چارچوب-ریاضی-تحقیقات-علمی

چارچوب ریاضی برای درک استراتژی‌های تحقیقاتی

بر اساس یک مطالعه که در تاریخ ۱۵ اوت در نشریه دسترسی آزاد PLOS Biology منتشر شده است، این چارچوب ریاضی که بر نظریه اقتصادی مدل‌های عمل پنهان بنا شده، بینش‌هایی را درباره چگونگی تأثیرگذاری طبیعت غیرقابل مشاهده تلاش و ریسک بر استراتژی‌های تحقیقاتی محققان و ساختارهای انگیزشی که در آن‌ها کار می‌کنند، ارائه می‌دهد. این مطالعه توسط کوین گروس از دانشگاه ایالت کارولینای شمالی و کارل برگستروم از دانشگاه واشنگتن انجام شده است.

تحقیقات علمی نیاز به ریسک دارد، زیرا رویکردهای محتاطانه به احتمال زیاد به پیشرفت سریع‌تری منجر نخواهند شد. با این حال، بسیاری از تحقیقات علمی که تأمین مالی می‌شوند، به سمت رویکردهای ایمن گرایش دارند و نهادهای تأمین مالی از دشواری جذب پروژه‌های تحقیقاتی با ریسک بالا و بازده بالا شکایت می‌کنند.

یک ریاضی‌دان و اقتصاددان در حال بحث در یک دفتر روشن با کتاب‌ها و اسناد فراوان، مدلی ریاضی را در حال بررسی هستند.
تنش‌های میان ریسک و تلاش در تحقیقات علمی.

گروس و برگستروم یک مدل قرارداد اقتصادی را برای بررسی چگونگی تأثیر غیرقابل مشاهده بودن ریسک و تلاش بر عدم تمایل به تحقیقات پرریسک تطبیق دادند. این مدل به یک مشکل عمل پنهان می‌پردازد، جایی که جامعه علمی باید کشفیات را به گونه‌ای پاداش دهد که تلاش و ریسک‌پذیری را تشویق کند و در عین حال معیشت محققان را در برابر پیش‌بینی‌ناپذیری نتایج علمی محافظت نماید.

چالش این کار این است که انگیزه‌هایی که برای تحریک تلاش لازم هستند، با انگیزه‌هایی که برای تحریک ریسک‌پذیری ضروری می‌باشند، در تضاد قرار می‌گیرند. زیرا یک پروژه ناموفق ممکن است نشانه‌ای از یک اقدام پرریسک باشد، اما همچنین می‌تواند نتیجه سهل‌انگاری ساده نیز باشد. در نتیجه، انگیزه‌هایی که برای تشویق تلاش لازم است، به طور فعال ریسک‌پذیری را تضعیف می‌کنند.

📢 اگر عاشق علم هستید و نمی‌خواهید هیچ مقاله‌ای را از دست بدهید…

به کانال تلگرام ما بپیوندید! تمامی مقالات جدید روزانه در آنجا منتشر می‌شوند.

📲 عضویت در کانال تلگرام
پاپ‌آپ اطلاعیه با اسکرول

چالش‌های تحقیقاتی در علم: خطرپذیری و پاداش‌ها

دانشمندان با کار بر روی پروژه‌های ایمن که شواهدی از تلاش را تولید می‌کنند، به این چالش پاسخ می‌دهند؛ اما این پروژه‌ها به اندازه پروژه‌های پرخطر، علم را به جلو نمی‌برند. یک برنامه‌ریز اجتماعی که تولید علم را بر رفاه پژوهشگران ترجیح می‌دهد، می‌تواند با پاداش‌های قابل توجه برای کشفیات بزرگ، این مشکل را حل کند. اما این کار، دانشمندان را با خطرات معیشتی روبه‌رو می‌کند که در نهایت وضعیت آن‌ها را بدتر خواهد کرد.

یک دانشمند در آزمایشگاه مشغول انجام آزمایش روی فرضیات علمی پرخطر با تجهیزات رنگارنگ.
جستجوی علم در پروژه‌های پرخطر: بررسی تجربیات محکومیت شده.

چون جامعه علمی تقریباً خودگردان است و جدول پاداش خود را می‌سازد، انگیزه‌هایی که پژوهشگران حاضرند بر خود تحمیل کنند، برای تحریک خطرپذیری علمی کافی نیستند تا پیشرفت علمی را تسریع کنند. در تصمیم‌گیری درباره چگونگی پاداش‌دهی به کشفیات، جامعه علمی باید با این واقعیت کنار بیاید که طرح‌های پاداشی که تلاش را تحریک می‌کنند، به طور ذاتی خطرپذیری علمی را تضعیف می‌نمایند و بالعکس.

یک برنامه‌ریز اجتماعی در حال بررسی پروپوزال‌های تحقیقاتی در یک دفتر مدرن، با نمودارها و گراف‌هایی که پیشرفت علمی و رفاه پژوهشگران را نشان می‌دهند.
چالش برنامه‌ریزی اجتماعی: توازن میان علم و رفاه پژوهشگران.

از آنجا که جامعه باید هم تلاش و هم خطرپذیری علمی را تحریک کند و تلاش برای پژوهشگران هزینه‌بر است، این جامعه به ناچار سنتی را ایجاد می‌کند که علم محافظه‌کارانه‌تری را تشویق می‌نماید، حتی اگر تحقیق‌های پرخطر به اندازه خطوط تحقیق ایمن دشوار نباشند.

نویسندگان اضافه می‌کنند: «نظریه‌پردازان به طور مرتب از کمبود تحقیقات پرخطر و پربازده در علم شکایت می‌کنند و فرض می‌کنند که این وضعیت نشانه‌ای از ناکامی‌های نهادی یا شخصی است. ما در اینجا استدلال می‌کنیم که این‌گونه نیست؛ بلکه دانشمندان که نمی‌خواهند با حرفه خود قمار کنند، به ناچار پروژه‌هایی را انتخاب می‌کنند که ایمن‌تر از آن چیزی هستند که تأمین‌کنندگان مالی علمی ترجیح می‌دهند.»

مقاله های شبیه به این مقاله

بیشتر بخوانید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *