– Men vi må huske at stordata også lett kan misbrukes, sier professor i biostatistikk Solve Sæbø.
Som statistikkprofessor er han over gjennomsnittet interessert i muligheter og fallgruver som ligger i stordata.
– Veien fra statistikk til stordata er ikke lang: for hva er statistikk annet enn å analysere store mengder informasjon og trekke ut enkelte sammenhenger eller regnestykker?
Det som er nytt er at datamengden er så stor, og regnemaskinene er blitt så mye bedre. Stordata har gitt et kvantesprang i nesten all forskning, sier Sæbø.
Skreddersydd undervisning
Solve Sæbø er professor i biostatistikk. (Foto: Håkon Sparre)
Selv forsker Sæbø på læring og på hvordan de ulike personlighetstypene blant oss lærer best. Han samarbeider med psykolog dr. Helge Brovold i å analysere resultatene fra utdanningstesten til Nasjonal senter for realfagsrekruttering, hvor så langt om lag 50 000 unge mennesker frivillig har besvart spørsmål knyttet til realfagsutdanning.
Spørsmålene går på yrkesinteresse, personlighet, ønske om læringsmetode og preferanser for realfag. Sæbø har brukt den samme testen på studentene som tar grunnkurset i statistikk ved NMBU.
En del av forskningen baseres på standardverktøyet Femfaktormodellen, som grupperer mennesker i fem kategorier etter hvor emosjonell, åpen, pliktoppfyllende, utadvendt og omsorgsfull du er.
Hensikten er å finne ut hvordan vanlige forelesninger fungerer for ulike personligheter, sammenlignet med mer aktive undervisningsformer, som det såkalte omvendte klasserommet. Her lærer studentene faget gjennom relevante oppgaver, gruppearbeid og samtaler, altså gjennom seg selv på et vis. I forkant har studentene sett forelesninger i ro og mak på skjerm.
Jazz eller korps
Resultatene så langt tyder på at personlighetstyper som samarbeider og prater seg til kunnskap, kan ha stort utbytte av omvendte klasserom. Det har også mer kreative typer, det Sæbø kaller jazzmusikere.
Personlighetstyper som ikke liker å jenke seg mot midten, de som liker bedre å jobbe individuelt ved å lese og regne oppgaver og de som foretrekker et fast strukturert kursopplegg, kan like godt følge tradisjonelle forelesninger. Disse er mer som korpsmusikanter.
Slik kan denne forskningen, basert på stordata, avdekke hvordan flere av typen jazzmusikere kan lokkes inn i realfag, ikke bare korpsmusikerne som det tradisjonelt har vært flest av.
Kan gå galt
Stordata er informasjon med høyt volum, hastighet og variasjon.
Analysen av mengdene med data er selvfølgelig veldig mye enklere når en maskin kan gjøre jobben og lete etter mønstre for oss. Vi kan jo tenke oss hvilken kjempejobb det ville vært å telle, notere og sammenstille de ulike svarene fra 50 000 personer som i realfagsundersøkelsen.
– Slik er det i veldig mange forskningsprosjekter om dagen. Dataene kan samles inn på utrolig lettvinte måter og analyseres på ymse vis. Og det her er kunnskap om statistikk kommer inn, for slike analyser kan også føre helt vilt av sted, understreker Sæbø.
Årsaken til gikt
Det er viktig å vite forskjellen på om noe forårsaker noe annet (kausalitet) eller om to ting eksisterer side om side (korrelasjon). Det kan komme mange falske nyheter ut av å misforstå dette.
Begrenset økonomi i et forskningsprosjekt kan være nok til å gi falske årsaksforhold. Forskere er ofte avhengig av mange testobjekter eller personer.
Sæbø nevner som eksempel et forskningsteam som vil undersøke om årsaken til reumatisme er å finne i genmaterialet til personene som får sykdommen.
De genetiske analysemetodene er nå blitt så avanserte at forskerne kan teste for si 500 000 ulike gen-variasjoner i en vevsprøve. Forskerne tar vevsprøve av 20 personer, ti friske og ti syke. Det er tid- og arbeidskrevende, og de har ikke økonomisk ramme til å teste flere.
De analyserer prøvene for 500 000 forskjellige markører og finner typisk at flere slike genetiske markører samsvarer med det å ha gikt. Her er det lett å gå i fella dersom man ikke tar høyde for et statistisk problem kjent som multippel testing, sier Sæbø:
– Fordi de tester så mange variabler er det stor sannsynlighet for at en eller flere helt tilfeldige markører har målinger som går opp på de syke og ned på de friske. Forskerne tror dermed at de tilfeldige markørene er en indikasjon eller i verste fall årsaken til sykdommen.
– Dette kan enkelt avsløres ved å hente inn data fra 20 nye personer for å sjekke akkurat disse markørene, men svært ofte blir dessverre ikke en slik oppfølgende studie gjort som en del av hovedstudien.
Farvel til privatlivet?
Stordata gjør det mulig å lage ekstremt komplekse systemer som intet menneske ville kunne gjøre uten digital kraft. Kombinasjonen av stordata og kunstig intelligens gir oss stadig flere hjelpemidler i hverdagen, fra selvkjørende biler og automatiserte jordbruksmaskiner til avanserte proteser og automatisk ansiktsgjenkjenning på mobilen. Mulighetene er nærmest ubegrensede.
