Perguntas e medições

A pergunta percorre este livro: o que o vácuo pode fazer e como mediríamos isso? O efeito Casimir, os experimentos de conversão de energia e os mecanismos de propulsão propostos fazem perguntas diferentes. Siga cada uma até seu aparelho, seu cálculo e sua fonte original.

Um experimento de propulsão precisa contabilizar o momento e a energia. Uma nave que não carrega propelente ainda precisa fechar as contas do seu momento e da sua energia: alguma coisa tem de levar embora o momento que a nave ganha, e alguma coisa tem de pagar o trabalho. A proposta deste livro não é que essas contas parem de fechar. É que o próprio vácuo é a outra parte nelas — e isso é uma afirmação que precisa ser medida, e não proclamada. A página do método (em inglês) registra como este site aplica essa disciplina.

Calibrar o seu julgamento

Dois hábitos pulam esse passo. Um aceita uma afirmação porque ela é empolgante. O outro rejeita uma afirmação porque ela é incômoda. Os dois decidem antes de olhar. Comece pelas observações e por como foram obtidas.

Leia a fonte e planeje o teste

Uma medição da força de Casimir descreve a resposta de um instrumento em condições específicas. Leia a geometria, a calibração e a incerteza antes de relacionar o resultado a outro dispositivo. A fusão por confinamento em rede da NASA, os modelos de vácuo superfluido e os experimentos de energia de ponto zero exigem a mesma atenção.

Uma patente de Pais (em inglês) registra uma invenção e seu funcionamento proposto. Para conhecer o comportamento de um dispositivo, procure as condições do teste e a saída medida. Uma pergunta útil é qual observação distinguiria o mecanismo proposto de outra explicação.

Experimente com um artigo: identifique a grandeza medida, o experimento de comparação e a incerteza informada. Depois descreva uma medição que outro laboratório possa repetir. Mantenha o artigo junto das anotações para que cada número continue ligado à sua fonte.

Nomear o próximo experimento

Para cada afirmação importante escrevemos com antecedência a medição que a moveria. Essa única linha transforma uma ideia em um programa de pesquisa. Ela diz para onde apontar o instrumento, e diz o que um resultado vai significar antes de você tê-lo.

O melhor trabalho desta área faz exatamente isso. Diz de antemão o que o moveria, e depois vai e mede. Vários grupos fizeram isso nesta temporada, e você os conhece no fim deste capítulo.

Quando linhas separadas concordam

A confiança cresce mais rápido quando correntes independentes chegam à mesma resposta. Uma patente, uma medição de bancada e uma previsão teórica que nunca souberam uma da outra são três pistas, e esse é o padrão que vale a pena caçar. Dez recontagens de uma mesma afirmação continuam sendo uma só afirmação. Por isso este livro sempre volta ao documento primário: o artigo, a patente, o arquivo publicado.

A regra de Bayes(1.1)

$$P(H\mid E) = \dfrac{P(E\mid H)\,P(H)}{P(E)}$$

Quando dois resultados contam como um

Aumente a incerteza compartilhada. As medições continuam sendo dois relatos, mas o erro combinado deixa de encolher como se fossem independentes.

Correlação de erro compartilhado ρ

0%

erros independenteserro totalmente compartilhado

Voltar à independência

O erro padrão relativo é 0,71σ, do erro de uma medição; 2,00 medições.

A regra de Bayes valoriza previsões específicas. Dois laboratórios podem acrescentar informação se os erros de suas medições forem independentes. Dez artigos sobre a mesma medição não criam dez experimentos. Compartilhar instrumentos, dados ou pressupostos também pode tornar dependentes resultados aparentemente separados.

Coloque o método em prática

Escolha uma previsão, identifique o instrumento e anote o resultado esperado antes do teste. Inclua a incerteza: uma diferença pequena pode corresponder à variação normal do instrumento. Registre o que aconteceu mesmo quando isso mudar sua explicação. Assim você acompanha a investigação desde uma ideia interessante até um experimento útil.

O que o campo acrescentou — julho a setembro de 2026

Dois meses de material novo deram a este capítulo prática fresca na parte do método que faz o trabalho de verdade: voltar ao registro primário antes de repetir qualquer coisa. Várias afirmações que chegaram nesta temporada como manchete se revelaram, quando inspecionadas, o anúncio de uma empresa, ou uma pré-publicação, ou uma entrevista — cada uma vale a leitura, e nenhuma é uma medição independente. Nomear qual delas você tem na mão não é ceticismo. É o primeiro passo do cálculo acima, porque é o que fixa P(E) com honestidade.

A temporada também mostrou como um bom investigador se atualiza. Equipes deste campo publicaram resultados que não sobreviveram aos próprios crivos, e revisaram em público. Revisar uma hipótese conforme os dados chegam não é fraqueza; é o método. E a própria história desclassificada do U-2 pela CIA — avistamentos que a agência sabia serem aeronaves e deixou passar como óvnis — é o lembrete documentado de que às vezes as instituições preferem uma história pública estranha a uma classificada, e é por isso que este capítulo pede documentos primários. Esta temporada trouxe vários. Detalhes no registro de pesquisa, e o próprio processo editorial está descrito na página do método (em inglês).

Fontes

Este é um capítulo de método; suas "fontes" são as ferramentas que ele toma emprestadas, todas canônicas.

Primárias / canônicas

• Bayes & Price (1763), "An Essay towards solving a Problem in the Doctrine of Chances," Phil. Trans. R. Soc. 53, 370. DOI 10.1098/rstl.1763.0053. Domínio público.
• K. Popper, The Logic of Scientific Discovery (ed. inglesa 1959) - a disciplina de dizer com antecedência o que faria você mudar de ideia.
• E. T. Jaynes, Probability Theory: The Logic of Science (CUP, 2003) - tratamento bayesiano moderno.

De onde veio a formulação da régua de evidência

• M. Truzzi (1978), "extraordinary claims require extraordinary proof," Zetetic Scholar 1 - a formulação moderna; C. Sagan, Cosmos (1980, ep. 12) a popularizou; a ideia de fundo é de Laplace.

Contar linhas independentes, de forma quantitativa (além do corpus de fontes)

• J. Ioannidis (2005), "Why Most Published Research Findings Are False," PLoS Med. 2(8):e124, acesso aberto em 10.1371/journal.pmed.0020124 - chances prévias x poder x viés; a aritmética por trás de "uma replicação independente é a unidade de evidência."
• "Risk and Scientific Reputation: Lessons from Cold Fusion," arXiv:2201.03776 - como uma grande afirmação energética é julgada, e como um campo volta atrás e a testa de novo (um exemplo prático recorrente no Cap. 12).

Onde tradições separadas concordam: as ferramentas acima vêm da teoria da probabilidade, da filosofia da ciência e da metaciência. Foram construídas para trabalhos diferentes e chegam à mesma disciplina - a convergência que este livro foi feito para procurar.