Dyreadfærdsforskning bygger på omhyggelig observation af dyr. Forskere kan tilbringe måneder i et junglehabitat og se tropiske fugle parre sig og opfostre deres unger. De kan spore hastigheden af fysisk kontakt i kvægbesætninger af forskellig tæthed. Eller de kunne optage de lyde, hvaler laver, når de vandrer gennem havet.
Dyreadfærdsforskning kan give grundlæggende indsigt i de naturlige processer, der påvirker økosystemer over hele kloden, såvel som i vores eget menneskelige sind og adfærd.
Jeg studerer dyrs adfærd – og også den forskning, der er rapporteret af videnskabsmænd inden for mit felt. En af udfordringerne ved denne form for videnskab er at sikre, at vores egne antagelser ikke påvirker, hvad vi tror, vi ser i dyrefag. Ligesom alle mennesker, er hvordan videnskabsmænd ser verden formet af skævheder og forventninger, som kan påvirke, hvordan data registreres og rapporteres. For eksempel kan videnskabsmænd, der lever i et samfund med strenge kønsroller for kvinder og mænd, fortolke ting, de ser dyr gøre, som afspejler de samme opdelinger.
Den videnskabelige proces korrigerer for sådanne fejl over tid, men videnskabsmænd har hurtigere metoder til deres rådighed for at minimere potentielle observatørers skævhed. Dyreadfærdsforskere har ikke altid brugt disse metoder - men det er ved at ændre sig. En ny undersøgelse bekræfter, at undersøgelser i løbet af det sidste årti i stigende grad overholder den strenge bedste praksis, der kan minimere potentielle skævheder i dyreadfærdsforskning.
En tysk hest ved navn Clever Hans er almindeligt kendt i dyreadfærdshistorien som et klassisk eksempel på ubevidst bias, der fører til et falsk resultat.
Omkring begyndelsen af det 20. århundrede blev Clever Hans påstået at være i stand til at lave matematik. For eksempel, som svar på sin ejers prompt "3 + 5", ville kloge Hans banke sin hov otte gange. Hans ejer ville så belønne ham med hans yndlingsgrøntsager. De første observatører rapporterede, at hestens evner var legitime, og at hans ejer ikke var vildledende.
Men en omhyggelig analyse foretaget af en ung videnskabsmand ved navn Oskar Pfungst afslørede, at hvis hesten ikke kunne se sin ejer, kunne han ikke svare korrekt. Så selvom Clever Hans ikke var god til matematik, var han utrolig god til at observere sin ejers subtile og ubevidste signaler, der gav de matematiske svar væk.
I 1960'erne bad forskere menneskelige undersøgelsesdeltagere om at kode rotters indlæringsevne. Deltagerne fik at vide, at deres rotter var blevet kunstigt udvalgt gennem mange generationer til at være enten "lyse" eller "kedelige" elever. I løbet af flere uger løb deltagerne deres rotter gennem otte forskellige læringseksperimenter.
I syv ud af de otte forsøg rangerede de menneskelige deltagere de "lyse" rotter som værende bedre lærende end de "kedelige" rotter, når forskerne i virkeligheden tilfældigt havde plukket rotter fra deres ynglekoloni. Bias fik de menneskelige deltagere til at se, hvad de troede, de skulle se.
Eliminering af bias
I betragtning af det klare potentiale for menneskelige skævheder til at skævvride videnskabelige resultater, har lærebøger om dyreadfærdsforskningsmetoder fra 1980'erne og frem bedt forskere om at verificere deres arbejde ved at bruge mindst én af to commonsense-metoder.
Den ene sørger for, at forskeren, der observerer adfærden, ikke ved, om emnet kommer fra den ene eller den anden undersøgelsesgruppe. For eksempel ville en forsker måle en crickets adfærd uden at vide, om den kom fra forsøgs- eller kontrolgruppen.
Den anden bedste praksis er at bruge en anden forsker, som har friske øjne og ingen viden om dataene, til at observere adfærden og kode dataene. For eksempel, mens jeg analyserer en videofil, tæller jeg chickadees, der tager frø fra en foderautomat 15 gange. Senere tæller en anden uafhængig observatør det samme antal.
Alligevel anvendes disse metoder til at minimere mulige skævheder ofte ikke af forskere i dyreadfærd, måske fordi disse bedste praksisser tager mere tid og kræfter.
I 2012 gennemgik mine kolleger og jeg næsten 1.000 artikler publiceret i fem førende dyreadfærdstidsskrifter mellem 1970 og 2010 for at se, hvor mange rapporterede disse metoder for at minimere potentielle skævheder. Mindre end 10 % gjorde det. I modsætning hertil var tidsskriftet Infancy, som fokuserer på menneskelig spædbørns adfærd, langt mere stringent:Over 80 % af dets artikler rapporterede, at de brugte metoder til at undgå skævhed.
Det er et problem, der ikke kun er begrænset til mit felt. En gennemgang fra 2015 af publicerede artikler inden for biovidenskab fandt, at blinde protokoller er ualmindelige. Det fandt også, at undersøgelser, der brugte blinde metoder, opdagede mindre forskelle mellem de nøglegrupper, der blev observeret, sammenlignet med undersøgelser, der ikke brugte blinde metoder, hvilket tyder på, at potentielle skævheder førte til mere bemærkelsesværdige resultater.
I årene efter vi publicerede vores artikel, blev den jævnligt citeret, og vi spekulerede på, om der var sket en forbedring på området. Så vi har for nylig gennemgået 40 artikler fra hvert af de samme fem tidsskrifter for år 2020.
Vi fandt, at antallet af artikler, der rapporterede om at kontrollere for bias, var forbedret i alle fem tidsskrifter, fra under 10 % i vores 2012-artikel til lidt over 50 % i vores nye anmeldelse. Disse rapporteringsrater halter dog stadig efter tidsskriftet Infancy, som var 95 % i 2020.
Alt i alt ser tingene op, men dyreadfærdsområdet kan stadig gøre det bedre. Praktisk talt, med stadig mere bærbar og overkommelig lyd- og videooptagelsesteknologi, bliver det lettere at udføre metoder, der minimerer potentielle skævheder. Jo mere dyreadfærdsområdet holder sig til disse bedste praksisser, jo stærkere vil grundlaget for viden og offentlig tillid til denne videnskab blive.
Leveret af The Conversation
Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.
Sidste artikelTo faciliteter slår sig sammen om fremskridt inden for strukturbiologi med røntgen-frielektronlasere og exascale computing
Næste artikelAt indsamle levende slanger i fjerntliggende Amazon-regioner til undersøgelse er ikke nogen nem opgave - sådan gør vi det