«فقط یک نظریه» یعنی چه؟ فرق نظریه، فرضیه و قانون در علم
نظریه در گفت‌وگوی روزمره گاهی حدس است؛ در علم چه کاری میکند؟ با مثال و تمرین، نقش نظریه، فرضیه و قانون و راه پرسیدن از پشتوانهٔ آن‌ها را جدا کنیم.
به‌طور خلاصه
«نظریه» در گفت‌وگوی روزمره گاهی به معنی حدس است، اما در علم معمولاً چارچوبی برای توضیح پدیدهها و پیوند دادن شواهد است. فرضیه، نظریه و قانون پله‌های یک نردبان نیستند و نظریه با بیشترشدن شواهد به قانون ارتقا پیدا نمیکند. نظریه میتواند پیشبینی بسازد و با شواهد تازه اصلاح شود. برای ارزیابی یک توضیح علمی باید پشتوانه، دامنهٔ کاربرد و پیامدهای قابل سنجش آن را بررسی کرد؛ نام نظریه بهتنهایی میزان اعتبار را تعیین نمیکند.
فهرست این مقاله
کلمهٔ «فقط» میتواند بار یک جمله را عوض کند: «این نظریه است» با «این فقط نظریه است» یک انتظار در ذهن نمی‌سازند. جملهٔ دوم انگار منتظر یک مدرک بالاتر است؛ چیزی که روزی برسد و رویش بنویسند «قانون». آیا علم چنین ادارهٔ صدور مدرکی دارد؟
یک جملهٔ فرضی را روی میز بگذاریم: «وقتی نظریه ثابت شد، قانون میشود.» پیش از موافقت یا مخالفت، باید ببینیم از این نام‌ها چه می‌خواهیم. اگر نقششان را بشناسیم، می‌توانیم به‌جای بحث دربارهٔ برچسب، سراغ خود توضیح و شاهدهایش برویم.
یک واژه، دو انتظار متفاوت ساخته است
«نظریه» در گفت‌وگوی روزمره و در کار علمی همیشه یک معنا ندارد. بخشی از سردرگمی از جایی شروع میشود که معنی اول را بی‌خبر به جای معنی دوم می‌گذاریم.
در حرف روزمره، نظریه گاهی همان گمان است
وقتی می‌گوییم «نظریهٔ من این است که دوستم خواب مانده»، ممکن است فقط یک حدس دربارهٔ دیررسیدنش داشته باشیم. شاید هم سرنخی داریم، اما هنوز چیزی را بررسی نکرده‌ایم. کاربرد روزمرهٔ واژه در چنین موقعیتی قابل فهم است؛ لازم نیست هر بار که کسی آن را به کار میبرد، با فرهنگ اصطلاحات سراغش برویم.
دردسر وقتی پیش می‌آید که همین اندازهٔ پشتوانه را به هر چیزی نسبت بدهیم که در علم «نظریه» نامیده شده است. از اشتراک یک واژه نمیتوان نتیجه گرفت دو نوع ادعا هم کار یکسانی می‌کنند و هم شاهد یکسانی دارند. باید ببینیم واژه در چه زمینه‌ای به کار رفته است.
در پژوهش، نظریه کار توضیح را به عهده دارد
در کاربرد علمی رایج، نظریه چارچوبی است که مشاهدهها و پدیده‌های متعدد را به هم پیوند میدهد و برای فهم و بررسی آن‌ها راه میسازد. قرار نیست فقط اسم رسمیِ «فعلاً این‌طور حدس می‌زنم» باشد. نظریه میتواند پژوهش را هدایت کند، به ساخت مدل کمک کند و پیامدهایی برای آزمون پیشنهاد بدهد.
این پیوند با شواهد مهم است. توضیحی که مشاهده‌های مختلف را سازمان میدهد، باید در برابر داده‌ها پاسخگو بماند. صرفاً داشتن داستانی خوش‌ساخت یا واژه‌هایی پیچیده برای تبدیل یک ایده به توضیح علمی کافی نیست. باید بتوان پرسید چه چیزی از آن انتظار داریم و نتیجهٔ بررسی چه اثری بر اعتماد ما خواهد داشت.
