研究人员在社会科学中查看相同的数据集会产生截然不同的结果，而且这种差异很少可以用偏见来解释。
一项新的研究表明，隐藏的“不确定性宇宙”可能是大多数科学发现的基础，尤其是在社会科学领域。
根据 10 月 28 日发表在美国国家科学院院刊上的一项新研究，当科学家们使用相同的数据集来回答一个特定的假设——即移民减少了对社会政策的支持——时，数十名研究人员得出了完全不同的结果。
调查结果表明，可能很难对其中一些领域的调查结果充满信心，因为即使最初选择的微小变化也可能产生截然不同的结果。
在这项新研究中，德国不来梅大学的博士后研究员 Nate Breznau 及其同事要求大约 6 个研究团队的 161 名研究人员检验一个共同的假设：移民减少了对政府社会政策的支持。 Breznau 告诉我们，社会科学文献和结果无处不在。
作为基准，他们向研究团队提供了国际社会调查计划中与政府政策相关的六个问题的数据，该计划是一个广泛的数据集，可追踪 44 个国家/地区的政策差异。
然后，他们要求团队使用逻辑和先验知识来开发模型来解释移民与政府社会服务支持之间的关系。
例如，一个小组可能会预测，一个国家的移民流量增加会加剧对稀缺资源的竞争，这反过来又会减少对社会服务的支持。（例如，一个国家的移民净流入、国内生产总值，或不同地区的平均或中位数收入），以及他们将使用何种类型的统计分析。
研究小组的调查结果反映了文献的整体情况：13.5% 的人表示无法得出结论，60.7% 的人表示应该拒绝假设，28.5% 的人表示假设是正确的。
Breznau 的团队随后使用他们自己的统计分析来试图理解为什么不同的小组会得出如此不同的结论。
他们发现偏见或缺乏经验都不能解释这种差异。相反，数百个不同的、看似微不足道的决定可能会以这样或那样的方式改变结论。更令人惊讶的是，似乎没有一组变量会以这样或那样的方式改变结果，可能（该研究有一个局限性：作者的分析本身是一种统计模型，因此也存在不确定性。）
目前尚不清楚这种不确定性宇宙在多大程度上困扰着其他科学；例如，天体物理学可能比大规模的人类相互作用更容易建模，Breznau 说。
例如，人脑中有 860 亿个神经元，地球上有 80 亿人，这些人都在复杂的社交网络中互动。
“可能存在管理人类社会和行为组织的基本法则，但我们绝对没有识别它们的工具，”Breznau 告诉我们。
Breznau 说，这项研究的一个收获是，研究人员应该在开始数据收集和分析之前花时间完善他们的假设，而新研究的假设就是一个很好的例子。
“移民是否会破坏对社会政策的支持？这是一个非常典型的社会科学假设，但它可能过于模糊，无法真正得到具体的答案，”他说。
Breznau 说，一个更具体或更有针对性的问题可能会产生更好的结果。
如果您想了解不同的变量和建模选择如何影响每个模型的结果，您可以通过他们的 Shiny 应用程序来实现。