مثل یک دانشمند فکر کنید؛ روش علمی، سوگیری‌ها و صداقت پژوهشی در دکتری
بسیاری از مشکلات جدی پژوهش‌های دکتری از نبودِ دانش تخصصی نمی‌آید، بلکه از لغزش‌های ظریف در شیوه فکر کردن. این فصل عادت ذهنی یک پژوهشگر دقیق را مرور میکند: از ساختن فرضیه ابطال‌پذیر تا جدی گرفتن دادههای ناخوشایند.
تا وقتی به دکتری می‌رسید، احتمالاً بارها با «روش علمی» روبه‌رو شده‌اید؛ از کلاس‌های دبیرستان تا درس روش تحقیق کارشناسی ارشد. شاید فکر کنید این موضوع تکراری است و چیزی برای گفتن ندارد. اما تجربه نشان میدهد بسیاری از مشکلات جدی پژوهش‌های دکتری، از دادههایی که «با فرضیه نمیخوانند» تا نتیجه‌گیری‌هایی که داوران رد می‌کنند، نه از نبودِ دانش تخصصی، بلکه از لغزش‌های ظریف در شیوه فکر کردن می‌آید.
«مثل یک دانشمند فکر کردن» یعنی چیزی فراتر از دانستن مراحل روش علمی. یعنی عادتی ذهنی که با شک سازنده به ادعاها نگاه میکند، دادههای ناخوشایند را جدی می‌گیرد، میان آنچه می‌دانیم و آنچه حدس می‌زنیم مرز می‌کشد و از خودش هم همان‌قدر سؤال می‌پرسد که از دیگران. این فصل از دوره زندگی در دوران دکتری این عادت ذهنی را مرور میکند؛ از اصول پایه تا خطاهای رایجی که حتی پژوهشگران باتجربه هم در آنها می‌افتند.
یک نکته پیش از شروع: مثال‌های این فصل بیشتر از علوم تجربی آمده‌اند، اما اگر در علوم انسانی، اجتماعی یا رشته‌های کیفی کار میکنید، این فصل همچنان برای شماست. شکل روش‌ها در رشته‌ها فرق میکند، اما صداقت با داده، آگاهی از سوگیری‌ها و تمایز میان ادعا و شواهد، در همه پژوهش‌ها مشترک است.
یک پژوهشگر واقعاً چه کار میکند؟
در این سال‌ها احتمالاً دوستان و اعضای خانواده با نیت خوب از شما پرسیده‌اند: «حالا دقیقاً چه کار می‌کنی؟» یا «درباره پژوهشت برایم بگو». بسته به اینکه این سؤال چطور پرسیده شود و شما چطور جواب بدهید، ممکن است یک گفت‌وگوی جذاب شکل بگیرد یا نگاه‌های خالی و تغییر سریع موضوع. خیلی از دانشجویان دکتری برای این سؤال ساده جواب آماده ندارند و همین گاهی حس عجیبی ایجاد میکند: «اگر نمی‌توانم ساده توضیح دهم، شاید خودم هم درست نمی‌دانم چه کار می‌کنم.»
شاید ساده‌ترین و دقیق‌ترین پاسخ این باشد: پژوهشگران جهان اطرافشان را مشاهده و اندازه‌گیری می‌کنند. بر اساس این مشاهده‌ها داده جمع می‌کنند و وقتی فکر می‌کنند به اندازه کافی داده دارند، توضیحی برای آنچه دیده‌اند پیشنهاد می‌دهند. بعد این توضیح را می‌آزمایند تا ببینند درست است یا نه. فرقی نمی‌کند پژوهشگر شیمی‌دان باشد، جامعه‌شناس، زبان‌شناس یا اقتصاددان؛ همه تلاش می‌کنند بخشی از یک پدیده پیچیده را بفهمند، و برای این کار آن را به اجزای ساده‌تر تقسیم می‌کنند.
سه جمله بنویسید که یک نوجوان باهوش بفهمد: (۱) چه مسئله‌ای در دنیا وجود دارد؟ (۲) شما دقیقاً کدام بخش آن را بررسی میکنید؟ (۳) اگر موفق شوید، چه چیزی بهتر میشود یا بهتر فهمیده میشود؟ این تمرین فقط برای مهمانی‌های خانوادگی نیست؛ همین سه جمله ستون فقرات مقدمه مقاله، چکیده رساله و ارائه در کنفرانس است.