نام یک ایده، درجهٔ اعتبارش را تضمین نمیکند
همان‌طور که نمی‌شود با شنیدن «نظریه» هر چیز را حدس بی‌دلیل نامید، نمی‌شود همان نام را مهر تضمین حقیقت دانست. کاربردهای تخصصی هم بین رشتهها تفاوت دارند. دربارهٔ یک ایدهٔ مشخص هنوز باید شواهد، دامنه و توان توضیحی آن را بررسی کرد.
پاسخ بهتر به «فقط نظریه است» این است که بپرسیم چه چیزی را توضیح میدهد و بر چه داده‌هایی تکیه دارد. عوض‌کردن یک شعار با «پس حتماً درست است»، ما را به شواهد نزدیک‌تر نمیکند.
برای ادامه، به‌جای پرسیدن اینکه کدام نام محکم‌تر به گوش می‌رسد، ببینیم هر کدام چه کاری در پژوهش انجام میدهد.
فرضیه، نظریه و قانون چه کار متفاوتی می‌کنند؟
فرضیه، نظریه و قانون معمولاً نقش‌های متفاوتی در کار علمی دارند؛ این نام‌ها پله‌های اجباریِ رشد یک ادعا نیستند. برای شناختشان بهتر است از خود کار بپرسیم: چه چیزی را قرار است بررسی، توضیح یا توصیف کنند؟
فرضیه سؤال را به یک انتظار قابل سنجش وصل میکند
فرضیه معمولاً گزاره یا توضیحی محدودتر است که پیامدی قابل بررسی دارد. اگر توضیح پیشنهادی درست باشد، باید انتظار چه مشاهده‌ای را داشته باشیم؟ چه نتیجه‌ای اعتمادمان را به آن کم میکند؟ این سؤال‌ها فرضیه را از حدسی که هیچ راه وارسی برایش نگذاشته‌ایم جدا می‌کنند.
پشت یک فرضیه ممکن است دانستههای قبلی زیادی باشد؛ بخش مشخصی از آن همچنان به آزمون نیاز دارد. پس هنگام خواندن گزارش، انتظار قابل بررسی را پیدا کنید، نه فقط برچسب فرضیه را.
اگر بخواهیم ایده‌ای را بررسی کنیم، قدم عملی این است که انتظارمان را روشن بنویسیم. عبارت مبهم «یک علتی باید داشته باشد» هنوز کمک نمیکند میان توضیح‌ها فرق بگذاریم. فرضیهٔ مفید می‌گوید دنبال چه تفاوت یا چه الگویی بگردیم و آن را چگونه به داده وصل کنیم.
نظریه چند مشاهده و مدل را به هم پیوند میدهد
نظریه معمولاً دامنه و سازمان گستردهتری دارد. میتواند به چندین فرضیه و مدل مربوط شود و کمک کند بفهمیم مشاهده‌های جدا چگونه در یک چارچوب کنار هم می‌نشینند. ارزش آن فقط در مرتب‌کردن دانستههای گذشته نیست؛ میتواند پرسش و پیشبینی تازه هم بسازد.
این رابطه یک رفتوبرگشت است. چارچوب توضیحی بر اینکه چه چیزی را اندازه بگیریم اثر می‌گذارد و دادهٔ تازه میتواند ما را به اصلاح بخشی از چارچوب وادار کند. نظریه و کار تجربی دو اتاق کاملاً جدا نیستند که یکی فقط فکر کند و دیگری فقط عدد جمع کند.
قانون معمولاً الگویی را وصف میکند
در بسیاری از مثالهای آموزشی، قانون رابطه یا الگوی تکرارشونده‌ای را توصیف میکند و نظریه در توضیح پدیدهها نقش دارد. این تمایز برای شروع مفید است، به شرط اینکه آن را مرز آهنی و بی‌استثنای همهٔ کاربردهای تخصصی ندانیم.
