मैंने हाल ही में क्विलेट के लिए एक लेख लिखा है कि विज्ञान के लिए मार्च में सामाजिक वैज्ञानिकों को शामिल नहीं होना चाहिए। वास्तव में, यह लेख मार्च के लिए विशिष्ट नहीं था, लेकिन सामाजिक विज्ञान की वर्तमान स्थिति का व्यापक विश्लेषण। मुझे कई विचारशील (और कुछ नहीं तो विचारशील, लेकिन मनोरंजक) प्रतिक्रियाएं मिलीं विशेष रूप से, कुछ बहुत अच्छे प्रश्न और उत्तर-पूर्व सामाजिक विज्ञान के बारे में टिप्पणियां थीं और यह अनुभवजन्य सामाजिक विज्ञान से कैसे अलग है। चूंकि लोग दिलचस्पी रखते हैं, इसलिए मैंने सोचा कि मैं इनमें से कुछ बिंदुओं पर विस्तार करेगा।
सबसे पहले, कुछ लोगों ने बताया कि सोशल साइंस में बहुत सख्त और महत्वपूर्ण अनुभवजन्य अनुसंधान चल रहे हैं। मैं पूरी तरह से सहमत हूँ और निश्चित रूप से मेरे लेख में इस सटीक बिंदु बना दिया है कई कार्यप्रणाली और अत्यधिक कुशल सामाजिक वैज्ञानिक महत्वपूर्ण काम कर रहे हैं और यथासंभव निष्पक्ष रूप से ऐसा करने की कोशिश कर रहे हैं। मनोविज्ञान के अपने क्षेत्र में, मैं अनुसंधान की गुणवत्ता और पारदर्शिता में सुधार के लिए कुछ प्रयासों से विशेष रूप से प्रभावित हूं।
जैसा कि कई जानते हैं, मनोविज्ञान में कई प्रसिद्ध प्रभावों को दोहराने में असफल रहे हैं। मैंने जो कुछ देखा है, हमारा क्षेत्र प्रतिकृति मुद्दे को गंभीरता से ले रहा है और वैज्ञानिक प्रक्रिया के सभी पहलुओं को बेहतर बनाने के प्रयासों को बढ़ा रहा है। इसमें पत्रिकाओं को वैज्ञानिकों से कहा गया है कि वे अपने कच्चे आंकड़े उपलब्ध कराएंगे, उच्चतर संचालित अध्ययन की मांग कर रहे हैं, अतिरिक्त आंकड़े की आवश्यकता, तरीकों की रिपोर्टिंग के लिए अधिक पृष्ठ स्थान आवंटित कर रहे हैं, और अध्ययन के पूर्व पंजीकरण का प्रचार कर रहे हैं। हमारे क्षेत्र को बेहतर बनाने के सर्वोत्तम तरीकों से संबंधित वैध बहस हुई है और इनमें से कुछ वादों को गर्म किया गया है। यह विज्ञान कैसे काम करता है यह सही नहीं है और अक्सर गंदा है। और यह मनोविज्ञान के लिए विशिष्ट समस्या नहीं है। दवाओं जैसे अन्य क्षेत्रों में भी प्रतिकृति समस्याओं का सामना कर रहे हैं। और कुछ क्षेत्रों, जैसे कि शिक्षा, बहुत कम संख्या में प्रतिकृति प्रयास करने की बहुत ही वास्तविक समस्या है। और यह ध्यान देने योग्य है कि मनोविज्ञान में कई मनाया प्रभाव बहुत अच्छी तरह से स्थापित हैं। वे मज़बूती से दोहराना वास्तव में क्षेत्र में बहुत अच्छे शोध हैं।
यह सब कहा जा रहा है, मुझे चिंता है कि मनोविज्ञान सहित अनुभवजन्य सामाजिक विज्ञानों में वैचारिक पूर्वाग्रह के मुद्दे पर विशेष रूप से ध्यान दिया गया है। यदि कोई अध्ययन राजनीतिक रूप से पक्षपातपूर्ण उपायों या मानदंडों को नियोजित करता है, तो दुनिया में सभी सांख्यिकीय शक्ति इसे ठीक नहीं करेगा। अधिक सामान्यतः, मुझे लगता है कि हालांकि मनोविज्ञान का क्षेत्र सांख्यिकीय मुद्दों पर ध्यान केंद्रित करने के लिए एक अच्छा काम कर रहा है, लेकिन यह पद्धति, माप, और प्रक्रियात्मक समस्याओं पर काम करने के लिए और अधिक कर सकता है। इसके