Korelasyondan Nedenselliğe Giden Yol: Olay, Olgu ve Süreçler Arasında Neden-Sonuç İlişkisi Nasıl Tespit Edilir?

Diyelim ki hayatınızla ilgili veriler toplamayı seven birisiniz ve içtiğiniz kahve miktarını gün gün takip ediyor, notlar alıyorsunuz. Ayrıca, işe gitmek için harcadığınız süreyi de her gün ölçüyor ve not alıyorsunuz (veya akıllı telefonunuz bunu sizin için yapıyor). Aradan 3 ay geçtikten sonra, hayatınızla ilgili topladığınız verilere dönüp baktığınızda, ilginç bir gerçekle karşılaşıyorsunuz: Kahve içme miktarınız arttıkça, trafikte geçirdiğiniz süre de artıyor! Hmm, demek ki kahve içmenizi azaltarak, trafikte kaldığınız süreyi azaltmanız mümkün!

Yukarıdaki paragrafta sondan ikinci cümlede ("Kahve içme miktarınız arttıkça, trafikte geçirdiğiniz süre de artıyor!"), bir korelasyon (ilişki) ifadesi mevcut. Eğer ki veri toplama yönteminizde bir hata yoksa, yani yanlış ölçümler yapıp, yanlış notlar almadıysanız, tartışmasız bir gerçekten söz ediyorsunuz demektir: Kahve miktarınız ile trafikte geçirdiğiniz süre koreledir (ilişkilidir). Bu ölçüm, başlı başına bir gerçektir ve ek bir kanıtı gerektirmez (tabii daha fazla veri toplayarak, bu ilişkinin ne kadar güçlü olduğunu daha iyi tespit edebilirsiniz).

Yazının ilk paragrafındaki son cümle ise ("Kahve içmenizi azaltarak, trafikte kaldığınız süreyi azaltmanız mümkün!") nedensellik (neden-sonuç, İng: "causation") ifadesidir. Trafikte kalma sürenizi belirleyen unsurun (yani trafikte kalmanızın nedeninin) kahve içmek olduğunu söylemektesiniz. İşte bu, tartışmasız bir gerçek değildir; doğruluğu gösterilmesi gereken bir hipotezdir.

Korelasyonlar ile nedensellik arasındaki bu ilişkiye, bilim dilinde meşhur bir şekilde "Korelasyon, nedensellik değildir." (İng: "Correlation does not mean causation.") denir. Bunu daha önceden Evrim Ağacı'nda detaylıca incelemiş ve bolca örnek vermiştik. Şimdiden o yazıdaki kritik bir detayı hatırlatmakta fayda var: Korelasyon nedensellik değildir, evet; ama olabilir de! Fakat bunun gösterilmesi gerekir! İşte bu yazıda, bir önceki yazımızda anlattıklarımıza ek olarak, korelasyondan nedenselliğe gitmemizi mümkün kılan birkaç yöntemden söz edeceğiz.

Ama önce şunu anlamak gerek: Trafikte daha uzun kalmanızın yüzlerce başka nedeni olabilir; siz sadece (olası) bir tanesini ölçtünüz. Öncelikle kahve içmenin, trafikte geçirilen sürenin artması konusunda gerçekten bir "neden" olabileceğini göstermeniz, sonrasında da bu nedenin gerçekten de trafikte kalma sürenizi arttırdığını göstermeniz gerekir (kimi zaman bu iki basamak bir arada yapılabilir). İyi ama nasıl?

Korelasyondan Nedenselliğe Giden Yolda Engeller

Korelasyondan nedenselliğe nasıl ulaştığımızı anlayabilmek için, bilime ilgili bazı ara basamakları anlamamız gerekiyor. Bu ara basamakların her biri apayrı literatür konuları olsa da, kısaca özetlemek konuyu anlamayı kolaylaştırabilecektir.

Bayesçi Bilim ve Doğruluk Algısı

Her ne kadar bilimin yanlışlanabilirlik ve test edilebilirlik ilkeleri üzerine kurulu olduğu yaygın olarak söylense de (ve bu, büyük oranda doğru olsa da), aslında bilimde bir teorinin diğerine üstünlüğünü belirlerken sadece yanlışlamayı hedeflemeyiz. Bir teoriyi veya hipotezi yanlışlamak, en ideal sonuç olsa da, gerçek hayatta bu kadar keskin bir "yanlışlanmış" ve "yanlışlanmamış" ayrımı bulunmamaktadır. Bunun ana sebebi, birazdan göreceğimiz, modeller ve teorilerin doğasıdır.

Daha ziyade bilimde Bayesçi bir olasılık yaklaşımına sahibizdir denebilir: Yani yeni veriler geldikçe, eski veriler sayesinde belli bir olay, olgu veya sürece yönelik gerçeklik algımızı gözden geçirir ve güncelleriz. Böylece, elimizdeki modele veya teoriye yeni bir "gerçek olma olasılığı" atarız. Buna bağlı olarak, veriler ışığında bir model veya teorinin gerçek olma ihtimali artar veya azalır. Böylece gerçek olanı açıklamak için birbiriyle rekabet eden model ve teorileri, en olası olandan en düşük olasılığa sahip olana göre sıralar, bu çerçevede bilimi geliştiririz.

Korelasyonlar ve nedensellik, bu Bayesçi yaklaşımın bir sonucudur/ürünüdür.

Bilimin Yöntemine Bayesçi Yaklaşım

Bilim üretirken yaptığımız temel varsayımlardan birkaçı, bize bizden bağımsız bir gerçeğin var olduğunu, bizim bunu araştırabileceğimizi ve bu gerçeklerle ilgili bilgiler edinebileceğimizi söyler. Eğer bu varsayımlar hatalıysa, bilimin de (en azından yönteminin de) yanlış olduğunu anlarız.

Ne var ki yukarıdaki Bayesçi yaklaşım, yani yeni veriler ışığında, elimizdeki model ve teorilerin gerçek olma olasılığını güncelleme (arttırma veya azaltma) yaklaşımı, şu ana kadar tespit edebildiğimiz en etkili, en verimli, en üretken yöntemdir.

Bunu bilimin kendisine uyguladığımızda, gördüğümüz şudur: Bilim, tutturduğu yöntem çerçevesinde ilerlediği müddetçe, yeni, ilginç ve anlamlı gibi gözüken sonuçlar üretebilmektedir. Bu yönde adımlar atmayı sürdürdükçe, doğru bir yöntem izlediğimize olan güvenimiz de artar. Bu güven, hiçbir zaman %100 olmayacaktır; ancak Bayesçi yaklaşım %100'ü (keskin bir yanlışlanabilirliği) hedeflemez; var olan alternatifler arasından en olası olanları tespit etmeyi hedefler.

Korelasyonlar ve nedensellik, bilimde yeni, ilginç ve anlamlı gibi gözüken sonuçlara varma yönünde attığımız adımlardır.

