Critical Inquiry

▫️توئیکینگ: خطرناک‌ترین نوعِ تقلب علمی دانشگاه MIT به تازگی کتابی را منتشر کرده که نگاه جدیدی دارد به مقوله تقلب در پژوهش و بحران اعتبار علم. این کتاب را Thomas Plümper و Eric Neumayer نوشته‌اند: The Credibility Crisis in Science: Tweakers, Fraudsters, and the Manipulation of Empirical Results   دو نوع تقلب در پژوهش وجود دارد که خیلی آشکار و واضح هستند و در غیراخلاقی بودن آنها شکی نیست. یکی داده‌سازی (Data Fabrication) است؛ یعنی ساختن داده‌هایی که اصلاً وجود ندارند و دیگری دستکاری داده‌ها (Data Manipulation)؛ یعنی داده وافعی وجود دارد ولی پژوهشگر آنها را تغییر می‌دهد تا نتیجه دلخواهش حاصل شود. اما نویسندگان، Tweaking را نوع سوم و البته خطرناک‌ترین نوع تقلب می دانند. یک پژوهشگر در Tweaking، بدون اینکه که داده‌ها را بطور مستقیم تغییر دهد، می‌آید طراحی پژوهش یا مدل آماری را طوری تغییر می‌دهد که نتیجه دلخواهش بدست آید. حذف داده‌های نامناسب، تغییر تعریف متغیرها، انتخاب زیرنمونه خاص، اضافه یا حذف متغیرهای کنترل، آزمودن مدل‌های متعدد و انتشار فقط نتایج معنادار، همگی می‌توانند نتیجه را تغییر دهند. همچنین پژوهشگر ممکن است پس از مشاهده داده‌ها، فرضیه‌ای بسازد، اما در مقاله وانمود کند که فرضیه از ابتدا وجود داشته است؛ رفتاری که HARKing نام دارد (Hypothesizing After Results are Known). هدف اصلی معمولاً افزایش معنی‌داری آماری، بزرگ‌تر شدن اندازه اثر و تأیید فرضیه پژوهشگر است پژوهشگران ممکن است برای کسب منافع شخصی مانند چاپ مقاله بیشتر، چاپ در مجلات معتبرتر، افزایش استناد، گرفتن گرنت، ارتقای شغلی، افزایش حقوق و شهرت علمی دست به توییک بزنند.   چرا توییک خطرناک‌تر است؟ چون بسیار رایج‌تر است، کشف آن بسیار دشوار است، معمولاً مجازاتی ندارد و ظاهر آن کاملاً علمی است. به همین دلیل نویسندگان معتقدند: بزرگ‌ترین تهدید برای اعتبار علم، توئیک است؛ نه جعل داده. تعریف تقلب علمی از نگاهی دیگر نویسندگان تعریف دیگری از تقلب علمی ارائه می‌دهند که متفاوت از تعاریف موجود است: تقلب علمی یعنی هر گونه دستکاری عمدی نتایج آماری برای کسب منفعت پژوهشگر. بنابراین معیار اصلی قصد است، نه نوع روش.     عناوین بخش‌ها و فصول کامل کتاب در ادامه آمده است. بخش سوم کتاب، در خصوص مقابله با تقلب است که راهکارهای مفیدی را ارائه کرده است. راه‌حل محوری نویسندگان، شفافیت است: انتشار داده خام، کد تحلیل، روش‌ها و تمام تصمیم‌های پژوهشی. هر پژوهش باید از سه جهت ارزیابی شود: بازتولیدپذیری با همان داده و کد (Reproducibility)، تکرارپذیری با داده‌های جدید (Replicability)، و استحکام (Robustness Test) در برابر تغییرات منطقی مدل. بخش اول: آیا علم دچار بحران شده است؟ ۱. سلامت پژوهش (Scientific Integrity) و نارضایتی‌های پیرامون آن ۲. انگیزه‌های متقلبان ۳. نوکِ نوکِ کوه یخ ۴. عوامل کشف تخلف بخش دوم: درجات آزادی پژوهشگر (Researcher Degrees of Freedom) ۵. توئیکینگ در تحلیل داده‌های مشاهده‌ای ۶. توئیکینگ در طرح‌های پژوهش تجربی ۷. توئیکینگ در مدل‌های علّی بخش سوم: مقابله با تقلب ۸. سیاست‌های بازدارندگی ۹. برنامه‌های پیشگیری ۱۰. راهبردهای کشف ۱۱. دو گام به پیش ۱۲. و یک گام به عقب #research_ethics #research_misconduct #book 🆔 @irevidence

