עקרון הפעלה: תמיכה בבניית ידע בתנאי אי ודאות

חיינו מלווים בהחלטות שונות, בהן אנו מנסים לשער מה תהיה דרך הפעולה המיטבית, אף על פי שלא ניתן לדעת בוודאות מהן השלכותיה. דוגמאות להחלטות מסוג זה הן למשל: אופן ההתנהלות במגיפה עולמית, מתן או אי-מתן של תרופה מצילת חיים, בחירה בחוג העשרה או בתזונה מסויימת ועוד. קבלת החלטות בתנאים של אי וודאות הינה לעיתים מהותית בחיי היומיום.  עם זאת, על פי מחקרים, קבלת החלטות בתנאים של אי וודאות, אשר לעיתים מהותיות לחיינו, אינה מתבססת על ידע הנשען על ניתוח נתונים תוך התייחסות מושכלת לגורם אי הודאות. החלטות חשובות אלו לרוב מתקבלות על בסיס אנקדוטות - מקרים בהם נתקלנו במקרה או עליהם שמענו. 

קבלת החלטות בתנאים של אי וודאות הינה מרכזית בעשייה ובחשיבה המדעית. מדענים מפתחים תיאוריות מדעיות על בסיס נתונים תוך הערכת מידת הוודאות ביחס להשערות שהעלו ביחס לתופעות המדעיות אותן הם חוקרים. כדי לעשות זאת עליהם לשלב בין ידע על אי וודאות הקשור לידע מדעי וידע אודות מהות המדע ובין ידע על אי וודאות הקשור לידע סטטיסטי. ידע על אי הוודאות הקשור לידע המדעי מתייחס לידע החסר לנו על התופעה הנחקרת: נשאל למשל, מה אנחנו עדין לא יודעים על התופעה? ידע על אי וודאות בהקשר של מהות המדע מתייחס לידע על האופן שבו ניתן לערוך מחקר שיאפשר לקבל החלטה מהימנה ובעלת תוקף לגביו. דוגמה לשאלה שמדגימה אי וודאות כזו היא: מהו מחקר מדעי שיאפשר זאת?. ידע על אי וודאות בהקשר של חשיבה סטטיסטית מתייחס לידע לגבי הנתונים, סוג, כמות הנתונים ומהימנותם. דוגמאות לשאלות מסוג זה הן: איזה ידע מדעי דרוש לנו? אלו נתונים דרושים לנו? ועוד. דוגמא לידע המשלב את שלושת תחומי הדעת הללו היא למשל קבלת החלטה לגבי מתן ויטמין מסוג מסויים.  החלטה זו, כרוכה בהבנה של האופן שבו עורכים מחקר מהימן ובעל תוקף (ידע אודות מהות המדע), בלמידה על הידע שנאסף עד כה על הויטמין (ידע מדעי), בחקר נתונים והסקה מהנתונים לגבי הויטמין תוך הערכת היתכנות של ההשלכות של הויטמין (ידע סטטיסטי). 

צורת חשיבה זו איננה אינטואיטיבית. למעשה, תלמידים נוטים לתפוס את הידע המדעי כידע ודאי ומוחלט.  בנוסף, הם נוטים להתייחס אל אי הוודאות הנגזרת מנתונים באחת משתי הקיצונויות: דטרמיניסטיות - נתונים מנבאים בוודאות מוחלטת את העתיד להתרחש או רלטיביסטיות - אי אפשר להסיק מנתונים דבר אודות העתיד להתרחש (אי וודאות מוחלטת). שיתוף תלמידים בעבודה מדעית, תוך התייחסות אל מהות העשייה המדעית מאפשר להם להבין טוב יותר את אופיה היחסי של הוודאות במדע, את האופן שבו נתונים חדשים שופכים אור חדש על מידע קיים ועל הצורות בהן מדענים פועלים כדי להגביר את יכולתם לדעת בתוך מציאות בה וודאות אינה מושג דיכוטומי.

מיזמי מדע אזרחי הם קרקע פוריה להצמחת שיקולי דעת על אי וודאויות אלו. ביחוד מיזמים בהם תלמידים מעורבים בחקר סטטיסטי ומדעי, תוך החשפות לפרקטיקות המדעיות השגורות בקרב מדעני המיזם. דוגמא לכך ניתן לראות במיזם הראדון, בו התלמידים נחשפים לעשייה המדעית של מדעני המיזם למשל בביקור במעבדות הראדון והכרת כלי המדידה השונים. במקביל התלמידים לומדים על הידוע על גז הראדון, מאפייניו והסכנות הכרוכות בחשיפה ממושכת אליו. הם אוספים נתונים מבתיהם וחוקרים אותם. כל אלו מעלים שאלות בקרב התלמידים, המבטאות אי וודאויות שונות, למשל לגבי תוקף כלי המדידה השונים (ידע לגבי מהות המדע), לגבי גורמים העשויים להיות קשורים לעלייה או לירידה ברמות הגז (ידע מדעי) ולגבי היכולת להכליל מהנתונים של רמות הגז על כלל בתי המגורים (ידע סטטיסטי). הצורך לקבל החלטות הרות גורל במיזם, מוביל את הלומדים לערוך קישורים בין סוגי אי וודאויות אלו, ולבנות ידע בתנאי אי וודאות. 