Modeller ve Teoriler

Bilimde, "gerçek olan" her neyse, onu modellemeye ve izah etmeye çalışırız. Bu model veya izah ("teori"), neredeyse hiçbir zaman %100 isabetli olmayacaktır; çünkü gerçek olanı sadece zihnimiz ışığında algılayabilmekteyiz ve zihnimiz kusursuz bir araç değildir, hataya ve önyargılara açıktır. Ayrıca gerçeği açıklayan model ve teorilerimize temel olan verileri toplamakta kullandığımız araçlar da kusursuz değildir. Bu tür bariyerler, gerçek ile aramıza engeller koyar. Bilim, bu engelleri en aza indirerek, gerçek olana en çok yaklaşmayı hedefleyen bilgi türüdür.

Modeller ve teoriler hiçbir zaman %100 gerçek olamayacağı için, belirli hata payları ve hata aralıkları belirlememiz gerekir. Bu hata paylarının olasılıkçı doğası çerçevesinde, kimi zaman hatalı korelasyonlar ve hatalı nedensellikler tespit etmemiz kaçınılmazdır. Amacımız, daha fazla veri toplayarak, daha fazla tekrarlama yaparak, daha dikkatli incelemelerde bulunarak, bunları en aza indirmektir.

Korelasyondan Nedenselliğe Giden Yolda Yöntemler

Bu temel basamakları ve olası engelleri anladıysak, bilimde korelasyondan nedenselliğe nasıl gittiğimizi ve ne tür yöntemler kullandığımızı incelemeye başlayabiliriz.

Bilimde durmaksızın deneyler ve gözlemler yoluyla veriler toplarız ve bu verilerden anlamlı sonuçlar çıkarmaya çalışırız. Bunu yaparken, bol miktarda korelasyon tespit etmemiz kaçınılmazdır; çünkü özellikle de zamana bağlı olarak değişen veri setlerinin sadece artmak, azalmak ve sabit kalmak şeklinde 3 davranış seçeneği vardır. Evren'de trilyonlarla ifade edilebilecek sayıda ve çeşitte veri seti toplanabileceği için, bu setlerin artış, azalış ve sabit kalma davranışı gösterdiği durumların birbiriyle örtüşme ihtimali oldukça yüksek olacaktır. Bu, anlamsız korelasyon olarak bilinen, yani ilişkinin herhangi bir anlam ifade etmediği bol miktarda korelasyonun doğmasına neden olur.

Değişken Kavramı

Anlamsız korelasyonlardan sıyrılıp, anlamlı korelasyonlara ulaşmamızı, hatta onun da ötesine geçip, değişkenler arasında nedenselliği tespit etmemizi mümkün kılan birçok yöntem vardır. Bunu anlayabilmek için, değişken derken neyi kastettiğimizi anlamamız gerekiyor.

Matematiksel modellemede, istatistiki modellemede ve deneysel bilimlerde karşımıza sıklıkla çıkan değişken kavramı, incelenen bir unsurun, inceleme başlangıcındaki durumunun (İng: "state") farklılaşması anlamına gelmektedir. Değişim, zaman gibi bir faktöre bağlı olarak yaşanabileceği gibi, bir diğer değişkenin değişimine bağlı olarak da yaşanabilir.

İncelenen unsurlardan hiçbir şekilde etkilenmeyen değişkenlere bağımsız değişken adını vermekteyiz. Örneğin bir hastalığa yönelik bir araştırmada, hastalıkla ilgili herhangi bir unsurun fiziksel zamanın akışını değiştirmesi mümkün değildir. Bu nedenle durmaksızın değişen ("akan") zaman, değiştiği için bir değişkendir. Diğer faktörlerden bağımsız olarak değiştiği için bir bağımsız değişkendir. Yaygın olarak kullanılan bağımsız değişkenler arasında zaman, uzay, yoğunluk, kütle, akış oranı gibi unsurlar bulunmaktadır.

Öte yandan bir kovaya dolan suyun hacmi, sadece zamana bağlı olarak değil, aynı zamanda suyun kova içindeki kütlesine bağlı olarak da artar. Kütle arttıkça hacim artar. Dolayısıyla hacim, bağımlı değişken olarak isimlendirilir.

Elbette, kimi zaman bağımsız ve bağımlı değişkenleri net olarak belirlemek mümkün olmaz. Daha fenası, bağımsız olduğunu düşündüğümüz değişkenler gerçekte bağımlı olabilirler. Bir deneydeki bağımlı değişkenlerin hepsi tespit edilemediği için hatalı nedensellik ilişkileri kurulabilir. Deney içerisinde hem bağımlı değişkenleri hem de bağımsız (olduğunu sandığımız) değişkenleri etkileyen yanıltıcı değişkenler (İng: "confounding variables/factors" veya "confounders") bulunabilir; dolayısıyla anlamsız ilişkiler kurmamıza neden olabilirler. İşte tüm bunlar, model ve teorilerin %100 gerçek olamamasının ama gerçeğe yaklaşma çabamızda önemli adımlar olmasının ana nedenidir.

Kontrollü Deneyler

Bilimsel deneylerde yaptığımız şey, bu değişkenler arasındaki etkileşimleri olabildiğince izole edip, bağımlı değişkenlerin bağımlı oldukları unsurlara bağlı olarak nasıl değiştiklerini anlamaktır. Çünkü nedensellik dediğimiz şey, en nihayetinde, bağımlı değişkenleri değiştiren faktörleri ve bu faktörlere bağlı olarak o değişkenlerin nasıl değiştiğini tespit etmekle ilgilidir.

Bunu yapabilmenin en etkili yolu, kontrollü deney yapmaktır. Yani incelemek istediğimiz değişkenin etki edeceği 2 farklı grup deney düzeneği hazırlarız. Bunlardan birisi kontrol grubu olarak bilinir. İncelemek istediğimiz faktörü bu iki gruptan sadece birinde (kontrol grubu olmayan grupta, deney grubunda) değiştiririz, kontrol grubunda ise sabit bırakırız. Ayrıca değişkene etki edebilecek diğer tüm faktörleri de, her iki grupta da sabit bırakırız. Böylece değişkenin nasıl değiştiğini, diğer tüm faktörlerden izole bir şekilde incelememiz mümkün olur. Bu tür deneylere kimi zaman ceteris paribus deneyleri de denir; yani tüm diğer değişkenlerin sabit tutulup, sadece bir değişkenin değiştirildiği ve değişimin incelendiği deneyler...

