Il metodo scientifico: non una procedura, ma un modo di stare nell’incertezza

Dal Seicento in poi, la scienza ha cambiato il mondo più di qualsiasi altra forma di pensiero umano. Eppure c’è un malinteso su come funziona che resiste con sorprendente tenacia: l’idea che il metodo scientifico sia una procedura — una sequenza ordinata di passi da seguire, come le istruzioni di un manuale. Osserva, formula un’ipotesi, sperimenta, concludi. Tecnicamente corretto. Concettualmente insufficiente.

Descrive la forma. Non tocca la sostanza.

La sostanza è questa: il metodo scientifico è una risposta al problema dell’incertezza. Non una risposta che la elimina — questo sarebbe impossibile — ma una risposta che la rende gestibile, produttiva, condivisibile. È il modo in cui l’essere umano ha imparato a distinguere ciò che sa da ciò che crede di sapere, a mettere alla prova le proprie idee invece di difenderle, a costruire conoscenza che sopravvive al singolo osservatore e al singolo momento.

Galileo non aveva un laboratorio migliore di Aristotele. Aveva un modo diverso di relazionarsi con il dubbio: invece di cercare conferme alle teorie esistenti, cercava esperimenti che le potessero smentire. Questo cambiamento di atteggiamento — non di strumenti, non di formule — ha segnato l’inizio della scienza moderna.

Osservare non è guardare

Il metodo scientifico inizia con l’osservazione. Ma osservare, nel senso scientifico del termine, non è semplicemente guardare, ma significa guardare con una domanda implicita: cosa non torna? Dove c’è uno scarto tra quello che mi aspetto e quello che vedo?

Pasteur stava studiando la fermentazione quando notò qualcosa che le teorie chimiche del suo tempo non riuscivano a spiegare. Quel dettaglio inspiegabile — che un ricercatore meno attento avrebbe ignorato come rumore — è diventato il punto di partenza della microbiologia moderna. La scoperta non è arrivata dall’osservazione di qualcosa di nuovo: è arrivata dall’osservazione attenta di qualcosa che non quadrava.

Questa è la prima forma di onestà intellettuale che il metodo scientifico richiede: la disponibilità a vedere quello che c’è, non quello che si vorrebbe ci fosse. Ogni bias di conferma — la tendenza a cercare solo le evidenze che confermano le proprie aspettative — nasce dall’incapacità o dalla riluttanza a fare questo passo. E ogni scoperta significativa nasce, in qualche misura, dalla sua opposizione: dall’apertura all’anomalia, alla discrepanza, alla sorpresa.

L’osservazione scientifica include anche la revisione della letteratura esistente. Nessun ricercatore parte da zero. Nel metodo scientifico ogni ricercatore si inserisce in una catena di conoscenze preesistenti, impara da chi è venuto prima, individua le lacune. Questa consapevolezza della tradizione non è un vincolo. Essa è la condizione che permette di formulare domande nuove invece di riscoprire risposte già note.

L’ipotesi: una scommessa verificabile

Dall’osservazione nasce l’ipotesi — una spiegazione provvisoria del fenomeno osservato. La parola “provvisoria” è fondamentale: un’ipotesi non è una verità che si cerca di dimostrare, ma una scommessa che si è disposti a perdere.

Karl Popper aveva individuato nel concetto difalsificabilitàil criterio che distingue la scienza da altre forme di sapere. Un’ipotesi è scientifica solo se può essere smentita dai fatti — solo se esiste, almeno in linea di principio, un risultato sperimentale che potrebbe dimostrarla sbagliata. Un’affermazione che non può essere messa alla prova non appartiene al dominio della scienza: può essere vera, può essere bella, può essere utile, ma non è verificabile nel senso scientifico del termine.

Questo criterio sembra semplice, ma ha implicazioni profonde. Significa che il compito dello scienziato non è difendere le proprie idee, ma sottoporle alla prova più severa possibile. Significa che un’ipotesi smentita non è un fallimento, ma un risultato. Edison diceva di aver trovato millenovecentonovantanove modi su come non si fa una lampadina: ogni tentativo fallito era informazione, non spreco.

Nella pratica della ricerca, le ipotesi raramente sono uniche. Un fenomeno può essere spiegato da più teorie alternative, e il compito del ricercatore è confrontarle, non scegliere in anticipo quella che si preferisce e cercare di confermarla.

L’approccio comparativo è la difesa più efficace contro il bias di conferma: quando si è disposti a considerare seriamente l’ipotesi alternativa, diventa più difficile ignorare le evidenze che la supportano.

L’esperimento: dove la teoria incontra la realtà

L’esperimento è il momento in cui un’idea teorica si misura con la realtà empirica. È, come aveva capito Galileo, l’atto attraverso cui si lascia parlare i fatti invece di ragionare solo su di essi. E la sua progettazione è forse la fase più creativa — e più delicata — dell’intero processo scientifico.

Un buon esperimento risponde a una domanda sola. Isola la relazione tra le variabili che si vuole studiare, controllandoo tutto il resto. Questo è il principio del gruppo di controllo: se voglio sapere se un farmaco funziona, devo confrontarlo con qualcosa — un placebo, una terapia standard — in condizioni il più possibile identiche. Solo così la differenza negli esiti può essere attribuita al trattamento e non a mille altri fattori che variavano insieme a lui.

La randomizzazione serve esattamente a questo: distribuire casualmente i partecipanti tra i gruppi in modo che le loro caratteristiche — età, gravità della malattia, abitudini, fattori che non si riesce nemmeno a misurare — si bilancino tra un gruppo e l’altro. Non perché i gruppi diventino identici, ma perché le differenze tra loro diventano casuali invece che sistematiche. E le differenze casuali si gestiscono con la statistica. Quelle sistematiche — i bias — no.

