Quando a ciência é uma projeção do preconceito do pesquisador

Um estudo marcante publicado recentemente em Avanços da Ciência (Borjas & Breznau, 2026) confirma uma realidade perturbadora para a nossa era orientada por dados: conjuntos de dados idênticos não produzem verdades idênticas. Quando 71 equipas de investigação receberam os mesmos dados para determinar se a imigração reduz o apoio à assistência social, geraram 1.253 formas de analisar os resultados. As conclusões não surgiram dos números; foram ditados pelas preferências políticas pré-existentes dos investigadores.

Ao inserir a subjectividade individual sobre quais as políticas que são óptimas no coração da investigação científica, sucumbimos àquilo que o crítico do século XIX, John Ruskin, chamou de Falácia Patética.

A falácia patética

Derivado de pathoso termo de Ruskin refere-se a um erro emocional, e não a um erro lamentável. É a tendência humana projetar estados de espírito internos na realidade externa. Isso é como psicológico projeçãomas Ruskin descreveu isso na criação de arte e poesia. Para o poeta, isso se manifesta como espuma cruel do mar ou folhas dançantes.

Ruskin foi severo com aqueles que confiam nesta falácia. Ele via isso como um sinal de uma mente tão dominada por emoção que o observador perde a capacidade de ver o mundo como ele realmente existe. Para Ruskin, o nível mais elevado de intelecto pertence àqueles que percebem e representam a coisa com absoluta clareza, independentemente de seus próprios sentimentos. Ele argumentou que o criador que impregna a natureza com emoção está distorcendo a realidade para servir ao seu próprio ego.

A honestidade intelectual requer uma distinção simples: podemos dizer algo éou apenas que me parece ser? A primeira é uma declaração de fato; a segunda é uma forma honesta de explicar a própria resposta. Para dizer parece para mim preserva a integridade do objeto. Revela uma pessoa que compreende que embora as suas emoções e o mundo externo estejam ligados, o mundo não é apenas uma extensão dos seus próprios sentimentos.

A Arte e a Ciência da Estatística

A disciplina para distinguir entre os dois muitas vezes desaparece quando os investigadores tratam um modelo matemático como um juiz imparcial das políticas sociais. Como o Avanços da Ciência O experimento demonstra que um modelo matemático é facilmente moldado em formas que refletem os próprios preconceitos do pesquisador sobre o mundo.

Se os dados fossem uma realidade imutável, 71 equipas convergiriam para resultados semelhantes. Em vez disso, o estudo produziu um mapa caótico de muitos modelos diferentes do mundo: muitas versões de parece-me ser em vez de uma descrição do que é. Essa variação não foi causada por notícias falsas ou erros matemáticos, mas pelo que os autores descrevem como Graus de Liberdade do Pesquisador.

Graus de liberdade do pesquisador

Antes de um único cálculo ser executado, um pesquisador deve tomar dezenas de pequenas decisões subjetivas:

• Quais variáveis ​​merecem mais peso?
• Quais pontos de dados “ruidosos” devem ser excluídos?
• Quais limites estatísticos significam um resultado significativo?

Essas decisões são influenciadas pela experiência do pesquisador. viés muito mais do que alguns gostariam de admitir. No entanto, “duas equipes não chegaram ao mesmo conjunto de resultados numéricos ou tomaram as mesmas decisões importantes durante a análise de dados”. Tal como criticava o poeta Ruskin, estes investigadores não revelam o mundo tal como ele é; eles imbuem um modelo com suas próprias sensibilidades, ditando como devemos reagir emocionalmente ao resultado.

O Mapa 1:1 da Realidade

Em Lewis Carroll Sylvie e Bruno concluíramum personagem descreve um mapa com uma escala de uma milha por milha. Um mapa do mundo totalmente preciso e em tamanho mundial. A piada destaca a futilidade de um modelo que se torna tão complexo que ofusca a realidade que pretende medir:

“Ainda nunca foi divulgado”, explica o personagem. “Os agricultores opuseram-se: disseram que cobriria todo o país e impediria a entrada da luz solar! Portanto, agora usamos o próprio país como o seu próprio mapa, e garanto-vos que o faz quase tão bem.”