چهار گام روش علمی
روش علمی را معمولاً در چهار گام خلاصه می‌کنند. این گام‌ها را می‌شناسید، اما ارزش دارد هرکدام را با نگاه یک دانشجوی دکتری دوباره ببینیم؛ چون جزئیات هر گام همان جایی است که پژوهش خوب از پژوهش ضعیف جدا میشود.
۱. مشاهده
همه‌چیز با دیدن چیزی شروع میشود که توجه ما را جلب میکند: یک الگو، یک ناهنجاری، یک پرسش بی‌پاسخ در ادبیات. مشاهده خوب دقیق است و ثبت میشود؛ همان چیزی که در فصل دوم درباره دفترچه پژوهش گفتیم. اما مشاهده هیچ‌وقت کاملاً «خالص» نیست. آنچه می‌بینیم تحت تأثیر آن چیزی است که انتظار داریم ببینیم. پژوهشگر خوب این را می‌داند و سعی میکند به چیزهایی هم توجه کند که در انتظارش نبود.
۲. ساختن فرضیه
فرضیه، توضیحی پیشنهادی برای مشاهده است که میشود آزمودش. ویژگی کلیدی فرضیه علمی این است که ابطال‌پذیر باشد؛ یعنی بشود تصور کرد چه نتیجه‌ای نشان میدهد غلط است. «این دارو روی برخی افراد در برخی شرایط اثر دارد» تقریباً با هر نتیجه‌ای سازگار است و برای همین فرضیه خوبی نیست. «این دارو فشار خون سیستولیک را در بیماران گروه الف بیش از دارونما کاهش میدهد» مشخص است و میشود نشان داد غلط است.
یک عادت مفید: برای هر مشاهده، دست‌کم دو یا سه فرضیه رقیب بنویسید. وقتی فقط یک توضیح در ذهن دارید، ناخودآگاه دنبال شواهد تأییدکننده آن می‌گردید. وجود فرضیه‌های رقیب شما را وادار میکند آزمایش‌هایی طراحی کنید که میان آنها تمایز بگذارد؛ موضوعی که در فصل بعد درباره طراحی پژوهش به آن می‌پردازیم.
۳. آزمودن فرضیه
آزمون یعنی جمع کردن شواهدی که بتواند فرضیه را تقویت یا تضعیف کند؛ با آزمایش، مشاهده نظاممند، پیمایش، مصاحبه، تحلیل دادههای موجود یا هر روش مناسب دیگر. نکته ظریف اینجاست: هیچ آزمونی فرضیه را برای همیشه «اثبات» نمی‌کند. نتیجه‌ای که با فرضیه سازگار است، آن را تقویت میکند؛ اما ممکن است توضیح دیگری هم با همان نتیجه سازگار باشد. در مقابل، یک نتیجه ناسازگار و قابل‌اعتماد می‌تواند جدی‌ترین ضربه را به فرضیه بزند. برای همین است که پژوهشگران دقیق ترجیح می‌دهند بگویند «شواهد از این فرضیه پشتیبانی میکند» تا «فرضیه اثبات شد».
۴. تدوین نظریه
وقتی فرضیه‌ای بارها و با روش‌های مختلف آزموده شد و از پس این آزمون‌ها برآمد، ممکن است بخشی از یک نظریه شود؛ چارچوبی که هم مشاهدههای موجود را توضیح میدهد و هم مشاهدههای تازه را پیشبینی میکند. نظریه پایان راه نیست. پیش‌بینی‌هایش مشاهدههای تازه می‌سازند، و اگر روزی شواهدی محکم با آن ناسازگار باشد، نظریه اصلاح یا جایگزین میشود. این توانایی خوداصلاحی، قدرت اصلی علم است.
سه خطای رایج در به کار بستن روش علمی
روش علمی اگر درست اجرا شود، تصویری دقیق و قابل‌اعتماد از جهان میدهد. اما «اگر درست اجرا شود» شرط مهمی است. شاید در مقطعی از تحصیل یا کار، با پژوهشی روبه‌رو شده باشید که روش علمی را بهطور ناقص یا نادرست به کار برده بود. سه خطای زیر رایج‌ترین‌ها هستند و شناختن‌شان بهترین راه پرهیز از آن‌هاست.
