Bevezetés a természettudományos megismerés módszertanába

Átírás

1 Bevezetés a természettudományos megismerés módszertanába Torma Attila A természettudományok, így a biológiai tudományok alapvető célja a világunk minél alaposabb ismerete. A történelmünk során természetesen minden civilizációnak voltak, néha nagyon is pontos, releváns ismeretei; mégis a modern diszciplínáktól alapvetően eltértek, mégpedig abban, hogy ma a természettudományos megismerés folyamatát szigorú módszertan jellemzi. Ezen rövid ismertető célja éppen az, hogy a természettudományos megismerés módszertanába, elsősorban a biológiai diszciplínák esetében, egy kis bepillantást nyújtsunk. A biológiai kutatásokat, azok eredményeit a módszertanuk ismerete nélkül az emberek nem érthetik meg, azokat nehezen, esetleg helytelenül értelmezhetik, megfelelő kritikai hozzáállás nélkül. Az áttekintés elsősorban középiskolák számára, bevezető, figyelemfelkeltő céllal készült, ezért a szakmai teljesség igénye nélkül, elsősorban az érthetőségre, egyszerűségre törekedve. A természettudományos megismerés A modern természettudományos megismerés főbb lépései az alábbiakban foglalhatók össze: 1) Tapasztalatok gyűjtése (megfigyelések, mérések, adatok, stb.) természetesen nem szükségszerűen van szó tényleges mérésekről, megfigyelésekről, hisz ezek már rendelkezésünkre állhatnak 2) Modell alkotása tapasztalataink megértéséhez a modellünk is lehet már ismert modell 3) Jóslás a modell segítségével (hipotézisek fölállítása) null hipotézis alternatív hipotézisek 4) A jóslás helyességét kísérletesen ellenőrizzük, megállapítjuk a modell érvényességi határát hipotézisek tesztelése 5) Az érvényességi határon túli jelenségek magyarázatához a modell továbbfejlesztése, módosítása, esetleg teljesen új modell kidolgozása azaz, ha szükséges újra kezdjük az 1) lépéstől Hogyan is kell ezt a valóságban elképzelni? Ha belegondolunk ezek a folyamatok részben, nap mint nap automatikusan játszódnak le bennünk. Tapasztalataink alapján kialakul egy elképzelésünk (modell) egy adott jelenségről, ennek segítségével képesek vagyunk jósolni a várható, jövőbeli történéseket (hipotézisek), azaz dönteni tudunk egy-egy adott helyzetben. Majd, a további tapasztalatok alapján módosítjuk az eredeti elképzelésüket. Miért is olyan sajátságos akkor a természettudományos megismerés módszere? A hangsúly a kísérletes ellenőrzésen van! Ezzel el is érkeztünk a fő témánkhoz, ami a természettudományi vizsgálatok, kísérletek tervezése, mente. 1

2 A természettudományi vizsgálatok, kísérletek tervezése, mente Mit is nevezünk kísérletnek? Röviden definiálva, a kísérlet egy megfelelő elméleti megalapozás után kialakított modell helyes vagy helytelen voltának mérésekkel történő ellenőrzése. Egy tudományos igényű kísérletnek meg kell felelnie bizonyos elvárásoknak. Ezek közül talán a legfontosabb a reprodukálhatóság, azaz egy kísérletet úgy kell megtervezni, és végrehajtani, hogy azt elvileg bárki, bármikor, azonos körülmények között megismételhesse. Ha ez nem teljesül, az eredmények kétségbe vonhatók, hisz nem ellenőrizhetők a kísérlet megismétlésével. Egyértelmű elvárás az is, hogy a kérdések/hipotézisek világosak és specifikusak legyenek, valamint a kísérlet kimenete során minél pontosabb választ kapjunk kérdéseinkre. Noha ezen feltételek teljesülése előzetesen triviálisnak tűnhet, bizony előfordulhat, hogy utólag derülnek ki problémák. Csak a példa kedvéért, lehetséges olyan eset, hogy kísérlet során az általunk vártnál sokkal kisebb mértékű eltéréseket tapasztalunk, és esetleg a mérőműszer ennek kimutatásához már nem elég pontos. Nyílván, ekkor a kísérletet egy másik műszerrel újra kell tervezni. Megemlíthető, hogy néha a reprodukálhatóság is kérdéses lehet akármilyen jól megtervezett vizsgálatról legyen is szó. Például egy nem laboratóriumi körülmények között zajló kísérlet esetén nem feltétlenül tudjuk a körülmények minden paramétert befolyásolni, azaz nem biztos, hogy újra ugyanazokkal a feltételekkel megismételhető. Gyakran ezeket a vizsgálatokat nem is nevezhetjük szigorú értelemben véve kísérleteknek, azonban a metodika, szemléletmód alapján, ugyanúgy hipotézistesztelő, természettudományos megismerésről van szó. Meg kell jegyeznünk, hogy kísérlettervezés alatt egyrészt egy fiatal tudományágat, magát a természettudományos megismerés folyamatának egy lépését valamint ipari technológiák optimalizálására használt módszert is értünk. Jelen helyzetben minket, a tudományos megismerés módszereként foglalkoztat, így helyesebb talán, ha tudományos vizsgálatok tervezéséről beszélünk, elkerülve így a kísérletes és nem-kísérletes vizsgálatok problémáját is. Tudományos vizsgálaton tehát a természettudományos megismerés módszertanának megfelelő vizsgálatot értünk. Mivel a hangsúly ezen belül a kísérletes ellenőrzésen, azaz a hipotézisek tesztelésén van, az ezt megelőző lépésekre, azaz a modellünk létrehozásáig történő lépésekről csak érintőlegesen lesz szó. A kiindulási pontunk, hogy van egy elképzelésünk, amit tudományos igénnyel meg szeretnénk vizsgálni. Hogyan tegyük ezt? Mik a főbb lépések? Milyen tényezőket vegyünk figyelembe? A következőkben erről szólunk néhány szót egy nagyon leegyszerűsített példán keresztül. 1. lépés: Kérdésfelvetés, modellalkotás. Előzetes tapasztalatok, ismeretek alapján adott egy elképzelés. A modell ennek általában egy matematikailag leírható egyszerűsítése. A mi esetünkben induljunk ki abból a tapasztalatból, hogy nagyobb méretű szigeteken több faj él. Ez leírható a fajszám-terület összefüggéssel (1. ábra); matematikai modellje: S = C A z, ahol S a fajszám, C taxonra, és lokalitásra jellemző állandó, A a terület mérete és z a kolonizáció sebességét és a sziget topográfiai heterogenitását jellemzi. 2

