Because evidence rarely entails a hypothesis with certainty, deciding when evidence is “enough” depends partly on the consequences of error—and therefore on values.
1The problem it solves
Rudner’s point is not that facts are political. It is that acceptance under uncertainty embeds a loss function. False positives and false negatives have different costs, so choosing a threshold cannot be determined by likelihood alone. Heather Douglas’s work on inductive risk develops how social and ethical values legitimately enter decisions about evidential standards without dictating the evidence itself.
2The idea
Rudner's argument: since no hypothesis is ever conclusively verified, accepting one always means deciding that the evidence is sufficient. How much is sufficient depends on how bad the two kinds of error would be. That is a value judgment, and it cannot be delegated to the statistics.
Heather Douglas developed this into the modern literature on inductive risk. The upshot is not that science is political; it is that the value judgment is unavoidable, and therefore should be made explicitly and by the right people.
3Origin & context
Richard Rudner’s 1953 argument “The Scientist Qua Scientist Makes Value Judgments” challenged value-free ideals of hypothesis acceptance. Heather Douglas later developed the concept of inductive risk and distinctions between direct and indirect roles for values in science.
4Canonical example
Setting α = 0.05 in a drug trial is a decision about how many deaths of each kind you are willing to tolerate. Nothing in the mathematics tells you where to put it.
5Objections & replies
Objection. Allowing values into science invites political manipulation of results.
Reply. The reply is to distinguish roles. Values should not make evidence count as something it is not, but they can legitimately influence how much evidence is required before acting or accepting a claim when errors have asymmetric consequences.
Objection. Scientists should report probabilities and let policymakers choose thresholds.
Reply. Often that separation is desirable, but analysts still make upstream choices—measurement, model, significance, classification, missing-data treatment—that embed judgments about error. The goal is transparency and appropriate allocation of responsibility, not pretending judgment vanished.
6Don't confuse it with
Values in science vs. fabricating facts
Acknowledging inductive risk does not license changing data or likelihoods to fit preferences. It concerns decisions under residual uncertainty.
Epistemic values vs. social values
Simplicity, explanatory power, and coherence are often called epistemic values; safety, equity, and cost are social/ethical values. Their roles need not be identical.
7Common mistakes
- Treating α=0.05 or another threshold as if mathematics itself selected it.
- Hiding consequential value judgments inside “technical” defaults where decision-makers cannot see or contest them.
8In your work
The philosophical description of what you are doing when you pick a threshold or a specification. It also tells you who should be making that call — and it is usually not the analyst alone.
9Check yourself
Two regulators agree on the evidence but choose different evidentiary thresholds because one prioritizes avoiding false negatives and the other false positives. Is that necessarily scientific disagreement?
Show answer
No. It may be a disagreement about inductive risk and the relative costs of error. The scientific evidence can be shared while the acceptance threshold reflects different values.
چون شواهد بهندرت فرضیه را با یقین نتیجه میدهند، تصمیم دربارهٔ اینکه شواهد چه زمانی «کافی» است تا حدی به پیامدِ خطا وابسته است—و بنابراین به ارزشها.
1مسئلهای که حل میکند
نکتهٔ رودن این نیست که واقعیت سیاسی است. پذیرشِ ادعا زیرِ عدمِقطعیت تابعِ زیان دارد. مثبتِ کاذب و منفیِ کاذب هزینهٔ متفاوت دارند، پس آستانه فقط از درستنمایی بیرون نمیآید. کارِ هدر داگلاس دربارهٔ ریسکِ استقرایی توضیح میدهد ارزشِ اجتماعی کجا میتواند مشروعاً بر استانداردِ شاهد اثر بگذارد بدون اینکه خودِ شاهد را جعل کند.