📌 کتاب ۱۰۰ پرسش و پاسخ درباره‌ آمار در روان‌شناسی (فارسی) 🤔 شما هم در یادگیری آمار مشکل دارید؟ ✅ این کتاب مفاهیم پیچیده‌ی آمار را به زبان ساده توضیح می‌دهد. 🔹 این کتاب به صورت رایگان توسط دانشگاه گیلان منتشر شده است و نشر آن شرعاً و قانوناً ایرادی ندارد. به آکادمی روان تحقیق بپیوندید 💙 👇👇👇👇 @Psycho_Research_Academy

یکی از مسائل جدی دنیای انتشارات علمی موضوع predatory journals (مجلات غارتگر و بعضا مجلات شکارچی هم ترجمه میشود) است. اصطلاح predatory journal را Jeffrey Beall کتابدار دانشگاه کلرادو در اوایل دهه ۲۰۱۰ وارد ادبیات علمی کرد. تعریف این اصطلاح: ناشرانی که از مدل «نویسنده پرداخت میکند»(author-pays) سوءاستفاده میکنند ؛ هزینه انتشار میگیرند بدون اینکه داوری واقعی و خدمات ویراستاری یا نظارت اخلاقی ارائه دهند. توجه فرمایید که یک مفهوم دیگر وجود دارد و باید از مجلات غارتگر تفکیک شود: مجلات ربوده‌شده (Hijacked Journals). این اصطلاح توسط دکتر مهرداد جلالیان ویراستار ایرانی معرفی شد و به وب‌سایتهای جعلی اشاره دارد که ظاهر مجلات معتبر را تقلید میکنند تا نویسندگان را فریب دهند. تفاوت مهم این دو با هم این است که ژورنالهای غارتگر از ابتدا جعلی هستند اما ژورنالهای ربوده‌ شده تقلید از مجلات واقعی و شناخته‌ شده هستند و شناسایی آنها دشوارتر است. برای اینکه بتوان تا حدامکان چنین ژورنالهایی را شناسایی کرد: شما ببینید ژورنال در DOAJ( Directory of Open Access Journals)ثبت شده؟ ناشر عضو OASPA و COPE و ICMJE است؟ معمولا ژورنالهای معتبر عضو Committee on Publication Ethics و International Committee of Medical Journal Editors هستند. همچنین فرایند داوری شفاف توضیح داده شده و زمان داوری واقع‌بینانه است یا وعده انتشار فوری داده شده؟ بعلاوه اینکه هزینه انتشار(APC) شفاف اعلام شده؟ و هیئت تحریریه قابل تایید است؟ اعضا واقعا در آن حوزه فعالیت دارند؟ ژورنال سیاست retraction دارد؟ محتوا آرشیو دیجیتال میشود؟ ابزار Think-Check-Submit هم یک چک‌لیست ساده و رایگان ارائه میدهد که برای پژوهشگران کم‌ تجربه مفید است. پی‌نوشت: اگر ایمیلی دریافت کردید که با تملق و وعده انتشار سریع دعوت به ارسال مقاله میکند خودش اولین پرچم قرمز است. مطلب دیگری هم در رابطه با ژورنالهای غارتگر قبلا در کانال نوشته‌ام(لینک) -A.RANJBAR

📌چرا باید مهاجرت کنیم؟ 📝 سیدمحمدمهدی مهدوی‌نور امروز ۸ مرداد ۱۴۰۴ بعد از یک هفته که ایمیل آکادمیک دانشگاه از دسترس خارج شده بود دوباره بالا آمد. مشکل چه بود؟ هر روز برق‌ها می‌رود و سرورها آسیب می‌بینند. این بار اول نبود. اما قبلا نهایتا طی دو سه روز طول می‌کشید. این بار یک هفته طول کشید. یعنی یک هفته تمام ارتباط من با مجله‌های بین‌المللی و اساتید خارج از کشور قطع شد. اما این اوج فاجعه نبود. اوج فاجعه امروز بود؛ وقتی بعد از یک هفته ایمیل آکادمیک به ظاهر درست شد. وارد که شدم دیدم تمام ایمیل‌های قبلی پاک شده. تمام اطلاعات من و تمام ایمیل‌هایی که برای من اهمیت زیادی داشت پاک شده بود. از زمان کارشناسی تقریبا تمام ارتباط علمی من با داخل و خارج کشور از طریق ایمیل آکادمیک بود. تمام این اطلاعات که حاصل چندین سال تلاش علمی و شب‌بیداری‌ها بود یک دفعه پرید؛ حتی آدرس ایمیل‌ها. مهاجرت کنید. بروید جایی که برق داشته باشد، جایی که تا مشکلی پیش می‌آید اولین راه حل آن‌ها قطع اینترنت نباشد، جایی که نگویند " هر که این سبک زندگی را دوست ندارد جمع کند و برود". بروید جایی که حداقل‌‌های زندگی را داشته باشد.

