渡邊先生 @ynabe39 による科学者についての解説とTwitterでの会話と議論について

🐱野尻美保子(1) @Mihoko_Nojiri

データに矛盾があれば原因究明ができるのが科学者　RT @ynabe39: 科学者とは「データに基づいてものを言う人々」である。ということは「データに欠陥があれば間違ったことを言う人々」でもある。

渡邊芳之 @ynabe39

科学者とは「すでにわかっていることだけを言う人々」である。素人との違いは「まだわからないことについて推測で言うか言わないか」だけである。

🐱野尻美保子(1) @Mihoko_Nojiri

@ynabe39 少なくとも核種データだの放射線量だのが違ってたときはわかったw

🐱野尻美保子(1) @Mihoko_Nojiri

間違ったデータがでても分かるようにデータに冗長性を持たしておくのが科学者　@yanabe39

渡邊芳之 @ynabe39

いちばん危ないのは「データが限られているとき」ですね。 RT @Mihoko_Nojiri: データに矛盾があれば原因究明ができるのが科学者　

🐱野尻美保子(1) @Mihoko_Nojiri

データが限られてるときにデータを疑えるのが科学者（３流のぞく）

渡邊芳之 @ynabe39

その点でも緊急時にはどうしてもデータの冗長性が低くなりやすいのが問題だと思います。RT @Mihoko_Nojiri: 間違ったデータがでても分かるようにデータに冗長性を持たしておくのが科学者　

Kenichi Tomura/戸村賢一 @kenichi_tomura

それは科学者が日常的に行っている仮説→実証の探究を過小評価しているのでは?RT @ynabe39 科学者とは「すでにわかっていることだけを言う人々」である。素人との違いは「まだわからないことについて推測で言うか言わないか」だけである。

渡邊芳之 @ynabe39

そう考えていくと最終的には「すべてを疑って何も語らないのがもっとも優れた科学者」とならないか？ RT @Mihoko_Nojiri: データが限られてるときにデータを疑えるのが科学者（３流のぞく）

🐱野尻美保子(1) @Mihoko_Nojiri

いろいろ言ってきてるでしょ。RT @ynabe39: そう考えていくと最終的には「すべてを疑って何も語らないのがもっとも優れた科学者」とならないか？ RT @Mihoko_Nojiri: データが限られてるときにデータを疑えるのが科学者（３流のぞく）

渡邊芳之 @ynabe39

仮説の段階でものを言い始めたら素人と同じじゃないですか。 RT @kenichi_tomura: それは科学者が日常的に行っている仮説→実証の探究を過小評価しているのでは?

渡邊芳之 @ynabe39

言ってるとdisられるじゃないですか。 RT @Mihoko_Nojiri: いろいろ言ってきてるでしょ。RT @ynabe39: そう考えていくと最終的には「すべてを疑って何も語らないのがもっとも優れた科学者」とならないか？

🐱野尻美保子(1) @Mihoko_Nojiri

発言の裏付けになる仮定を明確に語れるのが科学者。@ynabe39

Kenichi Tomura/戸村賢一 @kenichi_tomura

いや、仮説って重要ですよ。量子力学だって一般相対性理論だって、仮説からスタートしましたから RT @ynabe39 仮説の段階でものを言い始めたら素人と同じじゃないですか。

渡邊芳之 @ynabe39

素人と同じと言われれば怒り，素人と違うと言われても怒り，ほんに科学者というのは面倒な連中です。

渡邊芳之 @ynabe39

「〜なのが科学者です」と定義されると，その定義から言って「科学者とは言い難い科学者の発言」がたくさん浮かんでくる。

🐱野尻美保子(1) @Mihoko_Nojiri

@ynabe39 だから三(略)

Kenichi Tomura/戸村賢一 @kenichi_tomura

今の展開、なんだかよく分からなかったなぁ・・・

渡邊芳之 @ynabe39

「初めて起きた出来事」への対処については科学者はあまり役に立たない。

渡邊芳之 @ynabe39

「科学とは」「科学者とは」みたいなツイートへのコメントは科学者からの「自分は科学者だけどそれにあてはまらない」というものと，科学者じゃない人からの「私の持っている科学のイメージと違う」というものに二分される。

渡邊芳之 @ynabe39

さて，数日前から「科学者はデータが間違っていれば間違っているとわかる」ということについて気になっている。科学者はどうして「データの間違い」を認識できるのか，ちょっと考えてみたい（続く）。

渡邊芳之 @ynabe39

（１）データの間違いに気づくもっともシンプルな例は「論理的にあり得ない値をとっている」場合である。たとえば「東京都民のうち２千万人が自転車通勤している」「温度は-1070℃」のような場合。

渡邊芳之 @ynabe39

（２）次に，論理的にはありうるがその変数でこれまで観測された値と比較して異常に大きいまたは小さい場合。人間で「身長510cm」とか「体重75.5g」みたいな場合。ただしここからは程度問題。（続く）

渡邊芳之 @ynabe39

（３）次に，その変数と相関することがわかっている他の変数についての情報もあって，それらとの関係がこれまでの観測と比較しておかしい場合。「身長170cm体重70kg」ならよいが「身長170cm体重35kg」とか「身長120cm体重90kg」とかだと間違いを疑う。

渡邊芳之 @ynabe39

さてここまでの（１）〜（３）はある意味簡単な話で，ある変数がとりうる値，従来観測された値，他の変数との相関についての情報があれば「間違いを発見する」コンピュータプログラムも比較的容易に作れると思う。しかし「科学者がデータの間違いに気づく」というのはそんなに簡単な話か？（続く）