Tıbbi Deneyler

Bir örnekle açıklayalım: Diyelim ki bir ilacın bir hastalığı tedavi edip etmediğini görmek istiyoruz. Eğer bir grup insana bu ilacı verip, iyileşip iyileşmediklerine bakacak olursak, yanılgıya düşme ihtimalimiz çok yüksek olurdu. Çünkü bir grup insanın iyileşme süreci boyunca deneyimlediği faktörler, ilacın kendisinden çok daha fazla miktarda olacaktır. Mesela beslenme biçimleri değişebilir, spor yapmaya başlayabilirler, strese sebep olan bir projeyi tamamlayabilirler, sigarayı bırakabilirler ve daha nicesi... Hayatlarındaki bu değişimler, iyileşmenin asıl nedeni olabilir; ancak tam da bu sırada ilaç ile ilgili deneye de katıldıkları için, iyileşmelerinin asıl nedeninin ilaç olduğunu düşünme hatasına düşebiliriz.

Bunu önlemek için, ilacı sadece bir gruba değil, iki ayrı gruba veririz. Ancak burada bir sıkıntı vardır: İnsanları öylesine iki gruba ayırmanın deneysel bir anlamı yoktur. İki gruba farklı bir şey uygulamamız gerekir. Dolayısıyla bir gruba ilacı verirken, diğer gruba ilacı vermemeyi seçebiliriz. Her iki grubu da süreç boyunca inceler, hayatlarında nelerin değiştiğini takip ederiz. Böylece, sigarayı bırakma veya spora başlama gibi faktörler her iki grupta da olacağı için, o iki grubun değişimini birbiriyle kıyaslamamız ve bu ortak faktörleri ayıklamamız, geriye sadece ilacın etkisini bırakmamız mümkün olur. Çünkü kontrol grubundaki hayat değişimlerinin etkisini görüp, kontrol grubu olmayan grupta (deney grubunda) bu değişimlerin etkisini eleyebiliriz. Geriye kalan, büyük oranda veya tamamen ilacın etkisi olacaktır.

Ama bunda da bir sorun var: Eğer bir grup ilacı almazken, diğer grup ilaç aldığını bilirse, deneyin de içeriğini az çok bilecekleri için ("bir ilaç alınacak ve iyileşme etkisi takip edilecek"), psikolojileri bu bilgi dahilinde değişebilir. Psikolojilerinin değişmesi, iyileşme örüntülerini etkileyebilir. Bu da, psikolojinin etkisini, deney için bir yanıltıcı değişken haline getirir. İşte bunu önlemek için, her iki gruba da ilaç veriyormuş gibi yaparız. Gruplardan birine gerçekten ilaç veririz, diğerine ise ilaca benzeyen ama ilaç olmayan bir "şeker" veririz (ve denekler bunu bilmezler). İşte bu şekilde ilaç olmayan unsurları ilaçmış gibi vermeye plasebo diyoruz. Böylece ilaç alıyor olmanın psikolojiyi etkileyerek iyileşme sürecine etki etme ihtimalini de büyük oranda elemiş oluruz.

Şöyle düşünün: Diyelim ki plasebo verdiğiniz kontrol grubunuz da (buna plasebo grubu da denir), deney grubunuz da herhangi bir iyileşme göstermedi. Bu durumda, verdiğiniz ilacın işlevsiz olduğu sonucuna varabilirsiniz. Hatta homeopati gibi birçok sahtebilim türünde de gördüğümüz gibi, plasebo ile eşit düzeyde iyileşme sağlayan (yani deney grubuyla kontrol grubunun eşit miktarda iyileşme sağladığı) durumlarda bile ilaçlar işlevsiz kabul edilir. Sonuçta ilaç sandığınız bir şekeri yemek ile aynı düzeyde başarı sağlayan bir maddenin "işlevsel bir ilaç" olduğunu iddia etmek zordur. Ayrıca insan psikolojisi gereği, sırf "tedavi edildiğini bilmek" bile bir miktar iyileşmeye neden olabilmektedir - ki buna da plasebo etkisi diyoruz. Yani plasebo grubunda da bir miktar iyileşme görmeyi zaten beklemekteyiz.

Benzer şekilde, hem kontrol (plasebo) grubu, hem de ilaç grubu pozitif bir yönde iyileşme gösterirlerse, bu durumda iyileşmeye sebep olan şeyin ilacınız olmadığını, bunun yerine üçüncü bir faktörün (bir yanıltıcı değişkenin) iyileşmenin ana nedeni olduğunu düşünebilirsiniz. Sonuçta ilaç vermediğiniz grup da iyileşmiştir!

Fiziksel/Kimyasal Deneyler ve Gözlemler

Sadece tıbbi bir deneyden söz etmek, bilimdeki nedenselliği anlamayı engelleyebilir. Dolayısıyla fiziksel bir örnek vermekte fayda var. Bunun için, Gazali'nin meşhur "pamuk ve ateş" örneğini ele alabiliriz. Ateşe değdirilen pamuk, alev alır. Peki pamuğun yanmasının nedeninin ateş olduğunu nereden biliyoruz? Ya bilmediğimiz 3. bir faktör, yani bir yanıltıcı değişken varsa? Gazali'ye göre bu faktör vardır ve kesinlikle Tanrı'dır. Ancak ateş-pamuk ilişkisinin yanıltıcı olması için illa o faktörün Tanrı olması gerekmez; herhangi bir diğer yanıltıcı değişken de olabilirdi (örneğin havadaki azot veya bilmediğimiz ama Tanrı olmayan bir "süpergüç", mesela "büyü"). Bu sorunu nasıl çözeriz?

Burada sık yapılan bir hata, yukarıda söz ettiğimiz model ve teorilerin %100 gerçeğe ulaşamayacağı, bunun Evren'in yapısal bir zorunluluğu olduğunu; bilimin siyah-beyazlar ile değil, Bayesçi olasılıklar ile çalıştığı gerçeklerini gözden kaçırmaktır. Dolayısıyla süreci izah etmekteki belirsizliklerin, bilimin yöntemnin güvenilmezliğinin bir kanıtı olduğu iddia edilir; halbuki bilim, zaten bu eksikliklerin farkında olup, onları minimize etme veya tamamen ortadan kaldırma çabasına girdiği için bu kadar güçlü ve güvenilirdir.

Ateş ile pamuk arasındaki nedenselliği tespit etmek için bir bilim insanının izleyeceği yöntem basittir: Kontrollü bir deney yapmak! Bunu yapabilmek için, yanan bir pamuğun olduğu ortamda, süreci etkileyebilecek faktörler tespit edilir: Örneğin havanın etkisi var mı? Havayı oluşturan kimyasalların derişiminin etkisi var mı? Pamuğun üretildiği malzemenin veya içine katılan ek maddelerin etkisi var mı? Ateşin kendisinin niteliklerinin (yanma sıcaklığı gibi) etkisi var mı? Tüm bu değişkenler tek tek tespit edilir. Zaten genellikle bir deneye başlarken tamamen karanlıkta değilizdir; araştırma sahamızda bugüne kadar çok sayıda deney halihazırda yapılmıştır ve her bir deney, birçok farklı faktörü hesaba katarak incelemeler yapmıştır. Zaten bu nedenle akademik bir çalışmanın ilk basamağı literatür taraması yapmaktır. Böylece ateşin pamuğu yakmasına etki edebilecek tüm faktörleri belirleriz (her zaman %100'ünü belirleyemesek de).

