عمومی

بحران عود – کاما


از ویژگی های هر تحقیق قابل اعتماد ، حداقل به نظر کسانی که با روش های کمی و علمی آشنا هستند ، این است که سایر محققان می توانند از طریق یک فرآیند مشابه به خروجی های مشابه برسند.

اما واقعیت این است که بسیاری از مطالعات اجتماعی فاقد این ویژگی هستند. چندین سال (کمتر از ده سال) ما بیشتر در مورد اصطلاحات “بحران تکثیر” ، “بحران تکثیر” یا “بحران افزونگی” می شنویم.

https://fa.wikipedia.org/wiki/٪D8٪A8٪D8٪AD٪D8٪B1٪D8٪A7٪D9٪86_٪D8٪AA٪DA٪A9٪D8٪B1٪D8٪A7٪D8 ٪ B1

بحران تولید مثل به معنای خلاصه این است که شما حتی نمی توانید با ارائه پیش زمینه ، ورودی و زمینه ای که محقق از آن یاد کرده ، به همان نتیجه گیری هایی که انجام داد ، برسید.

اهمیت این آسیب پذیری زمانی آشکارتر می شود که می دانیم تحقیقات اجتماعی در مورد تحولات اجتماعی و سیاست گذاری در درجه اول با این فرض انجام می شود که سیستمی از عناصر وجود دارد که از طریق پردازش نهاده ها یا فرایندها قابل دستیابی است.

پاسخ دانشمندان شرکت کننده در پروژه تحقیقاتی مجله Nature در مورد عدم تولید مثل تحقیقات علمی
پاسخ دانشمندان شرکت کننده در پروژه تحقیقاتی مجله Nature در مورد عدم تولید مثل تحقیقات علمی

بیش از نیمی از تحقیقات جامعه شناختی انجام شده در 150 سال گذشته نمی تواند تکرار شود و به وضوح “نادرست” است. در مورد دو سوم تست های روانشناسی نیز همین اتفاق می افتد. حتی در علوم مانند فیزیک ، شیمی و زیست شناسی نیز وضعیت کمابیش یکسان است.

جالب است که ، گاهی اوقات خود محقق نمی تواند نتایج قبلی خود را بدست آورد. از 1500 دانشمندی که در یک پروژه تحقیقاتی شرکت کرده اند ، حدود 70 درصد نتوانسته اند بقیه تجربیات خود را بازسازی کنند و 50 درصد نیز نتوانسته اند تجربیات خود را بازسازی کنند. طبیعت این پروژه تحقیقاتی را به تفصیل ذکر کرد.

https://www.nature.com/news/1-500-s Scientists-lift-the-lid-on-reproducibility-1.19970

این بدان معنی است که ما باید بحران افزونگی را بسیار جدی بگیریم. ما واقعاً نمی دانیم کدام یک از تحقیقات فعلی ، فرضیه ها و نظریه ها ، که بعضاً بسیار پرطرفدار و تأثیرگذار شده اند ، نادرست هستند و باید نادیده گرفته شوند. محققان اجتماعی ریاضی باید نسبت به این مصیبت احتیاط کنند ، اما متأسفانه اینگونه نیستند.

این ممکن است برای یک محقق مفید باشد که با جمع آوری مجموعه ای از داده های دلخواه (به عنوان مثال از توییتر) مقاله علمی را منتشر کند بدون اینکه روش و مبنای روشنی و محاسبه شده داشته باشد. اما محقق 2 نیازی به جستجوی داده های مشابه ندارد. او می تواند مجموعه ای دیگر از داده ها را به همان روش دلخواه جمع آوری و تجزیه و تحلیل کند و به نتیجه ای کاملاً متضاد برسد.

انجام تحقیقات اجتماعی مانند راه رفتن در لبه یک رسوبات است ، به خصوص هنگام برخورد با داده های بزرگ دیجیتال. اگر دقیق نباشیم ، بلندی و ظاهر داده هایمان و “توهم مبدل” ناشی از انواع مختلفی از تجزیه و تحلیل های کمی و رنگی ، ما را متقاعد می کند که در حال انجام تحقیقات عاقلانه هستیم.

یکی از موثرترین راه های جلوگیری از این آسیب توجه به “پست چراغ” است. اگر بتوانیم داده های مورد نیاز خود را به روشی قابل محاسبه و هوشمند در جایی که واقعاً است پیدا کنیم ، کمتر از این مشکل خواهیم داشت.

https://virgool.io/@css/٪D8٪AE٪D8٪B7٪D8٪A7٪DB٪8C-٪D8٪AA٪DB٪8C٪D8٪B1-٪DA٪86٪D8٪B1٪ D8٪ A7٪ D8٪ BA-rqm84g4glqg

تحقیقات دکتر گوتمن ، که قبلاً در مورد آن صحبت کردم ، نمونه موفقی از این است. گوتمن بیش از 93٪ دقت واقعی را با تنها چند داده با دقت انتخاب شده به دست می آورد. یعنی در 93٪ موارد نتیجه مشابه حاصل می شود. در حالی که بسیاری از مطالعات اجتماعی صحت حدود 20 تا 30 درصد دارند ، بسیار خوب است.

https://virgool.io/@css/٪D9٪86٪D9٪85٪D9٪88٪D9٪86٪D9٪87٪DB٪8C-٪D9٪85٪D9٪88٪D9٪81٪D9 ٪ 82٪ DB٪ 8C-٪ D8٪ A7٪ D8٪ B2-٪ D9٪ 85٪ D8٪ AF٪ D9٪ 84٪ D8٪ B3٪ D8٪ A7٪ DB٪ 8C-٪ D8٪ B7٪ D9٪ 84٪ D8٪ A7٪ D9٪ 82-٪ D8٪ A8٪ D8٪ A7-٪ D8٪ AF٪ D9٪ 82٪ D8٪ AA-94-٪ D8٪ AF٪ D8٪ B1٪ D8٪ B5٪ D8٪ AF-niapjvuogocv

در یادداشتهای بعدی بیشتر در مورد چگونگی جلوگیری از عود مجدد بحران صحبت خواهیم کرد و نمونه موفق دیگری از تحقیقات دقیق اجتماعی را مرور خواهیم کرد.

این یادداشتهای من از دوره آنلاین “علوم اجتماعی محاسباتی” است که توسط دانشگاه کالیفرنیا ، کورسارا ارائه شده است.

جهت دیدن مقالات بیشتردر مجموعه مطالب عمومی کلیک کنید 


منبع خبر: بحران عود – کاما

مسوولیت کلیه محتوای سایت بر عهده منابع اصلی بوده و بانک مشاغل اینفوجاب هیچ مسوولیتی در قبال محتوا ندارد.

دکمه بازگشت به بالا