Meinfelder, Florian und Rebekka Kluge (Hrsg.) (2019): Bad Science: Die dunkle Seite der Statistik. München: Vahlen.
29,80 Euro
Inhaltsübersicht
I Methodische Grundlagen (3 Beiträge)
II (K)eine Anleitung zum Mogeln (3 Beiträge)
III Wie man unter Zuhilfenahme statistischer Methoden Nonsens-Forschung einen wissenschaftlichen Anstrich verpasst (2 Beiträge)
IV Handfeste Konsequenzen in der wirklichen Welt (3 Beiträge)
From bad to better
Was ist Wissenschaft? Was ist Pseudo-Wissenschaft? Und was ist einfach nur schlechte Wissenschaft? Unter „Bad Science“ verstehen die Herausgeber des Sammelbandes laut Vorwort „schlampiges Vorgehen beim wissenschaftlichen Arbeiten“, aber auch einseitige Untersuchungen und gefälschte Ergebnisse. Der Fokus des Buches liegt klar auf Letzterem, wie schon der Untertitel „Die dunkle Seite der Statistik“ zeigt. Dahinter steckt der Gedanke, dass Menschen, die versiert mit Statistik umgehen können, diese nicht missbrauchen, sondern sie für gute Wissenschaft nutzen.
Als Herausgeber fungieren Dr. Florian Meinfelder von der Otto-Friedrich-Universität Bamberg und Rebekka Kluge, die am GESis Leibniz-Institut für Sozialwissenschaften Mannheim promoviert. Bei den Autoren der Beiträge handelt es sich um ehemalige Master-Studierende der Universitäten Bamberg, Berlin und Trier, die im Sommersemester 2016 am Seminar „Survey Methodik“ teilgenommen hatten.
Wie ist das Buch aufgebaut?
Auf den ersten Blick findet man den klassischen Aufbau eines Sammelbands vor: Auf das Vorwort und die Einleitung der Herausgeber folgen nacheinander mehr oder minder aufeinander abgestimmte Beiträge, er schließt mit einem Nachwort der Herausgeber. Im vorliegenden Sammelband ergänzen sich jedoch die vier Teile – „Methodische Grundlagen“, „(K)eine Anleitung zum Mogeln“, „Wie man unter Zuhilfenahme statistischer Methoden Nonsens-Forschung einen wissenschaftlichen Anstrich verpasst“ und „Handfeste Konsequenzen in der wirklichen Welt“ – sehr gut. Zudem sind sie jeweils mit einem einführenden Zwischentext der Herausgeber verbunden. Das Buch wird zu einem angenehmen Mix aus Grundlagen und Anwendung, aus theoretischem Hintergrundwissen zur Statistik und der Beschreibung praktischer Auswirkungen in der echten Welt.
Was lernt man in dem Buch?
Im ersten Teil zu den methodischen Grundlagen geht es zunächst einmal um die Unzulänglichkeiten des p-Werts. Dieser Signifikanzwert ist als Standard derzeit noch nicht aus der Statistik wegzudenken; die als Alternative geltende Bayes-Statistik wird vergleichsweise selten eingesetzt bzw. ist in der einschlägigen Software noch nicht implementiert.
Das sogenannte p-Hacking (die Suche nach einer möglichst spektakulären und somit gut veröffentlichbaren signifikanten Aussage) und das HARKing (Hypothesizing after Results are known) werden anschaulich und an mehreren Beispielen in den folgenden Teilen dargestellt.
Und, leider, leider, lernt man in dem Buch auch, dass Schokolade doch nicht schlank macht (waaas?). Sie erinnern sich: Vor fast fünf Jahren, im März 2015, entstand ein ziemlicher Rummel um eine Studie, die angeblich zeigte, dass Schokolade beim Abnehmen hilft. Nach zwei Monaten erst klärten die Autoren auf, dass es sich um eine Fake-Studie gehandelt hatte, und mahnten so zu einer kritischeren Auseinandersetzung mit Studienergebnissen.
Welchen Studierenden kann man das Buch empfehlen?
Wer im Studium viel mit Statistik zu tun hat oder sich gar darauf spezialisiert hat, findet in dem vorliegenden Buch eine Zusammenstellung modernerer Ansätze, die so noch nicht in allen Lehrbüchern und noch viel weniger in Lehrunterlagen zu finden sind. Es wäre gut möglich, dass man nach der Lektüre auf einem aktuelleren Wissensstand angelangt ist als eine Lehrperson, die sich seit geraumer Zeit nicht mehr weitergebildet hat, „weil sich bei der Statistik eh nichts ändert“. Das ungläubige Staunen, dass sich da doch etwas tut, sollte man dann aushalten oder verargumentieren können.
Was bringt das Buch für den Einsatz in der Lehre?
Für Lehrende, die bisher nicht gerade tief in die Statistik eingetaucht sind, ist der Sammelband sicher keine gute Einstiegslektüre in das Gebiet. Ein wenig Vorbildung auf diesem Gebiet sollte man schon mitbringen, so etwa das Wissen darüber, was statistische Analysen im Gegensatz zu einer qualitativen Herangehensweise eigentlich leisten sollen und vor allem, was es mit dem Hypothesentesten und dem berühmten p-Wert auf sich hat. Dann macht die Lektüre Laune und es ist möglich, ausgewählte Beispiele zur Diskussion ins Seminar mitzunehmen – auf dass „Bad Science“ erkannt und in Zukunft immer mehr durch „Good Science“ ersetzt werde.
—
Herzlichen Dank an den Verlag für das Rezensionsexemplar!