3 Linearizárt formában: logs = logc + z loga. (pontosabban lásd pl. McArthur és Wilson máig nagy hatású Szigetbiogeográfia Teoriáját). 1. ábra: Fajszám-terület összefüggés aritmetikus (a) és logaritmikus (b) tengelyen. Tegyük föl, hogy minket a Kőszegi-hegység erdeiben, a kidőlt, korhadó fatönkökben élő ízeltlábú fajok érdekelnek. Vajon magyarázza-e a fönti modell, a korhadó fatörzsekben élő ízeltlábú fajok számának változásait? Tekinthetők ezek a fatönkök szigeteknek az erdők tengerében a fatönkökhöz kötődő rovarok esetében? 2. lépés: Hipotézisek megfogalmazása. A modellünk alapján (fajszám/terület összefüggés) hipotéziseket, várható változásokat, mintázatokat fogalmazunk meg. Null hipotézis (H0): null hipotézisünk mindig a modell által jósolt változás, azaz jelen esetben: H0: nagyobb fatönkben több ízeltlábú faj él, mint kicsi fatönkben Alternatív hipotézisek: alternatív hipotéziseket az alapján fogalmazunk meg, hogy milyen változás lehetséges, ha a null hipotézisünk nem teljesülne. Ebből természetesen több is lehet, jelen esetben például: H1: nagyobb fatönkben kevesebb ízeltlábú faj él, mint kicsi fatönkben H2: a fatönkben található ízeltlábú fajok száma nem változik a fatönkök méretével Nagyon fontos, hogy a kérdéseink/hipotéziseink egyértelműek legyenek. Például a hipotéziseinket így is megfogalmazhatjuk: H0: a fatönkben található ízeltlábú fajok száma lineárisan nő a fatönkök méretének logaritmusával H1: a fatönkben található ízeltlábú fajok száma lineárisan csökken a fatönkök méretének logaritmusával H2: a fatönkben található ízeltlábú fajok száma nem változik a fatönkök méretével 3

4 Noha látszólag ugyanazt jelenti, a két esetben eltérő statisztikát alkalmazunk a kiértékelés során; az utóbbi esetben sokkal szigorúbb hipotézisekről van szó. Figyelembe kell vennünk, hogy a vizsgálatunk mennyire specifikus vagy általánosítható. Ha csak egy fafaj tönkjeit vizsgáljuk, az ugyan egyszerűbben kivitelezhetővé, és könnyebben ismételhetővé teszi a vizsgálatunkat, de nem állíthatjuk, hogy más fafaj tönkjei esetében is ez lenne az eredmény, azaz nem általánosíthatunk. Ha több fafaj tönkjeit vizsgáljuk, nehezebb lesz kivitelezni és megismételni (azaz kb. ugyanakkora, ugyanannyi tönköt találni ugyanazokból a fafajokból), de általánosíthatunk. Nyilvánvalóan a vizsgálatunk célja az, ami alapján a hipotéziseinket megfogalmazzuk. Ha például egy erdészeti kezelés kidolgozásához végzünk vizsgálatot, és a célunk, hogy körülbelül meghatározzuk, hogy mennyi és mekkora, esetleg milyen fafajhoz tartozó kidőlt tönköt hagyjanak az erdőben a holt fákhoz kötődő rovarok biodiverzitásának fenntartásához, akkor sokkal specifikusabb hipotéziseink lesznek, mintha a vizsgálatunk célja az, hogy igazoljuk, hogy a szárazföldi, szigetszerűen elhelyezkedő élőhelyekre is igaz lehet a szigetbiogeográfia teóriája. 3. lépés: Kísérlettervezés, hipotézistesztelés A jóslás helyességét kísérletesen ellenőrizzük, azaz megtervezzük, és elvégezzük a kísérletes vizsgálatot. Ügyeljünk rá, hogy a tervezett vizsgálat ténylegesen a kérdéseinkre adjon választ, ténylegesen a hipotéziseinket teszteljük. Nyilvánvaló az is, hogy az összes fatönköt nem tudjuk megvizsgálni, tehát mintát kell vennünk! A mintavétel megfelelő tervezése (és persze kivitelezése) döntő jelentőségű. A mintavétel kapcsán rengeteg kérdés merülhet föl, így a tervezéshez nagy tapasztalat, előzetes információk, szakirodalmi ismeret, tájékozódás szükséges. Csak néhány alapvető dolgot sorolnék föl, szemléltetésként, amit pontosan meg kell határoznunk, el kell döntenünk a mintavételezés kidolgozásához. Mekkora területen tegyük ezt? Összesen hány fatönköt vizsgáljunk? Rendszeresen vizsgáljuk-e a fatönköket vagy elég egyetlen alkalommal? Továbbá, meg kell határoznunk a vizsgálat során gyűjtendő/mérendő adatokat. Azaz, hogyan mérjük, valójában becsüljük meg az egyes fatönkökben az ízeltlábú fajokat (például lehet az 1 m2-en gyűjtött fajok száma); hogyan definiáljuk a fatönk méretét, ehhez milyen paramétereit mérjük (pl. hossz és kerület mérésével megadhatjuk a fatönk térfogatát, felszínét, mint méretet). Ugyancsak, már ekkor, tisztában kell lennünk azzal, hogy hogyan akarjuk kiértékelni az eredményeinket, hisz az egyes adatértékelési, statisztikai módszereknek is vannak feltételei, korlátai, és a mintavételt ezzel összhangba kell hozni. A hipotézistesztelés szigorúan véve a statisztikai hipotéziseinknek a statisztikai próbákkal történő tesztelését jelenti. Erre azonban itt nem térnék ki, hisz nem a statisztikai ismeretekbe történő bevezetés a célunk, noha egyes fogalmak használata elkerülhetetlen. Ezekről a következő fejezetben is lesz még szó; a megadott irodalmak pedig részletesen tárgyalják. Ha megvannak az adataink, kezdődhet az adatok földolgozása, értékelése! Problémák természetesen itt is fölmerülhetnek. Talán a leggyakoribb probléma a hiányzó adat esete, teszem azt, amikor kimentünk második alkalommal nem találtunk meg egy fatönköt. Lehetséges az is, hogy a fatönkök mérete alapján inkább csak kategóriákba oszthatók, mint kicsi, közepes és nagy. 4