Nosso problema moderno é o inverso: fetichizamos os dados sem exigir que eles realmente representem o mundo real. Estamos construindo mapas de outros mapas. Acreditar que qualquer coisa numérica é automaticamente objetiva é um problema fundamental da era do Big Data. Confundimos a descrição com a coisa em si.

Esta lacuna está a aumentar porque a informação do mundo real está a tornar-se mais difícil de encontrar. As agências nacionais, como o Gabinete de Estatísticas Nacionais (ONS) do Reino Unido, estão em crise porque as pessoas deixaram de atender as portas e os telefones. Quando as taxas de resposta ao inquérito caem de 50% para menos de 15%, os dados secam.

Para compensar, as agências preenchem agora as lacunas com “estimativas de estimativas” ou “dados sintéticos”, que são apenas dados fabricados por um algoritmo. É mais fácil do que nunca gerar números, mas mais difícil do que nunca coletar dados que realmente representem pessoas.

Para entender a armadilha, é preciso perceber o que realmente é um modelo: uma suposição baseada em uma teoria. Nunca é realidade. É um conjunto de suposições humanas onde você insere o que você pensar você sabe para gerar um palpite sobre o que você não saber. Se a teoria estiver ligeiramente errada, ou se os pesquisadores puxarem as alavancas erradas, o resultado estará errado. Como um modelo deve deixar de fora a complexidade infinita do mundo real para funcionar, é sempre uma estimativa, nunca um facto.

Patologizando opiniões normais

O perigo dos dados sintéticos e dos modelos mal construídos aumenta quando os investigadores começam a patologizar os seus oponentes ideológicos. Isto acontece em pesquisas onde certas posições ideológicas são tratadas como defeitos psicológicos e não como sistemas normais de crenças.

Durante décadas, as ciências sociais concentraram-se na “rigidez da direita”. Num exemplo notável, os modelos dos investigadores ligam o conservadorismo de direita às “relações objetais patológicas”, citando “defesas primitivas” e “problemas nos testes de realidade”. Por outro lado, trabalhos recentes sobre o Autoritarismo de Esquerda (LWA) começaram a analisar o ativismo progressista através das lentes do narcisista vitimização e tríade negra características.

Os investigadores do estudo de Borjas & Breznau (2026) descobriram que as equipas de investigação pró-imigração eram mais propensas a enquadrar os seus resultados como um sinal de “aumento da coesão social”, enquanto as equipas anti-imigração enquadravam dados semelhantes como uma “redução na coesão”.

Ao enquadrar uma visão de mundo ou posição política como uma patologia clínica, o pesquisador mascara uma interpretação subjetiva do mundo por trás de um modelo estatístico. É inteiramente razoável dizer: “Parece para mim que esta ideologia é prejudicial” ou apontar divergências pessoais. É falso usar um modelo matemático para sugerir que a ciência provou que o seu vizinho está mentalmente doente por votar de uma forma contrária à sua própria sensibilidade. Este erro diminui a confiança do público na própria ideia de conhecimento científico.

Pequenos histogramas felizes

Podemos, de forma útil, retornar à distinção de Ruskin e à patética falácia. Há uma enorme diferença entre avançar na compreensão científica de um tópico e simplesmente vestir uma opinião política com um jaleco. Quando os pesquisadores usam a palavra é na forma de um modelo estatístico para esconder o que é realmente apenas Eu pensoeles não estão mais fazendo ciência, estão fazendo relações públicas políticas.

Para se manter firme, lembre-se disto: da próxima vez que vir uma manchete sobre um modelo que “prova” um facto social ou de política pública, considere se o investigador está a medir com precisão o mundo tal como ele é, ou se está apenas a projectar os seus próprios sentimentos nos dados e espera que trate a sua perspectiva como um facto.