বিজ্ঞানের বিশ্বাসযোগ্যতা কেন প্রশ্নের মুখে?

বিজ্ঞানকে আমরা দীর্ঘদিন ধরে সত্য অনুসন্ধানের সবচেয়ে নির্ভরযোগ্য উপায় হিসেবে দেখে এসেছি। কিন্তু সাম্প্রতিক গবেষণা বলছে—বিজ্ঞানের ভিতরেই রয়েছে কিছু কাঠামোগত সমস্যা, যা তার বিশ্বাসযোগ্যতাকে চ্যালেঞ্জের মুখে ফেলছে। মনোবিজ্ঞানী Brian Nosek-এর সাম্প্রতিক কাজ এই বিতর্ককে নতুন করে সামনে এনেছে।

সমস্যা কোথায়? — গবেষণা আর বাস্তবতার ফারাক

Brian Nosek-এর মতে, বিজ্ঞানের মূল মূল্যবোধ—স্বচ্ছতা, পুনরুত্পাদনযোগ্যতা (reproducibility) এবং নিরপেক্ষতা—প্রকৃত গবেষণায় সবসময় প্রতিফলিত হয় না।

কারণগুলো হলো:

প্রথমত, বিজ্ঞানী হিসেবে সফল হতে হলে সবচেয়ে বড় “মুদ্রা” হলো প্রকাশনা।
দ্বিতীয়ত, প্রকাশনার ক্ষেত্রে গুরুত্ব দেওয়া হয় “নতুন” বা “চমকপ্রদ” ফলাফলে।
তৃতীয়ত, স্বচ্ছতা, পদ্ধতির কঠোরতা বা পুনরাবৃত্তি—এসব প্রায়ই গুরুত্ব পায় না।

ফলে গবেষণায় পক্ষপাত (bias) ঢুকে পড়ে, যা অনেক সময় অদৃশ্যই থেকে যায়।

ভয়ংকর পরিসংখ্যান: অর্ধেক গবেষণা টেকে না

SCORE project নামের একটি বড় প্রকল্পে দেখা গেছে:

প্রায় ৫৩ শতাংশ গবেষণা একই ডেটা ব্যবহার করে পুনরুত্পাদন করা গেছে।
নতুন ডেটা দিয়ে পরীক্ষা করলে মাত্র ৪৯ শতাংশ গবেষণা একই ফল দিয়েছে।

শুনতে উদ্বেগজনক হলেও Nosek মনে করেন, এটি কোনো চূড়ান্ত ব্যর্থতা নয়। বরং এটি গবেষণাকে আরও ভালো করার একটি সূচনা।

সমস্যা কি ভুল গবেষণা?

বেশিরভাগ ক্ষেত্রে সমস্যা ভুল নয়, বরং অসম্পূর্ণতা।

অনেক গবেষণায় কোড বা পূর্ণ ডেটা শেয়ার করা হয় না।
পদ্ধতি বিস্তারিতভাবে ব্যাখ্যা করা হয় না।
ফলে অন্য গবেষকরা একই ফলাফল যাচাই করতে পারেন না।

অর্থাৎ, স্বচ্ছতার অভাবই এখানে মূল বাধা।

ওপেন সায়েন্স: সমাধানের পথ

এই সমস্যার সমাধানে Center for Open Science গুরুত্বপূর্ণ ভূমিকা পালন করছে।

তাদের তৈরি Open Science Framework (OSF) প্ল্যাটফর্মের মাধ্যমে গবেষকরা তাদের গবেষণার প্রতিটি ধাপ—পরিকল্পনা, ডেটা, কোড এবং ফলাফল—উন্মুক্তভাবে শেয়ার করতে পারেন।

এতে গবেষণার বিশ্বাসযোগ্যতা বৃদ্ধি পায় এবং যাচাই সহজ হয়।

Registered Reports: প্রকাশনার নতুন ধারা

গবেষণার একটি নতুন পদ্ধতি হলো Registered Reports।

এই পদ্ধতিতে গবেষণা শুরু করার আগেই পরিকল্পনা জমা দিতে হয়।
peer review করা হয় গবেষণার পদ্ধতি দেখে, ফলাফল দেখে নয়।
একবার অনুমোদন পেলে ফলাফল যাই হোক, তা প্রকাশ করা হয়।

এতে গবেষকদের ওপর চমকপ্রদ ফলাফল দেখানোর চাপ কমে যায় এবং গবেষণা হয় আরও নির্ভরযোগ্য।

কৃত্রিম বুদ্ধিমত্তা: সুযোগ ও ঝুঁকি

কৃত্রিম বুদ্ধিমত্তা বিজ্ঞানের ক্ষেত্রে একদিকে সম্ভাবনা তৈরি করছে, অন্যদিকে নতুন চ্যালেঞ্জও নিয়ে আসছে।

একদিকে, AI ব্যবহার করে নিম্নমানের গবেষণার সংখ্যা বাড়তে পারে এবং গবেষকরা নিজের চিন্তার ওপর কম নির্ভর করতে পারেন।
অন্যদিকে, AI গবেষণার ত্রুটি শনাক্ত করা, পুনরুত্পাদনযোগ্যতা যাচাই করা এবং বিশ্লেষণ দ্রুত করার ক্ষেত্রে সহায়ক হতে পারে।

অর্থাৎ, এটি একটি শক্তিশালী কিন্তু সতর্কতার সঙ্গে ব্যবহারযোগ্য প্রযুক্তি।

Peer Review: কতটা নির্ভরযোগ্য?

আমরা সাধারণত peer review-কে গবেষণার মান যাচাইয়ের চূড়ান্ত পদ্ধতি মনে করি। কিন্তু বাস্তবে এটি সবসময় নির্ভুল নয়।

এটি একবারই সম্পন্ন হয়, অনেক সময় অস্বচ্ছ থাকে এবং অনেক ক্ষেত্রেই সীমাবদ্ধ।
তাই শুধু প্রকাশিত হওয়া মানেই গবেষণা নির্ভরযোগ্য—এমন ধারণা সঠিক নয়।

ভুল থেকে শেখা: বিজ্ঞানীর মানবিক দিক

২০২৪ সালে Brian Nosek নিজেই একটি গবেষণায় ভুল করেন, যা পরে প্রত্যাহার করা হয়।

তিনি এই ঘটনাকে ব্যর্থতা হিসেবে নয়, বরং শেখার একটি অংশ হিসেবে দেখেন।
তার মতে, স্বচ্ছতা থাকলে ভুল ধরা সহজ হয় এবং সংশোধনের সুযোগ তৈরি হয়।

রিপ্লিকেশন: নতুন গুরুত্ব

একসময় replication study-কে তেমন গুরুত্ব দেওয়া হতো না। এখন সেটিই হয়ে উঠছে গবেষণার একটি গুরুত্বপূর্ণ অংশ।

যখন কোনো ফলাফল পুনরায় পাওয়া যায় না, তখন নতুন প্রশ্ন তৈরি হয়।
এই প্রশ্ন থেকেই নতুন গবেষণা এবং নতুন জ্ঞান তৈরি হয়।

বিজ্ঞানের বিশ্বাসযোগ্যতা নিয়ে প্রশ্ন উঠেছে—এটি সত্য। কিন্তু এটিই বিজ্ঞানের শক্তি।

বিজ্ঞান নিজেই নিজের সীমাবদ্ধতা খুঁজে বের করে, ভুল সংশোধন করে এবং আরও উন্নত হয়।

Brian Nosek-এর ভাষায়, এটি কোনো সমাপ্তি নয়, বরং একটি গুরুত্বপূর্ণ আলোচনার সূচনা।