Πριν πολλά πολλά χρόνια, όταν έγινε για πρώτη φορά απόπειρα κατάταξης των πανεπιστημίων, μαζεύτηκαν κάποιοι ερευνητές στατιστικοί και συνεργάστηκαν για να εξετάσουν το ποια πανεπιστήμια αξίζουν να είναι πρώτα και ποια όχι. Εδώ εμφανίζεται το πρώτο πρόβλημα: “Και ποιοι είναι αυτοί που τους πλήρωσαν για να κάνουν αυτήν την έρευνα;” Έστω ότι το έργο αυτό χρηματοδοτήθηκε από άτομα που πραγματικά θέλησαν να μάθουν ποια πανεπιστήμια είναι τα καλύτερα και ποια όχι και δεν έχουν καμία σχέση με τα πανεπιστήμια αυτά. Το πρώτο πρόβλημα υποθετικά λύθηκε. Κατευθείαν το μυαλό μας οδηγείται στους ερευνητές. Ποιοι είναι αυτοί που ανέλαβαν να επιτελέσουν αυτό το έργο; Μήπως τα άτομα που έκαναν την έρευνα είναι καθηγητές πανεπιστημίων; Αν ναι, σε ποια πανεπιστήμια διδάσκουν ή συνεργάζονται, ποια πανεπιστήμια έχουν τελειώσει; Για να λυθεί και το δεύτερο πρόβλημα, ας υποθέσουμε ότι κανείς από τους επιστήμονες δεν τρέφει εμπάθεια σε κανένα πανεπιστήμιο και ο σκοπός τους είναι να γίνει όσο το δυνατόν πιο επιστημονικά η έρευνα. Ακόμα και να ισχύουν οι παραπάνω περιπτώσεις, η στατιστική δεν μπορεί να βγάλει σωστά αποτελέσματα διότι πάντα, όταν κάνεις μια έρευνα πρέπει να έχεις στο μυαλό σου το πρότυπο του τέλειου πανεπιστημίου, αλλιώς δεν μπορείς να δημιουργήσεις τις μεταβλητές του υποδείγματος.
Ποιο είναι όμως το πρότυπο του τέλειου πανεπιστημίου;
Προφανώς, αν υποθέσουμε ότι το τέλειο πανεπιστήμιο είναι αυτό που δίνει την ευκαιρία σε όλους τους ανθρώπους να παρακολουθούν τις διαλέξεις που γίνονται και μάλιστα χωρίς να πληρώνουν, που να φροντίζει τους φοιτητές με χαμηλά εισοδήματα παρέχοντάς τους εστίαση και σίτιση, που δίνει δωρεάν τα βιβλία σε όλους τους φοιτητές για να έχουν εύκολη πρόσβαση στη γνώση, που δεν προάγει το κλίμα του έντονου άγχους καθώς και ανταγωνισμού μεταξύ των φοιτητών, τότε μάλλον τα ελληνικά πανεπιστήμια, που τείνουν σε αυτό το πρότυπο, θα ήταν από τα πρώτα στην κατάταξη. Τα πανεπιστήμια που ακολουθούν το Αγγλοσαξονικό σύστημα εκπαίδευσης θα βρίσκονταν πολύ χαμηλότερα στην κατάταξη διότι αν δεν είσαι εγγεγραμμένος φοιτητής είναι τις περισσότερες φορές αδύνατο να σου επιτραπεί να παρακολουθήσεις τα μαθήματα της οποιασδήποτε σχόλης. Πόσο μάλλον να επισκεφθείς τις βιβλιοθήκες τους ή να μπεις και να παρακολουθήσεις τις ιστοσελίδες των πανεπιστήμιων αφού είναι αναγκαίο να έχεις κάρτα πρόσβασης και τους κωδικούς αντίστοιχα. Επίσης, για να σπουδάσεις σε ένα πανεπιστήμιο στην Αγγλία χρειάζεσαι 11000€ ανά έτος (9000£). Επιπλέον, το κόστος γεύματος στα πανεπιστήμια των σχολών κυμαίνεται γύρω στα 5€ (3.85£) για κάθε γεύμα χωρίς να συμπεριλαμβάνεται φρούτο ή γλυκό. Ακόμη, πρέπει ο κάθε φοιτητής να αγοράζει από μόνος του τα βιβλία και φυσικά να πληρώνει την εστίασή του. Η τιμή ενός απλού βιβλίου έχει εύρος από 50-100€ (40-80£) και οι τιμές ενοικίασης στο Λονδίνο είναι γύρω στα 200-300€ (170-260£) την εβδομάδα αν κατοικείς στο κέντρο και 120-240€ (100-200£) την εβδομάδα λίγο πιο έξω από το κέντρο.