अलावा, मैंने कई सामाजिक समस्याओं, कार्यकर्ताओं, प्रशासकों और पत्रकारों को गलत तरीके से वैचारिक उद्देश्यों के लिए अनुसंधान का उपयोग करने के बारे में बात की। वास्तव में, शोधकर्ता अक्सर शिकायत करते हैं कि कार्यकर्ताओं और पत्रकारों ने तर्क और हस्तक्षेप करने के लिए अपने निष्कर्षों को मोड़ दिया है जो आंकड़ों द्वारा बहुत अच्छी तरह से समर्थित नहीं हैं। शोधकर्ताओं की इस समस्या पर हमेशा अधिक नियंत्रण नहीं होता है, लेकिन उन्हें इसके बारे में बात करनी चाहिए।
अब बड़े मुद्दे पर: उत्तर-पूर्व सामाजिक विज्ञान कई लोगों ने मेरे लेख पर प्रतिक्रिया दी कि मैं क्यों पोस्ट-मॉडर्न या सोशल कंस्ट्रिस्टिस्ट सोशल साइंस को वास्तविक विज्ञान के रूप में नहीं देखता हूं। बिल्कुल, अगर आप अनुसंधान के लिए वैज्ञानिक दृष्टिकोण नहीं ले रहे हैं, तो आप विज्ञान नहीं कर रहे हैं।
मुझे इस बात पर ज़ोर देना चाहिए कि मैं वैज्ञानिक सुझावों के बारे में बिल्कुल नहीं कह रहा हूं कि विद्वानों के काम करने का एकमात्र तरीका है। मैं मानविकी का एक बड़ा अधिवक्ता हूं विषयों जैसे दर्शन, कला, साहित्य, कानून, धर्मशास्त्र, और इतिहास सभी अत्यंत महत्वपूर्ण हैं। वे हमें मानव अनुभव और हमारे सामाजिक और सांस्कृतिक दुनिया की प्रकृति के बारे में बहुत कुछ बताते हैं। वे भी मुश्किल सवालों के साथ हलचल में मदद करते हैं, प्रश्नों का जवाब नहीं दिया जा सकता है, या अनुभवजन्य डेटा के साथ कम से कम पूरी तरह से उत्तर नहीं दिया गया है। मैं इन क्षेत्रों पर हमला नहीं कर रहा था। हालांकि, सामाजिक विज्ञान की तरह, इनमें से कई क्षेत्रों में वास्तविक समस्याएं हैं जो दृष्टिकोण की विविधता और विद्वत्तापूर्ण कठोरता की कमी से उत्पन्न होती हैं। लेकिन यह एक और समय के लिए एक मुद्दा है।
मेरी बात यह थी कि हमें सामाजिक विज्ञान के बारे में इतना लापरवाह नहीं होना चाहिए था। सामाजिक वैज्ञानिक जो गंभीर विश्लेषण कागजात प्रकाशित करते हैं जो निष्पक्ष और प्रयास की कोशिश नहीं कर रहे हैं एक घटना का अध्ययन करते हैं लेकिन इसके बजाय निबंध या वास्तविक विचारों के बारे में विचार करने वाले विचार विज्ञान में नहीं हैं। हमें गैर-अनुभवजन्य, निर्माणवादी अनुसंधान सामाजिक विज्ञान को बुला देना बंद करना होगा। वास्तव में, बहुत सारे सिद्धांतों को पोस्ट-मॉडर्न क्षेत्रों में विद्वानों द्वारा प्रोत्साहित किया जाता है जो किसी भी डेटा पर आधारित नहीं हैं (लेकिन अभी भी सामाजिक विज्ञान कहा जाता है) बहुत अच्छी तरह से नियंत्रित अनुभवजन्य शोध के साथ अंतर है हमें अंतर बनाने की जरूरत है
यह सच है कि सिद्धांत और विधियों के बीच अंतर पर चर्चा करते समय पोस्ट-मॉडर्न सामाजिक वैज्ञानिकों और अनुभवजन्य सामाजिक वैज्ञानिकों के बीच की रेखा जटिल हो सकती है। कुछ विद्वान जिन्होंने खुद को निर्माथियों के रूप में पहचानते हैं, वे कहते हैं कि वे प्रायोगिक तरीकों को अस्वीकार नहीं करते हैं। इसके बजाय, वे निर्माथरों की पहचान करते हैं क्योंकि वे मानव मनोविज्ञान और सामाजिक जीवन को समझने के लिए एक रिक्त स्लेट