خطای ۱: فرضیه را با توضیح اشتباه گرفتن، بدون آزمون
شاید بنیادی‌ترین اشتباه این باشد که پژوهشگر فرضیه را به‌عنوان توضیح قطعی یک پدیده بپذیرد، بی‌آنکه آن را آزموده باشد. گاهی آنچه به نظر «عقل سلیم»، «منطقی» یا «شهودی» می‌رسد، آن‌قدر بدیهی جلوه میکند که به ذهن‌مان نمی‌رسد باید آزموده شود. تاریخ علم پر از توضیحات بدیهی است که با اولین آزمون جدی فرو ریختند.
این خطا در پژوهش‌های دکتری معمولاً به شکل ظریف‌تری ظاهر میشود: در بخش بحث مقاله، پژوهشگر یک سازوکار را برای توضیح نتایجش پیشنهاد میدهد و چند پاراگراف بعد، طوری از آن حرف می‌زند که انگار ثابت شده است. یا در مرور ادبیات، فرضیه‌ای که یک پژوهش قبلی پیشنهاد داده بود، به‌عنوان «یافته» نقل میشود. مراقبت ساده است: هر بار که ادعایی می‌نویسید، از خودتان بپرسید «این را آزموده‌ام یا فقط پیشنهاد می‌دهم؟» و زبان‌تان را با پاسخ هماهنگ کنید.
خطای ۲: کماهمیت جلوه دادن دادههایی که با فرضیه نمیخوانند
اشتباه رایج دیگر، نادیده گرفتن یا کماهمیت جلوه دادن دادههایی است که از فرضیه پشتیبانی نمی‌کنند. در حالت ایده‌آل، پژوهشگر واقعاً آماده است که فرضیه‌اش درست یا غلط از آب درآید. اما در عمل، وقتی ماه‌ها روی یک ایده کار کردهاید، وقتی استاد راهنما به آن امیدوار است و وقتی مقاله و دفاع به آن گره خورده، ذهن بهطور طبیعی به سمت «توجیه» دادههای ناسازگار می‌رود: «حتماً این نمونه آلوده بود»، «این شرکت‌کننده سؤال را نفهمیده»، «این اجرا روز بدی بود».
گاهی این توجیه‌ها درست‌اند؛ واقعاً نمونه آلوده بوده است. مشکل وقتی است که فقط دادههای ناسازگار را با این دقت بررسی می‌کنیم و دادههای سازگار را بی‌چون‌وچرا می‌پذیریم. این عدم تقارن، همان سوگیری تأیید است. یک قاعده محافظ: معیارهای حذف داده را پیش از دیدن نتایج تعیین کنید و آنها را یکسان روی همه داده‌ها اعمال کنید. هر داده‌ای را که حذف میکنید، با دلیلش در دفترچه پژوهش ثبت کنید و در گزارش نهایی شفاف بگویید.
خطای ۳: بزرگ یا کوچک شمردن خطاهای سیستماتیک
خطای سیستماتیک خطایی است که همه اندازهگیریها را به یک سمت منحرف میکند؛ مثل ترازویی که همیشه کمی بیشتر نشان میدهد یا پرسشنامه‌ای که پاسخ‌دهنده‌ها را به سمت یک جواب خاص هل میدهد. این خطا هم می‌تواند دست‌کم گرفته شود و هم بیش از حد جدی گرفته شود، و هر دو حالت مشکل‌ساز است.
اگر آن را دست‌کم بگیرید، ممکن است اثری را «کشف» کنید که در واقع محصول ابزار یا روش شماست. اگر بیش از حد جدی‌اش بگیرید، ممکن است یک پدیده واقعی و تازه را به حساب خطای ابزار بگذارید و از کنارش بگذرید. در تاریخ علم، کم نیستند مواردی که پژوهشگری داده‌هایش به پدیده‌ای تازه اشاره می‌کرد، اما آن را خطا فرض کرد و دیگری بعدها همان پدیده را کشف کرد. تعادل در اینجا با یک کار به دست می‌آید: منابع احتمالی خطای سیستماتیک را صریح فهرست کنید و برای هرکدام، آزمونی طراحی کنید که نشان دهد چقدر اثر دارد.
