Naslov (eng)

Optimization of scientific reasoning : а data-driven approach

Autor

Sikimić, Vlasta, 1988- 29098855

Doprinosi

Perović, Slobodan, 1973- 14673255
Perović, Slobodan, 1973- 14673255
Zollman, Kevin J. S. 29102951
Adžić, Miloš, 1982- 13863015

Opis (eng)

Scientific reasoning represents complex argumentation patterns that eventually lead to scientific discoveries. Social epistemology of science provides a perspective on the scientific community as a whole and on its collective knowledge acquisition. Different techniques have been employed with the goal of maximization of scientific knowledge on the group level. These techniques include formal models and computer simulations of scientific reasoning and interaction. Still, these models have tested mainly abstract hypothetical scenarios. The present thesis instead presents data-driven approaches in social epistemology of science. A data-driven approach requires data collection and curation for its further usage, which can include creating empirically calibrated models and simulations of scientific inquiry, performing statistical analyses, or employing datamining techniques and other procedures. We present and analyze in detail three co-authored research projects on which the thesis’ author was engaged during her PhD. The first project sought to identify optimal team composition in high energy physics laboratories using data-mining techniques. The results of this project are published in (Perovic et al. 2016), and indicate that projects with smaller numbers of teams and team members outperform bigger ones. In the second project, we attempted to determine whether there is an epistemic saturation point in experimentation in high energy physics. The initial results from this project are published in (Sikimic et al. 2018). In the thesis, we expand on this topic by using computer simulations to test for biases that could induce scientists to invest in projects 5 6 beyond their epistemic saturation point. Finally, in previous examples of data-driven analyses, citations are used as a measure of epistemic efficiency of projects in high energy physics. In order to additionally justify and analyze the usage of this parameter in their data-driven research, in the third project Perovic & Sikimic (under revision) analyzed and compared inductive patterns in experimental physics and biology with the reliability of citation records in these fields. They conclude that while citations are a relatively reliable measure of efficiency in high energy physics research, the same does not hold for the majority of research in experimental biology. Additionally, contributions of the author that are for the first time published in this theses are: (a) an empirically calibrated model of scientific interaction of research groups in biology, (b) a case study of irregular argumentation patterns in some pathogen discoveries, and (c) an introductory discussion of the benefits and limitations of datadriven approaches to the social epistemology of science. Using computer simulations of an empirically calibrated model, we demonstrate that having several levels of hierarchy and division into smaller research sub-teams is epistemically beneficial for researchers in experimental biology. We also show that argumentation analysis in biology represents a good starting point for further data-driven analyses in the field. Finally, we conclude that a data-driven approach is informative and useful for science policy, but requires careful considerations about data collection, curation, and interpretation

Opis (eng)

Philosophy - Philosophy of Science / Filozofija - Filozofija nauke Datum odbrane: 14.5.2019.

Opis (srp)

Zakljucivanje u nauci ogleda se u složenim argumentativnim strukturama koje u krajnjoj instanci dovode do naucnih otkrica. Socijalna epistemologija nauke posmatra nauku iz perspektive celokupne naucne zajednice i bavi se kolektivnim sticanjem znanja. Razlicite tehnike su se primenjivale u cilju maksimizacije naucnog znanja na nivou grupe. Ove tehnike ukljucuju formalne modele i kompijuterske simulacije naucnog zakljucivanja i interakcije. Ipak, ovi modeli su uglavnom testirali hipoteticke scenarije. Sa druge strane, ova disertacija predstavlja pristupe u socijalnoj epistemologiji nauke koji se zasnivaju na podacima. Pristup zasnovan na podacima podrazumeva prikupljanje podataka i njihovo sistematizovanje za dalju upotrebu. Ova upotreba podrazumeva empirijski kalibrirane modele i simulacije naucnog procesa, statisticke analize, algoritme za obradu velikog broja podataka itd. U tekstu predstavljamo i detaljno analiziramo tri koautorska istraživanja u kojima je autorka disertacije ucestvovala tokom doktorskih studija. Prvo istraživanje imalo je za cilj da odredi optimalnu strukturu timova u laboratorijama fizike visokih energija koristeci algoritme za obradu velikog broja podataka. Rezultati ovog istraživanja su objavljeni u (Perovic et al. 2016) i ukazuju na to da su projekti u koje je ukljucen manji broj timova i istraživaca efikasniji od vecih. U drugom istraživanju smo pokušali da utvrdimo da li postoji tacka epistemickog zasicenja, kada su u pitanju eksperimenti u fizici visokih energija. Inicijalni rezultati ovog istraživanja objavljeni su u (Sikimic et al. 2018). U disertaciji produbljujemo ovu temu korišcenjem kompjuterskih simulacija da 7 8 bismo testirali mehanizme pristrasnosti koji navode naucnike da ulažu u projekte iznad tacke epistemickog zasicenja. Konacno, u prethodnim primerima analiza zasnovanih na podacima, citiranost je korišcena kao mera epistemicke efikasnosti pojekata u fizici visokih energija. Da bi dodatno opravdali upotrebu ovog parametra u svojim analizama, u trecem istraživanju Perovic & Sikimic (under revision) su razmatrali i uporeživali induktivne šematizme u eksperimentalnoj fizici i biologiji sa pouzdanošcu mere citiranosti u ovim oblastima. Zakljucili su da, iako su citati relativno pouzdana mera efikasnosti u fizici visokih energija, to nije slucaj u najvecem delu istraživanja u oblasti eksperimentalne biologije. Povrh toga, doprinosi autorke koji su prvi put objavljeni u ovoj disertaciji jesu: (a) empirijski kalibrirani model naucne komunikacije unutar istraživackih grupa u biologiji, (b) analiza neocekivanih argumentativnih struktura u otkricima nekih patogena i (c) uvodna diskusija u pogledu prednosti i ogranicenja pristupa zasnovanih na podacima u socijalnoj epistemologiji nauke. Korišcenjem kompjuterskih simulacija na empirijski kalibriranim modelima, pokazujemo da je raslojavanje i podela na manje istraživacke timove epistemicki korisno za istraživace u eksperimentalnoj biologiji. Takože, pokazujemo da je analiza argumenata u biologiji dobra osnova za dalje analize zasnovane na podacima u ovoj oblasti. Na kraju, zakljucujemo da je pristup zasnovan na podacima informativan i koristan za kreiranje naucne politike, ali da zahteva pažljiva razmatranja u pogledu prikupljanja podataka, njihovog sortiranja i interpretiranja

Jezik

engleski

Datum

2019

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-NC-ND 2.0 AT - Creative Commons Autorstvo - Nekomercijalno - Bez prerada 2.0 Austria License.

http://creativecommons.org/licenses/by-nc-nd/2.0/at/legalcode

Predmet

OSNO - Opšta sistematizacija naučnih oblasti, Filozofija

pristup zasnovan na podacima, optimizacija, zakljucivanje u nauci, socijalna epistemologija nauke, formalni modeli, empirijske kalibracije, fizika visokih energija, eksperimentalna biologija, induktivni šematizam

OSNO - Opšta sistematizacija naučnih oblasti, Filozofija

data-driven approach, optimization, scientific reasoning, social epistemology of science, formal models, empirical calibrations, high energy physics, experimental biology, inductive patterns