सैद्धांतिक दृष्टिकोण लेते हैं। दूसरे शब्दों में, वे अनुभवजन्य डेटा का उपयोग करने के लिए तैयार हो सकते हैं लेकिन सैद्धांतिक स्थिति से शुरू हो सकता है कि सभी मानव व्यक्तित्व, भावना, अनुभूति और प्रेरणा सामाजिक और सांस्कृतिक बलों द्वारा निर्धारित की जाती है। मैं यह दावा करता हूं कि यह दृष्टिकोण विज्ञान विरोधी है क्योंकि इसमें मनुष्य की वैज्ञानिक समझ की अस्वीकृति शामिल है। मानव मनोविज्ञान में जन्मजात जैविक और संज्ञानात्मक प्रक्रियाओं की भूमिका को अस्वीकार करने के लिए एक को भौतिक और सामाजिक विज्ञान विषयों की एक श्रृंखला में काफी सारे सबूतों को अस्वीकार करना आवश्यक है। निर्माणकर्ताओं का कहना है कि वे कुछ मात्रात्मक तरीकों को नियोजित करने के लिए तैयार हैं पर्याप्त नहीं है वे अपनी स्वयं की वैज्ञानिक वास्तविकता नहीं बना सकते हैं जो दूसरे क्षेत्रों से तलाकशुदा है और बाधाओं पर। ऐसा नहीं है कि विज्ञान कैसे काम करता है
मेरे वर्षों में गुणात्मक शोध के मूल्य और राज्य के बारे में वर्षों से लोगों के साथ कुछ दिलचस्प चर्चा हुई है। मैं मानता हूं कि हम वर्णनात्मक और गुणात्मक डेटा के अन्य रूपों के उपयोग से बहुत कुछ सीख सकते हैं। हालांकि, यह वैज्ञानिक होने के लिए, हमें एक मात्रात्मक दृष्टिकोण लेने की जरूरत है। मुझे अपने शोध से एक उदाहरण दें। पिछले 13 या इतने सालों के लिए, मैं पुरानी यादों के मनोविज्ञान का अध्ययन करने के लिए शोधकर्ताओं की एक अंतरराष्ट्रीय टीम के साथ काम कर रहा हूं। एक तरह से हम इस शोध के पास आ रहे हैं, प्रतिभागियों को उदासीन यादों के लिखित कथन उपलब्ध कराते हैं। हालांकि, यह शोध वैज्ञानिक बनाने के लिए, न कि हमारे छापों या विचारों के आधार पर, हमने इन गुणात्मक आंकड़ों की मात्रा निर्धारित की है। विशेष रूप से, दोनों प्रशिक्षित स्वतंत्र मानव कोडर (अंधाधुतियां) और कंप्यूटर टेक्स्ट स्कैनिंग सॉफ़्टवेयर का उपयोग करके, हमने टेक्स्ट को संख्यात्मक डेटा में बदल दिया है, जो हमें इन आंकड़ों के विश्लेषण के लिए वर्णनात्मक और अनुमानित आंकड़ों का उपयोग करने की अनुमति देता है।
उदाहरण के लिए, कंप्यूटर टेक्स्ट स्कैनिंग प्रोग्राम विभिन्न आयामों (जैसे, सकारात्मक और नकारात्मक भावनाएं, आत्म बनाम सामाजिक केंद्रित शब्द) का प्रतिनिधित्व करने वाले शब्दों और वाक्यांशों की आवृत्ति को वर्गीकृत और गिन सकते हैं। हमने अब दुनिया भर से 18 विभिन्न देशों के सभी उम्र और पृष्ठभूमि के लोगों के हजारों लिखित उत्तरार्धों को इकट्ठा किया है। इस दृष्टिकोण से हमें पता चलता है कि पुरानी यादों को सार्वभौमिक है; यह समान रूप से परिभाषित और सभी उम्र के लोगों द्वारा अनुभव किया जाता है, अलग-अलग भाषा बोल रहा है, और यह अद्वितीय संस्कृतियों में रह रहा है। दूसरे शब्दों में, पुरानी यादों सांस्कृतिक-विशिष्ट घटना नहीं हैं यह सभी इंसानों के लिए निहित कुछ है आलोचनात्मक रूप से, इस दृष्टिकोण ने हमें पुरानी यादों की मात्रात्मक उपायों और प्रयोगात्मक मेहनत बनाने में मदद की, जो हमें अलग-अलग मतभेदों और स्थितिजन्य शक्तियों के बारे में अनुमानों का परीक्षण करने की अनुमति दी है, जो पुरानी यादों और संदिग्ध, न्यूरोलॉजिकल, भावनात्मक, और उदासीन प्रतिबिंबों में संलग्न होने के व्यवहार संबंधी प्रभाव डालती हैं।