چطور سوگیری را کم کنیم؟
هیچ پژوهشگری کاملاً بی‌طرف نیست. هدف، رسیدن به بی‌طرفی مطلق نیست که ناممکن است؛ هدف ساختن سازوکارهایی است که سوگیری‌های ما را مهار کنند. مهم‌ترین این سازوکارها در سطح جامعه علمی، ارتباط باز است: انتشار نتایج، ارائه در کنفرانس‌ها و اجازه دادن به دیگران که کارمان را تکرار کنند. وقتی پژوهشگران دیگر سعی می‌کنند نتایج ما را بازتولید کنند، سوگیری‌ها و خطاها دیر یا زود آشکار می‌شوند.
در سطح فردی هم کارهایی میشود کرد:
- از پیش برنامه بریزید. فرضیه‌ها، روش تحلیل و معیارهای حذف داده را پیش از جمع‌آوری داده بنویسید. در برخی رشته‌ها این کار به شکل رسمی «ثبت پیشاپیش» انجام میشود.
- کورسازی کنید. اگر ممکن است، کسی که داده‌ها را می‌سنجد یا کدگذاری میکند، نداند هر نمونه به کدام گروه تعلق دارد.
- از دیگران بخواهید نقد کنند. در جلسه گروه، از هم‌گروهی‌ها بخواهید عمداً نقش «مخالف» را بازی کنند و دنبال توضیح‌های جایگزین بگردند.
- دادههای منفی را هم گزارش کنید. نتیجه‌ای که فرضیه را تأیید نکرد، هنوز اطلاعات است. پنهان کردنش تصویر علم را تحریف میکند.
- شفاف بنویسید. روش‌ها را آن‌قدر دقیق شرح دهید که کس دیگری بتواند کارتان را تکرار کند.
واقعیت، نظریه، فرضیه: چه فرقی دارند؟
این سه واژه در زبان روزمره گاهی جای هم به کار می‌روند. کسی می‌گوید «این فقط یک نظریه است» و منظورش «یک حدس بی‌پایه» است. اما برای پژوهشگر، هرکدام معنای دقیق و متفاوتی دارد و قاطی کردنشان در نوشته‌های علمی، اعتبار متن را پایین می‌آورد.
| اصطلاح | تعریف | مثال | جایگاه در نوشته علمی |
|---|---|---|---|
| واقعیت | چیزی که با مشاهدههای مکرر و قابل‌اعتماد به‌درستی شناخته شده است. | آب در فشار استاندارد در ۱۰۰ درجه سانتی‌گراد می‌جوشد. | بدون نیاز به استدلال گسترده بیان میشود، اما معمولاً با ارجاع. |
| نظریه | چارچوبی مفهومی که مشاهدههای موجود را توضیح میدهد و مشاهدههای تازه را پیشبینی میکند و بارها آزموده شده است. | مسیر حرکت ظاهری خورشید در آسمان با نظریه گرانش و حرکت زمین توضیح داده میشود. | به‌عنوان پشتوانه و چارچوب تفسیر نتایج به کار می‌رود. |
| فرضیه | فرضی کاری که معمولاً پیش از آزمایش به شکل پیشبینی بیان میشود و باید آزموده شود. | «افزایش دما سرعت این واکنش را در بازه مورد مطالعه بیشتر میکند.» | با زبان احتمالی بیان میشود و نتایج آن را تقویت یا تضعیف می‌کنند. |
اگر یک فرضیه در برابر دادههای موجود و دادههای تازه دوام بیاورد، پژوهشگر ممکن است آن را در قالب یک نظریه صورت‌بندی کند. اما این مسیر معمولاً طولانی است و به کار بسیاری از پژوهشگران نیاز دارد، نه فقط یک رساله دکتری.
تمرین تعاملی: واقعیت، نظریه یا فرضیه؟
برای هر جمله، نوع آن را انتخاب کنید.
