chunkexue的个人博客分享 http://blog.sciencenet.cn/u/chunkexue

博文

超越范式——纯科学研究的意义和价值

已有 9139 次阅读 2018-1-10 20:06 |个人分类:纯科学|系统分类:科研笔记| 科学, 范式, 革命, 库恩, 拉卡托斯

本文首发于科学网。首先要申明一下,我个人并不赞同“范式”这一概念,但为使学术界更容易理解,本文中还是暂时延用一下。


范式与纯科学


范式(paradigm)这个概念是美国科学哲学家托马斯·库恩(Thomas Kuhn)提出并在《科学革命的结构》(The Structure of Scientific Revolutions)(1962)一书中系统阐述的。它是指从事某一类科学的研究群体所共同遵从的世界观和行为方式,以便以相同的规范去开展研究、建立知识体系。因此,范式可以对应一个科学共同体,在这个共同体中有共同遵守的“规矩”、互通的专业术语或语言,尤其是对研究行为及研究成果进行判断的标准。与它相对应的概念就是“科学革命”,库因认为科学革命就是“范式转换”,它甚至有点类似政治斗争中一个政治团体战胜了另一个政治团体。不同范式之间的转换就是这样一种没有连续性的“革命”,它甚至很难在什么意义上可算作是一种进步。


另一位科学哲学家伊姆雷·拉卡托斯的“科学研究纲领”与范式有点接近,只是拉卡托斯并不认为科学研究纲领的变化都是库恩所称的“革命”。




范式这个概念得到了大量社会学领域研究者的青睐,其原因很简单,因为它可以使不够科学的某一个或一类学科领域的学者们,能够比较心安理得地形成一个相对封闭的共同体,不用去考虑最普遍最严格科学性要求而带来的烦恼。如果出现某个看起来会有颠覆性的新观点,相应共同体内的人多多少少都会有些不适应。很多初期表现为颠覆性的观点往往最终是失败的,甚至可被归为“民科”类别,我们可见到很多这样的例子。因此,一旦出现看起来有颠覆性的思想,人们本能的反应就会将其归为异类而排斥。但是,在我的纯科学理论提出后,很多人一开始本能的反应也是想将我归入这样的类别,但很快发现完全无法做到。这是因为:

一方面,我的基本观点并不是一上来去强调“颠覆”,而是要将一切科学的学科都统一为“最科学”的体系。如果说存在什么范式,我的观点是认为只能有一个科学体系的范式,一切科学的学科之间都应当是相通的。世界是统一的,因此一切研究世界的科学都应当是一个统一体。就算出现看似具有革命性的新进展,也必须找到逻辑的路径还原为最基本的科学范式。这也正是我不赞同原来意义上的范式这一概念的关键原因所在,因为它造成的是学科之间的分裂,互相隔离,而不是全部科学的统一。非欧几何相对于欧氏几何是逻辑上全新的体系,但它并不能绝对与原有的体系完全无关,而是在找到映射还原方法,将其还原为经典的欧氏几何后才被数学界广泛接受。

另一方面,我的观点所赖以建立的基础是任何一位想称自己是科学的学者都绝对无法否认的,因为我是以数学和测量作为整个科学的两大工具和基础。科学始于测量,完成或成熟于数学,这甚至没有任何一个想称自己是科学的人有胆量去否认。一些本来还想把“民科”的帽子往我头上戴的学者,很快就会惊讶地发现他们不再敢这么做,因为继续深入下去会突然感觉他们整个所在领域共同体的范式看起来更像是民科。我的研究范式是与一切科学家都不会否认的物理学、化学等学科高度一致,甚至可以清晰地指出现有物理学和化学等学科中不够严谨之处。在这些显得“最科学”的学科面前只能感到有些自卑的社会科学等领域的学者,当然不再有任何底气来反驳。因此,一旦明白到这一步,很多本来想反驳我的人只能惊讶地瞪大眼睛,他们最多产生的疑问是:这很正确,但指出这一点有什么价值呢?


