Tiedeuutisia lukiessa yksi tavallisimmista kompastuskivistä on korrelaatio ja kausaliteetti. Uutinen voi kertoa, että kaksi asiaa esiintyy yhdessä, mutta se ei vielä tarkoita, että toinen aiheuttaa toisen. Juuri tässä syntyy paljon väärinymmärryksiä, ylitulkintoja ja turhaa varmuutta. Kun opit erottamaan yhteyden ja syy-seuraussuhteen, luet tutkimuksia, otsikoita ja asiantuntijakommentteja huomattavasti tarkemmin.
Mitä korrelaatio ja kausaliteetti tarkoittavat?
Korrelaatio tarkoittaa, että kaksi ilmiötä vaihtelee yhdessä, kun taas kausaliteetti tarkoittaa, että toinen ilmiö aiheuttaa toisen. Tämä ero on tiedeuutisten ymmärtämisessä ratkaiseva, koska pelkkä samanaikainen yhteys ei vielä todista syy-seuraussuhdetta. Siksi korrelaatio ja kausaliteetti on syytä erottaa heti uutista avatessa.
Käytännössä korrelaatio voi näkyä niin, että kahden muuttujan välillä havaitaan yhteys aineistossa. Se voi olla heikko, vahva, myönteinen tai kielteinen. Mitään tästä ei kuitenkaan voi yksinään tulkita syyksi ilman lisänäyttöä.
Kausaliteetti vaatii vahvempaa perustaa. Tarvitaan hyvä tutkimusasetelma, vaihtoehtoisten selitysten tarkastelua ja perusteltu mekanismi sille, miksi vaikutus syntyisi. Ilman tätä uutinen kertoo parhaimmillaan kiinnostavasta yhteydestä, ei varmistetusta syystä.
Ero tiiviisti
| Käsite | Mitä se kertoo? | Mitä se ei vielä kerro? |
|---|---|---|
| Korrelaatio | Kaksi asiaa liittyy toisiinsa aineistossa | Että toinen aiheuttaa toisen |
| Kausaliteetti | Toisella asialla on syyvaikutus toiseen | Että vaikutus olisi aina sama kaikissa tilanteissa |
Miksi tiedeuutisissa mennään usein harhaan?
Harhaan mennään usein siksi, että uutisointi tiivistää monimutkaisen tutkimuksen lyhyeen muotoon. Kun tilaa on vähän, varovainen ilmaisu muuttuu helposti vahvemmaksi väitteeksi. Tällöin korrelaatio ja kausaliteetti sekoittuvat etenkin otsikoissa, some-jakojen yhteydessä ja nopeassa uutisvirrassa.
Tutkimus voi esimerkiksi raportoida yhteyden, mutta uutinen muotoilee sen vaikutukseksi. Tämä ei aina johdu pahasta tarkoituksesta, vaan uutislogiikasta: selkeä syy-seuraustarina kiinnostaa enemmän kuin varovainen toteamus yhteydestä.
Lisäksi lukija täydentää usein aukkoja itse. Jos otsikossa sanotaan, että jokin tekijä “liittyy” terveyteen, mieleen voi silti muodostua ajatus, että tekijä “parantaa”, “heikentää” tai “aiheuttaa”. Tulkinta vahvistuu, jos aihe on ennestään tuttu tai tunnepitoinen.
Mikä altistaa väärälle tulkinnalle?
- vahva, dramaattinen otsikointi
- epäselvä ero “liittyy” ja “aiheuttaa” -muotoilujen välillä
- tutkimusasetelman puuttuminen uutisesta
- häiritsevien tekijöiden sivuuttaminen
- lukijan halu löytää nopeita vastauksia
Näin tunnistat riskikohdat otsikossa ja ingressissä
Otsikko ja ingressi paljastavat usein jo ensimmäiseksi, puhutaanko yhteydestä vai syystä. Jos ilmaisu on epätarkka tai liian varma, kannattaa pysähtyä heti. Kriittinen lukija tarkistaa, väitetäänkö havainnollista yhteyttä vai vahvaa vaikutusta ilman että näyttöä avataan.