آیا روش علمی همیشه کاربرد دارد؟
یک انتقاد رایج به روش علمی این است که نمی‌تواند چیزی را که هنوز اثبات نشده در خود جای دهد. منتقدان می‌گویند بسیاری از چیزهایی که روزی ناممکن به نظر می‌رسیدند، مثل پرواز انسان، امروز بخشی از زندگی روزمره‌اند؛ پس شاید روش علمی بیش از حد محافظه‌کار است. اما این استدلال در واقع به نفع روش علمی است: پرواز ممکن شد، دقیقاً به این دلیل که کسانی فرضیه‌هایی ساختند، آزمودند، شکست خوردند، اصلاح کردند و دوباره آزمودند. روش علمی ایده‌های تازه را رد نمی‌کند؛ از آنها شواهد می‌خواهد.
با این حال، درست است که همه پرسش‌ها با یک الگوی واحد پاسخ داده نمی‌شوند. در بسیاری از رشته‌های علوم انسانی و اجتماعی، پژوهش کیفی با منطق متفاوتی کار میکند: به جای آزمودن فرضیه‌ای از پیش تعیین‌شده، هدف فهم عمیق معنا، تجربه یا فرایندی است که هنوز به‌خوبی شناخته نشده. پژوهش تاریخی، تحلیل متن، پژوهش اکتشافی و نظریه‌سازی از داده هم هرکدام قواعد خودشان را دارند. این‌ها «غیرعلمی» نیستند؛ شیوه‌های دیگری از تولید دانش نظام‌مند‌اند که همان ارزش‌های بنیادی را دارند: شفافیت روش، صداقت با داده، توجه به سوگیری پژوهشگر و قابل‌بررسی بودن استدلال. اگر در این حوزه‌ها کار میکنید، صفحه پژوهش کیفی و NVivo برای آشنایی با منطق این روش‌ها مفید است.
مهم این است که بدانید پژوهش شما بر کدام منطق استوار است و آن را آگاهانه و یکدست به کار ببرید. بسیاری از ایرادهای داوران به رساله‌ها از همین ناهماهنگی می‌آید: پژوهشی که دادههای کیفی جمع کرده اما زبان نتیجه‌گیری‌اش مثل یک آزمایش کنترل‌شده تعمیم‌دهنده است، یا برعکس.
صداقت پژوهشی: خط قرمزهایی که نباید رد شوند
فکر کردن مثل یک دانشمند فقط مهارت فنی نیست؛ تعهدی اخلاقی هم هست. فشار انتشار، مهلت‌های دفاع و انتظارات استاد گاهی وسوسه‌هایی ایجاد میکند که اگر از پیش مرزهایشان را روشن نکرده باشید، ممکن است آرام‌آرام به آنها نزدیک شوید.
- جعل داده: ساختن داده‌ای که وجود ندارد. هیچ توجیهی ندارد.
- تحریف داده: دست‌کاری داده‌ها، تصاویر یا روش‌ها طوری که نتایج متفاوت از واقعیت نشان داده شوند.
- سرقت علمی: استفاده از متن، ایده یا داده دیگران بدون ارجاع مناسب.
- دست‌کاری تحلیل تا رسیدن به نتیجه دلخواه: امتحان کردن تحلیل‌های مختلف و گزارش فقط آن‌هایی که نتیجه «معنادار» داده‌اند، بدون شفافیت درباره بقیه.
- گزارش گزینشی: پنهان کردن آزمایش‌ها یا مطالعاتی که نتیجه مورد انتظار را ندادند.
اگر از ابزارهای هوش مصنوعی در پژوهش استفاده میکنید، همان اصول صداقت درباره آنها هم صدق میکند: استفاده را شفاف گزارش کنید، ادعاهای تولیدشده را با منابع اصلی بررسی کنید و هیچ‌وقت ارجاعی را که خودتان ندیده‌اید نقل نکنید. صفحه کاربرد هوش مصنوعی در پژوهش درباره استفاده اخلاقی از این ابزارها بیشتر توضیح میدهد.
اگر احساس میکنید از شما انتظار می‌رود نتیجه‌ای خاص را «پیدا کنید»، این را با استاد راهنما یا یک منتور مورد اعتماد در میان بگذارید. نتیجه منفی صادقانه، همیشه بهتر از نتیجه مثبت مشکوک است؛ هم برای علم و هم برای آینده حرفه‌ای شما.
