چندی پیش کتاب Autopoiesis And Cognition رو معرفی کردم که ایده Autopoiesis رو مطرح میکرد و توضیحاتی از نتایج این نگرش در سیستم های مختلف از جمله مغز میداد. متن کتاب کمی سخت هست و شاید برای افرادی که تجربه مطالعه کتاب های فلسفه و منطق نداشتن کمی دشوار باشه. از این جهت کتاب Self-producing Systems رو معرفی میکنم. این کتاب دو ویژگی داره: 1) سعی کرده مفهوم Self-producing systems رو که برگرفته از کتاب اورجینال اول هست مطرح کنه و توضیح بده و ویژگی های چنین سیستم رو ارائه کنه و 2) کارکرد چنین نگرشی رو در سیستم های مختلف از جمله مغز و شناخت ( به صورت کلی)، مشاهده و زبان، فلسفه و جامعه مطرح کنه. این کتاب شاید توصیفی روان تر باشه از کتابی که پیش تر معرفی کردم هر چند بسیاری از توضیحات کتاب اول از میان رفته و یا به صورت خلاصه مطرح شده. در نتیجه پیشنهاد میکنم این کتاب رو نخست مطالعه کنید و پس از درک اولیه به سراغ کتاب بالا و البته مقالات ماتورانا برید.
Self-Producing Systems: Implications and Applications of Autopoiesis (Contemporary Systems Thinking) 1995th Edition by John Mingers
#Book #neurosyntax
Neurosyntax
Self-Producing Systems: Implications and Applications of Autopoiesis (Contemporary Systems Thinking) 1995th Edition by John Mingers
#Book #neurosyntax
Neurosyntax
Pioneers of Idea of the Brain as a Digital Calculating Device, A Computer.
Alan Turing
Norbert Wiener
Cybernetics: Or Control and Communication in the Animal and the Machine AND The Human Use of Human Beings
Claude Shannon
A Mathematical Theory of Communication
Warren s. Mcculloch
A logical calculus of the ideas immanent in nervous activity
John von Neumann
The Computer and the Brain
Neurosyntax
Alan Turing
Norbert Wiener
Cybernetics: Or Control and Communication in the Animal and the Machine AND The Human Use of Human Beings
Claude Shannon
A Mathematical Theory of Communication
Warren s. Mcculloch
A logical calculus of the ideas immanent in nervous activity
John von Neumann
The Computer and the Brain
Neurosyntax
The Method of Multiple Working Hypotheses: With this method the dangers of parental affection for a favorite theory can be circumvented
یکی از بهترین متن هایی که مطالعه کردم در زمینه رویکرد پژوهشی
#article
یکی از بهترین متن هایی که مطالعه کردم در زمینه رویکرد پژوهشی
#article
میراث فرانسیس بیکن؟
تابحال درباره سرآغاز علم پرسش کردید؟ اینکه چه زمانی شروع شد و چرا شروع شد؟ چه مشاهداتی این انگیزه رو ایجاد کرد که ما روش علمی درست کنیم؟ تابحال درباره ماهیت علم پرسش کردید؟ اینکه اصلا چی علم هست؟ محدودیت های اون چی هستن؟
به عنوان پژوهشگر های علوم اعصاب سرآغاز کوشش برای بنا کردن ساختمان علم باید برای ما جالب باشه. در قرن هفدهم توجه فلاسفه از سمت شناخت متافیزیک عالم به شناختِ شناخت معطوف شد. اشتباه نگارشی نیست که دو شناخت در کنار هم آمدن. پرسش این بود: چطور به عنوان انسان شناخت حاصل میکنیم؟ (نسبت به هر چیزی). افرادی مثل دکارت، کانت و هیوم شاید جزو شناخته شده ترین متفکرین این پرسش باشند. به این دوران چرخش توجه Epistemological Turn میگن. جدی ترین مشاهداتی که اینجا مطرح شدند شاید این بود که دنیای واقعی با آنچه ما ادراک میکنیم متفاوت هستند (کوشش کانت). دانش ما آکسوماتیک است (کوشش هیوم). ما دسترسی به ساختار علی دنیا به صورت مستقیم نداریم (کوشش هیوم). این ایده ها بنیان حقیقت جویی ما رو به لرزه انداخت. جدی ترین نتیجه ای که گرفته شد این بود که نمیشه به دریافت های حسی اعتماد کرد. باید روش سیستماتیک دیگری ایجاد میشد.