از سمت خواننده هم به موضوع نگاه میکنیم چون بخش قابل توجهی از سوبرداشتها هنگام خواندن شکل میگیرد و میفهمید که خواننده مرز بین Results و Discussion را از دست میدهد. رایج‌تربن اشتباه این است که تفسیر نویسنده با یافته مطالعه یکی فرض شود. مثلا در Discussion نوشته…

همین فاصله میان «آنچه مشاهده شده» و « آنچه از آن استنباط میشود» جایی است که مفهوم Spin وارد ادبیات روش‌شناسی شد. منظورمان از اسپین هم جعل داده یا دستکاری آماری نیست چون دادهها ممکن است کاملا صحیح باشند اما نحوه روایت انها خواننده را به برداشتی سوق دهد که خود…

تفاوت بنیادین بخش Results و Discussion در مقالات علمی عزیزان تفکیک کردن این دو بسیار مهم است، به علت اینکه هر بخش نوع متفاوتی از دانش تولید میکند و قواعد متفاوتی دارد. توجه فرمایید درصورتی که مرز بین Results و Discussion مخدوش شود(توسط نویسنده یا خواننده…

مطالبی را نوشته‌ام و در آن توضیحاتی درمورد تفاوت بخش Results و Discussion در مقالات علمی میدهم ولی عمدتا درباره خواندن انتقادی مقالات تجربی پزشکی و بالینی است بخصوص کارآزماییهای بالینی و مرورهای سیستماتیک؛ هرچند اصول بنیادین آن در خواندن هر مقاله تجربی کاربرد…

مطالبی را نوشته‌ام و در آن توضیحاتی درمورد تفاوت بخش Results و Discussion در مقالات علمی میدهم ولی عمدتا درباره خواندن انتقادی مقالات تجربی پزشکی و بالینی است بخصوص کارآزماییهای بالینی و مرورهای سیستماتیک؛ هرچند اصول بنیادین آن در خواندن هر مقاله تجربی کاربرد دارد.

کتاب The Neural Basis of Free Will: Criterial Causation (Tse, MIT Press, 2013) یک مونوگراف آکادمیک بین‌ رشته‌ای است در تقاطع نوروساینس سلولی و فلسفه ذهن. تسه استدلال میکند که گیرندههای NMDA به‌عنوان coincidence detectors عمل میکنند و امکان criterial causation (نوعی علیت غیرخطی در سطح سیناپسی) را فراهم میسازند که به شبکههای عصبی اجازه میدهد معیارهای فعال‌سازی خود را بازتنظیم کنند. این مکانیسم، به ادعای تسه، فضایی برای اراده آزاد در چارچوب فیزیکالیسم فراهم میکند بدون نیاز به دوآلیسم یا عدم‌قطعیت کوانتومی. کتاب مخاطب عام ندارد و خواندن آن بدون پیش‌زمینه در synaptic plasticity و مسئله causal exclusion کیم توصیه نمیشود.

قبل از اینکه وارد جزئیات شوم باید بگویم چرا اصلا چنین پروژه‌ای لازم شده چون بدون فهم مشکل زمینه‌ای، خود مقاله معنای واقعی‌اش را از دست میدهد. یکی دو دهه اخیر دادههای تجربی با سرعت زیادی تولید شده‌اند. بنابراین گره اصلی این حوزه کمبود داده نیست. اختلاف از…

موج دوم همکاری رقابتی تئوریهای آگاهی( Consciousness) در موج اول، تمرکز این پروژه روی مقایسه دو تئوری GNWT و IIT بود. نتیجه آن مطالعه این شد که هیچکدام از دو تئوری به‌طور قاطع کنار گذاشته نشدند. حالا در موج دوم با وارد شدن تئوریهای پردازش پیش‌بینانه، دامنه…

موج دوم همکاری رقابتی تئوریهای آگاهی( Consciousness) در موج اول، تمرکز این پروژه روی مقایسه دو تئوری GNWT و IIT بود. نتیجه آن مطالعه این شد که هیچکدام از دو تئوری به‌طور قاطع کنار گذاشته نشدند. حالا در موج دوم با وارد شدن تئوریهای پردازش پیش‌بینانه، دامنه این مقایسه وسیع‌تر شده در ادامه توضیحاتی را ارائه میدهم. برای دنبال کردن این مطلب کافی است با چند مفهوم کلی آشنا باشید: مسئله سخت آگاهی، تفاوت میان همبستههای عصبی آگاهی (NCC) و تئوریهای بنیادی آگاهی، ایده کلی پردازش پیش‌بینانه ، و اینکه همکاری رقابتی (Adversarial Collaboration) چه نوع طراحی پژوهشی است.

