Elif
New member
SEBEBE BAĞLILIK NEDİR? GÜNLÜK HAYATTAN BİLİME, NEDEN-SONUÇ İLİŞKİSİNİ ANLAMAK
Bazen hayatımızda yaşadığımız bir olayın neden gerçekleştiğini anlamaya çalışırız. Bir iş yerinde verimlilik neden düşer, bir insan neden belirli bir kararı alır, bir hastalık hangi koşullarda ortaya çıkar ya da bir ilişkide yaşanan sorunların arkasında ne vardır? Bu soruların hepsi bizi aynı noktaya götürür: Bir olayın ortaya çıkmasına hangi etkenler neden olur ve bu etkenlerle sonuç arasında gerçekten bir bağlantı var mıdır?
Sebebe bağlılık kavramı, tam da bu noktada önem kazanır. Çünkü bir olayın başka bir olayla birlikte görülmesi, ilk olayın ikinci olaya neden olduğu anlamına gelmez. Örneğin yaz aylarında dondurma satışları artarken boğulma vakalarının da artması, dondurma yemenin boğulmaya yol açtığını göstermez. Her iki olayın da yaz mevsiminde artması, aralarındaki görünür ilişkinin arkasında başka bir etkenin bulunabileceğini düşündürür.
Bu yazıda sebebe bağlılığı bilimsel araştırmalardan günlük yaşama, psikolojiden ekonomiye ve insan ilişkilerinden iş hayatına kadar farklı açılardan ele alacağız. Amacımız yalnızca bir kavramı tanımlamak değil, karşılaştığımız olayları daha doğru yorumlayabilmek ve gördüğümüz her bağlantıyı hemen neden-sonuç ilişkisi olarak kabul etmemeyi öğrenmek.
[ B ]1. SEBEBE BAĞLILIK NEDİR?
Sebebe bağlılık, en genel anlamıyla bir olayın, durumun veya sonucun ortaya çıkmasında belirli bir etkenin rol oynamasıdır. Bilimsel terminolojide bu konu çoğunlukla nedensellik veya neden-sonuç ilişkisi kavramlarıyla ifade edilir.
Nedensellik ilişkisinde bir etken, başka bir olayın gerçekleşme olasılığını etkiler. Ancak bu etkinin mutlaka tek başına ve her koşulda ortaya çıkması gerekmez. Bazı sonuçlar birden fazla nedenin bir araya gelmesiyle meydana gelir.
Örneğin bir öğrencinin sınavdan düşük not almasını ele alalım. İlk bakışta öğrencinin yeterince çalışmadığı düşünülebilir. Fakat gerçekte sınav sonucu; çalışma süresi, kullanılan öğrenme yöntemi, uyku düzeni, sınav kaygısı, önceki bilgi birikimi ve sınavın zorluk düzeyi gibi birçok etkene bağlı olabilir.
Burada önemli bir ayrım vardır: Bir etkenin sonuçla ilişkili olması, o sonucu tek başına açıkladığı anlamına gelmez. Öğrencinin az çalışması etkili olmuş olabilir ama bütün sorumluluğu bu etkene yüklemek, olayın diğer boyutlarını gözden kaçırmak anlamına gelir.
ABD Ulusal Tıp Kütüphanesi bünyesindeki NCBI'de yayımlanan Principles of Causation başlıklı kaynakta nedensellik, başlangıçtaki bir etkenin daha sonra ortaya çıkan bir sonucun gerçekleşme olasılığını etkilemesi çerçevesinde açıklanır. Kaynak, nedensel çıkarım yaparken alternatif açıklamaların, bilimsel bilginin ve istatistiksel değerlendirmelerin dikkate alınması gerektiğini vurgular. NCBI Bookshelf
Bana göre bu tanımın günlük yaşamdaki en önemli karşılığı şudur: Bir sorunun nedenini anlamak istiyorsak yalnızca görünen sonuca değil, o sonucu hazırlayan koşullara da bakmalıyız.
[ B ]2. KORELASYON İLE NEDENSELLİK ARASINDAKİ FARK
Sebebe bağlılığı doğru anlamanın ilk adımı, korelasyon ile nedenselliği birbirinden ayırmaktır.
Korelasyon, iki değişkenin birlikte değişmesi veya istatistiksel olarak ilişkili görünmesidir. Nedensellik ise bir değişkendeki değişimin diğer değişken üzerinde gerçekten etkili olup olmadığını sorgular.
Bu iki kavram arasındaki fark, özellikle sosyal medyada, haberlerde ve günlük tartışmalarda sık sık gözden kaçar.
