(English version below)
Was sind „real world problems“, fragte sich neulich eine Bloggerin? Gar nicht so einfach!
Photo by Rakicevic Nenad on Pexels.com
Forschungsteams versuchen, „reale“ gesellschaftliche und technische Herausforderungen in der Welt, zu lösen.
Es geht in der Forschung darum, Effekte, Fragen und Themen, die im Zusammenhang mit den Herausforderungen der Menschheit stehen, sicher zu messen, nachzuprüfen und im Kontext zu diskutieren. Solange, bis Erkenntnis entsteht, die uns als Menschen neue Lösungswege, Theorien und Ansichten bringt. Es geht um neue Erkenntnis.
Wir schauen uns heute zwei Dinge an: die Grundlagenforschung und die angewandte Forschung. Dabei fragen wir uns, was „Realweltprobleme“ für beide Herangehensweisen bedeuten. Aber zuerst: was ist der Unterschied inzwischen diesen beiden Forschungsrichtungen?
- Die Grundlagenforschung möchte Elementarwissen erarbeiten: ist ein Effekt zu einer (wie sicheren?) Wahrscheinlichkeit so, wie wir annehmen? Kann es Basiswissen werden?
- Die angewandte Forschung macht dasselbe :-), hat aber dabei mehr Praxisbezug: ist der gefundene Effekt aus unserer Studie sicher? Und lässt sich die Erkenntnis in der Praxis anwenden?
Beides sind keine festen Definitionen. Es sind flexible Beispiele, die wir hier weiter diskutieren können.
Was macht die Grundlagenforschung?
Die Grundlagenforschung sucht nicht unbedingt die unmittelbare, d.h. direkte, praktische Anwendung.
Eine Anwendung kann auch noch Jahre danach auf Basis der Forschungsgrundlagen entstehen.
Forscherteams fragen sich: lässt sich genau das gleiche Experiment unter genau den gleichen Bedingungen durchführen – und kommen dabei die gleichen Ergebnisse heraus? Die Ergebnisse sind „sicher“ – zumindest so lange, bis jemand sie widerlegt.
Photo by Pixabay on Pexels.com
Wenn andere das gleiche unter den gleichen / ähnlichen Bedingungen finden, wird das Wissen stets mehr untermauert. Um diese Erkenntnis aber zu erreichen, müssen die Messinstrumente zuverlässig sein. Man isoliert die zu messenden Variablen, um sie ohne Störfaktoren zu messen; also: um Sicherheit über die Effekte zu haben.
Grundlagenstudien sind so aufgebaut, dass in der Isolation der Variablen im Labor nur eine bestimmte Fragestellung sicher beantwortet wird. Es geht der Grundlagenforschung darum, grundlegendes Wissen zu finden.
Was macht die angewandte Forschung?
Die oben genannte Isolation der einzelnen Faktoren die aufeinander Einfluss haben, die vollständig kontrollierte Messung, ist in der angewandten Forschung etwas schwieriger.
Denn wenn wir durch den „Realraum“ (ich meine nur: den nicht-virtuellen Raum!) gehen, dann ist die Anzahl der Variablen, die unser Verhalten und Erleben des Raumes beeinflussen sehr groß. Ich kann Dir als Forscherin zwar eine unendliche grosse Anzahl von Fluren zeigen und immer schauen, wie du dich ab Deinem Standpunkt x entscheidest: Flur A oder Flur B. Wenn die Studie mit vielen Teilnehmenden stattfinden, kann ich einen Trend der x -> A oder x -> B Auswahl nach langer Wiederholung messen.
Ob Du rechts oder links abbiegst, hängt aber von vielen Interaktionen ab. Einerseits hängt es von Dir ab (z.B. deiner Stimmung, deinen Zielen im Raum, deiner Motivation, deinem Orientierungssinn, deinen Vorerfahrungen und Erwartungen… usw.). Anderseits hängt Deine Entscheidung vom Raum ab (z.B. vom Licht, interessanten Läden an einer der beiden Seiten, der Raumkonfiguration, der Sichtbarkeit von Wegoptionen, der Erreichbarkeit von anderen Orten … usw.), und vom Kontext.
Da Erkenntnis aus dem Labor nicht immer die Komplexität der „Realwelt“ abbildet (sondern Variablen in Isolation betrachtet), betrachten Forscherteams in der Umweltpsychologie auch… und nun kommt wieder das Wort: „Realweltstudien“. Dieses Wort bedeutet in meinem eigenen Wortschatz aber einfach nur: wissenschaftliche Studien in realen Welten (nicht in virtuellen Welten und Simulationen). Dabei misst man in unserem Wegfindungsbeispiel nicht die obige simulierte Situation, sondern Entscheidungen in vielen Fluren, und unter der vollen Bandbreite der Einflussfaktoren.