5 Még számos probléma előfordulhat, ezekre sem térnék ki, de megnyugtatásul: az adatok kezelése során ezek általában orvosolhatók (például hiányzó adat esetén, ha van elég sok mért fatönkünk, akkor egyszerűen kihagyjuk azt, amit nem vizsgáltunk minden alkalommal, vagy olyan statisztikát választunk, ami képes kezelni a hiányzó adatot). Végezetül elvégezzük a megfelelő statisztikát, aminek az eredménye alapján a hipotéziseinket megtartjuk vagy elvetjük. Hogy pontosan mit is jelent egy statisztika eredménye, és hogyan is kell értelmezni, arra itt nem térnék ki, de azt azért röviden meg kell magyaráznom, hogy mit is értünk szignifikáns és nem szignifikáns eredmény alatt. Ezt általában az empirikus szignifikancia szint (P érték) megadásával jelölik, ami annak a valószínűsége, hogy a próbastatisztika a mintából kiszámított értéket veszi fel. Biológiában (is) konzekvensen a P < 0.05 érték tekintendő szignifikánsnak. Vizsgálatok a szupraindividuális biológiában Újra hangsúlyozom, hogy a fő célunk a természettudományos megismerés módszertanának, lépéseinek a megismertetése, így nem árt, ha ezeket újra fölvázoljuk, és most már célzottan a szupraindividuális biológia sajátságait figyelembe véve megtárgyaljuk az alábbi, 2. ábra segítségével. elképzelések, modellek előzetes tapasztalatok kérdések, hipotézisek kísérletes ellenőrzés predikciók mérendő változók mintavétel adatelemzés, tesztelés döntés a hipotézisekről modell igazolása, továbbfejlesztése 2. ábra: Természettudományos kutatás főbb lépései Ahogy az ábrán is látható az egyes lépések a modellalkotástól a vizsgálatig szoros kölcsönhatásban vannak az előzetes ismereteinkkel, tapasztalatinkkal. Ez alatt azt kell érteni, 5

6 hogy minden egyes lépés során szerzett információ bővíti a tapasztalatinkat, ugyanakkor az előzetes ismereteink, tapasztalataink nem csak a modellünk kialakítását határozzák meg, hanem a vizsgálat minden egyes lépését befolyásolják. Előzetes vizsgálatok, ismeretek segítenek minden egyes lépésnél a kérdésfelvetéstől a használatos módszerekig, azok előnyeiről, hátrányairól informálódni, stb. Egy kutatás/kutató szempontjából a naprakész ismertek életbevágó jelentőséggel bírnak. Ma már nem csak a nyomtatott szakirodalom (szakmai folyóiratok, szakkönyvek, monográfiák, stb.) nyújt erre lehetőséget, hanem egyre nagyobb szerepe van, főleg a gyors információáramlásnak köszönhetően, a web-es felületeknek (adatbázisok, honlapok, akár tudományos blogok is, stb.). Ebben természetesen a szupraindividuális biológiai nem különbözik a többi biológiai diszciplínától, talán csak azt említeném meg, hogy gyakran a régi szakirodalom ismerte is szükséges lehet, nem avul el, például nem válnak meghaladottá olyan gyorsan a módszerek, mint a molekuláris biológia területein. Természetesen az előzetes ismereteink, érdeklődésünk alapvetően az elképzelésünket, kérdéseinket, modellünket határozza meg, azaz, hogy mi az, amit tanulmányozni szeretnénk. Szupraindividuális biológiáról lévén szó, a vizsgálati objektumunk mindig egyedfölötti szerveződés, legyen az akár egyetlen populáció vagy a Kárpát-medence élővilága; kérdéseink, hipotéziseink ezekre vonatkoznak. A hipotézisek megalkotásának általános szabályai nincsenek, a lényeg, hogy pontos és egyértelmű legyen. Meg kell jegyezni, hogy ezek a hipotézisek nem tévesztendők össze a statisztikai hipotézisekkel. Ezek biológiai hipotézisek, biológiai (nem statisztikai) értelmük kell, hogy legyen. Például a hipotézisem lehet a következő: Hipotézis (H1): a legeltetés negatívan befolyásolja az ott élő ízeltlábú közösségeket. Célszerű általában egymást kizáró hipotézis párokat megfogalmazni, de nem muszáj. Ezeket a biológiai hipotéziseket önmagukban még nem feltétlenül lehet statisztikailag kezelni, tesztelni, tehát valahogy le kell fordítani a matematika nyelvére. Ezt úgy tesszük meg, hogy a hipotéziseink alapján predikciókat fogalmazunk meg. Ezek olyan állítások, amik logikailag következnek a hipotéziseinkből. Lényegében a predikciókat fogjuk statisztikai értelemben tesztelni. Például a H1 alapján levonható predikciók: P1: Az intenzíven legeltetett gyepen kevesebb ízeltlábú faj él, mint az enyhén legeltetett és nem legeltetett (kontroll) gyepeken P2: Az enyhén legeltetett gyepeken kevesebb faj él, mint kontroll gyepeken Alapvetően érdemes minél több predikciót levonni, mi most megelégszünk ezzel a kettővel. A következő lépés a vizsgálatunkban, hogy meghatározzuk milyen változókat mérjünk, becsüljünk, felvételezzünk, és hogyan tegyük azt. A predikciók megfogalmazása már részben meghatározza, milyen változók szükségesek azok tesztelésére! Jelen esetben az ízeltlábúak fajszáma lesz a függő változónk. Magyarázó változó, pontosabban faktor, pedig a legeltetés intenzitása, azaz intenzív legelés, enyhe legelés és a legelés hiánya (kontroll). Ha megvannak a változóink, meg kell határoznunk, hogyan gyűjtsünk adatokat a változóinkról, azaz hogyan felvételezzük őket? Fontos, hogy tisztában legyünk a lehetőségeinkkel, korlátainkkal, legyen megfelelő tapasztalatunk. Visszatérve a példánkhoz, tudnunk kell, milyen módszerek vannak az ízeltlábúak gyűjtésére, milyen előnyei és hátrányai vannak az egyes módszereknek, stb. 6