جعبه‌ابزار تفکر نقادانه برای هر روز
این پرسش‌ها را هم هنگام خواندن مقاله‌های دیگران از خودتان بپرسید و هم هنگام نوشتن مقاله‌های خودتان:
ادعا دقیقاً چیست؟
آیا ادعا مشخص و قابل‌آزمون است، یا آن‌قدر کلی است که با هر نتیجه‌ای جور درمی‌آید؟
شواهد چیست؟
چه داده‌ای از ادعا پشتیبانی میکند؟ چقدر است، چطور جمع شده و آیا کس دیگری هم آن را تکرار کرده؟
توضیح جایگزین چیست؟
آیا توضیح دیگری هم می‌تواند همین نتایج را بدهد؟ آیا آن توضیح بررسی و رد شده؟
چه چیزی نشان میدهد ادعا غلط است؟
اگر نمی‌توانید تصور کنید چه نتیجه‌ای ادعا را رد میکند، احتمالاً ادعا ابطال‌پذیر نیست.
نتیجه‌گیری با شواهد هم‌اندازه است؟
آیا مقاله از یک همبستگی، رابطه علّی نتیجه گرفته؟ از یک نمونه کوچک، تعمیم بزرگ داده؟
من چه انتظاری داشتم؟
آیا این نتیجه را راحت‌تر می‌پذیرم چون با باور من جور است؟ اگر برعکس بود، همین‌قدر راحت می‌پذیرفتم؟
همین پرسش‌ها هنگام نوشتن پیشینه پژوهش هم کمک می‌کنند که به جای خلاصه کردن مقاله‌ها، آنها را نقد و ترکیب کنید. راهنمای نوشتن پیشینه تحقیق این مهارت را بیشتر باز میکند.
مقاله‌ها را مثل یک دانشمند بخوانید
بخش بزرگی از زندگی دانشجوی دکتری صرف خواندن مقاله میشود. اما خواندن مقاله با خواندن رمان فرق دارد. اگر هر مقاله را از اول تا آخر و با یک سرعت بخوانید، هم وقت زیادی از دست می‌دهید و هم معمولاً نکته‌های کلیدی را از دست می‌دهید. بسیاری از پژوهشگران باتجربه مقاله را در سه دور می‌خوانند:
- دور اول، نگاه کلی (چند دقیقه): عنوان، چکیده، شکل‌ها و جدول‌ها و نتیجه‌گیری را بخوانید. بپرسید: این مقاله چه پرسشی را پاسخ میدهد و آیا به کار من مربوط است؟ بسیاری از مقاله‌ها همین‌جا کنار می‌روند و این اشکالی ندارد.
- دور دوم، فهم استدلال (حدود یک ساعت): مقدمه و بحث را با دقت بخوانید و روش را مرور کنید. سعی کنید استدلال اصلی را در دو سه جمله برای خودتان بنویسید. شکل‌ها را دقیق ببینید: محورها، واحدها، اندازه نمونه، میله‌های خطا.
- دور سوم، نقد عمیق (برای مقاله‌های کلیدی): فرض کنید داور این مقاله هستید. پرسش‌های جعبه‌ابزار تفکر نقادانه را یکی‌یکی بپرسید. اگر قرار بود این پژوهش را تکرار کنید، چه اطلاعاتی کم دارید؟ کدام نتیجه‌گیری از داده‌ها جلوتر رفته است؟
برای هر مقاله‌ای که به دور دوم یا سوم رسید، یادداشت کوتاهی در نرم‌افزار مدیریت منابع بنویسید: پرسش، روش، یافته اصلی، نقطه ضعف و ارتباط با کار شما. این یادداشت‌ها بعدها مواد خام پیشینه پژوهش و بخش بحث مقاله‌هایتان می‌شوند. در فصل جستوجو در ادبیات علمی سراغ پیدا کردن و مدیریت منابع هم می‌رویم.
