محققین - psyedu- دانشکده روانشناسی و علوم تربیتی
توصیه‌های منابع علمی معتبر برای پژوهشگران و محققان
اگر بخواهیم توصیه‌های منابع معتبر را به یک پیام اصلی خلاصه کنیم، آن پیام این است:
پژوهش خوب فقط پژوهشی نیست که به یک مقاله منتشرشده منتهی شود؛ پژوهش خوب باید از نظر علمی دقیق، از نظر اخلاقی مسئولانه، از نظر روش‌شناختی شفاف و تا حد امکان قابل ارزیابی و بازتولید باشد.
راهنماهای APA، NIH، National Academies و COPE بارها بر همین اصول تأکید دارند.
برای استفاده در سایت دانشگاهی، پیشنهاد می‌کنم این بخش با عنوان زیر ارائه شود:
راهنمای پژوهشگران
اصول پژوهش علمی، اخلاق حرفه‌ای و رشد در مسیر تحقیق
۱. با یک سؤال خوب شروع کنید، نه با یک پاسخ آماده
یکی از مهم‌ترین توصیه‌ها به پژوهشگران این است که پیش از شروع تحقیق، مسئله را دقیق تعریف کنند.
پژوهش ضعیف معمولاً با پرسش‌هایی بسیار کلی آغاز می‌شود:
❌ «می‌خواهم تأثیر شبکه‌های اجتماعی را بررسی کنم.»
اما یک سؤال پژوهشی بهتر می‌پرسد:
✅ «آیا میزان استفاده از شبکه‌های اجتماعی با اضطراب اجتماعی در دانشجویان ارتباط دارد و این رابطه تحت تأثیر چه متغیرهایی قرار می‌گیرد؟»
پژوهشگر باید بتواند مشخص کند:
- مسئله دقیقاً چیست؟
- چه چیزی هنوز معلوم نیست؟
- پژوهش‌های قبلی چه گفته‌اند؟
- چه خلأ یا تناقضی وجود دارد؟
- مطالعه جدید قرار است چه چیزی به دانش موجود اضافه کند؟
NIH تأکید می‌کند که ارزیابی دقیق پژوهش‌های پیشین و شناسایی نقاط قوت، ضعف و خلأهای دانش موجود، بخشی اساسی از پژوهش دقیق است.
توصیه عملی
قبل از طراحی پژوهش، این جمله را کامل کنید:
«با وجود اینکه درباره ... اطلاعات قابل توجهی وجود دارد، هنوز نمی‌دانیم ...»
اگر نتوانید این جمله را به‌طور روشن کامل کنید، احتمالاً مسئله پژوهش هنوز به‌اندازه کافی دقیق نشده است.
۲. پیشینه پژوهش را فقط جمع‌آوری نکنید؛ آن را نقد کنید
پژوهشگر نباید صرفاً تعداد زیادی مقاله پیدا کند و آن‌ها را پشت سر هم خلاصه کند.
مرور علمی خوب باید پاسخ دهد:
- یافته‌های اصلی چیست؟
- کدام یافته‌ها با یکدیگر همسو هستند؟
- کجا نتایج متناقض‌اند؟
- چه روش‌هایی استفاده شده است؟
- نمونه‌ها چه ویژگی‌هایی داشته‌اند؟
- چه محدودیت‌هایی وجود داشته است؟
توصیه مهم
به جای اینکه بگویید:
«مطالعات زیادی نشان داده‌اند که...»
بپرسید:
«کدام مطالعات؟ با چه روش‌هایی؟ روی چه جمعیتی؟ با چه محدودیت‌هایی؟»
ارزیابی کیفیت شواهد پیشین و توجه به ضعف‌های روش‌شناختی، یکی از ارکان اصلی «rigor» یا دقت علمی است.
۳. قبل از جمع‌آوری داده، پژوهش را دقیق طراحی کنید
یکی از اشتباهات خطرناک این است که پژوهشگر ابتدا داده جمع کند و بعد تصمیم بگیرد:
- سؤال اصلی چه بوده است؛
- چه متغیرهایی مهم‌اند؛
- چه تحلیلی انجام دهد.
پژوهش دقیق باید تا حد امکان پیش از شروع، مشخص کند:
- سؤال پژوهش
- فرضیه‌ها
- جامعه مورد مطالعه
- روش نمونه‌گیری
- متغیرها
- ابزارها
- روش جمع‌آوری داده
- روش تحلیل
NIH دقت علمی را کاربرد دقیق و بدون سوگیری روش علمی در طراحی، اجرا، تحلیل، تفسیر و گزارش پژوهش تعریف می‌کند.