7 Nyilvánvaló, hogy nem tudjuk megfogni és megszámolni az összes ott élő fajt, tehát mintát kell vennünk, ami alapján becsülni tudjuk a fajok számát. Mekkora mintát vegyünk, mennyi adatot gyűjtsünk be? A több minta növeli a statisztikák erejét, szignifikánsabbá teszi a statisztikai eredményeinket, de a biológiai értelme az eredménynek ettől nem változik! Összehasonlíthatunk 300 vagy 30 gyepet, azon kívül mondjuk, hogy az első esetben a statisztika P-értéke (szignifikancia szint) sokkal kisebb, a konklúziónk ugyanaz lesz. Abban, hogy mekkora legyen a mintánk, a tapasztalat, ismeretink mellett, segít, ha elővizsgálatot végzünk. Ez alapján egyszerű képlettel becsülhető egy optimális mintaszám. Természetesen egy elővizsgálat sok más kérdésben pl. gyűjtőmódszerek kiválasztásában is segít. Mindenképp ajánlott, ha előzetes információk hiányában vagyunk, teszem azt, olyan paramétereket kell felvételeznünk, amit még nem tettek meg, vagy új gyűjtőmódszerrel próbálkozunk, stb. Mit kezdjünk a felvételezett, kapott adatainkkal? Először is megfelelő módon rendezni kell őket, majd érdemes ún. feltáró, felderítő elemzéseket végeznünk. Ezek esetleg rámutathatnak hibákra, hiányosságra, megmutathatják az egyértelmű összefüggéseket vagy akár új ötletet is adhat a tényleges teszteléshez. Ezek általában az adatstruktúránk vizsgálatára szolgálnak; hogy milyen az eloszlása, mekkora az átlag, a szórás, vannak-e kiugró adatok, stb. A megfelelő statisztikai módszer kiválasztásánál is fontos, hisz bizonyos feltételeknek lehet, hogy meg kell felelnie az adatstruktúránknak (pl. sok statisztika esetében feltétel az adatok normál eloszlása). Ezután következhet a tesztelés. Az elvégzett statisztika alapján elmondhatjuk, hogy predikciónk helyes vagy helytelen, és ezek alapján az eredményeink támogatják-e vagy nem a hipotézisünket. Nem mondhatjuk, az eredményeink alapján hogy a hipotézisünk igaz, mint ahogy meg se dönthetik azt. Fontos, hangsúlyozni, hogy egy vizsgálat csupán támogat, vagy nem támogat egy tudományos hipotézist. Lehet, hogy mi azt találtuk, hogy nem támogatja, sok másik vizsgálat viszont igen! Nézzük meg a példánkon keresztül, hogyan is néz ki ez a gyakorlatban. Összehasonlítva 10 intenzíven legeltetett, 10 enyhén legeltet és 10 nem legeltetett gyepen az ízeltlábú fajok számát, legyenek az eredményeink először a következőek: Eredmények 1: szignifikánsan különbözött egymástól a fajszám minden esetben, és a legtöbb faj a kontroll (nem legeltetett) majd az enyhén legeltetett, a legkevesebb pedig az intenzíven legeltetett gyepen volt. Tehát a statisztikai eredményink alapján mindkét predikciónk igaznak bizonyult. Eredményink egyértelműen támogatják a hipotézisünket, hogy a legeltetés negatívan befolyásolja az ott élő ízeltlábú közösséget. Tegyük fel, hogy az alábbi eredményeket kaptuk: Eredmények 2: szignifikánsan különbözött egymástól a fajszám minden esetben, de a legtöbb faj az enyhén legeltetett majd a kontroll (nem legeltetett), a legkevesebb pedig az intenzíven legeltetett gyepen volt. Az egyik predikciónk igazolódott a másik nem. Nos, ilyenkor jön jól, ha van alternatív hipotézisünk. Azaz ha hipotézis párt állítottunk volna föl: H1: a legeltetés negatívan befolyásolja az ott élő ízeltlábú közösségeket H2: a legeltetés pozitívan befolyásolja az ott élő ízeltlábú közösségeket 7