以测量为基础的纯科学范式


我们不能简单地说某个学科不科学,但的确有大量的学科因为没有在统一的测量学前提上建立自己的测量基础,因此其科学性不够纯粹和严谨,这会带来很多问题。

数学作为科学的基础是没有任何人去否认的,在这一点上,所有不同的科学共同体或范式都一致认可。数学早已有独立的学科在研究,因此数学在所有科学共同体内都有很好的统一性。例如,无论是水利工程、地质、汽车、船舶、海洋工程、矿产、天体物理还是经济学中,微积分的数学知识都是一样的,只是在具体应用上体现的内容稍有差异。但是,在我的研究之前没有一个独立测量学的学科来建立所有不同科学领域的共同测量基础,这就难免造成各个学科的学者们凭自己的理解和悟性去建立各自的测量基础。每个学科的学者们都认为自己的研究和理论应当以测量数据作为最基本的支撑(要用测量数据来说话),在这个大前提上也绝对没有任何人会反对,但在如何进行测量的具体方法体系上却是很不完备的。

本质上说,自然科学与社会科学都是研究世界的科学,它们不应当有本质的差异,只是具体研究对象的不同。但现在给人们的感觉是:他们之间在科学性上的确存在显著的差异,其原因何在?只有从测量上来理解,我们才可以看得清楚。读者只要明白了如下三个概念,不仅可以清楚地理解它们之间的差异,而且可清楚地知道未来改进的方向是什么。


相关分析、测量误差、信息量


一切测量过程本质上都是一样的,都是要用测量结果去表达某个主因素(认识对象或被测量对象)的作用。为避免让普通用户下面读起来产生为难情绪,我们就用尽可能简单的表达来讨论这个问题。在一般的自然科学中,对测量结果是采用误差分析的方法,关注点在误差。它在数量上可用相对误差来表示:

相对误差 = 误差/测量有效值×100%

例如,某个建筑物长度测量数据误差为±0.01米,有效值为142米,相对误差就是0.01/142×100% = ±0.007%。前面的符号±是必须要存在的,如果没写,直接表达成0.007%,读者也要明白这是省略表达形式。后面为简单我们就不加那个让人看起来不舒服的符号±了。

因为关注点在误差上,因此自然科学的研究就会不断地发现、寻找和减小各种造成误差的因素,从而使测量误差不断减少,使测量数据越来越精确。为什么测量误差越小,相应的数据就越好呢?如果从信息论角度来理解就很清楚了。相对误差对应的就是信噪比,因此直接对它以2为底取对数,就是信息量的计算公式。

测量数据的信息量= - log2(信噪比) = - log2(|相对误差|)

按这个公式,以上长度测量数据计算后就可知其信息量为7.16比特。如果测量精度提升10倍,误差减少到0.001米,计算后可知其信息量为10.48比特,使我们多获得了3.32比特关于测量对象的信息。

现在我们再来看社会科学领域一般都是怎么做的,他们一般都采用的是相关分析。有三种常用的相关分析方法:

  1. 线性关系的皮尔逊相关分析。

  2. 等级关系斯皮尔曼相关分析。

  3. 多变量关系的肯德尔相关分析。

这三种相关分析已经是普及性的统计学教科书里讲述的内容,就不在这里详细讨论了。有兴趣深入了解的读者可以去读专门讨论它们的文章或教科书。当进行相关分析计算出结果后,一般都会给出这样的评价:

  • 0.8-1.0:极强相关。

  • 0.6-0.8:强相关。

  • 0.4-0.6:中等相关。

  • 0.2-0.4:弱相关。

  • 0.0-0.2:极弱相关或无相关。

因此,如果你去读算是最严格的社会科学领域的书籍或论文,就会发现相应的学者一般都会进行相关分析,最后得出的相关系数如果在0.6到0.8的区间,他们就相当满意地可以去宣称他们想得出的结论了。我们要强调指出的一点是,相关分析本质上就是求得被测量对象的主因素在测量结果中影响的占比。其他的因素就是误差因素。

现在问题就来了,以上计算出的相关系数的量值,其最严格的科学意义是什么?事实上,相关系数可以很容易转换成相对误差的表达形式,并且也可以很简单地计算出对应的信息量。以下是《实验、测量与科学》一书中对三者之间关系计算出的一个表格。




看完这个表格的数据,一切就全都清楚了。进行相关分析当然是有科学价值的,它最大的价值就是在误差干扰因素较大的环境里发现不同因素之间的相关性和因果联系。但是,一般社会科学研究存在的问题就在于:他们做了一大堆工作之后,得到的数据计算出的相关系数能到强相关的0.6-0.8范围就满足了,然后就有信心给出一堆理论分析解释,然后呢?那就没有然后了,工作到此为止。他们没明白,就算是属于极强相关的0.9相关系数,能带给我们的信息量也只有3.32比特。如果相关系数是0.6,我们能得到的信息量只有1.32比特。现在数码照片一个像素点的信息量都至少是24比特!