۴. بین پژوهش اکتشافی و تأییدی تفاوت بگذارید
گاهی پژوهشگر می‌خواهد فرضیه‌ای را که از قبل تعیین کرده است آزمایش کند.
گاهی نیز هدف، کشف الگوها و روابط جدید در داده‌هاست.
هر دو ارزشمند هستند؛ مشکل زمانی ایجاد می‌شود که یک تحلیل اکتشافی بعداً به‌گونه‌ای گزارش شود که گویی از ابتدا فرضیه اصلی بوده است.
شفافیت در این زمینه اهمیت زیادی دارد. گزارش National Academies تأکید می‌کند که پژوهش شفاف باید روشن کند کدام تحلیل‌ها و تصمیم‌ها از قبل برنامه‌ریزی شده و کدام‌ها در جریان بررسی داده‌ها شکل گرفته‌اند.
۵. در صورت مناسب بودن، پژوهش خود را پیش‌ثبت کنید
یکی از توصیه‌های مهم در جنبش «علم باز» این است که پژوهشگر بتواند پیش از جمع‌آوری یا تحلیل داده‌ها، اطلاعاتی مانند موارد زیر را ثبت کند:
- سؤال پژوهش
- فرضیه‌ها
- حجم نمونه
- معیارهای ورود و خروج
- متغیرهای اصلی
- روش تحلیل
APA نیز پیش‌ثبت پژوهش و Registered Reports را از ابزارهای افزایش شفافیت معرفی می‌کند.
این کار به معنای ممنوع شدن کشف‌های جدید نیست؛ بلکه کمک می‌کند میان:
-
آنچه از ابتدا پیش‌بینی شده بود
-
و آنچه بعداً در داده‌ها کشف شد
تمایز روشنی وجود داشته باشد.
۶. حجم نمونه را آگاهانه تعیین کنید
انتخاب حجم نمونه نباید صرفاً بر اساس این جمله باشد:
«همیشه ۲۰۰ نفر می‌گیریم.»
یا:
«هر تعداد شرکت‌کننده که پیدا شد کافی است.»
پژوهشگر باید بر اساس طراحی مطالعه، سؤال پژوهش، اندازه اثر مورد انتظار، توان آماری و محدودیت‌های واقعی پژوهش، برای حجم نمونه استدلال روشنی داشته باشد.
NIH نیز در منابع مربوط به rigor و reproducibility به طراحی مناسب، کنترل پژوهش و برنامه‌ریزی علمی برای تولید نتایج قابل اعتماد تأکید دارد.
۷. ابزار پژوهش را صرفاً به دلیل مشهور بودن انتخاب نکنید
یک پرسشنامه معروف لزوماً برای هر جامعه‌ای مناسب نیست.
پژوهشگر باید بررسی کند:
- ابزار دقیقاً چه سازه‌ای را می‌سنجد؟
- آیا اعتبار و پایایی آن بررسی شده است؟
- آیا نسخه فارسی یا نسخه مورد استفاده معتبر است؟
- آیا برای جامعه مورد نظر مناسب است؟
- آیا شرایط اجرا بر پاسخ‌ها اثر می‌گذارد؟
پژوهش دقیق از مرحله اندازه‌گیری آغاز می‌شود، نه از مرحله تحلیل آماری.
۸. اخلاق پژوهش را یک فرم اداری تلقی نکنید
اخلاق پژوهش فقط گرفتن یک امضا یا تأییدیه نیست.
پژوهشگر باید از خود بپرسد:
- آیا این پژوهش واقعاً ضروری است؟
- آیا خطر یا آسیب احتمالی دارد؟
- آیا منافع و خطرات به‌درستی سنجیده شده‌اند؟
- آیا شرکت‌کنندگان واقعاً آگاهانه رضایت داده‌اند؟
- آیا اطلاعات آن‌ها به‌درستی محافظت می‌شود؟
APA بر موضوعاتی مانند رضایت آگاهانه، حفظ حریم خصوصی، ارزیابی خطر و فایده، امنیت داده‌ها و مسئولیت‌های اخلاقی پژوهشگر تأکید دارد.