ऐसे कई सामाजिक वैज्ञानिक हैं जो फेसबुक और ट्विटर जैसे सोशल मीडिया स्रोतों से डेटा एकत्र और मात्रा निर्धारित करने के लिए कंप्यूटर कोडिंग और सांख्यिकीय सॉफ़्टवेयर में प्रगति का लाभ उठा रहे हैं। ऐसे सामाजिक वैज्ञानिक भी हैं जो राजनीतिक भाषणों और अख़बारों की रिपोर्टिंग, साथ ही पाठ और ऑडियो या वीडियो-आधारित डेटा की एक विस्तृत श्रृंखला का विश्लेषण करने के लिए इन उपकरणों का उपयोग कर रहे हैं। टेक्नोलॉजी गुणात्मक डेटा को मात्रात्मक डेटा में बदलने के लिए और अधिक वैज्ञानिक दृष्टिकोण की अनुमति देने के लिए महान अवसर प्रदान कर रहा है। बेशक, इन दृष्टिकोणों की समान सीमाएं और पूर्वाग्रह के लिए संभावित किसी अन्य शोध के रूप में है, जिसमें मानव निर्णय शामिल हैं लेकिन मेरा मतलब यह है कि सामाजिक वैज्ञानिक जो कठोर तरीकों का इस्तेमाल करने की इच्छा रखते हैं और उन्हें प्रशिक्षित किया जाता है, वे ऐसा कर सकते हैं, भले ही वे ऐसे डेटा में रुचि रखते हों जो कि प्रकृति के अधिक गुणात्मक रूप से शुरू हो जाती हैं।
हालांकि, उत्तर-पूर्व विद्वान इस दृष्टिकोण को अस्वीकार करते हैं। तुम क्या सोचते हो? पुरानी यादों का मेरे उदाहरण का उपयोग करें क्या आप पुरानी यादों के बारे में अधिक जान सकते हैं और यह कैसे लिंग अध्ययन के एक विद्वान द्वारा लिखा गया ऑटोथोनोग्राफी से अनुभव किया जा सकता है, जो एक बहुत ही स्वभावपूर्ण परिप्रेक्ष्य, या शोध पत्रों से, जो संज्ञानात्मक, भावनात्मक और सामाजिक सामग्री का एक व्यवस्थित और अनुभवजन्य विश्लेषण प्रदान करता है, उम्र और सांस्कृतिक पृष्ठभूमि में बड़े नमूनों के आधार पर पुरानी यादों का ट्रिगर, और कार्य करता है? जबकि अनुभवजन्य सामाजिक विज्ञान बड़े और अधिक प्रतिनिधि के नमूनों के लिए प्रयास करते हैं, पोस्टमॉडर्निस्ट अन्य दिशा में जा रहे हैं, एक एकल पक्षपाती भागीदार (कागज लिखने वाला शोधकर्ता) के साथ अध्ययन को गले लगाते हैं।
पोस्ट-मॉडर्न सामाजिक विज्ञान की झलक के लिए ट्विटर पर न्यू रीयल पियर रिव्यू का पालन करें और अगर आपको लगता है कि वे चयनात्मक हैं, तो अपने दम पर कुछ गहराई से जांच करें। आप देखेंगे कि बहुत से आलसी और घटिया "शोध" का एक बहुत कुछ पोस्ट-मॉडर्न विषयों को प्रोत्साहित करना है। ऑटोथोनोग्राफ़ी हमें दुनिया के बारे में लगभग कुछ भी नहीं बताते हैं और अक्सर लेखक के बारे में जानना चाहते हैं। लेकिन मुझे नहीं लगता कि गुणात्मक डेटा स्वाभाविक रूप से बुरा या बेकार है। इसका मूल्य डेटा की गुणवत्ता, उस नमूने से लिया जाता है, और यह कैसे एकत्र किया जाता है, मात्रा निर्धारित और विश्लेषण किया जाता है। गुणात्मक डेटा मात्रात्मक डेटा के लिए कुछ संदर्भ को समृद्ध या प्रदान कर सकता है लेकिन फिर, हमें नमूनाकरण, कार्यप्रणाली, और प्रक्रिया से संबंधित वैज्ञानिक मानकों के आधार पर डेटा का न्याय करना चाहिए।
