A jó tudománykommunikáció nem leegyszerűsít, hanem közelebb hoz: példákkal, önreflexióval és kritikai gondolkodással.
A matematika sokak fejében még mindig a távoli absztrakció, a száraz képletek és a gyorsan elvesztett fonal világa. Keszthelyi Gabriella matematikus szerint azonban éppen ott lehet megnyitni ezt a zárt ajtót, ahol a legtöbben nem is számítanak rá: a hétköznapi döntések, a félreértések, az érzelmek és a valószínűségek területén. A radiocafé Creative survivor című műsorában Oláh Andreával arról beszélgetett, miért nem elég, ha a tudomány igaz, azt is meg kell tanulni, hogyan lehet érthetően és hitelesen eljuttatni az emberekhez.
A matematika célja
Keszthelyi Gabriella tapasztalata szerint a tudományos ismeretterjesztés egyik kulcsa az, hogy nem az általános felől kell indulni a konkrét felé, hanem fordítva. A matematikában ez különösen nehéz, mert a szakma logikája sokszor az absztrakciót részesíti előnyben: előbb jön a tétel, aztán a példa. Az emberi gondolkodás viszont nem így működik.
Szerinte éppen ezért működnek jól azok az előadások és szövegek, amelyek ismerős helyzetekből indulnak ki. Ha a közönség magára ismer egy problémában, könnyebben elfogadja, hogy a matematika nem idegen nyelv, hanem a valóság leírásának egyik eszköze. Nem az a kérdés, hogy valaki használja-e majd a logaritmust a hétköznapokban, hanem az, hogy tud-e pontosabban gondolkodni a világról.
Ez a szemlélet köszön vissza Keszthelyi Milyen színű a valószínű? című könyvében is, amely a valószínűségszámítást nem tankönyvi fejezetként, hanem emberközeli tapasztalatként mutatja meg.
Közelebb vinni a tudományt a társadalomhoz
Keszthelyi nem gondolja, hogy minden kutatónak tudománykommunikátorrá kell válnia. Inkább azt tartja fontosnak, hogy minden területen legyen néhány ember, aki ezt szívesen és hitelesen csinálja. Lelkesedés nélkül ugyanis nem lehet valóban átadni a tudást.
Saját pályájáról is úgy beszél, mint egy fokozatos felismerésről: mindig tanítani szeretett, és egyre világosabb lett számára, hogy a szélesebb közönséghez szóló magyarázás tulajdonképpen a tanítás folytatása. Csak más a közeg, rövidebb a figyelem, erősebb a verseny a figyelemért, és még fontosabb a jó példa, a vizualitás és az előadásmód.
Ebben új helyzetet jelent számára, hogy a Magyar Tudományos Akadémia Könyvtár és Információs Központjának Tudománypolitikai és Tudományelemzési Osztályán dolgozik. Ahogy fogalmazott, korábban inkább szabadúszóként végezte ezt a munkát, most viszont intézményi háttér is van mögötte. Ez nemcsak több lehetőséget, hanem világosabb feladatot is jelent: a tudományt közelebb vinni a társadalomhoz.
A matematikusok sem mindig értik egymást
A beszélgetés egyik legérdekesebb pillanata az volt, amikor Keszthelyi arról beszélt: a tudománykommunikációra nemcsak a laikus közönség miatt van szükség. A matematika annyira specializálttá vált, hogy sokszor két matematikus sem feltétlenül érti egymás előadását, ha más területről érkeznek.
Ezért tartott kurzusokat doktoranduszoknak is: nem azért, hogy mindenki népszerűsítő videókat gyártson, hanem hogy a saját kutatását legalább a szakmán belül szélesebb körben érthetően tudja ismertetni. Ennek nagyon gyakorlatias oka is van. A kutatóknak pályázniuk kell, támogatást kell szerezniük, és meg kell tudniuk mutatni, miért fontos, amin dolgoznak.
Vagyis az érthető beszéd nem mellékes készség, hanem a tudományos működés egyik feltétele.
A kritikai gondolkodás nem luxus, hanem önvédelem
Keszthelyi könyvében és megszólalásaiban visszatérő téma a kognitív torzítások szerepe. Ezek azok a tipikus gondolkodási hibák, amelyek miatt nem egyszerűen tévedünk, hanem gyakran magabiztosan tévedünk.
A legismertebb ilyen torzítások közé tartozik a megerősítési torzítás, vagyis az, amikor főként azokat az információkat vesszük észre, amelyek alátámasztják az előzetes elképzeléseinket. Ugyanez működik az álhírek és az összeesküvés-elméletek világában is: az ember nem semleges adatfeldolgozó gép, hanem érzelmekkel, családi mintákkal, hiedelmekkel átszőtt lény.