Örneğin bir şehirde hem araç sayısının hem trafik kazalarının arttığını düşünelim. Bu veriler, araç sayısıyla kaza sayısının ilişkili olabileceğini gösterir. Ancak yalnızca bu iki rakama bakarak her yeni aracın doğrudan kaza sayısını artırdığı sonucuna varamayız. Nüfus artışı, yol uzunluğu, sürücü davranışları, trafik yoğunluğu ve denetim düzeyi gibi başka etkenler de incelenmelidir.
Benzer bir durum eğitim alanında da görülür. Kitap okuyan öğrencilerin daha yüksek sınav puanları aldığını gösteren bir araştırma, kitap okumanın başarıya katkıda bulunabileceğini düşündürür. Ancak ailelerin eğitim düzeyi, öğrencilerin ekonomik koşulları, okula erişim imkânları ve başlangıçtaki akademik farklılıklar da sonucu etkileyebilir.
Peki, bu ayrım neden önemli?
Çünkü bir bağlantıyı yanlış yorumladığımızda yanlış çözüm yollarına yönelebiliriz. Bir şirket satışların düştüğünü fark edip bütün sorumluluğu fiyatlara yüklerse ürün kalitesi, müşteri deneyimi, dağıtım sorunları veya rakiplerin stratejileri gibi önemli etkenleri kaçırabilir.
Nedensellik araştırmalarında bu tür alternatif açıklamalar, karıştırıcı değişkenler olarak ele alınabilir. Bunlar hem incelenen etkenle hem de sonuçla ilişkili olduklarında, gözlenen bağlantının yanlış yorumlanmasına yol açabilir.
Dolayısıyla temel soru yalnızca “Bu iki şey birlikte mi değişiyor?” değildir. Asıl soru şudur: “Diğer önemli koşulları da dikkate aldığımızda, bu etken gerçekten sonuç üzerinde bir değişiklik meydana getiriyor mu?”
3. SEBEP-SONUÇ İLİŞKİSİNİ AÇIKLAMAK İÇİN KULLANILAN BİLİMSEL YAKLAŞIMLAR
Bir olayın neden meydana geldiğini anlamak için bilim insanları tek bir ölçüte dayanmaz. Araştırmanın konusu, mevcut veriler ve alternatif açıklamalar birlikte değerlendirilir. Bu noktada epidemiyoloji alanında önemli bir yere sahip olan İngiliz istatistikçi ve epidemiyolog Austin Bradford Hill'in 1965 yılında ortaya koyduğu yaklaşım dikkat çeker.
Hill, bir etkenle sonuç arasındaki ilişkinin nedensel olup olmadığını değerlendirirken dikkate alınabilecek dokuz bakış açısını ele almıştır. Bunlar ilişkinin gücü, farklı araştırmalarda tutarlılık, özgüllük, zamansal sıra, biyolojik gradyan, makul bir mekanizmanın bulunması, mevcut bilgilerle uyum, deneysel kanıt ve benzer ilişkilerle analojidir.
Burada önemli bir ayrıntı var: Bu dokuz unsur, her durumda eksiksiz karşılanması gereken katı bir kontrol listesi değildir. Hiçbir unsur tek başına nedenselliği kesin olarak kanıtlamaz. Amaç, farklı kanıtları bir arada değerlendirerek daha sağlam bir sonuca ulaşmaktır. ABD Hastalık Kontrol ve Önleme Merkezlerinin (CDC) 8 Ağustos 2024 tarihli Field Epidemiology Manual kaynağı da bu yaklaşımın salgın araştırmalarında nedenleri değerlendirmek ve müdahaleleri planlamak için kullanılabileceğini açıklar. CDC+1
Bu bakış açısını daha anlaşılır kılmak için temel unsurları inceleyelim.
Zamansal sıra: Bir neden, ortaya çıkmasına yol açtığı sonuçtan önce gelmelidir. Örneğin bir çalışan iş yükü arttıktan sonra tükenmişlik belirtileri yaşamaya başladıysa iş yükü olası bir etkendir. Ancak bu tek başına kanıt değildir; belirtiler daha önceden başlamış da olabilir.
İlişkinin gücü: Bir etkenle sonuç arasındaki ilişkinin büyüklüğü, nedensellik değerlendirmesine katkıda bulunabilir. Fakat güçlü bir istatistiksel ilişki bile başka açıklamaların incelenmesi gereğini ortadan kaldırmaz.