چرا پس عنوان متن رو گذاشتم میراث فرانسیس بیکن؟ یک چرخش دیگر هم در نگرش ما نسبت به شناخت ایجاد شد که به عقیده بسیاری سرآغاز علم مدرن رو تشکیل میده. آقای بیکن فرمودند که چرا باید طبیعت رو بشناسیم؟ شناخت به منظور شناخت از هیچ ارزش ذاتی ای برخوردار نیست. ما باید بر طبیعت حکم رانی کنیم نه اینکه فقط بشناسیم. بیکن از واژه آنالیز استفاده کرد. آنالیز به معنی شکستن هست. گفت باید طبیعت رو آنالیز کنیم (یعنی اون رو به تیکه های کوچک تر بشکنیم و هر تیکه رو مطالعه کنیم و اینکارو همینطوری تکرار کنیم). مسئله بعدی اندازه گیری کردن بود که بیکن بهش اشاره کرد. در واقع باید از ابزارها و لوازم استفاده کنیم تا طبیعت رو اندازه گیری کنیم. در واقع بر خلاف ارسطو که بر روی سیلوجیزم ها (در منطق deductive) تاکید داشت، بیکن بر روی آزمایش و Inductive Reasoning تاکید کرد.
ساختمان نوینی در فلسفه و منطق در حال شکل گیری بود که بعدها به عنوان ساختمان علم معرفی شد. علم امتداد فلسفه است نه موازی با اون (بر خلاف چیزی که بسیاری از آکادمیک ها تصور میکنند.)
اما همچنان سوالاتی باقی میمونه. معماری این ساختمان چطور باید باشه؟ اینجا باید درباره فلسفه خود علم سخن بگیم و این بحثی بود که در قرن بیستم بسیار داغ بود. روش های آماری داشتن پیشرفت میکردن و احتمالات و آمار به عنوان متدهایی برای بررسی یافته های علمی مورد استفاده قرار میگرفتن (کوشش های پیرسون و گالتون و فیشر در طراحی تست های آماری).
تلاش های پاپر هم در تشکیل ساختمان علم نباید بدون سپاس باقی بمونه. هیوم از مدتها قبل مطرح کرده بود که در Inductive Reasoning شما نمیتونید چیزی رو اثبات کنید و باید درباره احتمالات صحبت کنید و اینکه هیچ مقداری از شواهد نمیتونه یک فرضیه رو اثبات کنه. (اگر من تمام عمرم فقط قوی سفید دیده باشم نمیتونم بگم قطعا "همه" قو های عالم سفید هستن."). پاپر از این ایده استفاده کرد و توضیح داد که کوشش در علم نباید این باشه که از یک تئوری مشخص حمایت کنیم و برای یک تئوری فقط شواهد حمایت کننده ارائه کنیم. باید شواهدی پیدا کنیم که اون تئوری رو نقض میکنه. در واقع قدرت یک تئوری علمی به تعداد شواهدی نیست که در حمایت از اون ارائه میشن، بلکه در پیدا "نکردن" شواهدی هست که میتونن اون رو نقض کنن. مسئله بعدی که حتما شنیدید "ابطال پذیری" بود که پاپر مطرح کرد. فرضیه ها باید "ابطال پذیر" باشن. در جلسه ای در ایران بودم که وقتی این مطرح شد برخی افراد به اشتباه فکر کردن این بدین معنی هست که تمام تئوری های علمی اشتباهه. منظور از ابطال پذیری این نیست. ابطال پذیری ویژگی ای هست که به ما اجازه میده یک فرضیه رو تست کنیم و بتونیم رد کنیم.