برای قانون هم باید پرسید در چه شرایطی به کار می‌رود و محدودیتش چیست. واژهٔ «قانون» به معنی رهاشدن از شواهد، فرضها یا دامنهٔ کاربرد نیست. ظاهر محکم‌تر یک نام، حق پرسیدن سؤال را از ما نمیگیرد.
| اصطلاح | هنگام خواندن پژوهش دنبال چه بگردیم؟ |
|---|---|
| فرضیه | انتظار مشخصی که میشود بررسی کرد |
| نظریه | چارچوبی که مشاهدهها و مدلها را به هم وصل میکند |
| قانون | رابطه یا الگویی که در شرایط مشخص توصیف میشود |
چرا نظریه به قانون تبدیل نمی‌شود؟
بیشترشدن شواهد، نظریه را به قانون ارتقا نمی‌دهد؛ این دو نام معمولاً کارهای متفاوتی را مشخص می‌کنند. اگر نظریه‌ای پشتوانهٔ بهتری پیدا کند، هنوز میتواند همان نقش توضیحی را داشته باشد، با اعتمادی که حالا دلیل بیشتری برای آن داریم.
شواهد بیشتر، همان کار را استوارتر می‌کنند
در جملهٔ آغاز بحث، انگار قرار بود پس از جمع‌شدن مقدار کافی مدرک، عنوان روی نظریه عوض شود. اما در علم چنین شمارندهٔ عمومی‌ای نداریم که پس از چند آزمون موفق زنگ بزند و نام تازه‌ای تحویل بدهد. کیفیت آزمون‌ها و چیزی که واقعاً بررسی کرده‌اند، از شمارشان مهم‌تر است.
یک بررسی ممکن است پیامدی تازه را بیازماید، دیگری خطای روش قبلی را کمتر کند و سومی محدوده‌ای را نشان دهد که توضیح در آن کافی نیست. باید دید شاهد تازه کدام بخش را تقویت یا محدود کرده است.
یک پدیده میتواند هم الگو و هم توضیح داشته باشد
توصیف یک الگو و توضیح پدیده لازم نیست رقیب هم باشند. ممکن است رابطه‌ای را برای شرایط مشخص توصیف کنیم و در همان حوزه چارچوبی داشته باشیم که چندین مشاهده و مدل را به هم وصل میکند. داشتن توضیح، نیاز به توصیف دقیق را از بین نمی‌برد؛ توصیف هم بهتنهایی همهٔ سؤال‌های توضیحی را حل نمیکند.
به‌عنوان تشبیه، ثبت زمان رسیدن یک دوست در روزهای مختلف با توضیح علت دیررسیدنش کار یکسانی نیست. توصیف الگو میتواند دقیقتر شود، بی‌آنکه خودبه‌خود توضیح علت را به دست بدهد. این نمونه تعریف قانون علمی نیست؛ تفاوت دو نوع سؤال را ملموس میکند.
چرا نردبان معروف گمراه‌کننده است؟
نردبان، خواننده را به این انتظار می‌رساند که فرضیه ذاتاً ضعیف، نظریه نیمه‌کاره و قانون پایان قطعی بررسی است. درحالی‌که از خود این نام‌ها نمیتوان چنین داوری‌ای کرد. قانون هم دامنهٔ کاربرد دارد و فرضیه هم ممکن است بر دانستههای قبلی مهمی تکیه کند.
تصویر مناسب‌تر برای نظریه، شبکه‌ای از ارتباط‌هاست: مدلها به مشاهدهها وصل میشوند، توضیح به ساختن انتظار کمک میکند و نتیجهٔ وارسی میتواند ما را به بازنگری وادارد. این تصویر آموزشی کمک میکند از تصور ارتقای اداریِ اصطلاح‌ها بیرون بیاییم.
نظریه چه ربطی به کار تجربی دارد؟
نظریه میتواند بر انتخاب سؤال، ساختن مدل، طراحی بررسی و تفسیر داده اثر بگذارد. قرار نیست ابتدا همهٔ مشاهدهها را بدون هیچ انتظاری جمع کنیم و بعد توضیح را مثل جلد روی آن‌ها بکشیم.