Erkenntnis aus Feldstudien wird idealerweise mit Studien aus dem Labor (isolierter, kontrollierter Erkenntnis) verglichen.
Von der Theorie zur Anwendung
Ein sehr guter Freund gab mir dazu folgendes Beispiel: „Es gibt das Craig-Interpolation-Theorem. Das ist erst mal einfach eine theoretische Erkenntnis zur Logik. Ist das jetzt ein real world problem?“
Dieses Craig Interpolation Theorem (ich musste es nachschlagen) ist für mich persönlich super abstrakt. Es basiert auf irgendeiner Formel, die ich ohne das jeweilige Fachwissen nicht verstehen kann. Auch wenn ich Wikipedia lese, verstehe ich nicht intuitiv, was das Ding genau tut.
In dem Moment, in dem dieses Theorem erfunden wurde, gab es dafür ebenfalls keine Anwendung. Es wurde rein theoretisch erdacht: es war logisch. Dieses Theorem ist ein Beispiel aus der Grundlagenforschung: Elementarwissen in einem sehr isolierten Kontext. Es wurde auf Basis von Logikregeln geschlussfolgert.
Aber: 60 Jahre später wurde die theoretische Erkenntnis dahinter auf einmal zu einem Algorithmus. Dieser Algorithmus kann nun für Softwarechecks und bestimmte „Realweltprobleme“ angewandt werden (vgl. Heizmann et al., 2018). Das bedeutet: Jetzt wird das Theorem, das jemand in der Grundlagenforschung entwickelt hat, auf einmal in der Praxis genutzt, und zwar, um bestimmte Softwareprobleme zu lösen.
Die Wissenschaft mit ihren Problemen und Teilproblemen – wozu eigentlich?
Jegliche „Realweltprobleme“ lassen sich beinah nie am Stück lösen.
Forscher/innen finden einfach nicht immer den Heureka Moment. Sie sind durch eine theoretische Formel oder ein Theorem nicht immer viel schlauer. Sie lösen nicht sofort alle Herausforderungen der Welt (erstens ist euch das klar und zweitens seht ihr das auch daran, wie langsam medizinische Probleme gelöst werden – auch wenn bereits so viel Wissen vorhanden ist).
Vielmehr ist es die Masse der Erkenntnis, die Wissen bietet, das irgendwann Anwendung finden kann. Diese Anwendung kann jedoch Jahre später kommen. Dann wird eine Formel auf einmal für ein Realweltproblem nützlich. Der Freund sagt dazu:
- „Die Wissenschaft kann sich selbst Fragen stellen, für die es (in diesem Moment) noch keine Anwendung gibt. Oder die als Grundlage notwendig sind. Oder die auf einer Vereinfachung eines in der realen Welt beobachteten Problems basieren. Und die erst mal wenig Nutzen für den Alltag haben.“
Wissenschaftler/innen versuchen also nicht das eigentliche Problem zu lösen; sondern zunächst, verschiedene Teilprobleme der Welt in Isolation, also unter kontrollierten Bedingungen, zu untersuchen.
- Photo by Pixabay on Pexels.com
Eine Forschungsstudie wird z.B. ausgeführt, um Effekte von A auf B zu verstehen. Aber manchmal wird es durch C oder D oder einer gar unbekannten Variable zusätzlich beeinflusst. Deswegen wird alles erstmal isoliert betrachtet: ist wenn A, dann auch B? (was nicht bedeutet: wenn B, dann auch A!). Und später wird der Effekt oder die Interaktion breiter untersucht, in einem Kontext, der irgendwann etwas auch zu realen Herausforderungen und Anwendungen beiträgt. Das kann Jahre dauern. Forscherteams müssen viel diskutieren, um zu wissen, ob Studien sichere Ergebnisse zeigen. Wir müssen auch „falsifizieren“: ist auch das Gegenteil wahr?
Wir brauchen meiner Meinung nach sowohl Labor, als auch Feldstudien, um etwas isoliert, wir auch in der realen Komplexität zu betrachten.
Was passiert, wenn die Forschung ihre Erkenntnis herausgefunden hat?
Jede, wirklich jede, Forschungsarbeit beginnt mit einer Fragestellung, die oft mehr oder weniger direkt zu unserem Alltag als Mensch passt (oder die aus einer früheren Forschungsarbeit entsteht). Am Ende sollte es neue Erkenntnis geben.