עיקרון זה, מיושם פעמים רבות עם העקרון: "פענוח תופעות ורעיונות מורכבים ע"י תכנון ויצירת מודלים".

ההיסטוריה של העיקרון: הצורך בעיקרון זה עלה בעקבות העשייה המחקרית והיישומית של מרכז TCSS. 

לציטוט העיקרון: ארידור, ק., לביא אלון, נ., ולין, ג., שחם דולב, ר., קלי, י., שגיא, א., וחברי קהילת TCSS (2021). עקרונות הפעלה, insights.ac

להעמקה והרחבה:

אי וודאות סטטיסטית. בן-צבי, ארידור, מאקר ובאקר (2012) מסבירים כי חקירת תופעה בתנאים של אי וודאות ביחס אליה, כרוך בחקר נתונים הכולל בין היתר את הערכת הנתונים ומגבלותיהם, מנקודת מבט סטטיסטית. עם זאת, שיקולי דעת סטטיסטיים, הלוקחים בחשבון אי וודאות סטטיסטית עומדים נגד הנטייה הטבעית של האדם לטעון טענות המבוססות בעיקר על אנקדוטות. במטרה לפתח שיקולי דעת סטטיסטיים הלוקחים בחשבון אי וודאות, עלינו ללמוד לחשוב בו זמנית הן על הסיפור העולה מהנתונים (האות) והן על הערכת וכימות אי הוודאות הסטטיסטית ביחס למאפייני התופעה. אי וודאות זו מעלה את השאלות: האם הסיפור העולה מהנתונים תקף לכלל הנתונים? לחלקם? מה הסיכוי לכך שסיפור זה אכן יאפיין את התופעה עליה אנחנו חוקרים? ועוד.

על מנת להעריך ולכמת את אי הוודאות הסטטיסטית, עלינו לחשוב על הנתונים מנקודת מבט הלוקחת בחשבון שני רעיונות מנוגדים: שונות בין מדגמים וייצוגיות המדגם. כלומר, עלינו להעריך עד כמה מדגם הנתונים מייצג את התופעה הנחקרת, תוך הערכה של המידה שבה מדגמים אקראיים באותו הגודל, אשר נדגמים מאותה האוכלוסיה, יהיו שונים זה מזה. במילים אחרות, כשאנחנו מסיקים מסקנה המבוססת על נתונים, עלינו להעריך עד כמה נוכל להכליל ממנה על התופעה, תוך לקיחה בחשבון של הסיכויים לקיומה. 

תהליך זה הינו מאתגר במיוחד עבור לומדים טירונים, אשר נוטים לבטא תפיסות מנוגדות ביחס לאי וודאות: התפיסה הראשונה הינה דטרמיניסטית, עבורה מדגם מייצג באופן מלא את האוכלוסיה ממנה נדגם (וודאות מלאה). התפיסה השניה היא רלטיביסטית, עבורה, מדגם לא יכול לייצג את האוכלוסיה בשל השונות בין המדגמים (חוסר וודאות מלאה). אבחנה בין מקורות שונים לאי הוודאות עשויה לעודד פיתוח של איזור ביניים בין שתי תפיסות קיצוניות אלו, שבו ייצוגיות המדגם או ההכללה ביחס לתופעה מסוייגת על ידי הסיכויים להתרחשותה. 

אי וודאות מדעית. על פי Gasparatou (2017), תהליך בניית ידע מדעי כרוך במתן פרשנויות חוזרות ונשנות לתיאוריות אשר הועלו במחקרים קודמים. השערות חדשות מובילות לעיתים לאיסוף נתונים חדשים המתווספים לקיימים. בחינת הנתונים החדשים עשויה להוביל לתיקוף התיאוריה הקיימת, אך גם לשיפור התיאוריה או להפרכתה. תהליך זה כרוך ביכולת לתאם בין הנתונים החדשים הנאספים ובין תיאוריות קיימות או חדשות, כלומר ביכולת להבין את הקשר בין הנתונים והתיאוריה, ואת תפקידם הכפול והמנוגד של הנתונים (כמוכיחים תיאוריה או כסותרים תיאוריה). הבנה זו מהותית לתהליך בניית הידע המדעי, ובכך מרכזית בתהליכי החשיבה המדעית. על פי Chalmers, 2013, תהליך זה מונע ומקודם על ידי ההכרה באי הוודאות המדעית ובמקורותיה: מורכבות העולם אותה מנסה המחקר המדעי לפצח, והמשאבים המוגבלים של בני האדם (הן בידע והן בכלים). 