شاید بگید آیا همه تئوری های ما ابطال پذیر نیستن؟ جالبه بدونید بسیاری از تئوری های مهم ما در زمان خودشون ابطال پذیر نبودن (برخی ها هنوز هم نیستن). پاپر خودش به تئوری تکامل داروین و تئوری ناخودآگاه فروید اشاره میکنه و میگه اینها رو نمیشه رد کرد. (میشه براش شواهد ارائه کرد ولی نمیتونی شواهدی بیاری که اینها رو رد کنه - در اون زمان اینگونه بود.)
Refs:
Francis Bacon: The New Organon
Hume: A Treatise of Human Nature
Kant: Critique of Pure Reason
Descarte: Meditations on First Philosophy
Karl Popper: The Logic of Scientific Discovery
Ronald Fisher: The Design of Experiments
Neurosyntax
تابحال درباره سرآغاز علم پرسش کردید؟ اینکه چه زمانی شروع شد و چرا شروع شد؟ چه مشاهداتی این انگیزه رو ایجاد کرد که ما روش علمی درست کنیم؟ تابحال درباره ماهیت علم پرسش کردید؟ اینکه اصلا چی علم هست؟ محدودیت های اون چی هستن؟
به عنوان پژوهشگر های علوم اعصاب سرآغاز کوشش برای بنا کردن ساختمان علم باید برای ما جالب باشه. در قرن هفدهم توجه فلاسفه از سمت شناخت متافیزیک عالم به شناختِ شناخت معطوف شد. اشتباه نگارشی نیست که دو شناخت در کنار هم آمدن. پرسش این بود: چطور به عنوان انسان شناخت حاصل میکنیم؟ (نسبت به هر چیزی). افرادی مثل دکارت، کانت و هیوم شاید جزو شناخته شده ترین متفکرین این پرسش باشند. به این دوران چرخش توجه Epistemological Turn میگن. جدی ترین مشاهداتی که اینجا مطرح شدند شاید این بود که دنیای واقعی با آنچه ما ادراک میکنیم متفاوت هستند (کوشش کانت). دانش ما آکسوماتیک است (کوشش هیوم). ما دسترسی به ساختار علی دنیا به صورت مستقیم نداریم (کوشش هیوم). این ایده ها بنیان حقیقت جویی ما رو به لرزه انداخت. جدی ترین نتیجه ای که گرفته شد این بود که نمیشه به دریافت های حسی اعتماد کرد. باید روش سیستماتیک دیگری ایجاد میشد.
چرا پس عنوان متن رو گذاشتم میراث فرانسیس بیکن؟ یک چرخش دیگر هم در نگرش ما نسبت به شناخت ایجاد شد که به عقیده بسیاری سرآغاز علم مدرن رو تشکیل میده. آقای بیکن فرمودند که چرا باید طبیعت رو بشناسیم؟ شناخت به منظور شناخت از هیچ ارزش ذاتی ای برخوردار نیست. ما باید بر طبیعت حکم رانی کنیم نه اینکه فقط بشناسیم. بیکن از واژه آنالیز استفاده کرد. آنالیز به معنی شکستن هست. گفت باید طبیعت رو آنالیز کنیم (یعنی اون رو به تیکه های کوچک تر بشکنیم و هر تیکه رو مطالعه کنیم و اینکارو همینطوری تکرار کنیم). مسئله بعدی اندازه گیری کردن بود که بیکن بهش اشاره کرد. در واقع باید از ابزارها و لوازم استفاده کنیم تا طبیعت رو اندازه گیری کنیم. در واقع بر خلاف ارسطو که بر روی سیلوجیزم ها (در منطق deductive) تاکید داشت، بیکن بر روی آزمایش و Inductive Reasoning تاکید کرد.
ساختمان نوینی در فلسفه و منطق در حال شکل گیری بود که بعدها به عنوان ساختمان علم معرفی شد. علم امتداد فلسفه است نه موازی با اون (بر خلاف چیزی که بسیاری از آکادمیک ها تصور میکنند.)