Sonrasında bu faktörleri tek tek sınamak için deney düzenekleri kurarız. Bu düzeneklerin her birinde 2 grup vardır: kontrol grubu ve deney grubu. Örneğin bir deneyde, deney grubunda olan pamuğun üzerine magnezyum silikat ("talk") süreriz, kontrol grubunda sürmeyiz. Her iki pamuğu da aynı ateş ile yakmaya çalışırız. Talk sürülen yanmayacağı için, talk sürülmeyen yanacağı için pamuğun kimyasal yapısının yanma olayında etkisi olduğunu görürüz. Benzer şekilde, vakumlu bir kap içine koyduğumuz pamuğun yanmaması, havanın var olup olmadığının da yanma olayında etkili bir faktör olduğunu gösterir.

Bu şekilde sonucu etkileyecek faktörleri belirleyebildiğimiz gibi, doğrudan doğruya ateşin pamuğun yanmasının nedeni olduğunu da tespit edebiliriz. Ateşin değdiği tüm "normal pamuklar" yanarken, ateş değmeyen hiçbir pamuk, durduğu yerde yanmamaktadır. Pamuğu farklı şekillerde yakmak mümkündür; örneğin aşırı yüksek basınç altında pamuk kendiliğinden yanabilir; ancak burada keşfettiğimiz "ateşin pamuğu yakan faktör olmadığını" ispatlamak değildir; tam tersine, "ateşin pamuğun yanmasındaki tek faktör olmadığı ama faktörlerden biri olduğudur". Yani pamuğu farklı şekillerde, ateş olmaksızın da yakabiliyor olmamız, ateşin pamuğu yakabilen faktörlerden birisi olmadığı anlamına gelmez.

Bu şekilde yapılan bağımsız tekrar deneylerinde hep aynı sonucu alıyor olmak, ateş ile pamuk arasındaki ilişkiyi güçlendirir. Burada dikkat edilmesi gereken nokta, "güçlendirir" sözcüğüdür. Sonsuz sayıda deney yapsak da, gözden kaçırdığımız herhangi bir ikincil faktör (yanıltıcı faktör) yanmanın ana kaynağı olabilir. Bilim, bunu dışlamamaktadır. Bilimin yaptığı, olabilecek ve test edilebilecek tüm faktörleri, dürüstlük ve açıklıkla tespit edip, yanmanın asıl nedeninin onlar değil de, ateş olduğunu gösterecek şekilde deney yapmaktır. Zaten bu nedenle bilimin ampirik doğası da gücünün ana kaynaklarından birisidir.

Bilimsel Deneylerde Müdahale Olgusu

Burada söz edilmesi gereken kritik bir diğer kavram, müdahale (İng: "intervention") kavramıdır. Aslında bu kavram, "deney" kavramı ile oldukça iç içedir ve hatta kimi zaman eş anlamlı olarak bile kullanılabilmektedir! Ancak yine de vurgulamakta fayda var.

İki olay arasındaki korelasyon, zaman içerisinde kendiliğinden gelişebilir. Örneğin ağaçların büyümesi ile zamanın akışı arasında doğal bir korelasyon vardır. Zaman aktıkça, bir fidan ağaca dönüşmektedir. Fidanlar zaman içinde ağaca dönüştükçe, zamanın akışının fidanların büyümesinin nedenlerinden birisi olduğu olasılığı (yani zamanın akmasıyla fidanların büyümesi arasında bir ilişki olduğuna yönelik inancımız) güçlenir.

Ancak bağımsız değişkenlerin bağımsız akışı bir yana, belirli bir unsurun ortama dahil edilmesi sonucunda doğal gidişatta meydana gelen değişimlerin, o müdahale nedeniyle yaşanıyor olma ihtimali daha yüksektir. Örneğin ortamda ateş yokken pamuğun yıllar yılı hiçbir şekilde yanmaması, ama tam da ateşin temas ettiği anda pamuğun yanmaya başlaması, tek başına nedensellik göstermiyor olsa da, nedenselliği düşünmek için bize güçlü bir sebep sunmaktadır.

Yani deney yapmaktaki amacımız, doğal seyrinde giden süreçlere müdahale etmek ve bu müdahaleyi mümkün olduğunda tekil faktörler ile yapmaktır. Bu sayede, o tekil faktörlerin gidişatı nasıl etkilediğini tespit edebiliriz ve korelasyonun ötesine geçerek, nedensellik ilişkileri kurmaya başlayabiliriz.

Örneğin, bir tren istasyonuna her gelişinizde trenin harekete geçtiğini hayal edin. Sizin gelişinizin trenin hareket etmesinin nedeni olabilir mi? Pek tabii olabilir; belki de kondüktör size kıl olan birisidir ve sizin geldiğinizi gördüğünde treni hareket ettirmektedir? Bunu nasıl test ederiz?

Çok basit! Bir bilim insanı, öncelikle trenin doğal akışını takip eder. Hangi saatlerde perona giriyor, hangi saatlerde kalkıyor, bu geliş ve gidiş saatleri üzerindeki hata payı nedir? Aynı şekilde, siz genelde perona hangi saatte giriyorsunuz ve sizin geliş saatiniz üzerindeki hata payı nedir? Tüm bunlar, bağımsız bir değişken olan zamanın akışı içerisinde, uzun bir dilime yayılmış şekilde tespit edilir. Zaten daha bu evrede trenin hareketinin doğasına dair belirli örüntüler tespit edilebilecektir ve sizin gelişiniz ile trenin hareketi arasında bir korelasyon olup olmadığı anlaşılacaktır.

Eğer korelasyon yoksa, iş bitmiştir. Muhtemelen trenin sadece siz geldiğinizde kalktığı günleri hatırlıyorsunuz; aslında genelde böyle bir şey olmuyor. Yani algıda seçicilik yapıyorsunuz demektir - ki bu, insanların günlük yaşamda keşfettiklerini sandıkları korelasyonların ezici çoğunluğunun açıklamasıdır. Yani bırakın nedenselliği, ortada korelasyon yokken bile ilişkiler olduğunu sanmaya meyilliyizdir. Bu, beynimizin kusurlu çalışmasının bir ürünüdür.

Ama korelasyon varsa, yani gerçekten de bizim perona geliş saatlerimiz ile trenin hareket etme saati örtüşüyorsa, işte bu noktada artık nedensellik aramaya başlarız. Çünkü unutmayın: Korelasyon, nedensellik demek değildir; ancak nedenselliği düşünmek için iyi bir başlangıç noktasıdır. İşte bu olası nedenselliği tespit edebilmek için bir müdahale planlanır. Yani bilim insanı, sizin perona geliş saatlerinizi rastgele bir şekilde bozmaya başlar.

