Im Anbetracht der Debatte um #Geschlecht und die Perspektiv(ität) wissenschaftlichen Wissens angesichts der @HumboldtUni / #Vollbrecht Causa, hier eine kleine Buchempfehlung. 1/10 
Lorraine Daston und Peter Galison, beide Wissenschaftshistoriker*innen, erforschen die Entstehung des Objektivitäsbegriffs und dessen Evolution in den Naturwissenschaften (auch der Biologie) seit dem 18. Jahrhundert. 2/10
Sie zeigen, dass Wissenschaft niemals aus der menschlichen Perspektivität der Ordnungs- und Sinnzuschreibung rauskommen. Sie identifizieren dabei drei grundlegende Objektivitätsvorstellungen: Naturwahrheit, mechanische Objektivität und geschultes Urteil. 3/10
Die Naturwahrheit zeigt das Objektivitätsideal des 18. und der ersten Hälfte des 19. Jahrhunderts an. Beispielsweise in den Atlanten und Naturalmanachen der Zeit ging es darum das ideale vollkommene, das prototypische von Lebewesen zu zeigen. 4/10
Es sollte die Natur besser oder vollkommener als sie in der Natur selbst vorzufinden war dokumentiert werden. Perfekt symmetrische Quallen, Blätter, etc. galten als die reinste Objektivität. Alles ungenaue und undeutliche wurde als Makel ausgeschlossen. 5/10
Die nächste Objektivität kam mit der Kamera und dem Mikroskop. Dabei wurde die Idee laut, dass die Objektivität vom Menschen und seiner Beobachtung entkoppelt worden sei. Jedoch die erkenntnistheoretischen Einwände von Leuten wie Ludwick Fleck widerlegten diese Vorstellung. 6/10
Denn wie kann es sein, dass man im Mikroskop überhaupt etwas erkennt und Sinn daraus schöpft und es einordnen kann? Dieser Akt ist auch zutiefst menschlich und von sozialen, moralischen und anderen Faktoren überformt. 7/10
Seit Fleck gilt daher das “geschulte Urteil” als Objektivitätsform eine zentrale Rolle. Es geht darum anzuerkennen und als Wissenschaftler zu reflektieren, dass das was man sieht oder erkennt prädeterminiert durch die eigene Rolle und Erfahrung ist. 8/10
Ein geübter Onkologe kann so, durch Training, Erfahrung, und dem “Gefühl” für den Gegenstand aus den verschiedenen schwarzen Arealen auf dem Röntgenbild etwas signifikantes erkennen, bezeichnen und einordnen. Noch immer sogar besser als viele medizinische AI Lösungen. 9/10
Ein sehr lesenswertes Buch. Auch und gerade für angehende Naturwissenschaftler*innen und Mediziner*innen, welches dabei hilft die eigenen Erkenntnisgrundlagen zu kontextualisieren. 10/10
• • •
Missing some Tweet in this thread? You can try to
force a refresh