اما همچنان سوالاتی باقی میمونه. معماری این ساختمان چطور باید باشه؟ اینجا باید درباره فلسفه خود علم سخن بگیم و این بحثی بود که در قرن بیستم بسیار داغ بود. روش های آماری داشتن پیشرفت میکردن و احتمالات و آمار به عنوان متدهایی برای بررسی یافته های علمی مورد استفاده قرار میگرفتن (کوشش های پیرسون و گالتون و فیشر در طراحی تست های آماری).
تلاش های پاپر هم در تشکیل ساختمان علم نباید بدون سپاس باقی بمونه. هیوم از مدتها قبل مطرح کرده بود که در Inductive Reasoning شما نمیتونید چیزی رو اثبات کنید و باید درباره احتمالات صحبت کنید و اینکه هیچ مقداری از شواهد نمیتونه یک فرضیه رو اثبات کنه. (اگر من تمام عمرم فقط قوی سفید دیده باشم نمیتونم بگم قطعا "همه" قو های عالم سفید هستن."). پاپر از این ایده استفاده کرد و توضیح داد که کوشش در علم نباید این باشه که از یک تئوری مشخص حمایت کنیم و برای یک تئوری فقط شواهد حمایت کننده ارائه کنیم. باید شواهدی پیدا کنیم که اون تئوری رو نقض میکنه. در واقع قدرت یک تئوری علمی به تعداد شواهدی نیست که در حمایت از اون ارائه میشن، بلکه در پیدا "نکردن" شواهدی هست که میتونن اون رو نقض کنن. مسئله بعدی که حتما شنیدید "ابطال پذیری" بود که پاپر مطرح کرد. فرضیه ها باید "ابطال پذیر" باشن. در جلسه ای در ایران بودم که وقتی این مطرح شد برخی افراد به اشتباه فکر کردن این بدین معنی هست که تمام تئوری های علمی اشتباهه. منظور از ابطال پذیری این نیست. ابطال پذیری ویژگی ای هست که به ما اجازه میده یک فرضیه رو تست کنیم و بتونیم رد کنیم.
شاید بگید آیا همه تئوری های ما ابطال پذیر نیستن؟ جالبه بدونید بسیاری از تئوری های مهم ما در زمان خودشون ابطال پذیر نبودن (برخی ها هنوز هم نیستن). پاپر خودش به تئوری تکامل داروین و تئوری ناخودآگاه فروید اشاره میکنه و میگه اینها رو نمیشه رد کرد. (میشه براش شواهد ارائه کرد ولی نمیتونی شواهدی بیاری که اینها رو رد کنه - در اون زمان اینگونه بود.)
Refs:
Francis Bacon: The New Organon
Hume: A Treatise of Human Nature
Kant: Critique of Pure Reason
Descarte: Meditations on First Philosophy
Karl Popper: The Logic of Scientific Discovery
Ronald Fisher: The Design of Experiments
Neurosyntax
NeuroSyntax
The Method of Multiple Working Hypotheses: With this method the dangers of parental affection for a favorite theory can be circumvented یکی از بهترین متن هایی که مطالعه کردم در زمینه رویکرد پژوهشی #article
صحبت کوتاه دیشب رو انجام دادم تا برسم به این مقاله. امیدوارم حداقل تعدادی از شما این مقاله رو خونده باشید یا بخونید. مقاله درباره این هست که بهترین رویکرد پژوهشی چی هست؟ سه رویکرد رو معرفی میکنه که شامل Ruling Theories، Single Hypothesis and Multiple Hypotheses
نویسنده مقاله توضیح میده که ما به دلیل خصوصیات انسانی ای که داریم زمانی که یک تئوری علمی مطرح میکنیم حسی والدینی به اون تئوری ایجاد میکنم. این باعث میشه که اون تئوی رو بسیار عزیز بداریم و به دنبال شواهدی بگردیم که اون تئوری رو حمایت میکنه و شواهدی که اون تئوری رو حمایت نمیکنه یا حتی نقض میکنه به کناری بزنیم. پرسش میکنه که چطور میشه این مسئله رو رفع کرد؟ پاسخ نویسنده این هست که باید بجای روش یک تئوری/یک فرضیه، روش چندین فرضیه رو اتخاذ کنیم. در واقع ما همواره در بررسی ها باید خانواده ای از فرضیه ها رو تولید کنیم و در روند پژوهشی تمامی این فرضیه ها رو تست کنیم. هر چند میدونیم که برخی از این فرضیه ها در روند پژوهش و تحلیل از میان خواهند رفت (چون مشاهدات اونها رو حمایت نمیکنن و یا نقض نمیکنن)، توضیح میگه که همین که مسیر بررسی چندین فرضیه رو بریم و هر کدوم رو به دقت بررسی کنیم و برای هر کدوم شواهد پیدا کنیم باعث میشه از بسیاری انکار ها و یا گرامیداشت های غیرضروری جلوگیری بشه. هر چند حتی زمانی که چندین فرضیه تشکیل بدیم باز حسی والدینی خواهیم داشت به اون فرضیه ها، ولی این حس چون میان چندین فرضیه هست میتونه از غرض ورزی ها جلوگیری کنه.