Diyelim ki siz günde 2 defa perona giriyorsunuz. Biri sabah 7:35'te (daha doğrusu 7:30 ila 7:50 arasında değişen saatlerde), diğeri akşam 18:25'ta (daha doğrusu 18:20 ila 18:30 arasında değişen saatlerde). Tren 30 dakika aralıklarla günde 48 defa hareket ediyor. Daha bu gerçek bile, ortada bir sorun olduğunu düşünmemize neden olur: Eğer biz perona günde sadece 2 defa uğruyorsak ve bizim gelişimiz, trenin hareketinin nedeni ise, geri kalan 46 hareketin nedeni nedir? Diyelim ki bunu umursamıyoruz ve o 2 gelişimizdeki hareket nedeninin bizim gelişimiz olduğunu düşünüyoruz. İrdelemeye devam edelim.

Bu olguyu inceleyen bilim insanı, müdahale planı dahilinde bizi perona değişen zamanlarda sokmaya başlar. Yani olayın doğal akışına, anlamlı bir şekilde müdahale eder. Örneğin perona bazı günlerde tam 18:20'de, bazı günlerde tam 18:21'de, bazı günlerde tam 18:22'de ve bu şekilde değişen saatlerde girmemizi sağlar. Bunu yaparken, diğer yandan da trenin kalkış saatlerinde herhangi bir değişim olup olmadığını not eder. Eğer bizim perona geliş saatlerimiz değişmesine rağmen, trenin kalkış saati hiçbir şekilde değişmiyorsa, trenin kalkması ile bizim gelişimiz arasında hiçbir ilişki olmadığını ortaya koymuş oluruz. Daha doğrusu, trenin kalkması ile bizim gelişimiz arasında bir ilişki olduğuna yönelik inancımız azalır.

Boş Hipotez, Hipotez Testi, İddiayı Yanlışlamak ve İspat Yükü

Ateş-pamuk örneğine dönersek, tüm bunlardan anladığımız şudur: Her deneyde ateşin pamuğu yakması, ateş değdirilmeyen pamukların her yanmayışı, pamuğun yanmasının nedeninin ateş olduğu olasılığını güçlendirir. Tüm pratik nedenler ve amaçlar için, ateşin olduğu bir ortamda pamuğun yanmasının nedeninin çok büyük bir ihtimalle ateş olduğunu ilan edebilir, hayatımızı bu önermeyi kabul ederek yaşayabiliriz. Bunun üzerine ek argümanlar inşa edebilir, bunlardan doğan yeni sonuçları sınayabiliriz. Eğer ki pamuğun yanmasının nedeninin ateş olduğuna yönelik temel sonucumuz hatalı ise, zaten bu varsayım üzerine inşa ettiğimiz argümanlar ve deneyler de bir noktada başarısız olacaktır.

Bilimdeki yanlışlanabilirlik ilkesinin güzelliği budur. Eğer bir iddia yanlışsa, er ya da geç ortaya çıkacaktır. Eğer yaptığımız ek deneyler veya yeni veriler ışığında, ateş ile pamuk arasında kurduğumuz ilişkiye zıt düşen bulgulara ulaşacak olursak, bu durumda kurduğumuz ilişki, Bayesçi olasılık çerçevesinde giderek zayıflar. Bir noktada, alternatif açıklamalardan birisi, ateş-pamuk ilişkisinden daha güçlü bir olasılığa erişebilir ve böylece vardığımız sonucu, kurduğumuz ilişkiyi değiştiririz. Bilim, böyle çalışır!

Peki tüm bu deneylere rağmen, pamuğun yanma nedeninin ateş olmadığında ısrar eden biri ne yapmalı? İşte bu, bilimin kendi ilkeleri çerçevesinde basitçe çözülmektedir: Eğer biri, yanmanın nedeninin ateş olmadığını, bunun yerine herhangi bir X olduğunu iddia ediyorsa, bu pozitif bir iddiada bulunmaktır ("Pamuğun yanma nedeni X'tir").

Burada devreye bilimdeki boş hipotez kavramı girer. Şu, gözden kaçırılmamalıdır: "Ateş, pamuğu yakar." argümanını araştıran bir bilim insanının gerçek kabul ettiği boş hipotez, "Ateş, pamuğu yak(a)maz." argümanıdır. Sonrasında bu argümanı çürütmeye çalışır. Bu işleme hipotez testi adı verilir.

Eğer ateşin, pamuğu yakabildiğini istatistiki olarak anlamlı bir düzeyde gösterirse, o zaman boş hipotezin reddedildiğini söyleriz. Yani "Ateş, pamuğu yak(a)maz." boş hipotezi yanlışlanmış ve terk edilmiş olur; ateşin pamuğu yakabildiği gösterilmiş olur. Aynı şekilde, "X, pamuğun yanmasının nedenidir." argümanını ileri süren birinin, "X, pamuğun yanmasının nedeni değildir." boş hipotezini kabul etmekle ve sonrasında bunu çürütmekle yükümlüdür. Eğer bu basamağı atlarsak, daha önce de örnekleriyle anlattığımız üzere, bilimde her türlü iddiayı "gerçek" kabul etmemiz gerekirdi. Bu, bilimin ilerlemesini durdururdu.

Ayrıca unutmamak gerekiyor ki; ispat yükü, iddia sahibinin omuzlarındadır. Pamuğun yanmasının gerçek nedeninin o X olduğunu evrensel ve nesnel bir şekilde ispatlamak, bu ispatı pekiştirecek yöntem ve deneyleri tespit etmek, bunları icra ve rapor etmek, o iddia sahibinin sorumluluğundadır. Bilimsel yöntem ile %100 gerçeğe ulaşamıyor olmamız, ulaştığımız ve muhtemelen gerçeğe fazlasıyla yakın olan sonuçları çöpe atmamız için geçerli veya yeterli bahane değildir. Bir diğer deyişle, ispatı olmadan ileri sürülen bir argümanı reddetmek için, ispata gerek yoktur.

Bir diğer deyişle: Pamuğun yanmasının nedeninin ateşten farklı bir kaynak olduğuna yönelik inancımızı güçlendiren herhangi bir veri, bulgu, deney bulunmamaktadır. Bu veri, bulgu veya deneyleri sağlayacak olan taraf, pamuğun yanma nedeninin ateşten farklı bir kaynak olduğunu iddia eden kişilerdir. Bunu başarabilecek olurlarsa, pozitif sonuç veren her veri, deney, bulgu ışığında, o alternatif açıklamaya yönelik inancımız artacaktır. Eğer bir noktada bu alternatif açıklamaya yönelik inancımız (olasılık), baştaki açıklamamızdan yüksek bir değere ulaşacak olursa, önceki açıklamamızı terk eder, yeni açıklamayı "en olası izah" olarak kabul ederiz.

Rastgeleleştirme

Bilimin güvenilir olmasını sağlayan bir diğer faktör, sadece en minimal düzeyde güvenilirliği sağlayacak adımların da ötesine geçip, sonuçlarının güvenilirlik miktarını arttıracak her ne varsa onu uygulamaktan geri durmamasıdır. Bunları uygulamak ne kadar zor olsa bile!

