▼▼▼▼▼▼▼▼
チャンネル登録はこちら

現代の科学者に課せられた要求

現代の科学者に課せられた要求は過大だ。

ほとんどの科学者は，急速に進歩する自分の専門分野を完璧に把握することはもちろん，プログラミング（バージョン管理・ユニットテスト・良きソフトウェアエンジニアリング実践を含む），統計グラフの作成，学術論文の執筆，研究グループの管理，学生の指導，データの管理と集積，授業，研究費の応募，他の科学者の業績に対する査読，そして統計技能が得意であることが期待されている。

普通の人は，こうした技能のうち１つを完璧に把握するために職業生活のすべてをささげる。

だが，科学者は，競争に負けないために，こうした技能のすべてが得意であることが求められる。

これは馬鹿げた話だ。米国では大学院の博士課程を５年から７年続けることができるが，それでも，試行錯誤を行う以外に，こうした技能のすべてを教える時間はない．

実験計画と統計分析の課程を１年か２年追加で受けさせることは現実的でないと思われる。

統計学者を除けば，誰にそんなことをする時間があるというのか。

この問題に対する解決策の１つとして，外注がある。

地域の統計学科が提供しているかもしれない統計に関するコンサルティングサービスを利用し，数時間の無料コンサルティングの枠を超えて統計について必要なことがあるのならば，統計学者を共同研究者として引きこもう（多くの統計学者は「オタクのねらいうち」に引っかかりやすい。興味深い問題を示せば，それを解かずにはいられなくなるだろう）。

論文に共著者として名前を連ねることと引き替えに，統計学者は２学期かけて行われる統計の入門授業では得られないような価値ある専門的知識で貢献してくれるだろう。

それでもなおデータ分析を自分で行おうとするのならば，統計のしっかりとした基礎が必要になるだろう。

たとえ統計コンサルタントが言っていることを理解するだけであっても，統計の基礎は必要だ。

応用統計学のしっかりとした授業は，基本的な仮説検定，回帰，検定力の計算，モデル選択，Ｒのような統計用プログラミング言語を対象範囲とすべきだ。

あるいは，少なくとも，授業でこうした概念が存在することに触れるべきだ。

検定力についての完全な数学的説明はこのようなカリキュラムにはそぐわないかもしれないが，学生は検定力というものの存在を認識すべきだし，必要があるときに検定力の計算を依頼することを知っておくべきだ。

残念なことに，私の見たかぎりでは，どの応用統計学のシラバス（授業実施要綱）においても，こうした話題のすべてを扱うことはできていない。

多くの教科書はこうした話題をほんの簡単にしか触れていない。

誤った自信に注意しよう。

じきに，他人と違って自分の研究では統計に関するへまをやらかさないという自己満足におちいるかもしれない。

だが，この本ではデータ分析に関する数学について綿密な紹介をしたわけではない。

この本で紹介したような単純な概念的な誤りのほかにも，統計でへまをやらかす方法はたくさんある。

通常とは違う実験を計画したり，大規模な試験を実施したり。複雑なデータを分析したりするのなら，始める前に統計学者に相談しよう。

有能な統計学者ならば。擬似反復のような問題を緩和する実験計画を提案することができるし，研究上の課題に応えるための正しいデータ（そして正しい量のデータ）の収集を助けることができる。

多くの人が犯してしまっているように，データを手に持ちながら統計コンサルタントのオフィスにおもむいて「で，これが統計的に有意だということがどう分かるんだい？」と聞くような罪を犯してはならない。

