The Rise of Null Hypothesis Significance Testing (NHST): Institutional Massification and the Emergence of a Procedural Epistemology
यह शोध पत्र तर्क देता है कि शून्य परिकल्पना सार्थकता परीक्षण (NHST) युद्धोत्तर विज्ञान में प्रमुख सांख्यिकीय ढांचा इसलिए नहीं बना क्योंकि इसने तकनीकी अनुमान संबंधी समस्याओं को हल किया, बल्कि इसलिए बना क्योंकि इसकी यांत्रिक, संदर्भ-रहित प्रक्रियाओं ने एक महत्वपूर्ण सामाजिक तकनीक के रूप में कार्य किया जिसने विविध वैज्ञानिक नेटवर्क के व्यापक विस्तार और समन्वय को सक्षम बनाया।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक बड़ी पहेली: हम एक "खराब" औज़ार का उपयोग क्यों करते रहते हैं?
कल्पना कीजिए कि आप एक मैकेनिक हैं। आपके पास एक रिंच (wrench) है जो थोड़ा मुड़ा हुआ है, हर बोल्ट में पूरी तरह फिट नहीं बैठता, और कभी-कभी गलत रीडिंग भी देता है। विशेषज्ञ इंजीनियरों का एक समूह 60 वर्षों से चिल्ला रहा है, "इस मुड़े हुए रिंच का उपयोग करना बंद करो! यह खतरनाक है! हमारे पास बेहतर औज़ार हैं!"
फिर भी, दुनिया का हर एक मैकेनिक उसी मुड़े हुए रिंच का उपयोग करता है। वे इसका उपयोग कारें ठीक करने, पुल बनाने और यहाँ तक कि सर्जरी करने के लिए भी करते हैं।
यही वह पहेली है जिसे यह पेपर हल करता है। वह "मुड़ा हुआ रिंच" NHST (नल हाइपोथीसिस सिग्निफिकेंस टेस्टिंग) है, जो एक सांख्यिकीय (statistical) विधि है जिसका उपयोग यह तय करने के लिए किया जाता है कि कोई वैज्ञानिक अध्ययन "वास्तविक" है या केवल एक संयोग। "विशेषज्ञ" वे सांख्यिकीविद् (statisticians) हैं जो दशकों से इसे ठीक करने की कोशिश कर रहे हैं।
लेखिका, कैरोल टिंग, तर्क देती हैं कि हम इस औज़ार का उपयोग इसलिए नहीं कर रहे हैं क्योंकि हम मूर्ख या आलसी हैं। हम इसका उपयोग इसलिए करते हैं क्योंकि यह एक विशिष्ट, विशाल समस्या के लिए एकदम सही औज़ार है: द्वितीय विश्व युद्ध के बाद विज्ञान का विस्फोट।
कहानी: हम यहाँ कैसे पहुँचे
1. दो आविष्कारक (एक "जबरन विवाह")
1900 के दशक की शुरुआत में, दो प्रतिभाशाली सांख्यिकीविदों ने गणित करने के दो अलग-अलग तरीके ईजाद किए:
- फिशर (Fisher) एक जासूस की तरह थे। वह सबूतों को देखना चाहते थे और कहना चाहते थे, "हम्म, यह परिणाम इतना अजीब है कि 'नल हाइपोथीसिस' (यह विचार कि कुछ भी नहीं हो रहा है) शायद गलत है।" उनका मानना था कि आपको यह तय करने के लिए कि संख्याओं का क्या अर्थ है, अपने दिमाग और निर्णय का उपयोग करने की आवश्यकता है।
- नेयमैन और पियर्सन (Neyman and Pearson) ट्रैफिक पुलिस की तरह थे। उन्हें विशिष्ट मामले की परवाह नहीं थी; उन्हें लंबे समय (long run) की परवाह थी। वे एक नियम चाहते थे: "यदि लाइट लाल है, तो रुकें। यदि हरी है, तो चलें।" वे एक ऐसी प्रणाली चाहते थे जो, 1,000 वर्षों में, सबसे कम गलतियाँ करे।
समस्या: ये दोनों विचार वास्तव में आपस में असंगत थे। आप एक ही समय में जासूस और ट्रैफिक पुलिस दोनों नहीं हो सकते।