Doz-tepki ilişkisi: Bazı durumlarda bir etkene maruz kalma düzeyi yükseldikçe sonuç üzerindeki etki de artabilir. Örneğin daha uzun süre gürültüye maruz kalmak, işitme sağlığı açısından daha büyük risk yaratabilir. Bununla birlikte her nedensel ilişkide böyle bir örüntü bulunması zorunlu değildir.
Deneysel kanıt: Bir etken kontrollü biçimde değiştirildiğinde sonuçta da beklenen değişimin görülmesi, nedensellik lehine önemli kanıt sağlayabilir. Ancak deneylerin etik, güvenlik ve uygulanabilirlik sınırları vardır.
Alternatif açıklamalar: Bir sonucun başka hangi etkenlerle ortaya çıkabileceğini araştırmak gerekir. Bu adım, aceleci kararların önüne geçmek açısından özellikle önemlidir.
2021 yılında International Journal of Epidemiology dergisinde yayımlanan nedensellik değerlendirmesi çalışması, Bradford Hill'in yaklaşımını modern nedensel çıkarım yöntemleriyle karşılaştırmıştır. Araştırmacılar, özellikle zamanlama, karıştırıcı etkenlerin değerlendirilmesi, makul mekanizmalar ve deneysel bulguların önemini vurgulamıştır. PMC
Buradan çıkarılabilecek önemli sonuç şudur: Bir iddianın ikna edici görünmesiyle bilimsel olarak güçlü biçimde desteklenmesi aynı şey değildir. Sağlam bir değerlendirme, yalnızca iddiayı doğrulayan verileri değil, ona karşı çıkabilecek açıklamaları da dikkate alır.
4. GERÇEK DÜNYADAN BİR ÖRNEK: SİGARA VE AKCİĞER KANSERİ
Nedenselliğin bilimsel olarak nasıl değerlendirilebildiğini anlamak için sigara ile akciğer kanseri arasındaki ilişki önemli bir örnektir.
Geçmişte akciğer kanseri ile sigara kullanımı arasında gözlenen bağlantının neden-sonuç ilişkisi olup olmadığı tartışılmıştır. Ancak zaman içinde farklı araştırmalardan elde edilen bulgular, ilişkinin gücü, tutarlılığı, biyolojik mekanizmalar ve diğer kanıtlar birlikte değerlendirildiğinde sigara kullanımının akciğer kanserine neden olduğu sonucunu güçlü biçimde desteklemiştir.
Bazen hayatımızda yaşadığımız bir olayın neden gerçekleştiğini anlamaya çalışırız. Bir iş yerinde verimlilik neden düşer, bir insan neden belirli bir kararı alır, bir hastalık hangi koşullarda ortaya çıkar ya da bir ilişkide yaşanan sorunların arkasında ne vardır? Bu soruların hepsi bizi aynı noktaya götürür: Bir olayın ortaya çıkmasına hangi etkenler neden olur ve bu etkenlerle sonuç arasında gerçekten bir bağlantı var mıdır?
Sebebe bağlılık kavramı, tam da bu noktada önem kazanır. Çünkü bir olayın başka bir olayla birlikte görülmesi, ilk olayın ikinci olaya neden olduğu anlamına gelmez. Örneğin yaz aylarında dondurma satışları artarken boğulma vakalarının da artması, dondurma yemenin boğulmaya yol açtığını göstermez. Her iki olayın da yaz mevsiminde artması, aralarındaki görünür ilişkinin arkasında başka bir etkenin bulunabileceğini düşündürür.
Bu yazıda sebebe bağlılığı bilimsel araştırmalardan günlük yaşama, psikolojiden ekonomiye ve insan ilişkilerinden iş hayatına kadar farklı açılardan ele alacağız. Amacımız yalnızca bir kavramı tanımlamak değil, karşılaştığımız olayları daha doğru yorumlayabilmek ve gördüğümüz her bağlantıyı hemen neden-sonuç ilişkisi olarak kabul etmemeyi öğrenmek.
[ B ]1. SEBEBE BAĞLILIK NEDİR?
Sebebe bağlılık, en genel anlamıyla bir olayın, durumun veya sonucun ortaya çıkmasında belirli bir etkenin rol oynamasıdır. Bilimsel terminolojide bu konu çoğunlukla nedensellik veya neden-sonuç ilişkisi kavramlarıyla ifade edilir.
Nedensellik ilişkisinde bir etken, başka bir olayın gerçekleşme olasılığını etkiler. Ancak bu etkinin mutlaka tek başına ve her koşulda ortaya çıkması gerekmez. Bazı sonuçlar birden fazla nedenin bir araya gelmesiyle meydana gelir.
