Los científicos desarrollan una gran memoria para desarrollar políticas efectivas

Los científicos desarrollan una gran memoria para desarrollar políticas efectivas

"Al final, podríamos beneficiarnos enormemente de un mundo en el que las síntesis de evidencia integral están disponibles en un lugar que se actualiza continuamente sobre todos los problemas sociales importantes", dice Will Moy, quien dirige la colaboración de Campbell, una organización internacional sin fines de lucro que apoya las revisiones de ciencias sociales.

Aunque los investigadores crean una gran cantidad de estudios en áreas políticas, las síntesis que representan el peso de la evidencia sobre un tema son raros en muchas áreas y no se usan rutinariamente para la directriz para el diseño político. "Existe una enorme demanda" por parte de los fabricantes de decisiones políticas para tales síntesis, Jen Gold, directora de investigación del Consejo de Investigación Económica y Social (ESRC), dice una agencia de financiación británica. "Pero la oferta no coincide".

Las síntesis de evidencia son "todo lo que el mundo sabe sobre cómo resolver un problema importante en un solo lugar", explica Moy. En medicina, los médicos usan de manera rutinaria miles de descripciones sistemáticas:

Para contrarrestar esto, el ESRC y Wellcome, el promotor de investigación biomédica en Londres, anunció el 21 de septiembre que invierten 9.2 millones de GBP (12.2 millones de dólares) o alrededor de 45 millones de GBP en bases de datos y herramientas durante más de cinco años, lo que puede ayudar con la síntesis de investigación. El ministro británico de la ciencia Vallance Røttingen anunció el financiamiento en un evento en Nueva York, que se asoció con la cumbre de las Naciones Unidas al futuro, una reunión que tiene como objetivo diseñar un mundo mejor, incluida la ciencia.

Los investigadores han dado la bienvenida a las noticias, se supone que esta es una de las mayores inversiones individuales en la síntesis de evidencia, y dicen que llega en el momento adecuado porque el progreso acelera el proceso de búsqueda y combinación de estudios. "Es muy emocionante", dice Isabelle Mercier, una investigadora del Programa de las Naciones Unidas para el Desarrollo, el Síntesis de evidencia admitidas . "Fue demasiado grande hace cuatro años para pensarlo, pero ahora comenzamos a ver que realmente podemos implementarlo", dice ella.

Pero la IA también hace que la tarea sea más difícil porque los chatbots de IA como ChattGPT pueden crear resúmenes de los resultados de la investigación que sonan creíbles pero potencialmente engañosos. "El desafío es cómo quitar lo que es realmente confiable, lo que no es", dice Moy.

La producción de síntesis suele ser lenta, difícil y costosa. Los investigadores que realizan una visión general sistemática deben buscar bases de datos en todo el mundo para el trabajo publicado y no publicado para encontrar estudios potencialmente relevantes. Luego, reduzca una larga lista de miles de estudios a los más relevantes, evalúe su confiabilidad, extraiga los datos y combine los resultados, a veces utilizando un método estadístico llamado meta análisis. Incluso cuando se completan, las síntesis de evidencia a menudo no llegan a los fabricantes de decisiones políticas y observan rápidamente mientras llegan nuevos resultados de investigación. "Si un fabricante de decisiones políticas viene con una pregunta, no debería tardar tres meses en encontrar investigación", dice James Thomas, especialista en síntesis de investigación en el University College London. "Eso es ridículo".

El problema se endureció durante la pandemia Covid 19 cuando las autoridades necesitaban sintesis rápidas en todas partes para tomar decisiones sobre medicamentos, máscaras y bloqueos. Al principio, los científicos no pudieron proporcionarlos lo suficientemente rápido, pero luego produjeron .

El sueño de los científicos es que todos, en todas partes, una síntesis que se adapta a su pregunta y su región podría armar un botón. Para este propósito, los investigadores desean crear 'bancos de evidencia': bases de datos comunes con estudios preceleccionados que están etiquetados con información como el método y la ubicación y contienen datos en el formato común para que puedan combinarse. Las herramientas de IA capacitadas deben hacerse cargo de la mayor parte de la tediosa tarea de clasificar los estudios y la síntesis de datos, mientras que las personas verifican la calidad del ejemplo mediante la evaluación de posibles distorsiones en los estudios subyacentes.

Algunas bases de datos ya están en el camino correcto. La Education Endowment Foundation (EEF), una organización benéfica en Londres, tiene una base de datos con más de 3.500 estudios de educación. Con la ayuda de esta base de datos, la organización ha creado una serie de descripciones sistemáticas de que Revelar la influencia de la tutoría, la tarea y el tamaño de la clase en el aprendizaje . Comparte la base de datos y las vistas general con varios países para evitar repetir otros. Idealmente, "en lugar de crear seis descripciones sistemáticas separadas, crea una gran descripción general que podemos usar juntos", dice Jonathan Kay, quien dirige el trabajo para resumir la evidencia en EEF.

Las últimas inversiones finalmente podrían conducir a una serie de bases de datos que son similares al EEF y están dispuestos a ser sintetizadas para áreas de políticas importantes como la protección del medio ambiente. De estos, los partidarios quieren construir "vidas" o sintetensas de evidencia constantemente actualizadas que muestran, por ejemplo, Lo que mejora la salud mental y reduce el desempleo juvenil.