Un esperimento mal progettato non produce dati sbagliati nel senso di numericamente errati. Produce dati che rispondono a una domanda diversa da quella che si voleva porre. E nessuna analisi statistica, per quanto sofisticata, può correggere questo: può solo elaborare la risposta sbagliata con più precisione.

La trasparenza nella progettazione è una precondizione della replicabilità. Un esperimento i cui dettagli non vengono comunicati non può essere ripetuto — e un risultato che non può essere ripetuto non è ancora conoscenza scientifica: è un’osservazione isolata in attesa di conferma.

I dati e il loro significato

I dati non parlano da soli. Questa è forse la lezione più importante che la statistica ha da insegnare alla ricerca scientifica: i numeri richiedono interpretazione, e l’interpretazione richiede contesto.

L’analisi dei dati procede per livelli. Prima la descrizione: come sono distribuiti i dati, qual è la loro forma, ci sono valori anomali che meritano attenzione prima ancora di procedere con i test inferenziali. Poi l’inferenza: le differenze osservate nel campione sono abbastanza grandi da non poter essere attribuite al caso? Il p-value risponde a questa domanda — ma solo a questa. Non dice se il risultato è clinicamente rilevante, non dice se l’ipotesi è vera, non dice se lo studio è ben fatto.

La rilevanza clinica o pratica di un risultato si misura con la dimensione dell’effetto — quanto è grande la differenza, non solo quanto è improbabile che sia casuale. Un effetto minuscolo può essere statisticamente significativo con un campione sufficientemente grande. Un effetto clinicamente importante può non raggiungere la significatività statistica con un campione troppo piccolo. Il p-value e la dimensione dell’effetto sono due strumenti diversi che rispondono a domande diverse: usarne solo uno è come navigare con metà degli strumenti.

L’analisi dei dati è anche il momento in cui si verifica se le assunzioni del modello sono rispettate — se i dati hanno le proprietà che il modello richiede per produrre stime affidabili. Ignorare questo passaggio non fa sparire i problemi: li nasconde dentro i numeri, dove sono più difficili da vedere.

La replicazione: la prova che conta

Nessun risultato scientifico è definitivo dopo un solo esperimento. La replicazione — la capacità di riprodurre un risultato in condizioni indipendenti — è la prova più solida che abbiamo della sua affidabilità. È il modo in cui la scienza si autocorregge: un risultato che non regge alla replicazione non era conoscenza, era un’osservazione che aspettava di essere smentita.

La comunità scientifica ha imparato a proprie spese quanto questa fase sia cruciale. La crisi di replicabilità degli ultimi anni — particolarmente evidente in psicologia e biomedicina — ha mostrato che un numero significativo di risultati pubblicati su riviste rispettabili non riesce a essere riprodotto da altri gruppi di ricerca. Le cause sono note: campioni troppo piccoli, p-hacking, mancanza di trasparenza nei protocolli, pressione a pubblicare risultati nuovi invece di verificarne di esistenti.

La risposta a questa crisi non è la sfiducia nella scienza: è il rafforzamento delle pratiche che la rendono affidabile. La preregistrazione dei protocolli — dichiarare pubblicamente, prima di raccogliere i dati, quali analisi si intende condurre — riduce il rischio di adattare la domanda ai risultati invece di testare la domanda con i risultati. La condivisione dei dati grezzi permette la verifica indipendente. Le registered reports — in cui la rivista valuta il protocollo prima della raccolta dei dati, indipendentemente dai risultati — rimuovono l’incentivo a pubblicare solo i risultati positivi.

La replicazione non è un atto di sfiducia nei confronti del ricercatore originale. È l’esercizio collettivo attraverso cui un’osservazione isolata diventa conoscenza condivisa. Un risultato replicato da gruppi indipendenti, in condizioni diverse, su campioni diversi — quel risultato ha guadagnato il diritto di essere chiamato scoperta.

Dall’ipotesi alla teoria: quando la conoscenza si consolida

Quando un’ipotesi sopravvive a ripetuti tentativi di confutazione — quando viene testata da ricercatori diversi, in contesti diversi, con metodi diversi, e regge — inizia a trasformarsi in qualcosa di più solido: una teoria scientifica.

Una teoria non è una semplice ipotesi rafforzata. È una struttura concettuale che organizza un insieme di osservazioni, spiega le relazioni tra esse e — cosa fondamentale — permette di fare previsioni su fenomeni non ancora osservati. La teoria della gravitazione universale di Newton non descriveva solo le osservazioni astronomiche disponibili al suo tempo: permetteva di prevedere dove sarebbe stato un pianeta che non era ancora stato scoperto. La teoria dell’evoluzione non descrive solo le specie esistenti: permette di prevedere dove trovare fossili di forme di transizione.

Nessuna teoria, per quanto solida, è definitiva. Anche la meccanica newtoniana — valida e predittiva per secoli — ha mostrato i suoi limiti quando la fisica ha incontrato velocità prossime a quella della luce e scale atomiche. Non è stata smentita: è stata inclusa come caso speciale in una teoria più generale. Questo è il modo in cui la scienza progredisce: non per demolizione, ma per espansione e revisione.

Il metodo scientifico è una forma di etica cognitiva prima ancora che una procedura.Impone rigore, onestà, disponibilità alla revisione — non come regole esterne imposte dalla comunità scientifica, ma come conseguenze logiche di un impegno nei confronti della verità. Chi segue il metodo scientifico accetta che le proprie idee possano essere sbagliate, che i propri dati possano dire qualcosa di diverso da quello che si sperava, che un risultato scomodo abbia lo stesso valore di uno atteso. Non è umiltà come virtù morale: è la condizione strutturale perché la conoscenza possa crescere invece di fossilizzarsi.