📖 معرفی کتاب: Projections - A Story of Human Emotions نویسنده: Karl Deisseroth (2021) درواقع Deisseroth یکی از معدود نوروساینتیست‌هایی است که هم بنیان‌گذار یک انقلاب تکنولوژیک در نوروساینس است (اپتوژنتیکس) و هم روان‌پزشک بالینی فعال. این ترکیب نادر، کتابش را از سایر کتابهای عمومی نوروساینس متمایز میکند. کتاب داستان بیماران واقعی روانپزشکی اوست؛ از افسردگی و مانیا تا اوتیسم و دمانس و در هر فصل نشان میدهد که نوروساینس مداری چه نوری بر مکانیزمهای این اختلالات تابانده است. این کتاب مرور علمی نیست بلکه یک روایت ادبی-بالینی است. Deisseroth نویسنده‌ای توانا و صادق است و همین صداقت بالینی‌اش کتاب را خواندنی کرده. اما انتظار مقاله peer-reviewed از آن نداشته باشید و آن را به‌عنوان پنجره‌ای به ذهن یک پژوهشگر-بالینگر بخوانید که هر روز بین آزمایشگاه و مطب در رفت‌ و آمد است. برای چه کسی مناسب است: هرکسی که میخواهد بفهمد نوروساینس مدرن چگونه به اختلالات روانپزشکی نگاه میکند، بدون نیاز به پیش‌زمینه تخصصی.

فازهای ترکیبی کارآزمایی‌های بالینی؛ چرا دیگر همیشه از فاز ۱ به فاز ۲ و بعد فاز ۳ نمیرویم؟ مخاطب: علاقه‌مندان به علم اگر اخبار مربوط به داروهای جدید یا مقالات پزشکی را دنبال کرده باشید احتمالا با عبارتهایی مثل Phase I/II یا Phase II/III برخورد کرده‌اید. معمولا…