این مقاله سال 1965 چاپ شده. مسئله پاپر و هیوم رو هم از پست قبلی به یاد میارید. حال به رویکرد پژوهشی ما توجه کنید. افرادی که مقاله یا پایان نامه نوشتن این رو میدونن. در بحث ها ما بیشتر به سراغ مقالاتی هستیم که فرضیه ها یا یافته های مارو حمایت میکنه و کمتر مشاهداتی رو بحث میکنیم که کاملا مخالف مشاهده ما باشه. این دقیقا جایی هست که ما پیشرفت رو متوقف میکنیم. یافته هایی که با مطالعه و مشاهده ما همخوانی ندارن یا به صورت بنیادی در تضاد با مشاهدات ما هستند و یا تنها حمایت نمیکنند. در مثال اول که باید تئوری/فرضیه کنار گذاشته بشه یا مشاهده توضیح داده بشه (یا حتی مجدد تکرار بشه تا اگر خطایی رخ داده رفع بشه). اما اگر مشاهده لزوما به صورت بنیادی مشاهده ما رو به مخاطره نمیندازه باید همچنان سعی کنیم توضیح بدیم چرا همخوانی کامل بین مشاهدات و تئوری/فرضیه ما وجود نداره.
نویسنده مقاله توضیح میده که ما به دلیل خصوصیات انسانی ای که داریم زمانی که یک تئوری علمی مطرح میکنیم حسی والدینی به اون تئوری ایجاد میکنم. این باعث میشه که اون تئوی رو بسیار عزیز بداریم و به دنبال شواهدی بگردیم که اون تئوری رو حمایت میکنه و شواهدی که اون تئوری رو حمایت نمیکنه یا حتی نقض میکنه به کناری بزنیم. پرسش میکنه که چطور میشه این مسئله رو رفع کرد؟ پاسخ نویسنده این هست که باید بجای روش یک تئوری/یک فرضیه، روش چندین فرضیه رو اتخاذ کنیم. در واقع ما همواره در بررسی ها باید خانواده ای از فرضیه ها رو تولید کنیم و در روند پژوهشی تمامی این فرضیه ها رو تست کنیم. هر چند میدونیم که برخی از این فرضیه ها در روند پژوهش و تحلیل از میان خواهند رفت (چون مشاهدات اونها رو حمایت نمیکنن و یا نقض نمیکنن)، توضیح میگه که همین که مسیر بررسی چندین فرضیه رو بریم و هر کدوم رو به دقت بررسی کنیم و برای هر کدوم شواهد پیدا کنیم باعث میشه از بسیاری انکار ها و یا گرامیداشت های غیرضروری جلوگیری بشه. هر چند حتی زمانی که چندین فرضیه تشکیل بدیم باز حسی والدینی خواهیم داشت به اون فرضیه ها، ولی این حس چون میان چندین فرضیه هست میتونه از غرض ورزی ها جلوگیری کنه.