Dabei wird ein „Problem“ das erforscht wird in Teilprobleme zerlegt (s.o.). Das Teilproblem wird so lange untersucht, bis sichere, allgemein gültige Aussagen entstehen. Das geschieht meist nicht nur von einer Person, sondern von der ganzen Forschungs-Community. Oft gibt es dabei (hitzige) Diskussionen (z.B., ob es die richtige Messmethode war, ob nicht eine Variable vergessen wurde, ob die Resultate sich auch auf einen anderen Kontext anwenden oder anders interpretieren lassen, ob die Statistik richtig ist, ob die Studie oder die Methoden überhaupt Sinn machen, … usw.).
Wenn die Erkenntnis aus einer Studie „sicher“ und plausibel erscheint (auch darüber kann man mitunter Jahre lang diskutieren), wird es in wissenschaftlichen Fachzeitschriften veröffentlicht. Diese werden vor der Veröffentlichung stark von anderen Forschern und Forscherinnen kritisiert, um zu schauen, ob die Studie gute Methoden und Statistiken verwendet hat; und die Resultate wirklich stabil sind.
Andere und zukünftige Forschungsarbeiten basieren wiederum auf früheren Forschungsarbeiten über das jeweilige Teilproblem. So entsteht langfristig ein Erkenntnisarsenal mit mehr oder weniger Anwendungsmöglichkeit. Zum Beispiel hatte ich in meiner Bachelorarbeit etwas zum Einfluss von Musik auf Zahnarztangst untersucht (2008). Wenn ich heutzutage zum Zahnarzt gehe (2018), dann gibt es dort klassische oder ruhige Musik. Das theoretische Wissen kam zur Anwendung.
Fazit: Was sind Realweltprobleme?
- Wenn ich als Forscherin das Wort „Realweltproblem“ auf diesem Blog benutze, dann meine ich einfach nur, dass ich ein gewisses Thema oder eine Herausforderung (z.B. Wegfindung, Entscheidungen, Erlebnisse) nicht (nur) in der virtuellen Realität (virtual world) oder einer rechnerischen Simulation teste. (Ich meine nicht, dass die Realität nicht real ist – auch wenn man in der Kognitionswissenschaft lange diskutieren könnte, warum wir denken, dass die Welt real ist – allerdings nur hypothetisch, da uns die Daten, um das Gegenteil zu beweisen, wohl weiterhin fehlen werden – und ja, diese Aussage ist falsifizierbar;)).
- Allgemein meinen andere Forscherteams damit, dass sie Erkenntnisse durch wissenschaftliche Studien testen, die konkret in der Praxis anwendbar sind. Beispiele davon sind, dass Wegfindung in realen und virtuellen Räumen erfasst wird, oder: dass in Laborstudien und Feldstudien, durch die Kombination der Erkenntnis (isoliert, komplex), neue Richtlinien für Architektenteams erstellt werden, um zukünftig nutzerfreundlicher zu bauen.
Da ich Forscherin bin, gibt es heute dieses Schlusswort: Alles was ich hier schreibe, ist falsifizierbar, kritisierbar, und diskutierbar!
- Kommentiert deswegen gerne mit (das geht weiter unten).
Weiterlesen?
Um den oben genannten Erkenntnisgewinn sicher zu stellen, gibt es „Werte“, an die sich alle Forscherteams halten (… sollten…), um zu „sicherer“ Erkenntnis zu kommen. Zum Beispiel:
- Eindeutigkeit (d.h. ein Teilproblem isolieren und Sicherheit zum Messen finden),
- Objektivität (nicht „ich finde“ sondern „die Daten zeigen es“),
- Autonomie (z.B. nicht zugunsten Cocacola etwas herausfinden),
- Verlässlichkeit (die Effekte sind stabil auch wenn die Zeit voranschreitet),
- Transparenz und Offenheit (andere sollten die Studie genau so nachbauen können; es wird nichts verschwiegen),
- Kritikoffenheit
- Ethik (=niemanden Schaden zufügen, siehe Holocaust, Massenvernichtungswaffen-Forschung, und ein paar lustige 60-er Jahre Studien),
- Überprüfbarkeit („Falsifizierung“).
- Neuigkeit: Die Arbeit soll immer zu einem neuen Fortschritt in der Erkenntnis führen (vgl. auch: Abhandlungen von Feynman, oder Popper).