2ایدهٔ اصلی
استدلالِ رودنر: چون هیچ فرضیهای هرگز قطعی تأیید نمیشود، پذیرشِ آن همیشه یعنی تصمیم به اینکه شواهد کافی است. اینکه چقدر کافی است به این بستگی دارد که دو نوع خطا چقدر بد باشند. این یک داوریِ ارزشی است و نمیتوان آن را به آمار واگذار کرد.
هدر داگلاس این را به ادبیاتِ امروزیِ «ریسکِ استقرایی» گسترش داد. نتیجه این نیست که علم سیاسی است؛ این است که داوریِ ارزشی ناگزیر است، پس باید صریح و توسط افرادِ درست انجام شود.
3خاستگاه و زمینه
مقالهٔ ریچارد رودن در ۱۹۵۳، «دانشمند در مقامِ دانشمند داوریِ ارزشی میکند»، ایدهٔ علمِ کاملاً بیارزش را به چالش کشید. هدر داگلاس بعدتر ریسکِ استقرایی و نقشهای مستقیم و غیرمستقیمِ ارزش در علم را بسط داد.
4مثالِ کلاسیک
تعیینِ α = ۰٫۰۵ در کارآزماییِ دارو، تصمیمی است دربارهٔ اینکه چند مرگ از هر نوع را میپذیرید. هیچ چیز در ریاضیات نمیگوید آن را کجا بگذارید.
5اعتراضها و پاسخها
اعتراض. واردکردنِ ارزش به علم در را به دستکاریِ سیاسیِ نتیجه باز میکند.
پاسخ. پاسخ، تفکیکِ نقشهاست. ارزش نباید باعث شود شاهد چیزی حساب شود که نیست، اما میتواند وقتی خطا پیامدِ نامتقارن دارد مقدارِ شاهدِ لازم برای عمل یا پذیرش را تعیین کند.
اعتراض. دانشمند باید احتمال را گزارش کند و سیاستگذار آستانه را انتخاب کند.
پاسخ. این جدایی اغلب مفید است، اما تحلیلگر از قبل انتخابهای سنجش، مدل، معناداری، طبقهبندی و دادهٔ گمشده دارد که داوریِ خطا در آنهاست. هدف شفافیت و تخصیصِ درستِ مسئولیت است.
6با اینها اشتباه نگیرید
ارزش در علم و جعلِ واقعیت
پذیرشِ ریسکِ استقرایی مجوزِ تغییرِ داده یا درستنمایی مطابقِ ترجیح نیست؛ دربارهٔ تصمیم زیرِ عدمِقطعیتِ باقیمانده است.
ارزشِ معرفتی و ارزشِ اجتماعی
سادگی، قدرتِ تبیین و انسجام را اغلب ارزشِ معرفتی مینامند؛ ایمنی، عدالت و هزینه ارزشِ اجتماعی/اخلاقیاند. نقشهایشان یکی نیست.
7خطاهای رایج
- رفتار با α=0.05 یا آستانهٔ دیگر گویی خودِ ریاضیات آن را انتخاب کرده است.
- پنهانکردنِ داوریِ ارزشیِ پیامدی در پیشفرضهای «فنی» که تصمیمگیر نمیتواند ببیند یا به چالش بکشد.
8در کارِ شما
توصیفِ فلسفیِ آنچه هنگام انتخابِ یک آستانه یا مشخصهبندی انجام میدهید. همچنین میگوید چه کسی باید آن تصمیم را بگیرد — و معمولاً تحلیلگر بهتنهایی نیست.
9خودآزمایی
دو تنظیمگر بر شواهد توافق دارند اما یکی بهسببِ ترس از منفیِ کاذب و دیگری از مثبتِ کاذب آستانهٔ متفاوت میگذارد. آیا الزاماً اختلافِ علمی است؟
نمایش پاسخ
نه. ممکن است اختلاف دربارهٔ ریسکِ استقرایی و هزینهٔ نسبیِ خطا باشد. شاهدِ علمی مشترک است اما آستانهٔ پذیرش ارزشهای متفاوت را منعکس میکند.