پیشبینی را پیش از دیدن پاسخ بنویسیم
برای دیدن رابطهٔ توضیح و آزمون، یک موقعیت فرضی بسازیم: مدل مدار یک سیارک، با استفاده از داده‌های جایگاه قبلی و فرضهای مدل، برای نوبت بعد جایگاهی پیشنهاد میکند. آن نقطه را پیش از رصد روی نقشه علامت می‌زنیم و حالا نوبت مقایسه با آسمان است. این گزارش یک پیشبینی واقعی نیست؛ فرقِ انتظار قبلی با توضیح پس از مشاهده را نشان میدهد.
اگر انتظار را پیش از رصد روشن کرده باشیم، نتیجه میتواند چیز تازه‌ای دربارهٔ کارکرد مدل به ما بگوید. اگر پس از دیدن عکس بگوییم «من هم دقیقاً همین را انتظار داشتم»، خواننده راهی ندارد بفهمد آیا پیشبینی واقعاً چنین بوده است یا توضیح بعداً با نتیجه جور شده است.
این به آن معنی نیست که توضیح‌دادن داده‌های موجود بیارزش است. داده‌های قبلی هم باید فهمیده شوند. نکته این است که بررسی پیامدهایی که از قبل روشن شده‌اند، فرصتی برای سنجش انتظار فراهم میکند؛ فرصتی که نباید با عوض‌کردن بی‌خبرِ صورت سؤال از دست بدهیم.
مدل کلامی هم میتواند بخشی از کار باشد
برای بعضی سؤال‌ها، رابطه‌ها را با جمله توضیح می‌دهیم؛ برای بعضی دیگر نمودار، فرمول یا یک نمونهٔ فیزیکی کمک میکند. مدل فیزیکی یعنی نمونه‌ای مادی، مثلاً توپی که برای نشان‌دادن جهت چرخش در دست می‌گیریم. قرار نیست همهٔ ویژگی‌های جسم واقعی را بازسازی کند. گزارش آکادمی‌های ملی دربارهٔ نقش نظریه در زیست‌شناسی هم مدل‌های کلامی، تصویری، ریاضی و فیزیکی را در کنار هم مطرح میکند.
مدل کلامی باید روشن باشد: کدام رابطه را پیشنهاد میکند و چه چیزی از آن انتظار می‌رود؟ مدل ریاضی هم باید معلوم کند نمادها و فرضها به کدام پدیده وصل‌اند. نوشتن معادله چیزی را از نیاز به شاهد معاف نمیکند؛ جملهٔ خوش‌آهنگ هم همین‌طور.
این تنوع کمک میکند نظریه را فقط مجموعه‌ای از فرمول‌های دور از دسترس نبینیم. مهم این است که چارچوب چگونه به پژوهش جهت میدهد و چطور در برابر داده پاسخگو می‌ماند. اگر رابطهٔ توضیح و شاهد گم شود، ظاهر تخصصیِ ارائه آن را برنمی‌گرداند.
نتیجهٔ نامنتظره از کجا آمده است؟
در همان مثال مدار، اگر رصد با انتظار جور نبود، چند جا باید بررسی شود: ورودی مدل، ثبت مشاهده، روش تحلیل و فرضهای مدل. هنوز نمی‌دانیم اختلاف از کدام آمده است. پرش مستقیم به «همهٔ نظریه غلط بود» به اندازهٔ نادیده‌گرفتن اختلاف شتاب‌زده است.
آزمون‌ها اغلب همراه با فرض‌هایی دربارهٔ ابزار و شرایط انجام میشوند. این «فرضهای کمکی» چیزهایی مثل درست‌بودن ساعت ثبت رصدند که برای سنجیدن توضیح اصلی لازم گرفته‌ایم. نتیجهٔ ناسازگار میتواند اعتماد را کم کند و پرسش جدی بسازد، اما برای فهم معنای آن باید این اجزا را هم وارسی کنیم. گاهی دادهٔ تازه لازم است؛ گاهی تحلیل باید دوباره بررسی شود؛ گاهی هم توضیح نیاز به اصلاح دارد.