Örneğin bir tarladaki bitkilerin daha sağlıklı ve hızlı bir şekilde büyümelerinin nedeninin, onlara gübre vermek olduğunu araştırdığımızı düşünelim. Bunu kontrollü bir şekilde test etmenin yolu, tarlayı ikiye bölüp, bir yarısına gübre vermek, diğer yarısına gübre vermemektir. Eğer diğer bütün koşullar aynı tutulduğunda, tarlanın gübre verilen tarafı daha hızlı ve sağlıklı büyüyorsa, ama diğer tarafı daha yavaş ve sağlıksız büyüyorsa, gübrenin bu büyümenin nedeni olduğunu söyleyebiliriz.

Peki ya biz farkında değilsek de tarlanın tam da gübre verdiğimiz tarafı daha sağlıklı bir zemine oturmuş haldeyse? Veya bu iki yarıdan birisini seçerken, farkında olmadığımız bir bilişsel önyargıya sahipsek? Mesela ister istemez, daha sağlıklı olduğunu bildiğimiz yarıyı "deney grubu" (gübre verilecek grup) olarak belirlediysek? Ya da tam tersi? Ya tarlanın bir tarafı şans eseri daha fazla güneş alıyorsa?

İşte bu sorunu bilen bilim insanları, rastgeleleştirme isimli bir metot uygularlar. Burada yaptığımız, deney grubu ile kontrol grubunu olabildiğince rastgele bir şekilde belirlemektir: Mesela tarlayı neden ikiye bölmekle yetinelim ki? Tarlayı 100 eşit parçaya (kareye) bölebiliriz. Sonrasında bir bilgisayar programı kullanarak, bu 100 parçadan rastgele 50'sini kontrol grubu, rastgele 50'sini deney grubu olarak belirleyebiliriz. Bu 50'şer kare iç içe geçmiş, tamamen rastgele dağılmış olacaktır! Böylece deneyimiz, toprakta olabilecek heterojenliklerden (düzgün dağılmamışlıklardan) büyük oranda arınmış olur. Eğer deney grubu seçtiğimiz 50 kare parçası, diğer bütün koşullar eşit iken, gübre verilmeyen 50 kare parçasından daha hızlı ve sağlıklı büyüyorsa, bu büyümenin nedeninin gübre olduğuna yönelik inancımız güçlenir. Yine, bu inanç, hiçbir zaman %100 bilgiye ulaşamaz; ancak diğer olası bütün açıklamalardan daha olasıdır, çünkü diğer açıklamaların aksine, deneysel dayanağa sahiptir.

Kör Deneyleri

Bilim insanları burada da durmaz. Kontrol grubu ve rastgeleleştirme, olası önyargıları kırmakta çok etkilidir; ama ya deneyi yapan kişilerin kendi önyargıları, kontrol grubunun belirlenmesini ve rastgeleleştirme yöntemini etkiliyorsa? Daha fenası, ya sonuçları aldıktan sonra, bu sonuçların yorumlanmasında önyargılarımıza yenik düşüyorsak?

İşte burada yardımımıza kör deneyleri koşar. Kör deneyi, gerçek anlamda bir körlük ile ilgili değildir; bir metafordur ("teşbih"). Kör deneylerinde, deneyde toplanan verileri veya bu verilerin yorumlanmasını etkileyebilecek tüm unsurların bilgiye erişimi kısıtlanır. Böylece deneyin adeta "kendi başına tezahür etmesi" ve diğer tüm etkenlerden izole edilmesi hedeflenir. Bu sayede, örneğin deneyi yapan kişilerin belli bir sonucu çıkma arzusunun deneyi bozmasının önüne geçilmiş olur.

Bunu, 3 şekilde yapabiliriz: Tekli kör deneylerinde denekler, deney grubunda mı yoksa kontrol grubunda mı olduklarını bilmezler. Örneğin plasebo verilen grupta olanlar, aldıklarının ilaç mı yoksa plasebo mu olduğunu bilmezler.

Çifte kör deneylerinde, sadece denekler değil, aynı zamanda araştırmacılar da hangi deneğin hangi grupta olduğunu bilmezler! Bunu sağlamak için, bir bilgisayar programı veya üçüncü bir parti (örneğin bir gözlem komitesi) kullanarak deneklere rastgele numaralar atanır ve hangi deneğin ilaç mı yoksa plasebo mu alacağı rastgele belirlenir. Benzer şekilde, tarla örneğimizde, 100 parçanın hangisine gübre verileceğini rastgele belirlemenin ötesine geçip, gübrenin hangilerine verildiğini işlem boyunca bilmeyebiliriz bile (örneğin bir tanıdığımız bizim yerimize gübrelemeyi yapabilir, böylece deney boyunca hangi karelere gübre verildiğinden bihaber oluruz). Tabii bu örnekte tarlanın kendisi bilinçsiz olduğu için, çifte körün "çifte" kısmı anlamsız olacaktır. Yine de bu yöntem, deney sonuçlarının yorumlanmasındaki dürüstlüğü katlayarak arttıracaktır.

Üçlü kör deneylerinde, sadece denekler ve deneyciler değil, aynı zamanda deneye mentorluk eden veya denetleyen üçüncül komiteler de süreçte körleştirilirler. Özellikle de gelişen bilgisayar yazılımları sayesinde, tüm bilinçli tarafları deney boyunca kör bırakıp, deneyden sonra bu körlüklerini çözmek (buna göz açma, İng: "unblinding" denir) mümkün olabilmektedir.

Bu tür körleştirmelerin sadece bilimsel değil, sosyal avantajlarını da görebilmekteyiz: Örneğin iş veya okul başvurularında, başvuranların cinsiyetini veya etnisitesini bilmeyen insan kaynakları veya okul yetkililerinde, kadınlara veya azınlıklara karşı önyargılarının azaldığı gözlenmiştir. Böylece iki cinsiyet daha eşit olarak, azınlıklarsa daha dengeli olarak işe alınabilmektedir.

Randomize Kontrollü Deneyler (RCT)

İşte tüm bu önlem basamaklarını bir araya getiren deneylere, randomize kontrollü deneyler (İng: "randomized controlled trials") denir. Hatta kimi zaman randomize çifte kör kontrollü deneyler diyerek, çifte kör uygulaması da ek olarak vurgulanabilir.

Bu tür deneylerin en büyük avantajı, rastgeleleştirme (randomizasyon) sayesinde her türlü deneyci önyargısını (deneyi yapan kişinin beklenti ve önyargılarını) en aza indirgenmesidir. Buna bağlı olarak, körleştirme işlemi de daha kolay bir şekilde yapılabilir. Akademik camiada en iyi şekilde araştırılmış deney türü olması nedeniyle, elimizdeki istatistiki araçlar ile dikkatlice ve detaylıca analiz edilebilir.