2. महान विस्तार (विज्ञान का "बेबी बूम")
द्वितीय विश्व युद्ध के बाद, दुनिया बदल गई। अमेरिकी सरकार ने विज्ञान में अरबों डॉलर डाले। GI बिल ने लाखों दिग्गजों को कॉलेज भेजा। अचानक, हर कोई वैज्ञानिक बनना चाहता था।
- मांग: विश्वविद्यालयों को सांख्यिकी सभी को पढ़ाना था, न कि केवल कुछ चुनिते जीनियसों को।
- कमी: इतने सारे लोगों को पढ़ाने के लिए पर्याप्त विशेषज्ञ सांख्यिकीविद् उपलब्ध नहीं थे।
3. "कुकबुक" समाधान
क्योंकि छात्र बहुत अधिक थे और शिक्षक बहुत कम, विश्वविद्यालयों को सांख्यिकी जल्दी से सिखाने का एक तरीका चाहिए था। वे फिशर के गहरे, जटिल "जासूसी कार्य" या नेयमैन के कठोर "ट्रैफिक नियमों" को नहीं सिखा सकते थे।
इसलिए, उन्होंने एक हाइब्रिड राक्षस बनाया: NHST।
- उन्होंने फिशर के "p-value" (वह संख्या जो बताती है कि कुछ अजीब है) को लिया।
- उन्होंने नेयमैन के "पास/फेल" नियम को लिया (यदि संख्या 0.05 से नीचे है, तो आप पास हो जाते हैं)।
- उन्होंने सभी कठिन हिस्सों को हटा दिया: संदर्भ, निर्णय, धारणाएँ और सूक्ष्मता।
परिणाम: एक "कुकबुक" पद्धति। आपको यह समझने की ज़रूरत नहीं है कि केक क्यों फूलता है; आपको बस रेसिपी का पालन करना है: "सामग्री मिलाएं, 350 पर बेक करें, देखें कि टूथपिक साफ बाहर आती है या नहीं।" यदि यह साफ बाहर आती है, तो आप घोषित करते हैं, "सफलता!"
मुख्य तर्क: क्यों यह "खराब" औज़ार वास्तव में एक विशेषता (Feature) है
यह पेपर तर्क देता है कि NHST विज्ञान की विफलता नहीं है; यह बड़े पैमाने पर उत्पादन के लिए डिज़ाइन की गई एक सामाजिक तकनीक (social technology) है।
उपमा: एयरपोर्ट सुरक्षा स्कैनर
कल्पना कीजिए कि आप एक एयरपोर्ट सुरक्षा प्रमुख हैं। आपको एक घंटे में 10,000 यात्रियों की जांच करनी है। आपके पास दो विकल्प हैं:
- विशेषज्ञ दृष्टिकोण: एक अत्यधिक प्रशिक्षित जासूस हर बैग की जांच करता है, यात्री से सवाल पूछता है, और यह तय करने के लिए अपनी अंतर्दृष्टि का उपयोग करता है कि वे खतरनाक हैं या नहीं।
- परिणाम: इसमें प्रति व्यक्ति 20 मिनट लगते हैं। आप किसी और की जांच नहीं कर सकते। एयरपोर्ट रुक जाता है।
- मशीन दृष्टिकोण: एक मेटल डिटेक्टर बीप करता है यदि उसे धातु मिलती है। यदि यह बीप करता है, तो आप उनकी तलाशी लेते हैं। यदि नहीं, तो वे आगे बढ़ जाते हैं।
- परिणाम: यह तेज़ है। यह स्वचालित है। इसे इस बात से फर्क नहीं पड़ता कि व्यक्ति कौन है या उसके पास बेल्ट का बकल क्यों है। यह बस एक नियम का पालन करता है।
NHST वह मेटल डिटेक्टर है।
- यह "संदर्भ" (व्यक्ति की कहानी, विशिष्ट स्थिति) को हटा देता है।
- यह "विशेषज्ञ निर्णय" को एक "यांत्रिक नियम" (क्या p-value < 0.05 है?) से बदल देता है।
- यह विश्वविद्यालयों को गैर-विशेषज्ञ शिक्षकों को सांख्यिकी पढ़ाने में सक्षम बनाता है।
- यह अनुदान समितियों (grant committees) को हर क्षेत्र के विशेषज्ञ बने बिना हजारों आवेदनों को जल्दी से छाँटने में सक्षम बनाता है।
हम इसे ठीक क्यों नहीं कर सकते?