An all diesen impliziten Werten ist die Wissenschaft immer und absolut angreifbar – und entsprechend „kritisierbar.“
Referenz von oben
Heizmann, M., Chen, Y. F., Dietsch, D., Greitschus, M., Hoenicke, J., Li, Y., … & Podelski, A. (2018, April). Ultimate Automizer and the Search for Perfect Interpolants. In International Conference on Tools and Algorithms for the Construction and Analysis of Systems (pp. 447-451). Springer, Cham.
zum Schluss:
Anscheinend ist es möglich, zu viel zu denken,
oder zu analytisch zu sein….
nur um verwirrt zu werden.
(mein Lieblingsspruch aus dem Psychologiestudium,
allerdings auf Englisch, s.u.).
Hinterfragt, erkundet neugierig, und habt Spass. Bis bald, hier.
Kommentiert gern. 🙂
English version, as always via DeepL, so not so good; Version may differ due to light editing (use your own translation, where possible).
What are „real world problems“, a blogger recently asked herself? Not so easy at all!
[Photo above]
Research teams are always trying to solve „real“ social and technical challenges in the world. It is always a question of measuring certain effects, questions and topics that are connected with our challenges as human beings safely (valid and reliable), verifying them and discussing them in context / other situations. Until knowledge emerges that brings us as human beings new solutions, theories and views.
Today we look at these two things: basic research and applied research. We ask ourselves what „real world problems“ might mean for both approaches. But what is the difference?
- Fundamental research wants to acquire elementary knowledge: is an effect to a (how safe?) probability as we assume?
- Applied research does the same :-), but has more practical relevance: is the effect found in our study safe and can it be applied in practice?
(Dear readers, please do not see both as a fixed definition. These are flexible examples that we should discuss here).
What does fundamental research do?
Basic research does not necessarily seek immediate, i.e. direct practical application. An application can still emerge years later on the basis of elementary knowledge or the fundamentals.
Research teams ask themselves: can exactly the same experiment be carried out under exactly the same conditions – and do the results be the same? If so, the results may be „safe“, at least until someone disproves them.
[Photo above]
If others find the same thing under the same conditions, the knowledge is always more substantiated. But in order to achieve this knowledge, the measuring instruments must be reliable. Debates about reliability/measuring accuracy, the sense behind the study and the respective methods are common and ongoing in the research community.
Every scientific study must be structured in such a way that we know that in this isolation only this particular question can be reliably measured. It is about finding basic knowledge. Applied research does the same thing, however.
What does applied research do?
The above-mentioned isolation from controlled measurement is somewhat more difficult in applied research: because if we go through „real space“ (I only mean: non-virtual space!), the number of variables that influence our behavior and experience of space is very large.
As a researcher, I can show you an infinite number of corridors and always see how you decide standing at a location x. So I can eventually measure x->A or x->B decisions after a long repetition. Whether you turn right or left, however, depends on a lot of things. On the one hand it depends on you (e.g. your mood, your goals in the room, your motivation to decide, your sense of orientation, your previous experiences and expectations, etc.). On the other hand, your decision depends on space (e.g. light, interesting shops on one of the two sides, space configuration, visibility of path options, accessibility from other places, etc.).
Since knowledge from the laboratory does not always reflect the complexity of the real world (but considers variables in isolation), research teams in environmental psychology also consider… and now comes the word: „real world studies“. But in my own vocabulary the word simply means: scientific studies in real worlds (not in virtual worlds and simulations). Sticking to our example, we would measure wayfinding decisions when you are in a real building, and when the whole range of factors that could influence your decision, interacts and influences you simultaneously.
The findings from field studies are ideally compared with studies from the laboratory (isolated, controlled findings).
From theory to application
A very good friend gave me the following example: „There is the Craig interpolation theorem. This is simply a theoretical insight into logic. Is that a real world problem now?“
This Craig Interpolation Theorem (I had to look it up) is super abstract for me personally. It’s based on some formula that I can’t understand without the respective knowledge. Even when I read Wikipedia, I don’t intuitively understand what it does exactly.
At the moment this theorem was invented, there was no way to use it. It was conceived purely theoretically, and it was logical. This theorem is an example from basic research; therefore: elementary knowledge in a very isolated context. It was concluded on the basis of logic rules.
But: 60 years later, this theoretical knowledge based on logic suddenly became an algorithm. This algorithm can suddenly be used for software checks and certain „real-world problems“ (cf. Heizmann et al., 2018). This means that the theorem that someone in basic research has developed is now being used all at once to solve certain software problems.
Science with its problems and subproblems
Any „real world problems“ can almost never be solved at once. Researchers simply don’t always find the eureka moment. They are not much smarter all of a sudden by a theoretical formula or theorem. They don’t immediately solve all the challenges of the world (you can also see this in how slowly medical problems are solved, even if so much knowledge already exists).