Dessverre kan disse redskapene brukes med mindre edle hensikter enn å skape god undervisning eller å bringe ny og nyttig kunnskap til torgs gjennom forskning, innvender Sæbø.
– Tenk for eksempel på all informasjon om oss selv vi legger ut i sosiale medier. Facebook selv analyserer våre preferanser og gir oss reklame for ting vi har vist oss interessert i.
Oversikt over hva vi liker på Facebook og søker på Google kan gi avslørende personlighetsprofiler helt ned på individnivå, såfremt statistikkekspertisen er på plass. Dette kan brukes til ekstremt spisset markedsføring mot enkeltpersoner.
Kunnskap er makt
Hvis analytikerne har veldig mange objekter, si alle Facebook-brukerne i USA, og veldig mange variabler i form av likes, klikkmønster og meningsytringer, kan stordata ha en skremmende treffsikkerhet.
Analyser av våre Facebook og Twitter-kontoer avdekker avslørende kunnskap av hvem vi er eller i hvert fall de delene av oss vi velger å legge ut på nett – og noen legger ut veldig mye.
Det ligger enorme muligheter i stordata: Innen forskning, undervisning, innovasjon og – manipulasjon. Vi må forbli skeptiske og årvåkne – og det hjelper veldig å kunne litt statistikk.
Solve Sæbø avslutter lakonisk:
– Det er i dag fremdeles som Francis Bacon sa det på 1500-tallet: «Kunnskap er makt».
Antagelig har alle mennesker erfaring med å skynde seg.
Beina går raskere og raskere, og gangarten blir mer og mer anstrengt, helt til beina plutselig går over til å løpe.
Det er en brå overgang fra den ene formen for bevegelse til den andre, og forskere har lenge undret seg over hva som får oss til å skifte over.
En ny studie om dette er nå publisert i Scientific Reports.
Forskningen peker på et optimalt tempo for både gange og løp.
– Det skjer en hel masse ting når vi skifter fra å gå til å løpe. Andre muskler blir aktivert, koordinasjonen blir annerledes. Det må justeres for at bevegelsen skal bli effektiv. Vi viser når kroppen gjennomfører den justeringen. Vi har også en teori om hvorfor det skjer, forteller en av forskerne bak den nye studien, førsteamanuensis Ernst Albin Hansen fra institutt for medisin og helseteknologi ved Aalborg universitet.
Kan brukes av soldater
Ifølge Ernst Albin Hansen kan dette hjelpe folk med alvorlige skader i ryggmargen eller de som vil skape bedre soldater.
For eksempel arbeider hæren i mange land med å utvikle eksoskjeletter til soldatene. Det vil si at de forsøker å lage mekaniske løsninger som skal hjelpe soldatene under lange marsjer.
Det er en slags robotbein spent utenpå dine egne. De gjør at du kan løfte tyngre og holde ut lenger.
Personer med ryggmargsskader og lammelser i beina trenger også robotbein.
Men alt dette krever at de som designer robotbeina, kjenner til kroppens naturlige måte å bevege seg på.
– Den typen bein er styrt av programvare, som skal styre overgangen mellom gange og løp på riktig tidspunkt. Det er den overgangen vi har funnet, sier Ernst Albin Hansen.
Den nye forskningen dreier seg om noen nettverk av nerveceller i ryggmargen.
De kalles Central Pattern Generators – CPG (sentrale mønstergeneratorer), og de er ansvarlige for en stor del av de rytmiske bevegelsene kroppen foretar seg helt automatisk.
De koordinerer de rytmiske muskelsammentrekningene som skal til for å sette den ene foten foran den andre.
CPG-ene spiller en helt sentral rolle i den motoriske hukommelsen, og de er også ansvarlige for at for eksempel en høne kan løpe rundt uten hode. Signalene fortsetter å bli sendt fra ryggmargen til musklene, og beina fortsetter å bevege seg.
– Før i tiden var det en utbredt oppfatning at bevegelser som gange og løping var styret av reflekser, men nyere forskning viser at CPG-ene spiller en avgjørende rolle. Hjernen sender et signal om å sette i gang, og deretter kan CPG-ene holde bevegelsen i gang, forteller Hansen.
Han har tidligere forsket på hvordan CPG-ene opprettholder tråkking hos syklister.
Peter C. Raffalt er postdoktor ved Julius Wolff Institute for Biomechanics and Musculoskeletal Regeneration i Tyskland og forsker på menneskers gange.
Han har ikke deltatt i den nye studien, men han har lest den og synes den er veldig spennende.
Raffalt forteller at spørsmålet om overgangen fra gang til løp er forsøkt besvart mange ganger, men at forskere aldri har funnet noen konsensus.
– Forskernes vinkel er veldig interessant. Det begynner også å komme fram en del som tyder for at det nok forholder seg slik, sier han.
Peter C. Raffalt påpeker at selv om det dreier seg om grunnforskning, kan den brukes til noe i praksis.
– Det kan for eksempel gi oss en bedre forståelse av når barn utvikler gangmønsteret. Vi kan si noe om når og hvordan barn lærer å gå og løpe, og hva som skjer når de gjør det. Det kan også brukes til å lære mer om hva som skjer når noen barn har en forsinket utvikling, sier Raffalt.