पेपर सुझाव देता है कि NHST को ठीक करना कठिन है क्योंकि इसकी "कमियां" वास्तव में वे विशेषताएं हैं जो इस प्रणाली को काम करने में मदद करती हैं।
- "ब्लैक बॉक्स": NHST एक "ब्लैक बॉक्स" है। आप डेटा डालते हैं, और एक "Significant!" या "Not Significant!" लेबल बाहर आता है। आपको यह जानने की ज़रूरत नहीं है कि इसके अंदर क्या चल रहा है। बड़े पैमाने पर उत्पादन के लिए यह बहुत अच्छा है क्योंकि यह विज्ञान को "पोर्टेबल" बनाता है। कोई भी इसे कहीं भी उपयोग कर सकता है, बिना गणित में पीएचडी के।
- "मुद्रा" (Currency): विज्ञान की दुनिया में, p-value मुद्रा की तरह है। यदि आपके पास एक "Significant" p-value है, तो आपको नौकरी, अनुदान या पदोन्नति मिलती है। यदि नहीं, तो आपको कुछ नहीं मिलता। यह प्रणाली इसी मुद्रा के इर्द-गिर्द बनी है।
निष्कर्ष: भविष्य के लिए एक चेतावनी
लेखिका चेतावनी देती है कि हम एक जाल में हैं।
- हम जानते हैं कि NHST तकनीकी रूप से त्रुटिपूर्ण है (यह गलत सकारात्मक परिणाम पैदा करता है, वास्तविक दुनिया के महत्व को अनदेखा करता है)।
- लेकिन हम इसका उपयोग करना बंद नहीं कर सकते क्योंकि हमारी भर्ती, फंडिंग और प्रकाशन की पूरी प्रणाली इसी पर टिकी है।
पेपर इस विचार के साथ समाप्त होता है: हम शायद AI और बिग डेटा के साथ भी यही कर रहे हैं। हम नए "ब्लैक बॉक्स" (जैसे Bayes Factor या मशीन लर्निंग एल्गोरिदम) बना रहे हैं जो निर्णयों को स्वचालित करने का वादा करते हैं। NHST की तरह, ये नए उपकरण लोकप्रिय इसलिए हो सकते हैं क्योंकि वे तेज़, उपयोग में आसान और हमारे विशाल, भीड़भाड़ वाले सिस्टम में फिट होने वाले हैं।
संक्षेप में: NHST इसलिए हावी नहीं है क्योंकि यह सत्य खोजने का सबसे अच्छा तरीका है, बल्कि इसलिए क्योंकि यह उस दुनिया को प्रबंधित करने का सबसे अच्छा तरीका है जहाँ हर कोई विज्ञान करने की कोशिश कर रहा है, और हमारे पास पर्याप्त विशेषज्ञ नहीं हैं। इसने सटीकता (accuracy) के बदले स्केलेबिलिटी (scalability) को चुना।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।