8 H2 alapján a predicióink: P1: Az intenzíven legeltetett gyepen több ízeltlábú faj él, mint az enyhén legeltetett és nem legeltetett (kontroll) gyepeken P2: Az enyhén legeltetett gyepeken több faj él, mint a kontroll gyepeken Ekkor az eredményeinkről elmondhatjuk, hogy részben mindkét hipotézist támogatták. Ez alapján viszont már tudjuk, hogy a modellünket (elképzelésünket) kell pontosítani, finomítani; azaz az elképzelésünk, hogy a legelés vagy jó vagy rossz az ízeltlábúaknak, nem megfelelő, túlságosan leegyszerűsített. Végezetül az eredményeink biológiai értelmét magyarázni kell a biológiai hipotéziseinkkel összhangban, nem csupán megállapítani, hogy támogatják-e, vagy nem a hipotéziseinket. Mivel in medias res, egyből a hipotézisek fölállításával kezdtük, azt hiszem adós vagyok a képzeletbeli vizsgálatunk miértjének a magyarázatával, ami nélkül nyílván a biológiailag releváns konklúziókat sem vonhatjuk le. Valójában ez az, ami legelőször eldől: a témaválasztás. Ezt a luxust, hogy mi nem ezzel kezdtünk, és nem foglalkoztunk a kutatandó témával (modellel), azért engedhettük meg magunknak, mert minket nem győzöm hangsúlyozni a természettudományos megismerés folyamata érdekel, ebből a szempontból pedig maga a téma irreleváns. Korántsem az természetesen egy kutató/kutatás szempontjából: hogy mit érdemes kutatni vagy, ki mit kutat, az a szubjektív attitüdök és az objektív lehetőségek, szükségletek széles skáláján mozog. Nem kívánunk állást foglalni a biológiai témák relevanciájában, de gondolom a ma már mémmé vált brit tudosók azért mindenki számára rávilágít a témaválasztás fontosságára, noha a kutató szubjektívitása, érdeklődése meghatározó. Ha már szubjektívitásról van szó az én kedvencem: A britek egy 2013-as felmérése szerint az átlagos másnaposság hossza 9 óra 45 perc, ám 29 éves korban ez akár 10 óra 24 percig is eltart. Csak hogy tudjátok, 29 évesen kerüljétek a bulikat! Komolyra fordítva a szót, térjünk csak vissza a mi elképzelt vizsgálatunkra! Motivációnk a vizsgálódásra a biológiai sokféleség napjainkban tapasztalt hanyatlása, aminek fő oka az emberi tevékenységek hatása. Gyepek esetében, ilyen humán tevékenység által okozott zavarás (diszturbancia) például a legeltetés, kaszálás, műtrágyázás, égetés. Az az elképzelésünk (modellünk), hogy ezek a zavarások befolyásolják az ott élő közösségek diverzitását, nem légből kapott tehát. Azonban a kapcsolatot a zavarás és a diverzitás között nagyon egyszerűnek tekintettük, azaz úgy gondoltuk, hogy a zavarás intenzitásával arányosan csökken a diverzitás. Annyira hittünk ráadásul az elképzelésünkben, hogy az első esetben nem is adtunk meg alternatív hipotézist! (Lásd: a kísérletek szubjektív korlátai: vigyázni kell, hogy ne képzeljük bele a kapott eredményeinkbe az előzetes véleményünket, elvárásunkat) Jelen esetben, persze ez csak a szemléltetés miatt, hogy lássátok miért célszerű megadni alternatív hipotézist, történhetett így. A későbbiekben megfogalmazott alternatív hipotézisben egyszerűen csak a reláció irányát változtattuk meg a modellünk egyszerűsége nem változott. A második esetben kapott eredményeket (lásd Eredmények 2), akkor hogy is értelmezzük? Nos, a lényeg, hogy az elképzelésünkkel (lásd 3a. ábra) ellentétben, a valódi kapcsolat unimodális jellegű, azaz egy egycsúcsú görbével jellemezhető (3b ábra). Magyarán szólva, a zavarással egy ideig nő a diverzitás, de túl nagy zavarással már csökken. (megjegyzés: az unimodális kapcsolatok elég 8

9 jellemzőek a biológiában). Az eredeti modellünket tehát az eredményeink alapján korrigáljuk, mégpedig unimodális kapcsolatot feltételezve, majd az új modellünk alapján az új hipotéziseinket egy új vizsgálatban teszteljük. 3. ábra. A kapcsolat a diverzitás és a zavarás mértéke között az általunk vélt (a) és az eredményeink (a valóság ) alapján (b). Azért egy rövid magyarázattal még tartozom, hogy mi is a biológiai értelemezése ennek a jelenségnek (amit egyébként az ökológiában a közepes vagy természetes diszturbancia elvének neveznek). A mi példánkban konkrétan az eredmények leegyszerűsített magyarázata a következő: Az ízeltlábúak diverzitása erősen függ a vegetáció diverzitásától (hiszen számukra a vegetáció jelenti az anyag- és enrgiaforgalom alapját, és az egyéb forrásokat pl. búvóhely, telelőhely, petéző hely, stb.); egy diverzebb vegetáció értelemszerűen diverzebb ízeltlábú közösséget képes eltartani egy gyepen; Ismert, hogy a vegetáció erőteljes legeltetés hatására homogénebbé válik a gyepeken. Azaz feltételezhető, hogy a legeltetés miatt homogénebb vegetációjú gyepen, kevesebb ízeltlábút találunk (lásd H1: P1). Viszont a kismértékű zavarás (enyhe legeltetés) diverzebbé (konkrétan mozaikossá) teszi a vegetációt; vannak helyek, amiket lelegeltek az állatok, és vannak foltok, amiket nem, ez pedig plusz lehetőséget, életteret jelenthet további fajoknak, ezáltal növekszik a diverzitás (lásd H2: P2). Terepi mintavételezés a szupraindividuális biológiában Mint már említettem a mintavételezés meghatározó a terepi vizsgálatokban, ebben a fejezetben éppen ezért a terepi mintavételezés módszereiről, lehetőségeiről lesz szó. Nézzük meg tehát, hogy egy terepen történő vizsgálat során mik is azok a körülmények, amiket figyelembe kell vennünk, milyen eszközök álltak, illetve állnak ma a rendelkezésünkre. Mivel eddig is, remélem, olyan jól szolgált minket a kitalált vizsgálatunk, térjünk vissza rá, és nézzük meg milyen problémákat 9