این مقاله سال 1965 چاپ شده. مسئله پاپر و هیوم رو هم از پست قبلی به یاد میارید. حال به رویکرد پژوهشی ما توجه کنید. افرادی که مقاله یا پایان نامه نوشتن این رو میدونن. در بحث ها ما بیشتر به سراغ مقالاتی هستیم که فرضیه ها یا یافته های مارو حمایت میکنه و کمتر مشاهداتی رو بحث میکنیم که کاملا مخالف مشاهده ما باشه. این دقیقا جایی هست که ما پیشرفت رو متوقف میکنیم. یافته هایی که با مطالعه و مشاهده ما همخوانی ندارن یا به صورت بنیادی در تضاد با مشاهدات ما هستند و یا تنها حمایت نمیکنند. در مثال اول که باید تئوری/فرضیه کنار گذاشته بشه یا مشاهده توضیح داده بشه (یا حتی مجدد تکرار بشه تا اگر خطایی رخ داده رفع بشه). اما اگر مشاهده لزوما به صورت بنیادی مشاهده ما رو به مخاطره نمیندازه باید همچنان سعی کنیم توضیح بدیم چرا همخوانی کامل بین مشاهدات و تئوری/فرضیه ما وجود نداره.
در اینجا میرسیم به مشاهده توماس کون از روند تکامل در یک فیلد علمی
کون به درستی مشاهده میکنه که آنچه پاپر ارائه میکنه در فیلدهای علمی انجام نمیشه. یک چرخه پژوهشی در هر فیلد برقرار هست. ما با دوران پیشاعلمی اون زمینه خاص آغاز میکنیم. جایی که هیچ درباره پرسش های اون فیلد نمیدونیم و یا با انسجام نمیدونیم. برای مثال علم اعصاب از یک نقطه ای در تاریخ زاده میشه و پیش از اون ما مشاهدات مسنجمی درباره پرسش های این فیلد نداریم. اما کم کم این مشاهدات گردآوری میشن، تئوری های زیادی شاید ارائه بشه ولی با مشاهدات زیاد معمولا تعدادی از اون تئوری ها باقی میمونن و تبدیل به نرم اون زمینه علمی خاص میشن. (برای مثال رویکرد تکاملی در بیولوژی از جایی آغاز میشه و الآن به یک تئوری نرم تبدیل شده.) در دوران نرمال افراد مختلف معمولا مشغول کار درباره جزئیات اون تئوری میشن و مشاهداتی رو در حمایت اون تئوری و بررسی اون تئوری ارائه میکنن اما اون حوزه تکون خاصی نمیخوره و بنیادی چیزی عوض نمیشه.
اما در روند جمع آوری مشاهدات گاهی به مشاهداتی برخورد میکنیم که قابل توضیح با تئوری نرمال موجود نیستن. در این حالت مشاهدات تکرار میشن و اگر خطایی رخ نداده باشه فیلد وارد یک بحران میشه. تعدادی از پژوهشگران سعی خواهد کرد مشاهده رو به هر روشی شده با مطالعات و تئوری های قبلی توضیح بدن ولی در نهایت این مشاهدات اگر غیر قابل توضیح باقی بمونن یک انقلاب در اون حوزه باید انجام بشه و تئوری جدیدی ایجاد میشه و پارادایم های اون حوزه علمی عوض میشن. دوباره تئوری های جدید تبدیل به نرم میشن و این چرخه تکرار میشه.
برای مثال این اتفاق در فیزیک با آزمایشی مثل Double Slit و یا مشاهدات دیگر رخ میده و منجر به زاده شدن فیزیک کوآنتوم میشه (پیش از اون بسیاری از پدیده ها توسط فیزیک نیوتنی توضیح داده میشد). یا در بیولوژی ساختار ژن مدلسازی میشه، پیشرفت های تکنولوژی باعث مشاهده ساختار پروتئین و ژن میشه و این باعث ایجاد یک حوزه جدید میشه و نگرش های جدید که بیولوژی مولکولی رو میسازه و حالا دوباره نرمال شده.