Rather, it is the mass of knowledge that offers knowledge that can eventually be applied. But this application can come years later. Then such a formula suddenly becomes useful for a real world problem. The friend says so:
„Science can ask itself questions for which there is (at this moment) no application yet. Or which are necessary as a basis. Or which are based on a simplification of a problem observed in the real world. And which for the time being have little use for everyday life“. Scientists therefore first try to investigate various partial problems of the world in isolation, i.e. under controlled conditions.
[Photo above]
A research study is then done to understand the effects of A on B, for example. But sometimes it is additionally influenced by C or D or E. That’s why we first look at it in isolation: is if A, then also B? (which does not mean: if B, then also A!). And later everything will be examined more broadly, in a context that at some point contributes something to real challenges and applications. Yes: this can take years. Research teams need to discuss in order to know if studies show safe results. We have to falsify in order to see: is the opposite also true?
In my opinion, we need both laboratory and field studies in order to look at something in isolation, we also need to look at the real complexity.
What happens when the research has found knowledge based on the studies?
Every, really every, research work begins with a question that often fits into everyday life (or that arises from a previous research work). A „problem“ that is being researched is broken down into subproblems. The subproblem is investigated until certain statements are made. This is usually done not only by one person, but by the entire research community. Often there are (sometimes heated) discussions (e.g. whether it was the right measurement method, something was not forgotten in the context, whether it can be applied to another context, the statistics are correct, the study makes sense, etc.).
If the findings from a study seem „safe“ and plausible (and yes, sometimes you can discuss them for years), they are published in scientific journals. Other research work is then again based on earlier research work on the respective subproblem. This creates an arsenal of knowledge with more or less application. (Therefore, the studies that are published should always be „replicable“/repeatable, so that they can be rebuilt and tested by other research teams). For example, in my bachelor thesis I investigated the influence of music on dental anxiety (2008). Nowadays, when I go to the dentist, there is classical or quiet music. The theoretical knowledge was applied.
Conclusion
When I as a researcher use the word „real world study“ on this blog, I simply mean that I am testing a certain topic or a challenge (e.g. wayfinding, decisions, experiences) not (only) in virtual reality (virtual world) or a computational simulation. I don’t mean that reality isn’t real, even if you can discuss for a long time why we all think that – but only logically and hypothetically, because to prove the opposite we will always lack data (this statement is falcifiable).
In general, other research teams mean that they test findings through studies that are concretely applicable in practice. Examples of this are that pathfinding is recorded in real and virtual spaces, or in laboratory studies and field studies, in order to create new guidelines for architectural teams by combining knowledge (isolated, complex), for example, in order to build more user-friendly.
Since I am a researcher, there is this final word today: Everything I write here can be falcified, criticized, and discussed! 🙂 Therefore I’d like to comment with you (that goes further below).
Read more?
In order to ensure the above-mentioned gain in knowledge, there are „values“ to which all research teams adhere (… should…) in order to arrive at „certain“ knowledge. For example:
- Uniqueness (isolating partial problems, finding security to measure), objectivity (not „I find“ but „the data shows that“),
- Autonomy (e.g. not favorable for Cocacola to find something out;) ),
- Reliability (the effects are stable even as time progresses),
- Transparency and openness (others should be able to reproduce the study in exactly the same way, nothing is concealed),
- Openness to criticism (scientific integrity),
- Ethics (=not harm anyone, see Holocaust, Weapons of Mass Destruction Research, and a few fun 60-ies studies), and
- Verifiability („falsification“).
- New value: The work should always lead to progress in knowledge (see also: treatises by Feynman, or Popper).
- Science is always and absolutely vulnerable to all these implicit values – and can be criticized accordingly.
English text: Translated with http://www.DeepL.com/Translator – not by me (I wouldnt do this to you).
Reference from above
Heizmann, M., Chen, Y. F., Dietsch, D., Greitschus, M., Hoenicke, J., Li, Y., … & Podelski, A. (2018, April). Ultimate Automizer and the Search for Perfect Interpolants. In International Conference on Tools and Algorithms for the Construction and Analysis of Systems (pp. 447-451). Springer, Cham.
Apparently it is possible to think too much,
or to be too analytical …
only to get confused.
(my favourite saying from my psychology studies).
Question things, explore curiously, and have fun.
See you soon, here.
Comment below what you liked about this article! Yes you can do so in English.
Architekturkognition und Umweltpsychologie 
Ein Kommentar zu „Was macht die Forschung eigentlich? (so what does research actually do?)“