Keszthelyi szerint ezért téves azt hinni, hogy a több tény önmagában automatikusan jobb tájékozódást is hoz. Ha valaki csak igazolást keres, a tényeket is ennek rendeli alá. Így nézve pedig a kritikai gondolkodás nem egyszerűen iskolai célkitűzés, hanem mentális önvédelem.
Ehhez pedig nemcsak matematika kell. Szerinte legalább ennyire fontos a szövegértés, a nyelvtani tudatosság és az érveléstechnika. Ha valaki már a nulladik lépésnél nem érti pontosan, mit olvas, onnan nagyon nehéz jól következtetni.
Miért hisszük mintázatnak azt, ami csak véletlen?
A valószínűségszámítás egyik nagy leckéje, hogy az intuíció gyakran félrevisz. Keszthelyi kedvenc példája a születésnap-paradoxon: meglepően kevés, mindössze 23 ember kell ahhoz, hogy 50 százalék fölé nőjön annak az esélye, hogy a társaságból ketten ugyanazon a napon születtek.
Az emberek többsége ezt jóval nagyobbra becsüli, mert hajlamos azt hinni, hogy a véletlen „egyenletesen oszlik el”. Pedig sokszor épp a csomósodás természetes, és az lenne különösen szokatlan, ha minden túl szabályos lenne.
Ugyanebbe a csapdába esik az is, aki utólag gyárt elméletet egy adathalmaz köré. Erre jó példa a texasi mesterlövész hiba: előbb megszületnek a találatok, aztán valaki odarajzolja köréjük a céltáblát. Vagyis nem valódi mintázatot fedez fel, csak jelentést tulajdonít valaminek, amihez eredetileg nem tartozott.
Új terepen kell józannak maradni
A beszélgetés másik fontos szála a mesterséges intelligencia volt. Keszthelyi szerint az AI már most is átalakítja a matematikai és tudományos munkát, de egyelőre inkább eszközként, nem helyettesítőként érdemes rá nézni. Olyan folyamatként írta le ezt, amelyben a kutató afféle karmesterként használ különböző rendszereket különböző részfeladatokra.
Közben azonban a laikus közegben ugyanez a technológia a megtévesztés eszköze is lehet. A hamis képek, videók és deepfake tartalmak korában két véglet fenyeget: vagy mindent elhiszünk, vagy semmit sem hiszünk el. A tudománykommunikáció és a kritikai gondolkodás feladata éppen az lenne, hogy segítsen kijönni ebből a zsákutcából.
A jó kérdés ma már nem csak az, hogy igaz-e valami, hanem az is, hogy milyen érzelmekre próbál hatni, milyen logikai lépésekkel dolgozik, és mi marad belőle, ha lehántjuk róla a meggyőzés technikáit.
A jövő nem csak könyvekben dől el
Keszthelyi szerint a legerősebb kommunikációs felület ma egyértelműen a social media és a videós tartalom. Miközben örömtelinek tartja, hogy egy könyv még ma is lehet komoly siker, azt is világosan látja, hogy a rövidebb, gondolatébresztő formátumoké a jövő.
Ez azonban nem jelentheti azt, hogy a tartalom háttérbe szorul a látvány mögött. Ahogy ő fogalmaz, nem elég, ha valami színes és figyelemfelkeltő: tartalom is kell mögé. Talán éppen ez a tudománykommunikáció egyik legnehezebb feladata ma: úgy alkalmazkodni a megváltozott figyelemhez, hogy közben ne veszítsük el a gondolat mélységét.
A matematika ebből a szempontból különösen jó terep. Egyszerre mutatja meg, mennyire szeretnénk rendet látni a világban, és mennyire könnyen becsap bennünket a saját agyunk. Ha ezt sikerül felismerni, a tudomány már nem távoli tekintély lesz, hanem használható segítség a hétköznapokban.
Ki kicsoda, mi micsoda?
- Keszthelyi Gabriella: matematikus, tudománykommunikációs szakember, a BME Matematika Intézetének adjunktusa és az MTA Könyvtár és Információs Központ munkatársa. A valószínűségszámítást közérthetően bemutató Milyen színű a valószínű? című könyv szerzője.
- MTA Könyvtár és Információs Központ: a Magyar Tudományos Akadémia intézménye, amely könyvtári, információs és tudománypolitikai feladatokat is ellát.
- Születésnap-paradoxon: klasszikus valószínűségszámítási példa, amely megmutatja, hogy meglepően kis csoportban is nagy az esély azonos születésnapokra. Jó példa arra, hogy az intuíció és a valószínűség gyakran nem ugyanarra az eredményre vezet.
- Megerősítési torzítás: olyan kognitív torzítás, amely miatt hajlamosak vagyunk főleg azokat az információkat észrevenni és elfogadni, amelyek az előzetes hitünket támasztják alá.
- Texasi mesterlövész-hiba: logikai-statisztikai tévedés, amikor valaki utólag jelöl ki mintázatot a már meglévő adatokban, majd azt bizonyítékként kezeli.