هر چند چرخه ای که کون معرفی میکنه در آکادمیای امروز هم مشاهده میشه پرسش این هست که چطور میشه به سیستم فشار آورد به صورتی که زودتر فهمید یک تئوری کامل نیست؟ برای اینکار طبق چرخه کون باید یک مشاهده ای انجام بشه که همخوانی نداشته باشه با تئوری های فعلی. اما چطور میشه اینو پیدا کرد؟ بهتر بپرسم، چطور میشه یافته شدن چنین مشاهده ای رو تسریع کرد؟
خیلی اوقات شاید چنین مشاهداتی حتی رخ بده ولی بهش توجه نشه. دلیل این هست که چون با تئوری فعلی همخوانی نداره شاید به کنار گذاشته بشه (بهش توجه نشه) یا حتی نویز شناخته بشه. برای اینکه این رویکرد عوض بشه باید نوع نگرش ما تغییر کنه. ذهن ما باید آماده انجام این مشاهدات باشه. برای مثال بجای اینکه همواره از خودمون بپرسیم چه مشاهداتی تئوری من رو حمایت میکنه، باید به صورت موازی این پرسش رو هم انجام بدیم که چه مشاهداتی ممکنه تئوری من رو نقض کنه؟ دقیقا چی باید بشه که تئوری من نقض بشه؟ و بعد دقیقا باید برم سراغ انجام اون آزمایشی که اون مشاهده رو احیانا ثبت کنه یا و جستجو کنم ببینم آیا چنین چیزی انجام شده یا نه. در واقع بخشی از رویکرد من باید این باشه که تئوری خودم رو نقض کنم. باید در این امر پافشاری کنم. هر چقدر بیشتر پافشاری کنم ولی تئوری من زیر چکش ها دوام بیاره یعنی تئوری بهتری هست.
دفعه بعدی که بحث مینویسید از خودتون بپرسید، اگر این تئوری/فرضیه ای که در ذهن دارم رو بذارم کنار چه تئوری ها/فرضیه های دیگری میتونه مشاهدات من رو توضیح بده؟ اگر چندین تئوری پیدا میکنم باید بپرسم چرا تئوری اولیه رو اولویت بخشیدم؟ چون بیشتر دوسش دارم یا چون براش شواهد نقض کمتری هست؟
برای اینکه به خودم بگم همه قوها قطعا سفید هستن فایده نداره همش تعداد قوهای سفیدی که میبینم رو بشمرم و با بالارفتن این عدد خوشحال بشم. باید این این جستار رو به صورت موازی آغاز کنم که بگم اگر قوی سیاهی وجود داره کجا زندگی میکنه؟ باید قوی سیاه رو پیدا کنم.
Neurosyntax
کون به درستی مشاهده میکنه که آنچه پاپر ارائه میکنه در فیلدهای علمی انجام نمیشه. یک چرخه پژوهشی در هر فیلد برقرار هست. ما با دوران پیشاعلمی اون زمینه خاص آغاز میکنیم. جایی که هیچ درباره پرسش های اون فیلد نمیدونیم و یا با انسجام نمیدونیم. برای مثال علم اعصاب از یک نقطه ای در تاریخ زاده میشه و پیش از اون ما مشاهدات مسنجمی درباره پرسش های این فیلد نداریم. اما کم کم این مشاهدات گردآوری میشن، تئوری های زیادی شاید ارائه بشه ولی با مشاهدات زیاد معمولا تعدادی از اون تئوری ها باقی میمونن و تبدیل به نرم اون زمینه علمی خاص میشن. (برای مثال رویکرد تکاملی در بیولوژی از جایی آغاز میشه و الآن به یک تئوری نرم تبدیل شده.) در دوران نرمال افراد مختلف معمولا مشغول کار درباره جزئیات اون تئوری میشن و مشاهداتی رو در حمایت اون تئوری و بررسی اون تئوری ارائه میکنن اما اون حوزه تکون خاصی نمیخوره و بنیادی چیزی عوض نمیشه.