سه سوءبرداشت رایج آماری
بخش زیادی از تفکر علمی در عمل به تفسیر درست اعداد برمی‌گردد. سه سوءبرداشت زیر در مقاله‌ها و رساله‌ها بسیار دیده میشود و داوران دقیق معمولاً سریع متوجه‌شان می‌شوند:
۱. همبستگی را با رابطه علّی یکی گرفتن
اینکه دو متغیر با هم تغییر می‌کنند، لزوماً به این معنا نیست که یکی علت دیگری است. ممکن است عامل سومی هر دو را تحت تأثیر قرار دهد، یا جهت رابطه برعکس باشد. در طرح‌های مشاهده‌ای و همبستگی، زبان‌تان را محتاط نگه دارید: «با … همراه بود» به جای «باعث … شد».
۲. «معنادار» را با «مهم» یکی گرفتن
معناداری آماری فقط می‌گوید بعید است نتیجه صرفاً حاصل تصادف باشد؛ چیزی درباره اندازه یا اهمیت عملی اثر نمی‌گوید. با نمونه بسیار بزرگ، اثری بسیار کوچک و بی‌اهمیت هم می‌تواند معنادار شود. همیشه کنار معناداری، اندازه اثر و بازه اطمینان را هم گزارش و تفسیر کنید.
۳. «غیرمعنادار» را به معنای «بی‌اثر» گرفتن
نبودِ تفاوت معنادار لزوماً به معنای نبودِ تفاوت نیست. شاید نمونه کوچک بوده، شاید اندازه‌گیری دقت کافی نداشته. نتیجه غیرمعنادار را میشود این‌طور گزارش کرد: «شواهد کافی برای وجود اثر پیدا نشد»، نه «ثابت شد اثری وجود ندارد».
اگر در انتخاب آزمون یا تفسیر نتایج تردید دارید، پیش از نوشتن با یک آمارشناس یا مشاور آماری صحبت کنید. صفحه تحلیل آماری با SPSS و R هم برای شروع مفید است.
داستان فرضی: نقطه‌ای که نباید حذف می‌شد
این داستان ساختگی است و برای روشن‌تر شدن مفاهیم این فصل نوشته شده است.
مهسا دانشجوی سال دوم دکتری بود و فرضیه‌اش این بود که یک ماده افزودنی، استحکام نمونه‌ها را افزایش میدهد. بیشتر نتایجش با فرضیه می‌خواند، به‌جز سه نمونه که نه‌تنها استحکام بیشتری نداشتند، بلکه ضعیف‌تر هم بودند. اولین واکنشش این بود که این سه را «نمونه‌های خراب» بداند و کنار بگذارد. استادش هم که منتظر مقاله بود، گفت: «احتمالاً مشکل از آماده‌سازی بوده.»
اما مهسا به دفترچه پژوهشش برگشت. دید هر سه نمونه در روزهایی ساخته شده بودند که رطوبت هوای آزمایشگاه بالا بود؛ چیزی که در حاشیه یادداشت‌هایش نوشته بود، بی‌آنکه آن روز اهمیتش را بداند. او یک فرضیه رقیب ساخت: شاید اثر افزودنی به رطوبت وابسته است. آزمایش کوچکی با کنترل رطوبت طراحی کرد. نتیجه روشن بود: در رطوبت پایین افزودنی استحکام را بالا می‌برد، اما در رطوبت بالا اثر معکوس داشت.
مقاله‌ای که در نهایت منتشر شد، بسیار جالب‌تر از مقاله اولیه بود؛ چون نه فقط یک اثر، بلکه شرایط آن را هم نشان می‌داد. اگر آن سه نقطه حذف شده بودند، یافته اصلی هرگز دیده نمی‌شد، و کسی که بعدها از آن افزودنی در محیط مرطوب استفاده می‌کرد، با نتیجه‌ای غیرمنتظره روبه‌رو می‌شد.
تفکر علمی در جلسه‌های گروه و با استاد راهنما
تفکر علمی فقط کاری فردی پشت میز نیست؛ در گفت‌وگو هم شکل می‌گیرد. جلسه‌های گروه و جلسه با استاد راهنما بهترین فرصت برای تمرین آن هستند، به شرطی که فضای جلسه اجازه دهد. چند پیشنهاد:
- داده را قبل از تفسیر نشان دهید. به جای اینکه بگویید «فرضیه تأیید شد»، اول داده خام را نشان دهید و بپرسید دیگران چه می‌بینند. گاهی کسی چیزی می‌بیند که شما به خاطر انتظارتان ندیده‌اید.