Kiinnitä huomiota verbeihin. Sanat kuten “liittyy”, “on yhteydessä”, “havaittiin yhdessä” tai “assosioituu” viittaavat tavallisesti yhteyteen. Sanat kuten “aiheuttaa”, “johtaa”, “lisää”, “vähentää” tai “estää” vihjaavat kausaliteettiin.
Ongelma syntyy silloin, kun uutinen käyttää syytä vihjaavaa kieltä, mutta ei kerro miksi siihen olisi perusteita. Tällöin kannattaa lukea erityisen tarkasti, onko jutussa mitään, mikä oikeuttaa vahvemman väitteen.
Varo erityisesti näitä ilmauksia
- “tutkimus todistaa, että…”
- “selvisi, että X aiheuttaa Y:n”
- “X:n ansiosta Y”
- “Y johtuu X:stä”
- “tämä yksi tekijä selittää…”
Jos jutussa käytetään tällaisia muotoiluja ilman tarkennusta tutkimusasetelmasta, tulkintaa kannattaa pitää alustavana.
Mitkä kysymykset kannattaa esittää tutkimusväitteestä?
Paras tapa välttää virhe on kysyä uutisesta muutama peruskysymys ennen johtopäätöstä. Näin erotat, onko kyse havainnosta, alustavasta viitteestä vai vahvemmasta syyväitteestä. Tämä on tehokkain tapa käsitellä korrelaatio ja kausaliteetti käytännössä.
Ensimmäinen kysymys on yksinkertainen: mitä tutkimuksessa oikeastaan mitattiin? Jos mitattiin vain sitä, että kaksi asiaa esiintyy yhdessä, uutinen ei vielä todista syytä. Toinen hyvä kysymys on, voisiko jokin kolmas tekijä selittää yhteyden.
Kolmas kysymys koskee ajallista järjestystä. Jotta jokin voisi aiheuttaa jotakin, syyn pitäisi tulla ennen vaikutusta. Neljäs kysymys liittyy vaihtoehtoihin: voisiko vaikutussuunta olla päinvastainen kuin uutinen antaa ymmärtää?
Neljän kysymyksen malli
- Mitattiinko yhteyttä vai testattiinko vaikutusta?
- Voiko kolmas tekijä selittää havaitun yhteyden?
- Tiedetäänkö, kumpi tuli ensin?
- Selittääkö uutinen, miksi vaikutus syntyisi?
Jos vastaus jää epäselväksi
Jos uutinen ei vastaa näihin kysymyksiin, turvallisin tulkinta on yleensä tämä: havainto on kiinnostava, mutta syy-seuraussuhde ei ole vielä varmistunut. Tällainen varovaisuus ei ole skeptisyyttä skeptisyyden vuoksi, vaan hyvää tiedelukutaitoa.
Yleisimmät virhetulkinnat käytännössä
Yleisimmät virhetulkinnat syntyvät silloin, kun yhteys luetaan vaikutukseksi, ajoitus ohitetaan tai kolmas tekijä unohdetaan. Näissä tilanteissa lukija saa helposti liian vahvan käsityksen siitä, mitä tutkimus todella osoittaa. Siksi käytännön esimerkkityypit ovat hyödyllisiä tunnistaa.
Kolmas tekijä jää piiloon
Usein kaksi asiaa näyttävät liittyvän toisiinsa, mutta taustalla voi olla jokin kolmas muuttuja. Tiedeuutinen voi nostaa esiin näyttävän yhteyden, vaikka todellinen selitys olisi monimutkaisempi. Ilman tätä varovaisuutta yhteydestä tulee lukijan mielessä helposti syy.