10 kellett elviekben megoldanunk a tervezése során. Noha, így nem szembesülünk teljes körűen a mintavétel során felmerülő kérdésekkel, de nem is ez a cél, hanem, hogy minél érthetőbb legyen. Akit érdekel, az ajánlott irodalmakban kimerítően megismerheti a mintavételezés főbb problémáit, lépéseit. Mint említettem már sok esetben nem beszélhetünk tényleges kísérletről, hisz nem tudjuk a körülményeket, az általunk mérendő változókat kontrollálni. A szupraindividuális biológiában ez sokszor nem is cél, hisz előfordul, hogy az adott élőhelyen ténylegesen zajló folyamatokra, hatásokra irányul a vizsgálatunk, ilyenek az úgynevezett esettanulmány típusú vizsgálatok. Terepen is lehetséges úgynevezett manipulatív vizsgálatokat végezni, amikor bizonyos változókat mi határozunk meg, kontrollálunk. Manipulatív vizsgálat például, ha a vizsgált gyepeket elkerítem külön-külön parcellákra, amiken az általam meghatározott számú állat legel. Hogy milyen típusú vizsgálatot végzünk, nyílván a vizsgálat célja, várható eredménye, stb. határozza meg. A mintavételezésről általános szabálya, hogy a mintavételi elrendezés legyen a lehető legegyszerűbb, de lényeges, hogy ténylegesen az általunk vizsgált hatást mérjük, azaz más hatás ne befolyásolja a függő változónkat. Nyílván ez az a pont, amit nem tudhatunk bizonyosan, hisz a terepi vizsgálatok fő sajátsága éppen az, hogy nem kontrollálható minden körülmény. Nagyon fontos, tehát a mintavételezés tervezést minél alaposabban átgondolni. Ráadásul egy laboratóriumi kísérlettel szemben, nem tudjuk bármikor újra elvégezni! Ha például a Tiszavirágzást vizsgáljuk, a megismétlésre minimum egy évet várnunk kell! Alapvetően nem okozhat gondot a megfelelő elrendezés kiválasztása, ha egyértelmű és pontos kérdéseink vannak. Az általánosan használt elrendezések (pl. random, blokk, latin négyzet; részletesebben lásd az ajánlott szakirodalomban) közül valamelyik bizonyosan megfelelő, nyílván az előnyöket, hátrányokat figyelembe kell venni. (Megjegyzés: ha több változó együttes hatására vagyunk kíváncsiak az megnehezíti a dolgunkat, de erről most nem lesz szó. Például, ha a legeltetés mellett a kaszálás hatását is vizsgáljuk, sőt a kettő együttes hatását akár). A másik fontos dolog az ismétlés, azaz a mintavételezést többször és/vagy több helyen kell elvégezni. Az ismétlés (replikáció) által az általunk nem vizsgált változók hatását tudjuk csökkenteni, valamint általánosíthatóbb az eredményünk. Mint már említettük a mintaelemszám növelése a statisztikai eredményünk megbízhatóságát is növeli. Óvakodni kell azonban a minták közötti időbeli és térbeli autokorrelációtól, ami pszeudoreplikációhoz vezet. Nézzük is meg a példánkon, hogyan értendő ez. Legyen az elő mintavételi elrendezésünk a következő (Mintavétel 1): három gyep: intenzíven legelt, enyhén legelt és kontroll gyep; mindegyiken veszek 10 mintát. A teljes mintaelemszámom N=30, és minden legeltetési intenzitás esetében külön-külön N=10, de a mintelemszámunk, ekkor nem a kezelési (legeltetés hatására vonatkozó) ismétlések számával egyezik meg, hiszen az csupán 3: egy intenzíven legelt, egy enyhén legelt és egy kontroll gyep. Hiába vettem mindegyiken 10 mintát, azok ugyanarra az objektumra (kezelési egységre) vonatkoznak, azaz nem valódi ismétlések, hanem pszeudoreplikációk. Az ugyanazon a kezelési egységen (gyepen) vett mintáim nem függetlenek egymástól, így az általunk számításba nem vett hatásokat sem tudjuk kiküszöbölni, csökkenteni. Tegyük fel, hogy előzetesen nem vettük számításba, milyen 10