تفاوت میان این پاسخ‌ها در شواهد است، نه در میزان علاقهٔ ما به مدل. توضیح نباید برای همیشه از بررسی فرار کند، اما قرار هم نیست یک نتیجهٔ مبهم را حکمی نهایی دربارهٔ همهٔ دانسته‌ها بدانیم. پرسش بعدی این است که چطور هم اصلاح‌پذیر بمانیم و هم وزن شواهد قوی را حفظ کنیم.
اصلاح‌پذیری با بی‌پشتوانه‌بودن فرق دارد
اینکه نظریه‌ای میتواند اصلاح شود، به معنی برابر بودن آن با هر حدس دیگری نیست. پشتوانهٔ قوی و قطعیت مطلق دو چیزند؛ برای ارزیابی توضیح علمی باید اولی را بررسی کنیم، بدون اینکه دومی را از آن طلب کنیم.
پشتوانهٔ قوی با قطعیت مطلق یکی نیست
وقتی چارچوبی چندین مشاهده را به هم وصل میکند و در وارسی‌های مختلف پاسخ‌گوست، دلیلی برای اعتماد بیشتر داریم. این اعتماد از کار انجام‌شده می‌آید، نه از اینکه امکان هر خطایی برای همیشه بسته شده باشد. توضیحی که هنوز چنین پشتوانهای ندارد، تنها به دلیل اینکه «آن یکی هم ممکن است عوض شود» هموزن آن نمی‌شود.
از سوی دیگر، داشتن شواهد زیاد اجازه نمی‌دهد هر انتقاد تازه‌ای را از پیش بیارزش بدانیم. باید دید نقد دقیقاً کدام بخش را نشانه گرفته و چه شاهدی آورده است. بازبودن راه نقد با برابرکردن اعتبار همهٔ ادعاها فرق دارد؛ کیفیت دلیل همچنان تعیین‌کننده است.
کدام شاهد اعتمادمان را کم میکند؟
پرسش مفید این است که توضیح مورد نظر چه انتظاری میسازد و چه نتیجه‌ای میتواند به آن آسیب بزند. لازم نیست هر نظریه را طوری معرفی کنیم که در یک آزمایش منفرد، بی‌نیاز از بررسی ابزار و فرضهای کمکی، یک‌باره کنار برود. اما نباید آن را از هر امکان ارزیابی هم معاف کنیم.
در مثال سیارک، گفتنِ «حتماً ساعت اشتباه بوده» کافی نیست. ثبت زمان را بررسی می‌کنیم و می‌پرسیم آیا اصلاح احتمالی آن، اختلاف را توضیح میدهد. اگر نه، آن پاسخ کنار می‌رود و بخش‌های دیگر مدل یا داده باید وارسی شوند؛ فرض کمکی، بهانهٔ بی‌پایان نیست.
برای خواندن خبر پژوهش، ببینید ناسازگاری با چه بخشی از چارچوب مطرح شده است. آیا فرضی محدود را بررسی کرده‌اند یا ادعایی بسیار گسترده دارند؟ آیا نتیجهٔ تازه به وارسی بیشتری نیاز دارد؟ جملهٔ «همه‌چیز تغییر کرد» بهتنهایی پاسخ هیچ‌کدام از این سؤال‌ها نیست.
دامنهٔ کاربرد را همراه ادعا بخوانیم
توضیح علمی باید معلوم کند در چه شرایطی به کار می‌رود. موفق‌بودن یک مدل برای هدفی مشخص، خودکار تضمین نمیکند که در هر شرایطی با همان دقت جواب بدهد. اگر دامنه را نخوانیم، ممکن است از توضیحی بیش از آنچه قول داده انتظار داشته باشیم.
یک مدل میتواند برای سؤال معینی مفید باشد و برای سؤال دیگری کافی نباشد. باید این تفاوت را روشن کنیم؛ واژهٔ «محدودیت» به معنی بی‌فایده‌بودن تمام کاربردها نیست.