是不是说因为社会科学领域远比自然科学领域更为复杂,所以不可能测量得更精确呢?很多学者认为社会科学领域的理论结论与实际能有70%-80%的符合度就算很不错了,不像自然科学的理论结论与实际的符合度近乎100%。这种看法是完全错误的,大量自然科学领域的研究在一开始其实和社会科学领域差不多,都因存在较多和较大的误差因素,而采用的是相关分析,并且相关系数也大致是在以上所列的范围。差别在于,相关分析只是科学研究的第一步,在做了这一步工作之后,就必须要转向误差分析范式,不断去减少各误差因素的作用。或者某些最初看起来有相当显著相关系数的联系,通过进一步研究后发现事实上并没有任何因果联系。

但是,社会科学领域却把“相关性不等于因果联系”作为一个规律保留下来,却没有进一步的说明。这造成的情况是什么呢?明明大家都知道相关关系不等于因果关系,但还是只要算出相关系数有显著性,就可以去得出理论分析的结论。这带来的结果就是可以很容易地编出各种自己想要的理论,而又无法进一步通过更精确的数据去进行检验。

在更早期的科学研究中,采用的是归纳法。一般定性分析的归纳法,例如经典的穆勒五法,其价值与相关分析是一样的,就是发现事物之间的联系,从而为进一步的精确量化分析打下基础。相关分析事实上就是更为精致的归纳法,它可以在表面看起来杂乱的数据之中通过数学方法寻找到事物之间潜在的关联。不过,因为这种分析是一种在误差和干扰水平比较高的状态下进行的研究,因此其结论的科学性只能算是很初级的。无论是经典的归纳法,还是数学上更为精致的相关分析,它们发现的事物联系有可能是真的有因果关系,也可能并没有什么关系,只是一种数据上的巧合。因此,科学的研究只能以发现相关性开始,但必须尽快转向误差分析,从而获得真正科学的结论。如果只是停留于最初始的发现相关阶段,不能说它完全不科学,但它显然科学得不够纯粹。

这还是算很不错的有数据支持的情况,还有很多人连相关分析工作都没做,仅仅根据一些支离破碎的统计数据、甚至根本就不是统计数据,而只是枚举一些案例就去得出结论。

有人认为社会科学与自然科学的差别是存在价值性。这更是错得没边了,他们没在企业里待过,我是在企业里干过30多年市场营销的。一切只要进入市场的自然科学的技术,全都存在极其严重的价值性,它们远远比社会科学领域的价值性多得多。

相关分析本身并不错,而且远不止是社会科学领域使用这个工具,地质、医学、生理学、生物学等众多自然科学领域也大量使用。差别就在于是否能在它基础上更进一步地进行误差分析。

常有学者问我为什么不提交研究论文,通过同行评审去发表自己的观点。并不是我不想这样做,对于我的纯科学理论来说,一方面是我的观点需要一整套理论体系的支持,不是一两句话能说清的,在通过专著呈现全部理论体系之前,同行们可能大都看不懂。二是我的理论是建立在高度跨一切科学学科的基础上,任何一个现在学科的专家可能都很难算是同行,我很难选择合适的杂志去发表。三是如果我顺应现有的范式去提交论文,就算一切研究顺利,能增加的有效信息量只有这么可怜的1到3个比特就打住了,这种研究范式就算做到最出色的极强相关程度,又能有多大科学价值?

一旦知道了范式上的根本区别,就可清楚地理解现在绝大多数社会领域为什么总感觉科学性差那么一点,但又说不清楚到底差在哪里了。


民科与科学素养


人们在判断是否为民科的要素里有很重要的一条,就是有没有受过系统的科学训练,是否具备系统的科学素养,判断这一条的标准一般就是学历。至少能有本科以上,最好是博士或博士后,那就算有系统的科学素养了。但事实上并不完全是这样。我们当然要尊重学历因素,毕竟越高的学历,学到的科学知识越多。但是,这样的标准是有些粗糙的,并非学历高科学研究的素养就一定同步地更高,我们需要更精确地指明有哪些知识和技能决定了科学研究的核心素养。道理很简单,既然科学的两大基本工具是数学与测量,那么在数学和测量两大工具的掌握上越深厚,其科学的素养就越高。如果缺少其中任何一个,都会带来相应的问题。因为对数学的认同比较一致,因此在这个问题上无论好坏,人们至少在观念上不会有本质的差异。但在测量技能上,因为统一的测量学本身就在过去缺乏,因此相当多的职业学者在测量素养上都存在欠缺。如果没有经过充分的测量训练,这个问题就更严重了。


