|
|
Пишет Journal de Chaource (![[info]](http://lj.rossia.org/img/syndicated.gif){kind=small} lj_chaource)@ 2020-05-09 08:13:00 |
 |
|
 |
|
|
|
|
|
|
 |
|
 |
Unscientific science
Why do people distrust science? Because today's (loudly public sector of) science is obviously dominated by politically expedient sensationalism.
Case in point: the code review of Imperial College's epidemiological model.
https://lockdownsceptics.org/code-review-of-fergusons-model/
I’d go further and suggest that all academic epidemiology be defunded. This sort of work is best done by the insurance sector. Insurers employ modellers and data scientists, but also employ managers whose job is to decide whether a model is accurate enough for real world usage and professional software engineers to ensure model software is properly tested, understandable and so on. Academic efforts don’t have these people, and the results speak for themselves.
This relates to some of my previous posts. For example https://chaource.dreamwidth.org/193453.html
Quote:
Метеорологамъ и климатологамъ должны платить деньги люди, которымъ предсказанiе погоды и климата реально необходимо для ихъ бизнеса (фермеры, страховыя компанiи, и т.д.). Примѣръ - "The Climate Corporation" https://climate.com/careers Если ученые будутъ плохо предсказывать, если у нихъ будутъ ошибки въ программахъ, то ихъ уволятъ, и они объ этомъ знаютъ.
Also, an earlier private post https://chaource.dreamwidth.org/189096.html from which I quote the relevant part here:
А есть еще и такая проблема - отсутствiе инженерно-программистской культуры въ академiи и одновременно отсутствiе какой-либо отвѣтственности за результаты. Профессоръ практически никогда не станетъ самъ смотрѣть на программный кодъ, написанный постдоками или аспирантами, никогда не станетъ самъ провѣрять, работаетъ ли этотъ кодъ и правильно ли закодированы расчетныя формулы. (Примѣръ банальной, но трудно провѣряемой ошибки - градусы широты отсчитывать въ одномъ мѣстѣ программы отъ полюса, а въ другомъ отъ экватора; напримѣръ, если градусы широты используются одновременно какъ индексъ массива.) Профессоръ смотритъ только на итоговыя картинки, которыя, возможно, пойдутъ въ статью. Если картинки правдоподобны - публиковать. Если неправдоподобны - "поищите, пожалуйста, нѣтъ ли въ программѣ какихъ-нибудь баговъ". Постдокъ или аспирантъ послушно идетъ, ищетъ, и (обычно) находитъ баги. Послѣ этого картинки могутъ сильно помѣняться, и процессъ искусствовѣдческой оцѣнки картинокъ продолжается. Что тамъ на самомъ дѣлѣ вѣрно и что невѣрно, просто банально никто не знаетъ.
Когда у климатологовъ просятъ дать файлы данныхъ и программные коды, а они не могутъ этого сдѣлать даже по просьбѣ суда, какъ это недавно произошло съ Манномъ, https://wattsupwiththat.com/2019/08/22/breaking-dr-tim-ball-wins-michaelemann-lawsuit-mann-has-to-pay/ то это происходитъ скорѣе не по злому умыслу, а просто потому, что у нихъ нѣтъ никакого способа эти файлы собрать. Вся техническая работа была сдѣлана какими-то постдоками, которые давно уже уволены, на какихъ-то серверахъ, которые давно уже не работаютъ, и файлы шеллъ-скриптовъ и фортрана давно потеряны. Никто изъ этихъ людей никогда не слышалъ такихъ словъ, какъ "checkout from revision control system", "push to github", "run unit tests", "build and publish release artifacts".
We are used to finding a crucial logical inconsistency or a severe technical problem every time we look at a newspaper article about our field of expertise. Now it's going to be the same with academic science, in the fields that have descended to the level of journalism.
Why do people distrust science? Because today's (loudly public sector of) science is obviously dominated by politically expedient sensationalism.
Case in point: the code review of Imperial College's epidemiological model.
https://lockdownsceptics.org/code-
I’d go further and suggest that all academic epidemiology be defunded. This sort of work is best done by the insurance sector. Insurers employ modellers and data scientists, but also employ managers whose job is to decide whether a model is accurate enough for real world usage and professional software engineers to ensure model software is properly tested, understandable and so on. Academic efforts don’t have these people, and the results speak for themselves.
This relates to some of my previous posts. For example https://chaource.dreamwidth.org/193453.
Quote:
Метеорологамъ и климатологамъ должны платить деньги люди, которымъ предсказанiе погоды и климата реально необходимо для ихъ бизнеса (фермеры, страховыя компанiи, и т.д.). Примѣръ - "The Climate Corporation" https://climate.com/careers Если ученые будутъ плохо предсказывать, если у нихъ будутъ ошибки въ программахъ, то ихъ уволятъ, и они объ этомъ знаютъ.
Also, an earlier private post https://chaource.dreamwidth.org/189096.
А есть еще и такая проблема - отсутствiе инженерно-программистской культуры въ академiи и одновременно отсутствiе какой-либо отвѣтственности за результаты. Профессоръ практически никогда не станетъ самъ смотрѣть на программный кодъ, написанный постдоками или аспирантами, никогда не станетъ самъ провѣрять, работаетъ ли этотъ кодъ и правильно ли закодированы расчетныя формулы. (Примѣръ банальной, но трудно провѣряемой ошибки - градусы широты отсчитывать въ одномъ мѣстѣ программы отъ полюса, а въ другомъ отъ экватора; напримѣръ, если градусы широты используются одновременно какъ индексъ массива.) Профессоръ смотритъ только на итоговыя картинки, которыя, возможно, пойдутъ въ статью. Если картинки правдоподобны - публиковать. Если неправдоподобны - "поищите, пожалуйста, нѣтъ ли въ программѣ какихъ-нибудь баговъ". Постдокъ или аспирантъ послушно идетъ, ищетъ, и (обычно) находитъ баги. Послѣ этого картинки могутъ сильно помѣняться, и процессъ искусствовѣдческой оцѣнки картинокъ продолжается. Что тамъ на самомъ дѣлѣ вѣрно и что невѣрно, просто банально никто не знаетъ.
Когда у климатологовъ просятъ дать файлы данныхъ и программные коды, а они не могутъ этого сдѣлать даже по просьбѣ суда, какъ это недавно произошло съ Манномъ, https://wattsupwiththat.com/2019/08/22/
We are used to finding a crucial logical inconsistency or a severe technical problem every time we look at a newspaper article about our field of expertise. Now it's going to be the same with academic science, in the fields that have descended to the level of journalism.