11 állattal legeltetik a gyepet, mondjuk az intenzíven legeltetett gyepen birkával, az enyhén legeltetett gyepen lóval legeltettek. Ekkor lehet, hogy a kapott eredményünk a birka és a ló eltérő legelési szokásainak köszönhető nem pedig a legeltetés intenzitásának. Az előzőkből tanulva, tehát a helyes mintavételi elrendezésünk a következő (Mintavétel 2): összesen 30, 10 intenzíven legelt, 10 enyhén legelt és 10 kontroll gyepen veszünk mintát. A teljes mintaelemszámom N=30, minden legeltetési intenzitás esetében külön-külön N=10, és a mintáim függetlenek. (Megjegyzés: a minta lokalitása nem csak a függetlenség (ne legyen térbeli autokerráláció) miatt fontos, hanem azon egyszerű oknál fogva, hogy a vizsgált hatást milyen térbeli skálán vizsgáljuk. Érthető az is, hogy nem érdemes az intenzív legelőket az Alpokban, a kontrollt meg az Alföldön kiválasztani, és nem csupán azért, mert megnehezítjük a mintavételt a sok utazással, hanem, már nem a legelés intenzitásának a hatását, hanem az eltérő biogeográfiai régió hatását mutatnánk ki.) Természetesen a megfelelő térbeli skála és térbeli függetlenség mellett figyelmet kell fordítanunk ugyanerre az idő tekintetében is. A képzeletbeli vizsgálatunkban például időben is érdemes ismételnünk, azaz nem csak egyetlen alkalommal, hanem mondjuk tavasszal, nyáron, ősszel is venni kell mintát, hisz eltérő időszakokban eltérő ízeltlábú közösségek lehetnek a gyepeken, de akár évek között is lehet eltérés, például köszönhetően egy extrém száraz vagy esős évnek. Hogyan is néz ki eddig a mintavételünk tehát? Kiválasztottunk egy adott régióban, 10 intenzíven, 10 enyhén, ugyanazzal az állatfajjal legeltetett és 10 nem legeltetett gyepet. Ezeken veszünk mintát évente 3 alkalommal, két évben. Milyen módszerrel vegyünk mintát? Az ízeltlábúak gyűjtési módszereire, azok előnyeire, hátrányaira, stb. nem térnék ki, számunkra most nem is lényeg. Nyílván nem lehet az összes fajt mintavételezni gyakorlati okokból, tehát kijelölünk egy célcsoportot. Tegyük föl, hogy ez az Orthoptera (Egyenesszárnyúak) rendje. Természetesen a célcsoport kiválasztása ne szubjektív legyen! Az egyenesszárnyúak főleg gyepeken élnek, Európában csökken a diverzitásuk az utóbbi fél évszázadban, jelentős elsődleges fogyasztók és táplálékforrások is egyben, stb., tehát van objektivitása, hogy megfelelő célcsoportunk legyen. Általában fűhálózással mintavételezik a gyepeken élő Orthopterákat, így ez nekünk is megfelel; egy viszonylag gyors, egyszerűen kivitelezhető módszerről van szó. A szakirodalomból ismert protokoll(ok) segítségével elvégezhetjük. (Nyílván nem érdemes olyan célcsoportot és gyűjtőmódszert választani, ami speciális feltételeket igényel, ha egyszerűbben is megoldhatjuk). A protokoll lényegében egy módszertani ajánlás; a mintavételezés esetében megadhatja a pontos gyűjtési időszakot, a gyűjtési módszert és a ráfordítást (konkrétan hány db csapda; vagy esetünkben hány fűhálócsapás, egyenes vonal mentén fűhálózzunk vagy egy adott területegységen belül, stb.), akár a mintavételi elrendezést is. Ezek alapján, történjen a fűhálós mintavétel 5 db 20 méteres egyenes (ún. transzekt) mentén minden egyes gyep esetében. Fontos, észrevenni, hogy ne keverjük össze a mintavételi mintánkat a statisztikai mintánkkal! Ebben az esetben egy mintavételi minta egy 20 m-es transzekt mentén gyűjtött anyag. A statisztikai mintánk az egy gyepen gyűjtött, azaz összesen 5 db 20 m-es transzekt mentén gyűjtött anyag. Praktikus okok határozzák meg a mintavételi mintát (kezelhetőség, tárolhatóság, stb. például, hogy a gyűjtött állatok ne sérüljenek). 11

12 Végezetül lássuk a képzeletbeli vizsgálatunk számszerű eredményeit. Az 1. táblázat mutatja az egyes gyepeken gyűjtött Orthoptera fajok számát (ez már a transzektek összevont adatai, azaz a statisztikai mintánk) 1. táblázat. Az egyes gyepeken gyűjtött Orthoptera fajok száma kontroll gyepek enyhén legeltetett intenzív gyepek Nézzük meg a 2. táblázat alapján, mit deríthetünk ki az adatstruktúránkról előzetesen egy egyszerű leíró statisztikával. 2. táblázat. Az adatstruktúránk néhány jellemzője kontroll enyhe intenzív N (minta elemszám) Minimum érték Maximum érték Átlag érték Standard hiba Variancia Standard eltérés Medián érték percntilis érték percntilis érték Észrevehető, hogy az enyhén legeltetett gyepek esetében a variancia jelentősen nagyobb, mint a kontroll és intenzív gyepek esetében. Vizsgáljuk csak meg közelebbről! A minimum, maximum és átlag értékeket nézve rögtön föltűnik, hogy az enyhe legeltetés esetében nagyon alacsony a minimum érték. (Grafikusan ábrázolva talán még szembetűnőbb, lásd 4. ábra.) 12