对纯科学的实际证明和新的研究标准

以上分析可能还是会让读者感觉抽象。要证明一种方法真正有效,最好的方法就是直接用它来解决一些问题。我的纯科学范式体系比较完备地体现在《实验、测量与科学》一书中,但这个书中的体系事实上早在10多年前就形成了。为了展示这套体系的实际价值,我先用它研究出版了《通播网宣言》《生态社会人口论》《超越战争论》《纯电动拯救世界》等书,对多个不同领域进行了应用纯科学研究方法的尝试。它们与一般社会科学领域的研究结果有什么差异呢?我们先来看一点:我在一切研究中得出的结论,是像物理学一样不容易存在任何反例的。也就是如果出现看起来像是反例的证据,我都一定要通过找到限定性的前提条件使它在我的理论框架内进行消解。

例如,我对人类进化模式的研究,是采用单一的数学判定式去解释人类200万年前使用火开始,一直到今天信息社会的全部案例。它在人类基因进化阶段表现为非洲喷泉模型,农业文明阶段表现为并发模型,工业文明阶段表现为波浪模型。虽然表面看起来差异如此之大,但都适用于单一的进化数学公式。只是因为其中参数的数量范围不同,才导致了看起来是巨大差异的表现。我不容许历史理论只去解释单一的历史事件,而要求任何历史理论必须要能解释一切同类历史事件,这与对物理学理论的要求完全一致。

再如,军事理论上的兰彻斯特定律,后来一些学者发现有很多情况下似乎并不符合,如大兵团作战中就不能直接引用兰彻斯特定律。当遇到这种情况时,以往的学者们惯用的范式就是建立一个新的数学模型,甚至兰彻斯特的研究本身就不是单一的模型,而是有线性律和平方律两种情况。这种研究范式显然不是能够达到物理学程度的科学方法。你必须去找到事物最根本的规律,也就是公理,其他一切情况下的理论必须以公理为基础,加上边界条件去严格地数学推导出来,而不容许一遇到新的案例就建立新的数学模型。在我的《超越战争论》一书中,不仅用最基本的三个战争的公理推导出了兰彻斯特定律,不再有平方律和线性律的差别,而且通过引入战争维的概念,将一切表面看起来违反兰彻斯特定律,显得是以少胜多的案例全部消解掉,变成更为精彩的对这个根本规律的强有力证据。包括其他一切表面看起来与战争最基本的公理不一致的案例,全都在我的战争理论框架内消解掉了。因此,人们不要仅仅看表面上我得出了什么结论,而只有关注我得出结论所达到的科学化程度,才能理解这个理论与其他理论的根本差异是什么。那就是我的理论要求100%与实际相符合,绝对不容许有任何反例,这与物理学的水平完全一致,而“绝对看不起”能符合个百分之七、八十就满足了的研究范式。




作者简介

汪涛




独立学者

人类第三次科学革命倡导者,纯科学理论体系创始人

云铝股份(000807)独立董事

浙江宇视科技 顾问

上海析易船舶 联合创始人

中央民族大学中俄能源研究院 客座教授

中关村长风联盟 国际化导师

中国农投会、中关村京港澳青年创新中心等创业导师

曾为中兴通讯(000063)国际市场管理体系的奠基人



著 作:

《通播网宣言》

《生态社会人口论》

《超越战争论——战争与和平的数学原理》

《实验、测量与科学》

《即将来临的粮食世界大战》(即将出版

《纯电动拯救世界》(即将重新出版

《科学经济学——看见看不见的手》(即将出版



微信公众号:纯科学

新浪微博@ 汪涛_纯科学





https://blog.sciencenet.cn/blog-3363057-1094184.html

上一篇:非科学典型案例——UFO
下一篇:非科学的各种类型
收藏 IP: 121.79.131.*| 热度|

2 强涛 黄河宁

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-28 22:46

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部