統計学者は研究における協力者であるべきで，マイクロソフトのExcelの代用品であってはならない。

チョコレートやビールを統計学者のところに持っていくなり，あるいは次の論文の共著者にするなりすれば，引き換えに良い助言を得ることができるだろう。

もちろん，自分のデータを分析すること以上にやることはある。

科学者は他の科学者が書いた論文を読むのに大量の時間を費やす。

そして，他の科学者が統計をどれだけしっかり把握しているかは，まったく分からない。

現代の科学者には非常に多くの要求が課せられており、その内容は過大とも言えるでしょう。科学者は、自身の専門分野において急速に進展する知識を把握することがまず第一に求められます。しかし、それだけではなく、プログラミングのスキル、例えばバージョン管理やユニットテスト、そしてソフトウェアエンジニアリングの実践までを含む高度な技術も習得しなければならないのです。これに加えて、統計グラフの作成やデータ解析、さらには学術論文の執筆、研究グループの管理、学生の指導、データの管理と集積、講義の準備や実施、研究費の申請、他の科学者の業績に対する査読、そして高度な統計技能も期待されています。普通の人であれば、このような技能のうち1つを極めるだけでも職業生活の大半を費やすことになるでしょう。しかし、科学者は競争の激しい世界において生き残るために、これらすべての分野で高いレベルの能力を持つことが求められるのです。これは非常に無理のある要求です。たとえば、アメリカでは博士課程が5年から7年続くことが多いですが、その間に試行錯誤を繰り返しながらこれらすべての技能を習得する時間は到底足りません。さらに、実験計画や統計分析を1年か2年かけて追加で学ぶことも現実的ではないとされています。そもそも、統計学者以外の誰にそんな時間があるのでしょうか。この問題に対する一つの解決策として挙げられるのが、外注の活用です。地域の大学や研究機関が提供している統計に関するコンサルティングサービスを活用することで、無料で数時間の相談を受けることができ、それ以上のサポートが必要な場合は、統計学者を共同研究者として巻き込むという手法が推奨されています。多くの統計学者は「オタクのねらいうち」に引っかかりやすい性質があり、彼らにとって興味深い問題を提示すれば、解決せずにはいられない状況になることが多いのです。論文に共著者として名前を加えることで、統計学者は通常の2学期にわたる統計入門授業では得られない高度な専門知識を提供してくれるでしょう。それでもなお、自分でデータ分析を行いたい場合には、しっかりとした統計の基礎を身につける必要があります。統計コンサルタントが説明する内容を理解するためにも、統計の基本的な知識が不可欠です。応用統計学の授業では、基本的な仮説検定や回帰分析、検定力の計算、モデル選択、そして統計用プログラミング言語であるRなどのスキルが含まれるべきです。あるいは、少なくともこれらの概念が存在することに触れる機会を提供するべきでしょう。検定力についての数学的な詳細な説明は、通常のカリキュラムには含まれないかもしれませんが、学生はその概念を理解し、必要に応じて検定力の計算を依頼できるようになることが望まれます。しかし、現実として、私が目にする限りでは、応用統計学の授業のシラバスにはこれらのトピックがすべて網羅されていることは稀です。多くの教科書でも、これらの重要なトピックにはほんの簡単に触れるだけで、深く掘り下げて説明されていないことが多いです。これは非常に危険な状況で、誤った自信を抱く原因となります。じきに、「自分の研究では他の人が犯すような統計上のミスはしないだろう」という自己満足に陥ることがありますが、実際には統計には多くの落とし穴が存在します。この本で紹介しているような基本的な概念的ミス以外にも、統計的なミスを犯す機会は数多く存在しています。特に、通常とは異なる形式の実験を計画したり、大規模な試験を実施したり、複雑なデータを分析する際には、必ず事前に統計学者に相談することが重要です。優秀な統計学者であれば、擬似反復などの問題を緩和するための実験計画を提案してくれるだけでなく、研究の目的に応じた適切なデータをどのように収集するか、さらにはそのデータの適切な量についても助言を提供してくれるでしょう。多くの研究者が犯してしまう過ちの一つが、データを手に入れた後で統計コンサルタントに相談し、「これが統計的に有意だということをどうやって分かるんだ？」と質問することです。統計学者は、研究における協力者であるべきであり、単なるツールとして利用されるべきではありません。つまり、統計学者をMicrosoft Excelの代わりとして扱ってはいけないのです。統計学者と良好な関係を築くためには、チョコレートやビールを手土産にするのも一つの方法ですが、より良いのは次の論文で共著者として名前を加えることです。そうすれば、統計学者は対価として非常に有益な助言を提供してくれることでしょう。もちろん、データの分析以外にも科学者には多くの責務があります。科学者は他の科学者が書いた論文を精査するために大量の時間を費やしますが、その際に、他の科学者がどれほど統計を理解しているかは把握できないことが多いです。査読を行う際、相手の論文の統計的な側面に疑問を感じた場合、それを指摘することも科学者としての重要な役割です。しかし、自分自身が統計の基礎をしっかり理解していなければ、相手のミスに気づくことは難しいでしょう。科学の世界では、データ分析が適切に行われていないと、結果が誤った方向に導かれる可能性が高くなります。さらに、誤った統計分析の結果に基づいた研究が発表され、それが他の研究者に影響を与えることもあり得ます。そうした事態を避けるためにも、科学者は統計的な知識を深めることが不可欠です。しかしながら、現実問題として、全ての科学者が統計の専門家になることは難しいため、統計学者との協力関係を築くことが推奨されるのです。統計学者とのコラボレーションは、研究が統計的に適切に設計され、実施されることを保証するための重要なステップです。統計学者は、データの収集や分析において、どのような方法が最適かを提案し、研究の信頼性を高める手助けをしてくれます。また、統計学者の助言を受けることで、科学者は自身の研究の質を向上させることができ、最終的にはより有意義な成果を得ることができるでしょう。このように、現代の科学者に課せられた要求は多岐にわたるものであり、それをすべて独力でこなすのは非常に困難です。しかし、他の専門家との協力を通じて、より良い研究成果を上げるための道筋を見つけることができるのです。統計学者との協力はその一例であり、今後の科学研究においてますます重要な役割を果たすことでしょう。