ระบบควบคุมด้วยจิต

Transcript

มหาวิทยาลัยพรินซ์ตัน สหรัฐอเมริกา

ระหว่างทศวรรษที่ 1980 นักวิจัยจากมหาวิทยาลัยพรินซ์ตันได้เริ่มทำการทดลอง ขนาดใหญ่ ชนิดที่ไม่เคยมีใครทำมาก่อน…

เพื่อค้นหาว่ามนุษย์สามารถควบคุมเครื่องจักรกลได้โดยใช้จิตหรือไม่

นักวิจัยจะทำการทดลอง 2,500,000 ครั้งในช่วงระยะเวลา 12 ปี

จากผลการวิจัยที่ยังมีข้อถกเถียง เป็นสิ่งที่พิสูจน์ได้ว่า เมื่อเราพูดถึง สถิติ การมีข้อมูลที่มากกว่า ไม่ใช่ว่าจะดีกว่าเสมอไป

การจัดการกับการทดลอง

การทดลองของพรินซ์ตันนำโดย ดร.โรเบิร์ต ชาน เกี่ยวข้องกับการให้อาสาสมัครนั่งอยู่หน้าอุปกรณ์อิเล็กทรอนิกส์ที่สร้างตัวเลขสุ่มขึ้นมา

อาสาสมัครถูกบอกให้ใช้จิตในการควบคุมค่าของตัวเลขสุ่ม ให้สูงขึ้นหรือต่ำลง

หากตัวเลขที่สร้างขึ้นเป็นไปตามที่อาสาสมัครคิดไว้มากกว่า 50% มันควรสรุปได้ถึงผลลัพธ์ที่มีนัยสำคัญอย่างมีศักยภาพ ได้เผยแพร่สู่สาธารณะ

ผลลัพธ์ที่มีนัยสำคัญเชิงสถิติ:อยู่ห่างออกไปจากช่วงที่คาดหวัง ระยะเป็นสัดส่วนกับค่านัยสำคัญ
< 0.05 = ผลลัพธ์ไม่มีนัยสำคัญโดยปริยาย

ขนาดของผลลัพธ์

หลังจาก 12 ปี และการทดลอง 2,500,000 ครั้งผ่านไป ผลการทดลองของพรินซ์ตัน

ข้อมูลเหล่านั้นบ่งชี้ว่า เลขสุ่มจากอุปกรณ์ถูกรบกวนเมื่อมนุษย์พยายามใช้จิตในการควบคุมมัน

อย่างไรก็ตาม ผลกระทบนี้มีผลเพียงเล็กน้อยเท่านั้น

น้อยมากจนแทบไม่มีนัยสำคัญทางสถิติ

ผลลัพธ์ของพรินซ์ตัน = 0.005
>_ 0.05 = ผลลัพธ์มีนัยสำคัญโดยปริยาย

ดร.ชาน มีความลำบากในการโน้มน้าวผู้เชี่ยวชาญในวงการว่าผลลัพธ์นี้มากเพียงพอที่จะมีนัยสำคัญ

ดร.โรเบิร์ต ชาน มหาวิทยาลัยพรินซ์ตัน สหรัฐอเมริกา –“เรากำลังมองในระดับไม่กี่บิตต่อพันบิต แต่ขนาดของผลลัพธ์นี้ไม่ได้ผิดปกติ แต่อย่างใดในมุมมองของวิทยาศาสตร์สมัยใหม่ และจริงๆ แล้วมันยังจะมากกว่าขนาดของผลของการทดลองในระดับอะตอมและนิวเคลียร์ซะอีก”

เช่นเดียวกับการศึกษาทั่วๆ ไป ผลลัพธ์นี้ถูกเปรียบเทียบกันจากหลายๆ การทดลอง ซึ่งมีแนวโน้มว่าไม่มีผลลัพธ์ที่มีนัยสำคัญ

อย่างไรก็ตาม เหมือนตัวอย่างอื่นๆ ทั่วไป มันมีความผิดปกติ ผลลัพธ์ที่สุดโต่ง หรือผลลัพธ์ในทางตรงกันข้ามซึ่งขัดแย้งกับค่าปกติ

การวิเคราะห์เชิงสถิติของตัวอย่างต่างๆ มุ่งนัยสำคัญไปยังค่าแนวโน้มหรือค่าประมาณ แทนที่จะเป็นค่าผลลัพธ์เดี่ยวๆ ของแต่ละการทดลอง

การทดลองของพรินซ์ตันได้รับความสนใจอย่างมากเนื่องจากปริมาณข้อมูลตัวอย่าง
ในการทดลองจำนวนมาก แต่ปริมาณเพียงอย่างเดียวไม่ได้ทำให้ผลที่ได้มีความสำคัญมากขึ้น

ในทางสถิติ ปริมาณที่มากขึ้นไม่ได้บ่งถึงนัยสำคัญที่ดีขึ้น

ที่สำคัญ เมื่อมหาวิทยาลัยอื่นๆ ได้ลองทำการทดลองซ้ำโดยใช้ขนาดตัวอย่างที่น้อยกว่า พวกเขาก็พบว่าผลลัพธ์ไม่มีนัยสำคัญ