Puh, Wissenschaftskritik plus Wissenschaftler-Performance in der Finanzwelt plus Zentralisierung von Vermögen/Einfluss... 3 interessante Themen angeschnitten in einem Post...hart.^^
Ich kenn mich nur beim ersten Gebiet gut aus, darum geb ich da mal meinen Senf dazu:
Es ist gut und richtig, Leute dazu zu erziehen, auch wissenschaftliche Ergebnisse bzw. ihre Interpretation kritisch zu hinterfragen. Das gilt aber auch für die Studien von Ioannis. Genau das, was deine Überschrift suggeriert, nämlich dass "Wissenschaft mehr falsch als richtig" ist, kann man aus diesen mMn eben nicht rauslesen.
Warum? Weil er alle Studien über einen Kamm schert, was kein Wissenschaftler so machen würde.
Es gibt schon mal einen riesigen Qualitätsunterschied zwischen peer-reviewed journals und solchen, die quasi ohne Editor-Prozess einfach jeden Müll publizieren. Kein halbwegs seriöser Wissenschaftler kommt auf die Idee, aus letzteren zu zitieren. In Datenbanken findest' sie teilweise halt trotzdem, und wenn Ioannis (wie ich annehme) die einbezogen hat, treibt das den Bullshit-Wert in lichte Höhen. Und auch die peer-reviewed journals sind nicht alle gleich was die wisenschaftliche Sorgfalt betrifft. Es ist ein Riesenunterschied, ob was in Nature oder PNAS publiziert wurde, oder halt im Indian Journal of Agricultural Food Contamination, Part B (um ein fiktives Beispiel zu nennen) mit einem impact factor of 0,24.
Heißt nicht dass es in den besseren Journals gar keine Fehler gibt, aber aus letzterem journal überlegt man sich als Fachmann wahrscheinlich 5-mal, ob man da wirklich eine wichtige Aussage raus ziehen soll.
Dasselbe gilt auch für Reviews.
Mmn geht's nicht so sehr darum, den Leuten zu erklären, dass Wissenschaft so furchbar falsch arbeitet und schlechte Ergebnisse liefert, sondern darum, sie dafür zu sensibilisieren, welchen Artikeln man halbwegs trauen kann und welchen nicht.
Wissenschaftler (zumindest halbwegs gute) machen das meist sehr gut, und daher sind die wirklich großen Durchbrüche in der Forschung auch meist vertrauenswürdig. Kleine, nebensächliche, Ergebnisse sind oft eher zu bezweifeln, weil an denen halt der Doktorand vom Assistenzprofessor V.N.Singh von der 4th Agricultural University of Mumbai arbeitet, und sie entsprechend schlecht publiziert werden.
Edit:
Es wird aber auch willentlich viel Desinformation gestreut, da ist Pubmed [...] keine Ausnahme.
Kannst das belegen oder ist das einfach nur eine persönliche Einschätzung, und wenn ja, worauf basiert diese? Hoffentlich nicht auf dem Bauchgefühl?^^
Nein letzteres ist aus der Zusammenfassung von Ioannidis 2005, ich selbst distanziere mich von Wertungen. Dies ist hier ein Wahrscheinlichkeitsargument basierend auf der Anzahl an Wirtschaftsverbindungen in Kombination mit positiven Ausgang der Studie zugunsten der jeweilen Wirtschaft und Verzerrungen wie dem Confirmation Bias (für den es klare Evidenz gibt) . Bezogen auf einzelne Wissenschaftler wäre es eine schwere Anschuldigung.
Was du schreibst zeigt eigentlich dass du mit Ioannidis übereinstimmst der nur sagt und mit eingeschränkter Gültigkeit empirisch zeigte:
"Most Research Findings Are False for Most Research Designs and for Most Fields" heist aber nicht, dass Wissenschaft falsch ist, es ist nur so dass die Richtigkeit bei den Studien liegt, die ein sehr hochwertiges Design basierend auf Disziplinären Standards haben (diese die du beschreibst). Statistisch gesehen, sind das auf den gesamten Evidenzkörper die wenigsten. Das ist die gesamte Quintessenz.
*ich verstehe deine Kritik aus dem Forscher-Herzen heraus aber weder formal noch logisch darf er es auf eine andere Art machen als wie er es gemacht hat. Wenn Menschen hieraus schließen das Wissenschaft falsch ist ist das ein Trugschluss, das ist nicht die Aussage (aber du hast recht dass es vermutlich so sein wird)
genau ist trivial (vor allem für uns, für die meisten anderen die sich Pubmed bedienen nicht) das war aber tatsächlich der einzige Punkt. Warum man etwas was klar ist, quantifizieren muss, dazu komme ich ja noch
Deutlich wird es bei der Finanzwissenschaft worauf ich damit hinarbeiten will. Nach K. Popper kann eine einzige Beobachtung 100.000 bestätigte Ergebnisse falsifizieren. Und wenn das ignoriert wird (so wie z.B. lange Zeit die Quantentheorie) und Auswirkungen auf die Praxis und das Leben von Menschen hat weil am alten Dogma festgehalten wird, dann haben wir ein Problem dass nicht dadurch entschuldigt werden kann, das peer reviews und starke Selektionsmechanismen wirken, weil diese es sind, die dann den inherenten Bias haben. Z.B. die Annahme dass ein bestimmter p-Value die Signifikanz schwelle bildet
ohne eine real Verteilung zu kennen.
Danke für die Aufklärung, da sind wir d'accord.