Παρατηρούμε ότι τα δύο συστήματα διαφέρουν πολύ. Με απλά λόγια, εδώ εμφανίζεται ένα πρόβλημα δίχως λύση διότι δεν γίνεται να συγκρίνεις την ομορφιά μιας ελληνίδας με μια αγγλίδα, έχοντας για πρότυπο την αγγλίδα… Δηλαδή, μπορεί η ελληνίδα να μην είναι ψηλή, ξανθιά, γαλανομάτα αλλά να είναι πολύ πιο όμορφη από την αγγλίδα όντας κοντούλα, με καφέ μάτια και μαύρα μαλλιά. Το μοντέλο μπάζει.
Φυσικά, όλα αυτά τα γνωρίζουν πολύ καλά οι ερευνητές και οι στατιστικοί. Τότε γιατί εξακολουθούν κάθε χρόνο να βγάζουν τις στατιστικές τους έρευνες; Διότι είναι μια καλή και κερδοφόρα επιχείρηση ώστε να βγάζουν τα προς το ζην οι άνθρωποι που ασχολούνται με αυτές αλλά και να αποκομίζουν μεγαλύτερα κέρδη τα πανεπιστήμια που τους επιδοτούν και αυτό οφείλεται στη μεγάλη ισχύ της στατιστικής επιστήμης να δημιουργεί «αυτοεκπληρούμενες προφητείες».
Έστω ότι είμαι ένα αγγλικό πανεπιστήμιο από τα τελευταία στην κατάταξη. Κανένας φοιτητής δεν θέλει να έρθει σε μένα και επίσης κανένας καλός καθηγητής δεν θέλει να διδάξει εκεί και όσο είμαι τελευταίο τόσο θα μου έρχονται φοιτητές και καθηγητές που δεν μπόρεσαν να πάνε πουθενά αλλού. Τι κάνω; Βρίσκω κρυφά τους στατιστικούς επιστήμονες τους δίνω από ένα χρηματικό ποσό και τους ρωτώ τι πρέπει να κάνω για να ανεβάσω την κατάταξη του πανεπιστημίου μου. Βασικά ούτε αυτό χρειάζεται. Η στατιστική είναι η επιστήμη που μπορείς να κάνεις άπειρες πράξεις ωσότου βγάλεις τα αποτελέσματα που θες. Έτσι, σιγά-σιγά κάθε χρόνο συναντάς τους στατιστικούς και τους δίνεις κάποια χρήματα και αυτοί με τη σειρά τους, για την ανταπόδοση, ανεβάζουν τη σχολή σου στην κατάταξη. Σκεφτείτε αυτή η αρμονική σχέση να συνεχίζεται για 20 χρόνια. Τότε το πανεπιστήμιό μου θα έχει φτάσει κάπου στη μέση της κατάταξης. Οι καθηγητές και οι φοιτητές πλέον δεν θα το περιφρονούν αλλά ίσως να αναγκαστώ πλέον να απορρίπτω και κάποιους με όχι και τόσο καλό βιογραφικό. Στα επόμενα 20 χρόνια, αν εξακολουθεί να υπάρχει αυτή η αρμονική σχέση, το πανεπιστήμιο μου από το τίποτα αρχίζει σιγά-σιγά να φτάνει τα ύψη. Οι καλύτεροι φοιτητές και καθηγητές πλέον θέλουν να φοιτήσουν και να δουλέψουν σε αυτό και η κύρια αιτία είναι η υψηλή κατάταξη του πανεπιστήμιου μου. Φυσικά πρέπει να δίνω όλο και περισσότερα χρήματα για αυτήν την αρμονική συμφωνία.
