o processo. Os alunos devem entender esse caminho do modelo. Conhecê-lo ajuda a distinguir ciência forte de ideias não testadas. Isso protege o público de afirmações enganosas. Melhora a alfabetização científica para todos.'
--------- Original ---------
Last year, Lee Smolin published a book with a most provocative title: The Trouble with Physics: The Rise of String Theory, the Fall of a Science, and What Comes Next. This title promises brimstone for the fire of creationism, and that should sell an extra few thousand copies.
If mathematics is the Queen of Science (borrowing from Mathematics: Queen and Servant of Science, a classic by Eric Temple Bell), then physics is the King. It has been the exemplar of science. So, has the revolution begun?
'No seguinte artigo escrito por Jeff Glassman, ele mergulha no complexo mundo da modelagem científica, destacando as fases de desenvolvimento e a importância de distinguir entre fatos estabelecidos e mera especulação. Glassman lança luz sobre como os modelos evoluem com base em evidências e discute os padrões que devem ser seguidos em investigações científicas. Os cientistas usam modelos para representar coisas no mundo real. Esses modelos começam como conjecturas e podem se tornar mais fortes à medida que mais evidências os apoiam. Conjecturas com algumas evidências se tornam hipóteses. Hipóteses extensivamente testadas se transformam em teorias. Teorias com vastas quantidades de evidências que mostram valor preditivo, ou seja, os resultados são próximos do mesmo toda vez que são replicados, se tornam leis científicas. Existem padrões para esse processo. A ciência depende de fatos mensuráveis, não de suposições. Os modelos devem descrever com precisão todos os dados relevantes. As previsões são feitas a partir de modelos e verificadas por experimentos. Os argumentos devem ser lógicos e baseados em evidências publicamente disponíveis. Às vezes, modelos fracos são incorretamente chamados de teorias. Um exemplo disso é o "design inteligente", que sugere que certas características do universo e dos seres vivos são melhor explicadas por uma causa inteligente ou poder superior, não por um processo não direcionado como a seleção natural. Como não há prova observável dessa ideia, ela permanece como conjectura e não pode progredir para o próximo estágio de hipótese até que haja mais evidências disponíveis para testar. Outras vezes, ideias sem prova são reivindicadas como fato, como no caso do aquecimento global. Mas chamar algo de teoria sem um teste completo desinforma o público. As pessoas podem pensar que uma ideia é comprovada quando não é. Os cientistas devem comunicar honestamente o nível de confiança de um modelo, de conjectura a lei. Os alunos devem aprender essas distinções. Isso os ajudará a identificar a ciência sólida versus reivindicações não testadas. A política pública não deveria ser baseada em modelos não comprovados. Fazer isso é antiético. Mas isso ocorre frequentemente em tópicos controversos. Para proteger contra o uso indevido da ciência, é necessário melhorar a alfabetização científica. Compreender os níveis de modelo capacita os alunos a reconhecer a ciência credível versus opiniões não suportadas. Isso promove o progresso com base em modelos avaliados por fatos, não por popularidade. Em resumo, os modelos avançam passo a passo de conjecturas a leis por meio de testes rigorosos. Fatos orientam esse processo. Os alunos devem aprender a hierarquia do modelo. Isso ajuda a identificar a ciência estabelecida versus especulação, protegendo a sociedade de afirmações enganosas. Melhora a alfabetização científica para todos.'
--------- Original ---------
Last year, Lee Smolin published a book with a most provocative title: The Trouble with Physics: The Rise of String Theory, the Fall of a Science, and What Comes Next. This title promises brimstone for the fire of creationism, and that should sell an extra few thousand copies.
If mathematics is the Queen of Science (borrowing from Mathematics: Queen and Servant of Science, a classic by Eric Temple Bell), then physics is the King. It has been the exemplar of science. So, has the revolution begun?
Last year, Lee Smolin published a book with a most provocative title: The Trouble with Physics: The Rise of String Theory, the Fall of a Science, and What Comes Next. This title promises brimstone for the fire of creationism, and that should sell an extra few thousand copies.
If mathematics is the Queen of Science (borrowing from Mathematics: Queen and Servant of Science, a classic by Eric Temple Bell), then physics is the King. It has been the exemplar of science. So, has the revolution begun?
Let's start with the truth!
Support the Broken Science Initiative.
Subscribe today →
recent posts
Jaynes foresaw reasoning machines aiding human inquiry, but modern AI's misuse, such as in academic fraud, underscores the necessity of scientific rigor.
As reported by the BBC, Bartlett’s podcast “is amplifying harmful health misinformation on his number-one ranked podcast.”