על פי Popper 1963, תפיסה דוגמתית של התיאוריה מתייחסת אל הנתונים כאל מאשרים באופן מוחלט את התיאוריה. בתפיסה זו, כמעט ואין ביטוי לאי וודאות מדעית. תפיסה ראשונית מנוגדת הינה מיקוד בתפקיד הנתונים כמפריכים תיאוריות. בתפיסה זו מבוטאת אי וודאות מוחלטת לגבי תאוריות מדעיות.  

אי וודאות ביחס לחשיבה אודות מהות המדע. פיתוח של הבנות ביחס למהות המדע (מהו מדע? מהו ידע מדעי? איך מדענים חוקרים ועוד) הינה מהותית בחינוך המדעי. מהות המדע נחשבת כשער הכניסה לתרבות המדעית וכמעודדת התבוננות ביקורתית על העשייה והמחקר המדעיים. 

Hofer and Pintrich (2001) זיהו שלוש תפיסות לדבי מהות הידע המדעי: 
א. מקור הידע הוא העולם שסביבנו. ניתן לדעת את הידע המדעי בוודאות, והוא בלתי ניתן לעירעור או חידוד. כלומר, ברגע שידע מדעי נבנה איננו זמני, הוא מערכת נוקשה ובלתי ניתנת לשינוי, ספקנות או ביקורת. 

ב. מקור הידע הוא הוא הסובייקט היודע ולא העולם שסביבנו, לכן, לידע המדעי אופי סובייקטיבי ולא ודאי, ככזה, הוא תמיד זמני וניתן להפרכה. המיקוד באי הוודאות של הידע המדעי, ובהיותו ניתן להפרכה תמיד, מונע הפעלת שיקול דעת אובייקטיבי לשם הערכה או שיפוט של טענות. 

ג. תפיסה המשלבת את שתי התפיסות הראשונות, על פיה, ידע מדעי עשוי להשתנות עם הזמן, אך ניתן להעריך ולכמת את אי הוודאות ביחס אליו. 

אינטגרציה בין חשיבה מדעית, חשיבה סטטיסטית וחשיבה אודות מהות המדע, בהקשר של אי וודאות. על פי ארידור, דביר, צ'יבולסקי ובן-צבי (2023), פעילויות מדע אזרחי מאפשרות מעורבות בפרקטיקות מדעיות וסטטיסטיות אותנטיות. ככאלו, הן עשויות לעורר קונפליקטים בין אופני חשיבה ראשוניים ותפיסות קיצוניות של אי וודאות ביחס לחשיבה סטטיסטית, חשיבה מדעית וחשיבה אודות מהות המדע. לדוגמא, התייחסות לידע המדעי כאל ידע זמני (אי וודאות ביחס למהות המדע) לצד דחיית היכולת להסיק ממדגם נתונים (אי וודאות סטטיסטית מוחלטת), עשויות לעורר קונפליקט ביחס לתפיסה המדעית הרואה בנתונים כמאשרי תיאוריה (ודאות מוחלטת בהקשר של חשיבה מדעית). קונפליט מעין זה, עשוי להוביל ליצירת קשרים בין אופני חשיבה אלו. בכך, לטפח ביטויי אי וודאות מאוזנים יותר ביחס לחשיבה מדעית, חשיבה סטטיסטית וחשיבה עם מהות המדע, המכירים באי הוודאות של הידע המדעי ובכך שיש להעריך ולכמת אותה. 

רשימת מקורות: 

Aridor, K., Dvir, M.,Tsybulsky, D., & Ben-Zvi, D. (2023). Living the DReaM: The interrelations between Statistical, Scientific and Nature of Science uncertainty articulations through Citizen Science. Instructional Science, 51, 729–762. https://doi.org/10.1007/s11251-023-09626-8

Ben-Zvi, D., Aridor, K., Makar, K., & Bakker, A. (2012). Students’ emergent articulations of uncertainty while making informal statistical inferences. ZDM - The International Journal on Mathematics Education, 44(7), 913-925. 

Gasparatou, R. (2017). Scientism and scientific thinking. Science & Education, 26(7-9), 799-812.

Kali, Y., (2006). Collaborative knowledge-building using the Design Principles Database. International Journal of Computer-Supported Collaborative Learning, 1(2), 187-201.

Popper, K. (1963). Conjecture and Refutations: The growth of scientific knowledge. London and New York: Routledge and Kegan Paul.