Tabii ki bunca önlem almanın ve ek basamağı takip etmenin ciddi bir zaman ve finansal yükü vardır. Bu nedenle akademik araştırmalar çok pahalı olabilmektedir. Ayrıca randomize kontrollü deneyler, tek başlarına popülasyon önyargısını kırmak için yeterli değildir; zira deneye dahil edilen örneklemden elde edilen veriler, o örneklemin ait olduğu popülasyonun tamamını eşit ve dengeli bir şekilde temsil etmeyebilir; bu durumda, hatalı genelleme safsatasına düşülebilir. Ayrıca, özellikle de klinik ve tıbbi deneylerde, deney sonrasında çifte kör uygulamasına tabi kalanlara gerçeklerin açıklanması dolayısıyla, aynı deneklerle tekrar deneyleri yapmak imkansızlaşmaktadır ve bu, bilimsel ilerleyişi yavaşlatabilmektedir.

Nedenselliği Güçlendiren Faktörler

Görebileceğiniz gibi, nedenselliği belirlemede dikkat edilmesi gereken birçok detay var. Bu detaylar üzerine incelemeler yapan uzmanlar, nedenselliğin ne kadar güçlü olduğunu tespit etmemizi sağlayan 9 faktör tespit etmişlerdir. Bunlar:

Güç

Bir ilişkilendirmenin etkisinin ne kadar güçlü olduğuna bakmak, nedenselliğin de gücünü anlamamızı sağlar. Örneğin, yapılan bir deneyde baca temizliği yapan kişilerde testis kanserine yakalanma ihtimalinin, baca temizliği yapmayan kişilere göre 200 kat fazla olduğunun gösterilmesi, aradaki nedenselliğin daha güçlü olduğunu ima edecektir. Benzer şekilde, sigara içmenin akciğer kanserine yakalanma riskinizi 9-10 kat arttırıyor olması, sigara ile kanser arasında güçlü bir nedensellik olduğuna işaret etmektedir (örneğin sigara içenlerde koroner trombosis riskinin 2 kata kadar artmasına kıyasla).

Bu gücün, göreli olarak belirlenmesi gerektiği aşikardır. 1854 yılında kolera salgınını inceleyen John Snow, ciddi miktarda kontamine olmuş firmaların suyunun verildiği evlerde, koleranın 10.000'de 71 kişinin ölümüne sebep olduğunu göstermiştir. Bu sayı kulağa az gelebilir; ancak o sulardan almayan evlerde ölüm oranları 10.000'de 5'ti. Yani kontamine sular, ölüm oranlarını 14 kat arttırmaktadır.

Tutarlılık

Bilim, tutarlılıktan güç alır. Tutarlılık ne kadar yüksekse, bilimsel gerçeklere güvenimiz de o kadar artar. Bir kişinin değil, birden fazla kişi ve kurumun, farklı açılardan inceleyip de birebir aynı sonuçlara varması, yani çok sayıda veri hattının aynı sonuca ulaşması, nedenselliğin gücünü arttırmaktadır. Örneğin bugüne kadar toplamda binlerce bilim insanını ve onlarca kurumu kapsayan yüzlerce bağımsız araştırma, sigara ile kanser arasında ilişkiyi aynen tespit etmeyi başarmıştır. Bu tekrar deneylerinin tutarlı bir şekilde aynı sonucu vermesi, nedenselliği güçlendiren bir faktördür.

Spesifiklik

Çok geniş ve genel nedensellik ilişkileri, her zaman güvenilir olmayabilir. Örneğin bir şeyin değil de, her şeyin sebebinin spesifik bir unsur olduğunun söylenmesi, aradaki nedensellik ilişkisine zarar verecektir. Buna bir örnek olarak, homeopati gibi sahtebilim dalları verilebilir. Homeopatlar, tüm hastalıkların çözümünün tek bir yöntem ile yapılabileceğini iddia etmektedirler; ancak buna hiçbir kanıt sunamamaktadırlar. Tek bir yöntem ile yüzlerce hastalığın tedavi edilebileceği iddiası, nedensellik ilişkisini zayıflatmaktadır. Bunun yerine, daha spesifik nedenler aramaya çalışmakta fayda vardır. Böylece tekil bir olayın, tekil sebeplerine odaklanabilir ve gerçek nedensellik ilişkilerini açığa çıkarabiliriz.

Benzer şekilde, birçok nedenin tek bir sonucu yaratabileceği durumlarda, bu nedenlerden hangisinin sonucun daha spesifik bir nedeni olabileceğini tespit edebilmek önemlidir. Örneğin akciğer kanserini arttıran birçok neden olabilir; ancak sigaranın hayatlarımıza girmesi sonrasında diğer ölüm sebepleri %10 veya %30 artarken, akciğer kanserinden ölümler %1000 artıyorsa, elimizde çok spesifik bir neden vardır diyebiliriz.

Zamansallık

Bu konuyu daha önceden post hoc ergo propter hoc mantık hatası çerçevesinde işlemiştik. İki olayın bir arada veya birbirinin ardı sıra yaşanıyor olması, birinin diğerinin nedeni olduğu anlamına gelmez. Örneğin spesifik bir diyet türüne geçmek mi belli bir hastalığa neden olmaktadır; yoksa o hastalığın erken dönemdeki etkilerinden birisi diyette değişime neden olması mıdır? Belirli bir mesleğe sahip olmak verem hastalığına sebep olmakta mıdır, yoksa bir mesleği seçen kişiler halihazırda o hastalığa yatkın olan insanlar mıdır? Bu gibi faktörlere dikkat edip, olası yanıltıcı değişkenlerin etkisini ayıklamak, nedenselliğin gücünü arttıracaktır.

Gradyan

Daha önceden, müdahale konusundan söz etmiştik. Tren ve peron örneğimizde, sadece spesifik saatler dikkate alınmıştı; yani süreğen bir müdahaleden ziyade, daha kategorik bir müdahalede bulunabilmekteyiz (örneğin her bir saniyede perona girişi tek tek test etmemiz pek mümkün değildir). Ama bir ilaç örneğini düşünün: Bir ilacı, farklı dozlarda deney gruplarına verebiliriz. Bu dozların miktarı arttıkça, beklediğimiz etki de artıyorsa, yani bir süreğenlik (gradyan) varsa, bu da nedenselliği güçlendirir.

Makuliyet

Hiçbir araştırma vakumda yapılmaz. Her bilimsel çalışma, halihazırda o alanda veya onun öncülü olan alanlarda kapsamlı araştırmaların yapıldığı bir ortamda yeşerir. Dolayısıyla bir deneysel araştırmaya girişirken, boş bir tablet gibi bir zihne sahip değilizdir; o alanda halihazırda ispatlanmış gerçekleri ve kabul gören teorileri biliriz. Daha önceden yapılan deneylerin sonuçlarını incelemiş olmalıyızdır. Bunu yaptığımızda, yeni deneyde elde ettiğimiz sonuçların ne kadar makul olduğunu da belirleyebiliriz.