Örneğin bir öğrencinin sınavdan düşük not almasını ele alalım. İlk bakışta öğrencinin yeterince çalışmadığı düşünülebilir. Fakat gerçekte sınav sonucu; çalışma süresi, kullanılan öğrenme yöntemi, uyku düzeni, sınav kaygısı, önceki bilgi birikimi ve sınavın zorluk düzeyi gibi birçok etkene bağlı olabilir.
Burada önemli bir ayrım vardır: Bir etkenin sonuçla ilişkili olması, o sonucu tek başına açıkladığı anlamına gelmez. Öğrencinin az çalışması etkili olmuş olabilir ama bütün sorumluluğu bu etkene yüklemek, olayın diğer boyutlarını gözden kaçırmak anlamına gelir.
ABD Ulusal Tıp Kütüphanesi bünyesindeki NCBI'de yayımlanan Principles of Causation başlıklı kaynakta nedensellik, başlangıçtaki bir etkenin daha sonra ortaya çıkan bir sonucun gerçekleşme olasılığını etkilemesi çerçevesinde açıklanır. Kaynak, nedensel çıkarım yaparken alternatif açıklamaların, bilimsel bilginin ve istatistiksel değerlendirmelerin dikkate alınması gerektiğini vurgular. NCBI Bookshelf
Bana göre bu tanımın günlük yaşamdaki en önemli karşılığı şudur: Bir sorunun nedenini anlamak istiyorsak yalnızca görünen sonuca değil, o sonucu hazırlayan koşullara da bakmalıyız.
[ B ]2. KORELASYON İLE NEDENSELLİK ARASINDAKİ FARK
Sebebe bağlılığı doğru anlamanın ilk adımı, korelasyon ile nedenselliği birbirinden ayırmaktır.
Korelasyon, iki değişkenin birlikte değişmesi veya istatistiksel olarak ilişkili görünmesidir. Nedensellik ise bir değişkendeki değişimin diğer değişken üzerinde gerçekten etkili olup olmadığını sorgular.
Bu iki kavram arasındaki fark, özellikle sosyal medyada, haberlerde ve günlük tartışmalarda sık sık gözden kaçar.
Örneğin bir şehirde hem araç sayısının hem trafik kazalarının arttığını düşünelim. Bu veriler, araç sayısıyla kaza sayısının ilişkili olabileceğini gösterir. Ancak yalnızca bu iki rakama bakarak her yeni aracın doğrudan kaza sayısını artırdığı sonucuna varamayız. Nüfus artışı, yol uzunluğu, sürücü davranışları, trafik yoğunluğu ve denetim düzeyi gibi başka etkenler de incelenmelidir.
Benzer bir durum eğitim alanında da görülür. Kitap okuyan öğrencilerin daha yüksek sınav puanları aldığını gösteren bir araştırma, kitap okumanın başarıya katkıda bulunabileceğini düşündürür. Ancak ailelerin eğitim düzeyi, öğrencilerin ekonomik koşulları, okula erişim imkânları ve başlangıçtaki akademik farklılıklar da sonucu etkileyebilir.
Peki, bu ayrım neden önemli?
Çünkü bir bağlantıyı yanlış yorumladığımızda yanlış çözüm yollarına yönelebiliriz. Bir şirket satışların düştüğünü fark edip bütün sorumluluğu fiyatlara yüklerse ürün kalitesi, müşteri deneyimi, dağıtım sorunları veya rakiplerin stratejileri gibi önemli etkenleri kaçırabilir.
Nedensellik araştırmalarında bu tür alternatif açıklamalar, karıştırıcı değişkenler olarak ele alınabilir. Bunlar hem incelenen etkenle hem de sonuçla ilişkili olduklarında, gözlenen bağlantının yanlış yorumlanmasına yol açabilir.
Dolayısıyla temel soru yalnızca “Bu iki şey birlikte mi değişiyor?” değildir. Asıl soru şudur: “Diğer önemli koşulları da dikkate aldığımızda, bu etken gerçekten sonuç üzerinde bir değişiklik meydana getiriyor mu?”
3. SEBEP-SONUÇ İLİŞKİSİNİ AÇIKLAMAK İÇİN KULLANILAN BİLİMSEL YAKLAŞIMLAR
Bir olayın neden meydana geldiğini anlamak için bilim insanları tek bir ölçüte dayanmaz. Araştırmanın konusu, mevcut veriler ve alternatif açıklamalar birlikte değerlendirilir. Bu noktada epidemiyoloji alanında önemli bir yere sahip olan İngiliz istatistikçi ve epidemiyolog Austin Bradford Hill'in 1965 yılında ortaya koyduğu yaklaşım dikkat çeker.