اما در روند جمع آوری مشاهدات گاهی به مشاهداتی برخورد میکنیم که قابل توضیح با تئوری نرمال موجود نیستن. در این حالت مشاهدات تکرار میشن و اگر خطایی رخ نداده باشه فیلد وارد یک بحران میشه. تعدادی از پژوهشگران سعی خواهد کرد مشاهده رو به هر روشی شده با مطالعات و تئوری های قبلی توضیح بدن ولی در نهایت این مشاهدات اگر غیر قابل توضیح باقی بمونن یک انقلاب در اون حوزه باید انجام بشه و تئوری جدیدی ایجاد میشه و پارادایم های اون حوزه علمی عوض میشن. دوباره تئوری های جدید تبدیل به نرم میشن و این چرخه تکرار میشه.
برای مثال این اتفاق در فیزیک با آزمایشی مثل Double Slit و یا مشاهدات دیگر رخ میده و منجر به زاده شدن فیزیک کوآنتوم میشه (پیش از اون بسیاری از پدیده ها توسط فیزیک نیوتنی توضیح داده میشد). یا در بیولوژی ساختار ژن مدلسازی میشه، پیشرفت های تکنولوژی باعث مشاهده ساختار پروتئین و ژن میشه و این باعث ایجاد یک حوزه جدید میشه و نگرش های جدید که بیولوژی مولکولی رو میسازه و حالا دوباره نرمال شده.
هر چند چرخه ای که کون معرفی میکنه در آکادمیای امروز هم مشاهده میشه پرسش این هست که چطور میشه به سیستم فشار آورد به صورتی که زودتر فهمید یک تئوری کامل نیست؟ برای اینکار طبق چرخه کون باید یک مشاهده ای انجام بشه که همخوانی نداشته باشه با تئوری های فعلی. اما چطور میشه اینو پیدا کرد؟ بهتر بپرسم، چطور میشه یافته شدن چنین مشاهده ای رو تسریع کرد؟
خیلی اوقات شاید چنین مشاهداتی حتی رخ بده ولی بهش توجه نشه. دلیل این هست که چون با تئوری فعلی همخوانی نداره شاید به کنار گذاشته بشه (بهش توجه نشه) یا حتی نویز شناخته بشه. برای اینکه این رویکرد عوض بشه باید نوع نگرش ما تغییر کنه. ذهن ما باید آماده انجام این مشاهدات باشه. برای مثال بجای اینکه همواره از خودمون بپرسیم چه مشاهداتی تئوری من رو حمایت میکنه، باید به صورت موازی این پرسش رو هم انجام بدیم که چه مشاهداتی ممکنه تئوری من رو نقض کنه؟ دقیقا چی باید بشه که تئوری من نقض بشه؟ و بعد دقیقا باید برم سراغ انجام اون آزمایشی که اون مشاهده رو احیانا ثبت کنه یا و جستجو کنم ببینم آیا چنین چیزی انجام شده یا نه. در واقع بخشی از رویکرد من باید این باشه که تئوری خودم رو نقض کنم. باید در این امر پافشاری کنم. هر چقدر بیشتر پافشاری کنم ولی تئوری من زیر چکش ها دوام بیاره یعنی تئوری بهتری هست.
دفعه بعدی که بحث مینویسید از خودتون بپرسید، اگر این تئوری/فرضیه ای که در ذهن دارم رو بذارم کنار چه تئوری ها/فرضیه های دیگری میتونه مشاهدات من رو توضیح بده؟ اگر چندین تئوری پیدا میکنم باید بپرسم چرا تئوری اولیه رو اولویت بخشیدم؟ چون بیشتر دوسش دارم یا چون براش شواهد نقض کمتری هست؟
برای اینکه به خودم بگم همه قوها قطعا سفید هستن فایده نداره همش تعداد قوهای سفیدی که میبینم رو بشمرم و با بالارفتن این عدد خوشحال بشم. باید این این جستار رو به صورت موازی آغاز کنم که بگم اگر قوی سیاهی وجود داره کجا زندگی میکنه؟ باید قوی سیاه رو پیدا کنم.
Neurosyntax