Aşırı absürt sonuçlar, dikkatle incelenmeli ve tekrar deneyleriyle doğrulanmalıdır. Eğer bir şey gerçek olamayacak kadar iyiyse, muhtemelen gerçek değildir.

Ahenk

Makuliyet kriteri ile bir arada incelenebilecek olan bir diğer kriter, ahenk kriteridir. Bulduğumuz sonuçların, eldeki literatüre genel olarak uymasını bekleriz. Bilimsel ilerleyişte biriken gerçeklere uymayan veya çok uçuk sonuçlar, otomatik olarak "yanlış" olmak zorunda değildir; fakat olağanüstü iddialar/sonuçlar, olağanüstü kanıtlar gerektirir. Bir sonuç, halihazırda yerleşmiş fikirlere ne kadar zıt düşüyorsa, onu destekleyen o kadar fazla miktarda kanıt toplamamız gerekmektedir.

Deney

Her zaman, her nedenselliği deneysel (ampirik) olarak gösteremeyebiliriz. Önümüzde fiziksel veya etik engeller bulunabilir. Örneğin ölmekte olan hastalara umut olabilecek bir ilacımız varsa, rastgele bir şekilde hastaların bazılarına ilacı vermemek etik olarak görülmemektedir. Ama eğer ki bu engeller yoksa, deneyler yapılana kadar nedensellik iddiasında bulunulmamalıdır. Bir diğer deyişle, eğer bir nedenselliği göstermek için bir deney yapılabiliyorsa, o deney yapılmalıdır.

Örneğin akciğer kanserinin nedeni olabilecek olan faktörler değiştirilince, mesela işyerlerindeki toz duman azaltılınca, atölyelerde kullanılan kayganlaştırıcı yağların kimyasal bileşenleri değiştirilince, sigara tüketimi azalınca, nedensellik kurduğumuz akciğer kanserinde azalma yaşanmakta mıdır? Bunlar, deneysel olarak gösterilebilirdir; dolayısıyla gösterilmelidir.

Analoji

Kimi durumda, analojilere başvurarak da nedensellik iddiasını güçlendirmek mümkün olabilir. Belirli konularda elde ettiğimiz nedensellikler, diğer alanlarda da benzer nedenselliklere işaret edebilir; çünkü doğada bu şekilde kendini tekrar eden örüntülere sıklıkla rastlamaktayız.

Dikkat Edilmesi Gereken Noktalar

Görülebileceği gibi bu faktörlerin her biri, nedensellik iddiasını güçlendirecek faktörlerdir. Bunların birçoğu bir arada sağlanabilirse, nedensellik iddiamızı temellendirebilmiş oluruz. Yani bilim, bu faktörleri tatmin edecek bulgular keşfetme işi olarak görülebilir.

Bu noktada, şu gerçeği de öğrenmiş olmaktayız: Korelasyon, nedensellik değildir; ancak bütün nedensellikler aynı zamanda korelasyondur. Dolayısıyla korelasyon da kaçınılacak veya endişe edilecek bir unsur değildir; bilimin ilerleyişinin parçalarından birisidir.

Faktörlerin Bütünleyiciliği

Yukarıda belirtilen 9 faktörün hepsi, her an, bir arada bulunamayabilir. Örneğin her zaman kontrollü bir deney yapmak mümkün olmayabilir. Ancak sırf bu 9 kriterden 1 tanesi sağlanmıyor diye, yani kontrollü deney olmayan durumlarda, nedensellik kurulamayacağını iddia etmek hatalı olur. Örneğin bir yıldızın ya da galaksinin oluşumunu belki de deneysel olarak asla gösteremeyeceğiz; ancak bu, diğer kriterleri tatmin edecek biçimde toplanan güçlü verilerle bir nebula ile bir yıldızın/galaksinin doğumu arasında nedensellik kurmamız mümkündür.

Faktörlerin Eleyiciliği

Görebileceğiniz gibi bu faktörler ve bunların ne düzeyde tatmin edildiği, aynı olguya yönelik bir nedensellik iddiasında bulunan birden fazla açıklamadan birini veya birkaçını elememizi veya Bayesçi perspektiften bakacak olursak, olasılık değerlerini değiştirmemizi mümkün kılabilir. Yukarıdaki kriterlerin daha fazlasını, daha fazla miktarda tatmin eden nedensellikler, muhtemelen daha gerçekçi nedensellikler olacaktır.

Sonuç

Sonuç olarak, her ne kadar korelasyonlar nedensellik anlamına gelmese de, iki veri arasında bir korelasyon bulmak, bu korelasyonu daha fazla irdelemek ve nedensellik aramak için bir başlangıç noktasıdır. Korelasyondan nedenselliğe giden yolda bazı kritik engeller ve tehlikeler vardır ve bilim, bu engelleri aşma, tehlikelerin üstesinden gelme sanatıdır.

Elbette bu konu, upuzun kitapları dolduracak kadar detaylı ve karmaşıktır ve burada yer veremeyeceğimiz kadar fazla detay, açı, yöntem bulunmaktadır. Simpson Paradoksu'ndan p-değerine, istatistiki anlamlılığı tespit etmekte kullanılan yöntemlerden sayısız mantık safsatasına kadar, bu alanla ilgili değinilmeyi hak eden daha birçok nokta var. Benzer şekilde, fiziksel nedensellik ile istatistiki nedensellik arasındaki farklar ve benzerlikler; metafiziksel, epistemolojik ve ontolojik açılardan nedensellik kavramı; geçerli sebepler, yeterli sebepler ve katkı sağlayıcı sebepler gibi kavramlar gibi birçok konu da ele alınmaksızın, bilimsel nedensellik kavramını tam olarak anlamak mümkün olmayacaktır. Keza, Bayesçi Teori'nin ve olasılıkçı nedenselliğin, nedensel kalkülüs, çıkarsama teorileri, manipülasyon teorileri, süreç teorileri ve yapısal öğrenme gibi konuların detaylarına girmeden de Tüm bunlar ders kitaplarını dolduracak kadar detaylı konulardır; ancak yeri geldiğinde bunlara da Evrim Ağacı'nda değineceğiz.

Ancak özünde anlaşılması gereken ve burada göstermek istediğimiz şudur: Nedenselliğe giden yoldaki tüm önyargılarımızı dikkatle inceleyerek, bunları ortadan kaldıracak yöntemleri kullanmak, isabetli nedensellik ilişkilerini ortaya çıkarmamızı mümkün kılar. Zaten bilimin işi korelasyonları bulmaktan ziyade, nedensellikleri ortaya çıkarabilmektir. Bu, gerçeğe ulaşmak konusunda dürüst bir arzu ve isteğe sahip olan bilim insanlarının özverili ve takdire şayan çabaları sayesinde mümkün olur.