فازهای ترکیبی کارآزمایی‌های بالینی؛ چرا دیگر همیشه از فاز ۱ به فاز ۲ و بعد فاز ۳ نمیرویم؟ مخاطب: علاقه‌مندان به علم اگر اخبار مربوط به داروهای جدید یا مقالات پزشکی را دنبال کرده باشید احتمالا با عبارتهایی مثل Phase I/II یا Phase II/III برخورد کرده‌اید. معمولا هم اولین برداشتی که ایجاد میشود این است که شاید یکی از مراحل حذف شده یا روند بررسی دارو کوتاه‌تر و ساده‌تر شده است. اما واقعیت چیز دیگری است. حال برای اینکه این اصطلاحات معنی پیدا کنند اول باید بدانیم اصلا فازهای کارآزمایی بالینی چرا به وجود آمده‌اند. وقتی یک داروی جدید در آزمایشگاه ساخته میشود و حتی در مطالعات حیوانی نتایج امیدوارکننده‌ای دارد هنوز مهمترین سوالها بی‌پاسخ هستند. آیا این دارو در بدن انسان بی‌خطر است؟ اگر بی‌خطر باشد آیا واقعا روی بیماری اثر درمانی دارد؟ پاسخ دادن همزمان به این سوالها معمولا منطقی نیست و به همین دلیل توسعه دارو به چند مرحله تقسیم شده که مجموع آن را کارآزمایی بالینی مینامیم. اولین مرحله همان فاز ۱ است. برخلاف چیزی که گاهی تصور میشود هدف این مرحله پیدا کردن اثر درمانی نیست و سوال اصلی این است که بدن انسان دارو را چگونه تحمل میکند. موضوعات اصلی این مرحله عبارتند از: بدن چگونه دارو را وارد میکند (جذب)، در خود پخش میکند (توزیع)، تجزیه میکند (متابولیسم) و از خود خارج میکند (دفع). همچنین عوارض احتمالی بررسی میشوند و مهمتر از همه، دوز مناسب پیدا میشود.دارو معمولا با مقدار بسیار کم شروع میشود و به تدریج افزایش پیدا میکند تا محدوده‌ای پیدا شود که از یک طرف قابل تحمل باشد و از طرف دیگر بتوان انتظار داشت اثر درمانی ایجاد کند. اگر نتایج فاز ۱ قابل قبول باشد مطالعه وارد فاز ۲ میشود. اینجا برای اولین بار تمرکز از ایمنی به سمت اثربخشی تغییر میکند. دارو روی بیماران واقعی امتحان میشود تا مشخص شود اصلا تغییری در روند بیماری ایجاد میکند یا خیر. در بسیاری از مطالعات، گروه کنترل هم وجود دارد چون بدون مقایسه، تشخیص اینکه تغییر مشاهده‌شده واقعا ناشی از دارو بوده یا حاصل عوامل دیگر است، امکان‌پذیر نیست. بعد از آن فاز ۳ قرار دارد مرحله‌ای که معمولا صدها یا هزاران بیمار در آن شرکت میکنند. در اینجا دیگر سوال این نیست که دارو اثر دارد یا ندارد بلکه بررسی میشود آیا نسبت به درمان استاندارد موجود مزیتی ایجاد میکند یا خیر ک اگر نتیجه این مرحله مثبت باشد سازمانهایی مانند FDA یا EMA درباره صدور مجوز ورود دارو به بازار تصمیم میگیرند. سالها همین مسیر تقریبا بدون تغییر طی میشد. مشکل از جایی شروع میشد که بین پایان هر مرحله و آغاز مرحله بعد، وقفه‌های طولانی ایجاد میشد. نتایج باید تحلیل میشدند، بودجه جدید تامین میشد، بیماران تازه جذب میشدند و کل مطالعه دوباره راه‌اندازی میشد. همین فاصلهها سهم قابل توجهی در طولانی شدن فرایند توسعه دارو داشت. فرایندی که گاهی بیش از یک دهه زمان میبرد. در همین نقطه دو اصطلاحی وارد ادبیات پژوهش شدند که معمولا با هم اشتباه گرفته میشوند>> زیرفازها و فازهای ترکیبی. زیرفازها در واقع تقسیم یک مرحله به چند بخش کوچکتر هستند. برای مثال در فاز Ia دارو معمولا فقط یکبار و با دوز پایین به انسان داده میشود تا اولین واکنشهای بدن بررسی شود. در فاز Ib همان دارو به صورت مکرر تجویز مبشود تا مشخص شود با مصرف ادامه‌دار چه اتفاقی میافتد؛ آیا دارو تجمع پیدا میکند، عارضه جدیدی ظاهر میشود یا الگوی تحمل بدن تغییر میکند. همین منطق در فاز ۲ هم دیده میشود. فاز IIa بیشتر به این سوال پاسخ میدهد که آیا اصلا نشانه‌ای از اثربخشی وجود دارد یا خیر>> چیزی که گاهی از آن با عنوان Proof of Concept یاد میشود. بعد از آن فاز IIb قرار میگیرد که تمرکز اصلی آن روی انتخاب بهترین دوز یا بهترین رژیم درمانی است. اگر بخواهیم خیلی ساده مثال بزنیم، IIa میپرسد این آنتی‌بیوتیک اصلا روی باکتری اثر دارد؟ و IIb میپرسد اگر اثر دارد، ۲۵۰ میلی‌گرم بهتر است یا ۵۰۰ میلی‌گرم؟ اما فازهای ترکیبی مفهوم کاملا متفاوتی دارند. اینجا دیگر صحبت از تقسیم یک مرحله نیست بلکه دو مرحله مستقل در قالب یک مطالعه واحد و بر اساس یک پروتکل مشترک طراحی میشوند.(پروتکل همان سند رسمی مطالعه است که از پیش مشخص میکند چه کسانی وارد مطالعه میشوند چه دارویی با چه دوزی داده میشود و معیارهای موفقیت یا شکست چیست). مثلا در فاز I/II ابتدا همان ارزیابی ایمنی و تعیین دوز انجام میشود، اما به محض اینکه دوز مناسب مشخص شد، مطالعه بدون توقف وارد بخش بررسی اثربخشی میشود. نیازی نیست مطالعه بسته شود، دوباره بودجه جذب شود یا بیماران جدید از ابتدا وارد شوند. همین اتفاق در فاز II/III هم رخ میدهد که ابتدا بهترین دوز یا بهترین زیرگروه بیماران تعیین میشود و بعد همان مطالعه مستقیما وارد بخش تأییدی میشود. -A.RANJBAR