13 Fajszám kontroll enyhe intenzív 4. ábra. A különböző legeltetési intenzitású gyepeken gyűjtött Orthoptera fajok szám ún. box-plot formában ábrázolva. A fölső vízszintes vonal a maximum, az alsó a minimum, a vastag a medián értéket jelöli. A doboz a 75 %-os interkvartilis tartományt reprezentálja. A csillag kiugró adatot jelöl. Tehát az egyik enyhén legeltetett gyepen csak 6 fajt találtunk. Az ilyen adatot kiugró adatnak hívjuk (statisztikában lásd: kiugró érték, torzító érték). Mit kezdjünk ezzel? Hagyjuk figyelmen kívül, azaz zárjuk ki a tesztelésből vagy válasszunk olyan statisztikát, ami így is (varianciák eltérnek) elvégezhető? Nos, ez először is attól függ, mit tudunk erről az adatról. Lehetséges, hogy ismerjük ennek az okát, például azt a gyepet ahol ezt a kiugróan alacsony fajszámot kaptuk, a mintavételünk előtt lekaszálták. Egyértelmű tehát, hogy itt nem csak a legeltetés hatását mértük, minden okunk meg van arra, hogy kizárjuk ezt a gyepet a vizsgálatból! Szerencsére ennek az egyetlen gyepnek a kizárása nincs komoly hatása: a mintaelemszám, így a szabadsági fok is alig változik, a kiegyensúlyozottság (azaz, hogy minden kezelési szintet, jelen esetben legelési intenzitást ugyanannyi minta által jellemezhetünk) is gyakorlatilag megmarad. (Más lenne a helyzet, ha hasonló okok miatt sok mintát lennénk kénytelenek kizárni. Az már az alkalmazható statisztikákra, a statisztikai eredményekre is hatással van; szerencsétlen esetben statisztikailag nem is értékelhető. Ugye érezhető most már, miért fontos az előzetes adatelemzés!) Nyílván minden esetben, ha kizárunk adatot, azt attól függetlenül ismertetnünk kell, noha a tesztelés során nem számolunk vele! Kihagyva tehát ezt a mintát, az adatstruktúránk így változik (3. táblázat): 13

14 3. táblázat. Az adatstruktúránk néhány jellemzője, kihagyva az említett mintát kontroll enyhe intenzív N (minta elemszám) Minimum érték Maximum érték Átlag érték Standard hiba Variancia Standard eltérés Medián érték percntilis érték percntilis érték Jól látható, hogy a variancia értéke mennyire lecsökkent, és szinte egyenlő mindhárom gyep típus esetében. A következő lépés a statisztikai módszer kiválasztása, amihez megfelelő statisztikai ismeretek szükségesek, így ennek részleteibe nem bocsátkoznék. Statisztika könyvekből lehet informálódni. Annyit megjegyeznék, hogy mivel varianciaelemzés (lásd ANOVA, analysys of variance) segítségével szeretnénk kiértékelni az adatainkat, így annak a feltételeit ellenőriznünk kell, amit most nem részletezem, de megtettünk, és teljesülnek. Noha a statisztikákról nem kívánok beszélni, azért röviden és nagyon egyszerűen a varianciaanalízis lényege, az, hogy a minták csoporton belüli és csoportok közötti varianciáját hasonlítom össze (csoportok jelen esetben nyílván az enyhe, intenzív, kontroll). Ha ugyanis a minták változatossága (variancia) csak a véletlennek (kísérleti hibának, mint a mérési hiba, mintavétel hibája, stb.) tudható be, akkor a csoporton belüli és csoportok közötti variancia nem különbözik, mindkettő a véletlennek köszönhető. Ha viszont a kezelésnek (legeltetésnek) van hatása, akkor nyílván eltolódnak a csoportok között a mintaátlagok, így megnő a csoportok közötti variancia a csoporton belülihez képest. Az ANOVA számításmenetével, azaz a képletekkel nem akarok gyötörni senkit, de aki ennek használatára adja a fejét mindenképp ismerkedjen meg vele, annak ellenére, hogy ma már a számításokat egy klikk-re a statisztikai szoftverek elvégzik helyettünk. Az eredményünket egy ún. ANOVA táblázatban kapjuk (4. táblázat) variancia forrása 4. táblázat: ANOVA eredmény táblázat eltérés négyzetösszeg (SS) közepes négyzetösszeg (MS) df F érték p érték csoportok közötti E-09 csoporton belüli teljes

15 Mit is jelent a kapott eredmény? Látjuk, hogy a kapott p-érték, jóval kisebb mint 0.05, azaz szignifikáns különbség van a csoporton belüli és csoportok közötti variáció között, tehát a kezelésnek (legeltetésnek) szignifikáns hatása van az Orthoptera fajszámra. Viszont azt még nem tudjuk megmondani, hogy mely csoportok között (kontroll, enyhe, intenzív) van különbség. Ehhez egy ún. csoportok közötti összehasonlítás szükséges, amit mi most a Tukey-próbával végzünk. Ennek eredménye: kontroll vs. enyhe p= , kontroll vs. intenzív p= , intenzív vs. enyhe p= , azaz mindegyik legeltetési intenzitású gyepen szignifikánsan eltér egymástól az egyenesszárnyúak fajszáma. A legnagyobb átlag fajszám az enyhén legeltetett, majd a kontroll, a legkisebb pedig az intenzíven legeltetett gyepen volt (vesd össze a predikciókkal). Csupán az érdekesség kedvéért, az eredményeink, ha nem zárjuk ki azt a bizonyos adatot (gyepet). Ugyanúgy ANOVA alapján: variancia forrása eltérés négyzetösszeg (SS) közepes négyzetösszeg (MS) df F érték p érték csoportok közötti csoporton belüli teljes És a csoportok közötti összehasonlítás eredménye (Tukey teszt): kontroll vs. enyhe p=0.2234, kontroll vs. intenzív p=0.1611, intenzív vs. enyhe p= Ugye nem mindegy?! Jelen áttekintés az MTA Szakmódszertani pályázata (Sz-049/2014) támogatásával készült Ajánlott irodalom Gotelli N.J., Ellison A.M.: A primer of Ecological Statistics. Sinauer Associates, Inc., Saunderland, Massachusetts, USA, Précsényi I.: Alapvető kutatástervezési, statisztikai és projektértkelési módszerek a szupraindividuális biológiában, Debreceni Egyetem Kossuth Egyetemi Kiadó, Debrecen, Reiczigel J., Harnos A., Solymosi N.: BIOSTATISZTIKA. Pars Kft., Nagykovácsi,