A avaliação de uma ideia à luz da evidência disponível deveria ser uma atividade simples e óbvia, não é verdade? Ou existe acordo entre os resultados e as expetativas geradas por uma ideia (ou seja os resultados suportam a ideia) ou não (ou seja, rejeitam-na). Por vezes, este processo é relativamente simples (por exemplo, perfurações de um atol coralino ou revelam uma espessa camada de coral, ou apenas uma fina camada superficial). Mas frequentemente tal não é o caso. O mundo real é intrincado e complexo e, muitas vezes, interpretar a evidência associada a uma certa ideia está longe de ser uma tarefa fácil. Para complicar ainda mais a situação, torna-se frequentemente necessário pesar múltiplas linhas de evidência de modo a determinar a validade de uma dada ideia.

Os testes científicos geram tipicamente aquilo que os cientistas chamam de dados em bruto — observações, descrições ou medições inalteradas, tal como foram obtidas — as quais devem ser posteriormente analisadas e interpretadas. Os dados tornam-se evidência apenas depois de terem sido interpretados de modo a esclarecer o grau de rigor de uma ideia científica. Por exemplo, a investigação das relações evolucionárias entre crustáceos, insetos, diplópodes, araneídeos (aranhas) e os seus vizinhos taxonómicos, pode fornecer a sequência genética de um gene específico em cada um destes organismos. Estes são os dados em bruto mas, na realidade, o que é que eles nos dizem? As longas sequências de Ás, Tês, Gês e Cês que formam o ADN não podem, por si próprias, dizer-nos se os insetos se encontram mais próximos dos crustáceos ou dos araneídeos. Em vez disso, os dados têm que ser analisados através de cálculos estatísticos, o uso de tabelas e/ou representações gráficas. No presente caso, uma biologista poderá iniciar a análise da informação genética alinhando sequências diferentes, chamando a atenção para semelhanças e diferenças, e efetuando cálculos com o objetivo de quantificar o grau de similitude entre as diversas sequências. Apenas então poderá interpretar os resultados e descobrir se estes dão ou não suporte à hipótese de que os insetos se encontram geneticamente mais próximos dos crustáceos do que dos araneídeos. Além disso, o mesmo conjunto de dados pode ser interpretado de maneiras diversas. Consequentemente, um outro cientista poderia analisar os mesmos dados usando um método novo e chegar a uma conclusão diferente sobre a relação entre insetos, crustáceos e araneídeos. No fim, a comunidade científica acabará por chegar a um consenso acerca de como um conjunto de dados deve ser interpretado, mas este processo poderá levar algum tempo e normalmente envolve o uso de linhas de evidência adicionais.

		CALCULANDO CONFIANÇA Interpretar o resultado de um teste significa frequentemente que devemos lidar com incerteza e erro. "Mas espere um momento," — estará talvez pensando — "eu estava convencido que a ciência tinha por objetivo construir conhecimento e reduzir incerteza e erro." E tal é verdade. Contudo, quando os cientistas chegam a uma conclusão ou fazem um cálculo, frequentemente eles tentam dar uma indicação estatística da confiança que têm nos resultados. Na linguagem do dia a dia, incerteza e erro significam que uma resposta não é clara ou que algo foi feito de forma incorreta. Porém, quando os cientistas falam de incerteza e erro, normalmente estão a referir-se ao grau de confiança que eles têm num determinado valor. Por exemplo, dizer que a temperatura é de 37° C (com uma margem de incerteza de mais ou menos 0.2° C, na realidade significa que temos grande confiança de que a temperatura real se encontra entre 36.8 e 37.2° C. Visite o site Visionlearning (em Inglês) para saber mais sobre incerteza e erro.

		Os dados em bruto têm que ser analisados e interpretados antes de nos poderem dizer se uma ideia científica é correta ou não.

		Os resultados de um teste científico nem sempre são óbvios. Para descobrir como os cientistas podem interpretar dados de maneiras diversas, leia a história de Mario Molina e Sherwood Rowland, O buraco do ozono: os malefícios dos atomizadores, ou a história de Lynn Margulis, Células dentro de células: Uma hipótese extraordinária com evidência extraordinária.   Visite o site Visionlearning (em Inglês) para ver um exemplo de como a recolha, análise, e interpretação de dados foi efetuada durante os estudos iniciais do tempo e das mudanças climáticas.

		No mundo real, os resultados de um teste nem sempre são óbvios. Num grande número de casos, os resultados apenas parcialmente dão suporte — ou contradizem — uma determinada hipótese. Para saber mais sobre a forma como os cientistas lidam com resultados ambíguos, veja Resultados imperfeitos do mundo real.   Visite o site Visionlearning (em Inglês) para obter material avançado sobre a análise e interpretação de dados, o papel da estatística na análise de dados, e a importância da visualização dos dados.

		A interpretação de dados representados de forma gráfica, coloca frequentemente algumas dificuldades aos estudantes. Leve o tempo que for necessário quando, durante uma das suas lições, introduzir um novo tipo de gráfico ou representação visual complexa dos dados. Leve os seus estudantes passo por passo ao longo das diferentes partes da representação gráfica, e peça-lhes que expliquem o que é que cada uma das partes representa. No campo da ciência, a interpretação dos dados é um processo complexo e, frequentemente, é possível interpretar um conjunto de dados de várias maneiras. Pode encorajar os seus estudantes a explorar este aspeto do processo da ciência durante as aulas de laboratório, assim como através de atividades em que os alunos recolhem os seus próprios dados. Peça-lhes para fazerem listas de tantas explicações quantas forem possíveis para os resultados por eles obtidos — incluindo aspetos da forma como o teste foi planeado e executado que podem não ter funcionado do modo previsto. Pergunte aos seus estudantes como é que eles poderiam determinar se alguma destas explicações é mais provavelmente correta do que as outras.