❖ انتخاب گزینشی (Cherry-picking) گاهی وقتها یک نفر برای دفاع از یک ادعا فقط یک یا دو مقاله میفرستد. مقاله را که باز میکنید ظاهرا همه چیز هم درست به نظر میرسد. نتیجه همان است که نقل شده، ژورنال هم معتبر است، نویسندگان هم شناخته‌ شده‌اند. همینجا معمولا بحث تمام میشود. درصورتی که از نگاه پژوهشی، تازه اولین سوال شکل میگیرد. خود آن مقاله چطور انتخاب شده است؟ اگر به جای آن، پنجاه مقاله‌ی دیگر هم درباره‌ی همان موضوع وجود داشته باشد چه؟ اگر از میان همه‌ی آنها فقط همان مطالعه‌ای انتخاب شده باشد که با ادعای مورد نظر سازگار است دیگر مسئله کیفیت آن مقاله نیست. مسئله نحوه‌ی انتخاب آن است. به همین علت هم اصطلاح Cherry-picking سالهاست وارد ادبیات روش‌شناسی پژوهش شده است. این‌ کار هم ممکن است اغلب ناخودآگاه انجام شود و فرد واقعا فکر میکند بررسی کرده است. یک مورد دیگر هم این است که خود مقاله هم همیشه یکدست نیست. بخش Results دادهها را نشان میدهد اما Discussion محل تفسیر همان داده‌هاست. این دو همیشه هم‌وزن نیستند. خیلی وقتها داده‌ها محتاط‌اند ولی تفسیر گسترده‌تر نوشته شده است. اگر فقط چند جمله از Discussion جدا شوند ممکن است خواننده تصور کند خود داده‌ها همان نتیجه را تایید کرده‌اند. موارد دیگر هم وجود دارد. گزارشهای موردی(Case Report) گاهی به عنوان شواهد قطعی مطرح میشوند درحالی که که اساسا برای چنین کاری نوشته نشده‌اند. یا مطالعه‌ای با حجم نمونه‌ی محدود، بدون اشاره به محدودیتهایش نقل میشود. یا هشت مطالعه‌ای که نتیجه‌ی دیگری داشته‌اند کنار گذاشته میشوند و فقط همان مطالعه‌ی نهم دیده میشود. هیچکدام از اینها الزاما به معنای خطای علمی نیستند ولی کنار هم میتوانند تصویری بسازند که با مجموعه‌ی واقعی شواهد فاصله‌ی قابل توجهی دارد. به همین علت در پژوهش معمولا سوال اصلی این نیست که آیا برای این ادعا مقاله‌ای وجود دارد؟ چون تقریبا برای هر ادعایی میشود مقاله‌ای پیدا کرد. سوال اصلی این است که مجموعه‌ی شواهد چه میگوید؟ به همین دلیل هم مرورهای نظام‌مند (Systematic Review) و متاآنالیزها معمولا ارزش استنادی بیشتری از یک مطالعه‌ی منفرد دارند. آنها قرار نیست یک مقاله را انتخاب کنند؛ قرار است تقریبا همه‌ی مقاله‌های مرتبط را کنار هم ببینند. هرچند همینها هم مصون از خطا نیستند. احتمالا مهمترین تفاوت میان خواندن یک مقاله و خواندن ادبیات یک موضوع همین باشد. مقاله، واحد تولید دانش است. و قضاوت علمی معمولا بر اساس یکی از آنها شکل نمیگیرد، بر پایه‌ی کنار هم قرار گرفتن تعداد زیادی از همین واحدها شکل میگیرد. -A.RANJBAR