Hill, bir etkenle sonuç arasındaki ilişkinin nedensel olup olmadığını değerlendirirken dikkate alınabilecek dokuz bakış açısını ele almıştır. Bunlar ilişkinin gücü, farklı araştırmalarda tutarlılık, özgüllük, zamansal sıra, biyolojik gradyan, makul bir mekanizmanın bulunması, mevcut bilgilerle uyum, deneysel kanıt ve benzer ilişkilerle analojidir.
Burada önemli bir ayrıntı var: Bu dokuz unsur, her durumda eksiksiz karşılanması gereken katı bir kontrol listesi değildir. Hiçbir unsur tek başına nedenselliği kesin olarak kanıtlamaz. Amaç, farklı kanıtları bir arada değerlendirerek daha sağlam bir sonuca ulaşmaktır. ABD Hastalık Kontrol ve Önleme Merkezlerinin (CDC) 8 Ağustos 2024 tarihli Field Epidemiology Manual kaynağı da bu yaklaşımın salgın araştırmalarında nedenleri değerlendirmek ve müdahaleleri planlamak için kullanılabileceğini açıklar. CDC+1
Bu bakış açısını daha anlaşılır kılmak için temel unsurları inceleyelim.
Zamansal sıra: Bir neden, ortaya çıkmasına yol açtığı sonuçtan önce gelmelidir. Örneğin bir çalışan iş yükü arttıktan sonra tükenmişlik belirtileri yaşamaya başladıysa iş yükü olası bir etkendir. Ancak bu tek başına kanıt değildir; belirtiler daha önceden başlamış da olabilir.
İlişkinin gücü: Bir etkenle sonuç arasındaki ilişkinin büyüklüğü, nedensellik değerlendirmesine katkıda bulunabilir. Fakat güçlü bir istatistiksel ilişki bile başka açıklamaların incelenmesi gereğini ortadan kaldırmaz.
Doz-tepki ilişkisi: Bazı durumlarda bir etkene maruz kalma düzeyi yükseldikçe sonuç üzerindeki etki de artabilir. Örneğin daha uzun süre gürültüye maruz kalmak, işitme sağlığı açısından daha büyük risk yaratabilir. Bununla birlikte her nedensel ilişkide böyle bir örüntü bulunması zorunlu değildir.
Deneysel kanıt: Bir etken kontrollü biçimde değiştirildiğinde sonuçta da beklenen değişimin görülmesi, nedensellik lehine önemli kanıt sağlayabilir. Ancak deneylerin etik, güvenlik ve uygulanabilirlik sınırları vardır.
Alternatif açıklamalar: Bir sonucun başka hangi etkenlerle ortaya çıkabileceğini araştırmak gerekir. Bu adım, aceleci kararların önüne geçmek açısından özellikle önemlidir.
2021 yılında International Journal of Epidemiology dergisinde yayımlanan nedensellik değerlendirmesi çalışması, Bradford Hill'in yaklaşımını modern nedensel çıkarım yöntemleriyle karşılaştırmıştır. Araştırmacılar, özellikle zamanlama, karıştırıcı etkenlerin değerlendirilmesi, makul mekanizmalar ve deneysel bulguların önemini vurgulamıştır. PMC
Buradan çıkarılabilecek önemli sonuç şudur: Bir iddianın ikna edici görünmesiyle bilimsel olarak güçlü biçimde desteklenmesi aynı şey değildir. Sağlam bir değerlendirme, yalnızca iddiayı doğrulayan verileri değil, ona karşı çıkabilecek açıklamaları da dikkate alır.
4. GERÇEK DÜNYADAN BİR ÖRNEK: SİGARA VE AKCİĞER KANSERİ
Nedenselliğin bilimsel olarak nasıl değerlendirilebildiğini anlamak için sigara ile akciğer kanseri arasındaki ilişki önemli bir örnektir.
Geçmişte akciğer kanseri ile sigara kullanımı arasında gözlenen bağlantının neden-sonuç ilişkisi olup olmadığı tartışılmıştır. Ancak zaman içinde farklı araştırmalardan elde edilen bulgular, ilişkinin gücü, tutarlılığı, biyolojik mekanizmalar ve diğer kanıtlar birlikte değerlendirildiğinde sigara kullanımının akciğer kanserine neden olduğu sonucunu güçlü biçimde desteklemiştir.