- عدم قطعیت را پنهان نکنید. گفتن «مطمئن نیستم این اثر واقعی باشد؛ این‌ها احتمال‌های دیگرند» نشانه ضعف نیست، نشانه پختگی علمی است.
- نقد را از شخص جدا کنید. وقتی کسی ایرادی به روش شما می‌گیرد، به ایده حمله کرده، نه به شما. و وقتی شما نقد میکنید، همین مرز را رعایت کنید.
- بپرسید «چه چیزی نظرت را عوض میکند؟» این پرسش ساده، بحث‌های بی‌پایان را به گفت‌وگوی سازنده درباره شواهد تبدیل میکند.
اگر فضای گروه شما چنین گفت‌وگوهایی را سخت میکند، در فصل هنر ارتباط مؤثر و فصل ارائه و جلسات گروهی راهکارهای بیشتری می‌بینیم.
جمع‌بندی: علم یعنی صداقت سازمان‌یافته
جدا از همه سوگیری‌ها و محدودیت‌ها، روش علمی بهترین رویکردی است که تا امروز برای پاسخ دقیق به پرسش‌ها درباره جهان پیدا کرده‌ایم. اگر روش علمی و خوداصلاحی آن نبود، شاید هنوز بسیاری از باورهای نادرست گذشته را بدیهی می‌دانستیم. فکر کردن مثل یک دانشمند یعنی مشاهده دقیق، ساختن فرضیه‌های ابطال‌پذیر و رقیب، آزمودن صادقانه، جدی گرفتن دادههای ناخوشایند، تمایز روشن میان واقعیت و نظریه و فرضیه، و وفاداری به اصول صداقت پژوهشی. این عادت ذهنی، شاید ماندگارترین چیزی باشد که از دوره دکتری با خود می‌برید؛ چه در دانشگاه بمانید و چه نه.
چک‌لیست تفکر علمی
فکر علمی، پایه هر پژوهش خوب است
این فصل بخشی از دوره زندگی در دوران دکتری با دکتر سعید جوی‌زاده است؛ ۲۵ فصل از انتخاب گروه تا دفاع و بعد از آن.
سوالات متداول درباره تفکر علمی در دوره دکتری
فرق فرضیه و نظریه چیست؟
فرضیه فرضی کاری و پیشبینیای است که باید آزموده شود. نظریه چارچوبی مفهومی است که بارها آزموده شده، مشاهدههای موجود را توضیح میدهد و مشاهدههای تازه را پیشبینی میکند.
با دادههایی که با فرضیهام نمیخوانند چه کنم؟
آنها را با همان دقتی بررسی کنید که دادههای سازگار را بررسی میکنید. فقط بر اساس معیارهایی که از پیش تعیین کردهاید داده حذف کنید، دلیل حذف را ثبت کنید و احتمال وجود یک توضیح تازه را جدی بگیرید.
سوگیری تأیید در پژوهش چیست؟
تمایل به جستوجو، تفسیر و به خاطر سپردن اطلاعاتی که باور قبلی ما را تأیید میکند و کماهمیت جلوه دادن اطلاعات مخالف. برنامهریزی پیشاپیش تحلیل، کورسازی و نقد گرفتن از دیگران راههای کاهش آن هستند.
آیا پژوهش کیفی هم علمی است؟
پژوهش کیفی با منطقی متفاوت از آزمون فرضیه کار میکند، اما وقتی شفافیت روش، صداقت با داده و توجه به سوگیری پژوهشگر را رعایت کند، شکلی معتبر از تولید دانش نظاممند است.
خطای سیستماتیک با خطای تصادفی چه فرقی دارد؟
خطای تصادفی اندازهگیریها را بهطور نامنظم به اطراف مقدار واقعی پخش میکند و با تکرار آشکار میشود. خطای سیستماتیک همه اندازهگیریها را به یک سمت منحرف میکند و چون نتایج تکرارپذیر به نظر میرسند، تشخیصش سختتر است.
منبع الهام ساختار موضوعی: Gosling, P. & Noordam, B. Mastering Your PhD, Springer. متن این صفحه بازنویسی و شرح آموزشی است.