Syy ja seuraus kääntyvät toisin päin
Joskus uutinen antaa ymmärtää, että X johtaa Y:hyn, vaikka yhtä hyvin Y voisi vaikuttaa X:ään. Ilman selkeää ajallista tai menetelmällistä perustetta suunta jää avoimeksi. Tämä on erityisen tavallista silloin, kun tutkimus perustuu samaan hetkeen kerättyihin havaintoihin.
Yhteys yleistetään liian pitkälle
Toinen virhe on olettaa, että havaittu yhteys pätee kaikkialla, aina ja kaikkiin. Vaikka tutkimuksessa näkyisi jokin yhteys, uutinen ei saisi esittää sitä universaalina lakina ilman lisäperusteita. Myös tämä on kohta, jossa korrelaatio ja kausaliteetti sekoittuvat käytännön tasolla.
Nopea tarkistuslista tiedeuutisen lukijalle
Jos haluat lukea tiedeuutisen paremmin muutamassa minuutissa, käytä lyhyttä tarkistuslistaa. Se auttaa erottamaan, milloin jutussa puhutaan yhteydestä ja milloin syystä. Samalla vältät tekemästä liian vahvoja päätelmiä liian vähäisestä tiedosta.
Tarkistuslista
- Tunnistaako juttu eron yhteyden ja syy-seuraussuhteen välillä?
- Käytetäänkö otsikossa vahvempaa kieltä kuin itse tekstissä?
- Kerrotaanko, miten tutkimus oli tehty?
- Mainitaanko mahdolliset vaihtoehtoiset selitykset?
- Onko väite muotoiltu varovaisesti vai lopullisena totuutena?
- Jääkö jokin keskeinen kysymys kokonaan avaamatta?
Milloin kannattaa suhtautua erityisen varovasti?
Erityinen varovaisuus on paikallaan, jos juttu lupaa yhden tutkimuksen perusteella nopean ratkaisun, yksinkertaisen syyn tai suoran vaikutuksen monimutkaiseen ilmiöön. Mitä suurempi väite, sitä tärkeämpää on tarkistaa, perustuuko se todella näyttöön vai vain havaittuun yhteyteen.
Usein kysytyt kysymykset
Mistä tiedän nopeasti, puhuuko uutinen korrelaatiosta vai kausaliteetista?
Nopein tapa on tarkistaa sanavalinnat. Jos jutussa puhutaan yhteydestä, liittymisestä tai samanaikaisesta esiintymisestä, kyse on todennäköisesti korrelaatiosta. Jos taas väitetään vaikutusta, syytä tai seurausta, uutinen vihjaa kausaliteettiin ja vaatii vahvempia perusteluja.
Voiko korrelaatio silti olla hyödyllinen havainto?
Kyllä voi. Korrelaatio voi olla tärkeä lähtökohta jatkotutkimukselle, riskien tunnistamiselle ja ilmiöiden hahmottamiselle. Ongelma ei ole yhteyden havaitseminen, vaan se, jos yhteys esitetään varmana syynä ilman riittävää näyttöä.
Miksi otsikot kuulostavat usein varmemmilta kuin tutkimus itse?
Otsikon tehtävä on tiivistää ja herättää kiinnostus, minkä vuoksi sävy voi koventua. Samalla tutkimuksen varovaiset rajaukset, epävarmuudet ja vaihtoehtoiset selitykset jäävät usein vähemmälle huomiolle. Siksi otsikkoa ei kannata pitää koko tutkimuksen täsmällisenä tiivistelmänä.
Johtopäätös
Kun opit tunnistamaan eron käsitteiden korrelaatio ja kausaliteetti välillä, luet tiedeuutisia rauhallisemmin ja tarkemmin. Kaikki kiinnostava yhteys ei ole syy, eikä vahva otsikko yksin riitä todisteeksi. Pidä mukana muutama hyvä kysymys, tarkista sanavalinnat ja suhtaudu suurimpiin väitteisiin maltilla. Jos haluat parempia uutistulkintoja, tee tästä tarkistusmallista oma rutiinisi.