برای مرتب‌کردن سؤال‌ها می‌توان چنین برگه‌ای داشت:
| از توضیح چه می‌پرسیم؟ | دنبال چه پاسخی می‌گردیم؟ |
|---|---|
| چه چیزی را توضیح میدهد؟ | ادعای روشن و دامنهٔ آن |
| چه پشتوانهای دارد؟ | داده و روش، نه فقط نام یک صاحب‌نظر |
| چه چیزی هنوز باز است؟ | محدودیت و پرسش‌های نیازمند بررسی |
این برگه میزان یقین تولید نمیکند. کمک میکند بفهمیم کجای پرونده را دیده‌ایم و کجا هنوز تنها یک عنوان در دست داریم. برای پرسیدن همین سؤال‌ها، لازم نیست اول بر سر معنی «فقط» در جملهٔ طرف مقابل پیروز شویم.
خودتان امتحان کنید: بحث را از نام به شاهد ببریم
یک جملهٔ بهتر دربارهٔ نظریه، به‌جای داوری صرف از روی نام، پرسشی دربارهٔ شواهد و دامنه مطرح میکند. این تغییر کوچک، گفت‌وگو را از بحثِ واژه‌ها به چیزی میبرد که می‌توان پی گرفت.
سه جمله را پیش از پاسخ‌نامه بسنجید
پیش از پایین‌رفتن، برای هر جمله یک دلیل بنویسید. اگر فقط شماره را حدس بزنیم، ممکن است نام‌ها را شناخته باشیم اما هنوز نتوانیم جملهٔ بهتری بسازیم. هدف تمرین این است که محل پرش را پیدا کنیم، نه اینکه گویندهٔ فرضی را نمره‌گذاری کنیم.
پاسخ‌ها: دو پرش و یک راه بررسی
جملهٔ اول کاربرد روزمرهٔ نظریه به معنی گمان را روی کاربرد علمی گذاشته است. از نام «نظریه» نمی‌شود نتیجه گرفت توضیح مورد نظر بی‌دلیل است. باید خود شواهد را بخوانیم؛ ممکن است پشتوانهٔ قوی داشته باشد یا نداشته باشد.
جملهٔ دوم فرض کرده افزایش پشتوانه، عنوان را در یک نظام ارتقا عوض میکند. نظریه پس از جمع‌شدن شاهد به قانون تبدیل نمی‌شود؛ معمولاً نقش این اصطلاح‌ها متفاوت است. خبر دقیقتر باید بگوید شاهد تازه چه چیزی را تقویت کرده است.
جملهٔ سوم راه بررسی باز میکند، اما خودش هنوز کیفیت هیچ نظریه‌ای را ثابت نمیکند. پاسخ‌ها ممکن است قانع‌کننده یا ناکافی باشند. مزیت جمله این است که می‌دانیم برای ادامه دنبال چه چیزی بگردیم، نه اینکه صرف پرسیدن یک سؤال خوب را معادل گرفتن جواب خوب بدانیم.
نسخهٔ پیش و پسِ یک گفت‌وگو
جملهٔ پیش را می‌شناسیم: «فقط نظریه است.» نسخهٔ بعد میتواند این باشد: «می‌خواهم بدانم پشتوانه‌اش چیست و کجا آزموده شده است.» اگر نگرانی دربارهٔ تغییرپذیری است، می‌توان پرسید: «چه نتیجه‌ای اعتماد به آن را کم میکند و کدام بخش هنوز باز است؟»
این بازنویسی قرار نیست طرف مقابل را با اصطلاحات محاصره کند. کافی است یک پرسش روشن را انتخاب کنیم و جواب همان را دنبال کنیم. اگر منبعی فقط نام یک نظریه را تکرار کرده و هیچ راهی به شواهد نداده است، پروندهٔ آن ادعا برای ما هنوز باز است.
حالا یک خبر علمی را که قبلاً ذخیره کرده‌اید بردارید. کنار نام نظریه سه جای خالی بگذارید: «چه چیزی را توضیح میدهد»، «پشتوانه‌اش چیست» و «دامنه یا پرسش بازش کجاست». هر کدام را که نتوانستید از خبر پر کنید، به سؤال بعدی تبدیل کنید؛ نام نظریه قرار نیست خودش جواب خانه‌های خالی باشد.