#سوال آیا یک مقاله‌ی تصویربرداری مغزی میتواند یک ادعا را تایید کند؟ ایا میتوانیم برای تایید ادعای خودمان به یک مقاله نوروایمیجینگ استناد کنیم؟ احتمالا شما هم زیاد دیده‌اید لینک یک مطالعه‌ی fMRI یا PET فرستاده میشود و بعد هم نتیجه گرفته میشود که نوروساینس نشان داده ..... اما خودِ تصویربرداری مغزی هیچوقت از نتیجه شروع نمیکند. قبل از هر چیز باید دید آن تصویر از چند نفر به دست آمده است، چند بار دوباره تکرار شده و اگر همان داده را از اول تحلیل کنیم باز هم به همان نتیجه میرسیم یا خیر؟ مثلا حجم نمونه را در نظر بگیرید. بخش بزرگی از مطالعات کلاسیک fMRI با حدود ۱۰ تا ۲۰ آزمودنی انجام شده‌اند. اگر هدف فقط نشان دادن یک تفاوت اولیه باشد شابد همین مقدار هم کافی به نظر برسد. منتها مسئله‌ی اصلی آنجا شروع میشود که همان تفاوت قرار است درباره‌ی رابطه‌ی مغز و رفتار حرف بزند. آنجا دیگر چند ده نفر کافی نیست و امروز برای رسیدن به برآوردهای پایدار، صحبت از هزاران شرکت‌کننده است. بعد از آن تازه داده‌ها وارد مرحله‌ای میشوند که کمتر درباره‌اش صحبت میشود. یک مجموعه‌داده‌ی واحد را میتوان با هزاران خط‌لوله‌ی تحلیلی پردازش کرد. بعضی مسیرها همان داده را معنادار نشان میدهند و بعضی دیگر خیر. این الزاما به معنای خطا یا تقلب نیست. خودِ انتخابهای تحلیلی میتوانند نتیجه را تغییر بدهند. به همین علت است که ثبت پیشینی روش تحلیل طی سالهای اخیر تا این اندازه اهمیت پیدا کرده است. حتی اگر از این مرحله هم عبور کنیم هنوز معلوم نیست آن یافته در مطالعه‌ی بعدی دوباره دیده شود. تعداد زیادی از اثرهای گزارش‌شده وقتی در نمونه‌های مستقل آزموده شده‌اند دیگر تکرار نشده‌اند. به همین علت ارزش یک یافته در نوروایمیجینگ بیشتر به قابلیت بازتولید آن وابسته است تا خودِ مقاله‌ای که اولین بار آن را گزارش کرده است. اگر مطالعه روی حیوان انجام شده باشد یک متغیر دیگر هم وارد ماجرا میشود. حیوان بیدار بوده یا تحت بیهوشی؟ چون خودِ داروی بیهوشی میتواند اتصالهای عملکردی و حتی سیگنال BOLD را تغییر بدهد. در نتیجه گاهی تفاوتی که به حساب شبکههای مغزی گذاشته میشود تا حدی بازتاب همان پروتکل بیهوشی است. بنابراین در خودِ نوروساینس تقریبا هیچ پژوهشگری یک مطالعه‌ی منفرد را مبنای تایید یک ادعای بزرگ قرار نمیدهد. عملا وقتی میشود به یک یافته اعتماد کرد که در متاآنالیزها یا کنسرسیوم‌های بزرگ چندمرکزی مانند ENIGMA یا UK Biobank تایید شده باشد، حجم نمونه متناسب با اندازه اثر مورد انتظار باشد، روش‌شناسی شفاف و ترجیحا از پیش ثبت‌شده باشد ، از روشهای آماری معتبر مانند جایگشت غیرپارامتریک استفاده شده باشد ، نتیجه‌گیریها از حد داده‌ها فراتر نرفته باشند، و در مطالعات حیوانی هم اثر بیهوشی کنترل شده و پارامترهای فیزیولوژیک گزارش شده باشند. -A.RANJBAR

مدتی بود میخواستم درباره‌ی یک مسئله به‌صورت کوتاه صحبت کنم که به نظرم کمتر به آن توجه میشود. حالا فرصتش پیش آمده. آنچه از یک گفت‌وگوی علمی در شبکههای اجتماعی دیده میشود لزوما تمام آن گفت‌وگو نیست. معمولا همه همان چند پیام عمومی را میبینند و قضاوت هم بر اساس همان‌ها شکل میگیرد. ولی برایم جالب بوده که چرا در بعضی بحثها، بخش اصلی ماجرا اصلا در فضای عمومی رخ نمیدهد. در ادبیات حتی اصطلاحی برایش دارند. اصطلاح Private Pile-on ؛ یعنی بعد از یک بحث عمومی موجی از پیامهای خصوصی، توهین، تهدید یا حملات شخصی آغاز میشود. و این بخشی از ماجراست که تقریبا هیچکس ممکن است آن را نبیند. این پدیده چندان هم نادر نیست. مطالعه‌ای در JAMA Network Open نشان داد نزدیک به دوسوم پزشکان و پژوهشگران آزار آنلاین را تجربه کرده‌اند و منظور فقط یک کامنت بد نیست. تهدید به خشونت، افشای اطلاعات شخصی و پیامهای توهین‌آمیز در دایرکت از شایعترین اشکال آن بودند. مورد مهمتر اینکه درصد مشابهی گزارش دادند که این تجربهها نحوه‌ی حضورشان در فضای مجازی را تغییر داده است. یعنی عملا میدان را ترک کرده‌اند. https://doi.org/10.1001/jamanetworkopen.2023.18315 پس گاهی از بیرون تصور میشود که یک بحث فقط همان چیزی بوده که همه دیده‌اند. در صورتی که بخشی از هزینه‌ی آن بحث اصلا در همان صفحه پرداخت نشده است.