Αν τελικά γίνω το καλύτερο πανεπιστήμιο στον κόσμο θα ξοδεύω μεγάλα χρηματικά ποσά για αυτό το σκοπό διότι αυτός ουσιαστικά είναι που με βοηθάει στο να εξακολουθούν να έρχονται σε μένα οι άριστοι στη βαθμολογία φοιτητές καθώς και οι πιο γνωστοί καθηγητές. Αντίστροφα, σκεφτείτε το Cambridge και το Harvard κάθε χρόνο να πέφτουν από τη γενική κατάταξη κατά 3 μονάδες. Σε 20 χρόνια, πόσο μάλλον σε 40, κανείς δεν θα θέλει να πάει εκεί. Οι κατατάξεις είναι ένας τρόπος ώστε να βγουν κερδισμένα τα πανεπιστήμια, οι στατιστικοί αλλά και οι φοιτητές και οι καθηγητές διότι γνωρίζουν ότι το καλύτερο μέρος για να συναντηθούν μεταξύ τους είναι αυτό που βγάζει η κατάταξη πρώτο στον τομέα. Εξάλλου, οι καθηγητές και οι φοιτητές δεν ενδιαφέρονται τόσο για το κτήριο στο οποίο διδάσκουν/διδάσκονται όσο για το ότι οι μεν θα έχουν μελετηρούς φοιτητές για να διδάξουν και οι δε θα διδαχθούν από γνωστούς καθηγητές. Οι στατιστικοί απλά τους προγραμμάτισαν τον τόπο συνάντησης βάζοντας όσα περισσότερα μπορούσαν στην τσέπη τους.
Η στατιστική επιστήμη αντιμετωπίζει πολλά προβλήματα πρόβλεψης και ερμηνείας φαινομένων που ειδικά μετά τη θεωρία του χάους, καθώς και το θεώρημα της επαγωγικής γαλοπούλας*, η επιστήμη τους μάλλον λειτουργεί περισσότερο ως μοχλός «αυτοεκπληρούμενων προφητειών» παρά ως κάτι το επιστημονικό.
Δείτε ένα παράδειγμα πρόβλεψης. Παρατηρώ αυτόν τον καιρό σχεδόν κάθε μέρα επίτηδες το δελτίο καιρού του BBC. Πραγματικά, ούτε δυο μέρες πιο πριν δεν μπορεί να προβλέψει αν θα έχει συννεφιά ή λιακάδα. Δηλαδή αυτό το Σάββατο έγραφε ότι θα είχε λιακάδα τη Δευτέρα και την Κυριακή ξαναμπαίνω και γράφει ότι τελικά θα έχει συννεφιά. Προχθές έλεγε ότι χθες θα έβρεχε αλλά δεν έβρεξε. Η στατιστική επιστήμη εμφανίζει μεγάλη αδυναμία στην προσπάθειά της να ερμηνεύσει φαινόμενα πολυδιάστατα όπως η μελέτη συμπεριφοράς των ανθρώπων ενώ θριαμβεύει σε τομείς όπου υπάρχει λογική, όπως στους υπολογιστές και στο πόκερ.
*Θεώρημα της Επαγωγικής γαλοπούλας: Πριν από πολλά χρόνια τον Ιανουάριο γεννήθηκε μια γαλοπούλα. Αυτή η γαλοπούλα μεγάλωνε μέρα με τη μέρα από το φαγητό που της έφερνε ο κύριός της. Ο κύριος αυτός ερχόταν κάθε μέρα στις 12 και την τάιζε. Η γαλοπούλα έτσι έφτιαξε έναν κανόνα, μια επαγωγική θεωρία, που έλεγε ότι κάθε μέρα στις 12 θα έρχεται ο κύριος να την ταΐζει. Αυτό γίνονταν κάθε μέρα, όλους τους μήνες, από τον Ιανουάριο που γεννήθηκε και μετά. Πάντα επιβεβαιώνονταν η θεωρία της μέχρι που μια μέρα του Δεκέμβρη ο ίδιος κύριος ήρθε και της έκοψε το κεφάλι.
Υ.Γ. Φυσικά, υπάρχει και μια φράση που λέει ότι με τη στατιστική είναι εύκολο να πεις ψέματα, αλλά χωρίς τη στατιστική είναι ακόμα ευκολότερο!
Ευχαριστίες στον Κωνσταντίνο Σπηλιάκο για τις βελτιώσεις πάνω στο κείμενο.
Γράφει ο Αβραμίδης Α. Ριχάρδος.