Die Einführung des statistischen Signifikanztests durch Fisher (Fisher, 1926) markierte einen Wendepunkt in der empirischen Forschung, wobei sich der p-Wert (insbesondere \(p\hspace{0.17em}<\hspace{0.17em}\text{0,05}\) ) rasch zur dominierenden Entscheidungsgrundlage entwickelte. Mit der normativen Etablierung eines festen Schwellenwerts durch Neyman und Pearson wurde das ursprünglich als heuristisch gedachte Instrument schrittweise ritualisiert: Die Dichotomisierung von Ergebnissen in „signifikant“ oder „nicht signifikant“ führte zu einer Vereinfachung komplexer empirischer Sachverhalte und verdrängte die kontextuelle sowie inhaltliche Einordnung der Ergebnisse. Im Rahmen einiger methodenkritischer Debatten wird diese Praxis als Quelle für Missverständnisse und Fehlanreize identifiziert, etwa durch p-Hacking und Publikationsbias, die eine strukturelle Verzerrung des Forschungsstandes begünstigen. Das zentrale Defizit liegt darin, dass der p-Wert häufig falsch interpretiert und die Unsicherheit wissenschaftlicher Befunde ausgeblendet wird. So wird zum Beispiel durch die Replikationskrise aufgezeigt, dass signifikante Ergebnisse nicht zwangsläufig robuste Evidenz erzeugen. Es gibt verschiedene Reformvorschläge wie einen Verzicht auf strikte Signifikanzschwellen zugunsten eines multiperspektivischen Evidenzbegriffs, welcher Effektgrößen, Konfidenzintervalle und kontextbezogene Bewertung einbezieht. Bayesianische Ansätze erweitern die Methodik durch Einbeziehung von Vorwissen. Größer gedacht erscheint zudem eine strukturelle Veränderung von Anreizsystemen und die Intensivierung statistischer Ausbildung notwendig, um Unsicherheiten als Bestandteil wissenschaftlicher Praxis zu re-etablieren und so die Abkehr vom mechanischen Signifikanzritual zu vollziehen.