مبانی معرفتی دخالت عموم در اجرای علم قرار است مقاله جدید و جالبی در حوزه فلسفه علم معرفی کنم. نویسنده مقاله Chloé de Canson است و عنوانش هم The Epistemic Grounds for Lay Interference in the Conduct of Science. چیزی که باعث شد این مقاله توجهم را جلب کند سوالی بود که مطرح میکند. سال‌هاست درباره نقش مردم در انتخاب موضوع پژوهش یا استفاده از نتایج علم صحبت میشود و حتی مشارکت در جمع‌آوری داده هم دیگر موضوع تازه‌ای نیست. کانسون از این مرحله عبور میکند و سوال دیگری میپرسد: آیا ممکن است افرادی که اصلا عضو نهادهای علمی نیستند در بعضی شرایط بتوانند خودِ اجرای پژوهش را نقد کنند و خطاهایی را ببینند که از چشم پژوهشگران پنهان مانده است؟ برای پاسخ، سراغ بیماران HIV و مبتلایان به ME و کووید طولانی میرود. استدلالش این است که ماجرا فقط تجربه شخصی چند بیمار نیست. وقتی سالها تجربه‌های افراد کنار هم قرار میگیرد، مدام با هم مقایسه میشود، درباره‌اش بحث میکنند، مقاله‌ها را می‌خوانند و طراحی کارآزمایی‌ها را دنبال میکنند، کم‌کم نوعی دانش جمعی شکل میگیرد. نویسنده تاکید مبکند این دانش فقط حاصل انباشته شدن تجربه‌ها نیست و محصول برخورد، نقد و تلفیق تجربه‌های مختلف در یک فرایند جمعی است. به همین دلیل اصطلاح Extitutional Science یا «علم خارج‌نهادی» را پیشنهاد میکند[ دانشی که بیرون از نهادهای رسمی شکل میگیرد منتها هدفش جایگزین کردن علم نیست و درواقع هدف اصلاح همان علم است] . مورد مهم مقاله هم همینجاست که این گروه‌ها معمولا یافته علمی تازه‌ای تولید نمیکنند ، ارزش کارشان بیشتر در این است که خطاهای روش‌شناختی پژوهش‌های موجود را آشکار میکنند. مثال‌هایی که مقاله میآورد همین ادعا را نشان میدهند. در کارآزمایی‌های اولیه HIV ، پژوهشگران برای خالص ماندن داده‌ها از بیماران میخواستند داروهای همراهشان را قطع کنند، درصورتی که بیماران میدانستند این تصمیم میتواند جانشان را به خطر بیندازد. در پژوهشهای مربوط به ME و کووید طولانی هم سال‌ها از مقیاس‌های خستگی استفاده شد، در صورتی که بیماران از همان ابتدا میگفتند مسئله اصلی خستگی نیست بلکه PEM یا تشدید شدید علائم بعد از فعالیت است. حالا ایا اینها فقط اختلاف نظر میان بیمار و پژوهشگر هستند؟ از نگاه کانسون خیر. اینها نمونه‌هایی از خطاهای روش‌شناختی‌اند که از دل تجربه زیسته آشکار شده‌اند. همینجا بحث اصلی مقاله شروع میشود. کانسون معتقد است اگر چنین گروه‌هایی واقعا توانایی تشخیص این نوع خطاها را دارند، حضورشان در حد مشارکت‌کننده کافی نیست. پیشنهاد میکند در بعضی حوزه‌ها بتوانند به عنوان داور مجلات یا ارزیاب طرح‌های پژوهشی هم حضور داشته باشند. استدلالش هم جالب است >> علم بر پایه نوعی اقتصاد اعتبار پیش میرود. اگر این افراد بتوانند روی انتشار مقاله یا تخصیص بودجه اثر بگذارند، پژوهشگران ناچار میشوند نقدهایشان را قبل از انتشار جدی بگیرند و نه اینکه بعد از چاپ مقاله با آنها روبه‌رو شوند. خود مقاله البته محدودیت‌ها را هم نادیده نمیگیرد. تشخیص اینکه چه کسی واقعا نماینده یک جامعه دانشی است ساده نیست. امکان سوءاستفاده گروه‌های ضدعلم و نمایندگی ناقص بعضی جوامع یا ورود افراد به حوزه‌هایی که تجربه مستقیمی از آنها ندارند همگی مطرح میشوند و نویسنده تلاش میکند برای هر کدام راه‌حلی پیشنهاد کند. چیزی که برای خود بنده از همه جالبتر بود پرسشی است که مقاله در پایان باقی میگذارد>> اگر تجربه زیسته یک جامعه، سال‌ها در کنار هم قرار بگیرد و مدام نقد شود و به دانشی منسجم تبدیل شود چرا باید همیشه بیرون از مرزهای علم رسمی باقی بماند؟ پاسخ کانسون این است که لزوما چنین نیست. البته خودش هم تاکید میکند این الگو بیشتر در حوزه‌هایی معنا پیدا میکند که تجربه انسانی بخشی از خودِ موضوع پژوهش است و تعمیم آن به همه شاخه‌های علم مثلا فیزیک ذرات یا ریاضیات چندان قابل دفاع به نظر نمیرسد. -A.RANJBAR de Canson C. The Epistemic Grounds for Lay Interference in the Conduct of Science. Philosophy of Science. 2026;93(2):311–333. doi:10.1017/psa.2025.10162