۹. رضایت آگاهانه را جدی بگیرید
شرکت‌کننده باید تا حد لازم بداند:
- هدف کلی پژوهش چیست؛
- چه کاری باید انجام دهد؛
- چه مدت طول می‌کشد؛
- چه خطر یا ناراحتی احتمالی وجود دارد؛
- چه فوایدی ممکن است وجود داشته باشد؛
- چگونه می‌تواند از پژوهش خارج شود؛
- اطلاعات او چگونه محافظت می‌شود.
APA همچنین بر آگاهی شرکت‌کنندگان از حق خود برای امتناع یا خروج از پژوهش و اطلاع از محدودیت‌های محرمانگی تأکید می‌کند.
۱۰. داده‌ها را «اموال شخصی» خود تلقی نکنید؛ مسئولیت آن‌ها را بپذیرید
پژوهشگر مسئول است که داده‌ها را به‌درستی:
- ذخیره کند؛
- مستندسازی کند؛
- محافظت کند؛
- نسخه پشتیبان تهیه کند؛
- و در صورت امکان و رعایت ملاحظات اخلاقی و قانونی، برای ارزیابی علمی قابل دسترس سازد.
شفافیت در داده، کد و روش‌های محاسباتی یکی از عوامل مهم افزایش بازتولیدپذیری پژوهش است.
۱۱. تحلیل آماری را به یک جعبه سیاه تبدیل نکنید
استفاده از یک نرم‌افزار آماری به معنای فهم تحلیل نیست.
پژوهشگر باید بتواند توضیح دهد:
- چرا این آزمون انتخاب شده است؟
- مفروضه‌های آن چیست؟
- آیا مفروضه‌ها بررسی شده‌اند؟
- نتایج چه معنایی دارند؟
- عدم قطعیت نتایج چقدر است؟
- محدودیت تحلیل چیست؟
National Academies توصیه می‌کند پژوهشگران عدم قطعیت موجود در یافته‌ها را توضیح دهند، از روش‌های آماری مناسب استفاده کنند و روش‌ها و داده‌ها را به‌صورت روشن، دقیق و کامل گزارش کنند.
۱۲. نتیجه منفی یا غیرمنتظره را شکست ندانید
یکی از خطرات فرهنگ «فقط نتیجه مثبت» این است که پژوهشگر احساس کند باید حتماً فرضیه‌اش تأیید شود.
اما علم قرار نیست از فرضیه پژوهشگر دفاع کند.
اگر داده‌ها نشان دادند که:
«فرضیه من تأیید نشد.»
ممکن است این خود یک یافته علمی مهم باشد.
پژوهشگر خوب کسی نیست که همیشه حق داشته باشد؛ بلکه کسی است که اجازه دهد شواهد، نتیجه را تعیین کنند.
۱۳. یافته‌ها را بزرگ‌تر از آنچه هستند نشان ندهید
اگر پژوهش شما همبستگی نشان داده است، با احتیاط درباره علیت صحبت کنید.
اگر نمونه شما محدود بوده، نتایج را به همه انسان‌ها تعمیم ندهید.
اگر مطالعه دارای محدودیت است، آن را پنهان نکنید.
شفافیت علمی یعنی پژوهشگر:
- قدرت یافته‌ها را بگوید؛
- اما محدودیت‌ها را نیز بیان کند.
گزارش دقیق روش، داده و سطح عدم قطعیت برای تفسیر درست یافته‌ها و امکان ارزیابی و بازتولید آن‌ها ضروری است.
۱۴. مقاله را طوری بنویسید که یک پژوهشگر دیگر بتواند کار شما را بفهمد
یک مقاله علمی خوب نباید صرفاً نشان دهد:
«ما چه نتیجه‌ای گرفتیم.»
بلکه باید تا حد لازم نشان دهد:
«چگونه به این نتیجه رسیدیم.»
APA از استانداردهای JARS برای گزارش ساختاریافته مؤلفه‌های اساسی پژوهش استفاده می‌کند تا شفافیت افزایش یابد و میزان دقت علمی بهتر ارزیابی شود. این استانداردها پژوهش‌های کمی، کیفی و آمیخته را نیز پوشش می‌دهند.
۱۵. بازتولیدپذیری را بخشی از کیفیت پژوهش بدانید
یک پرسش مهم این است:
«آیا پژوهشگر دیگری می‌تواند بفهمد من دقیقاً چه کرده‌ام؟»
و در پژوهش‌های محاسباتی:
«آیا با دسترسی به داده و کد لازم، می‌تواند نتایج گزارش‌شده را دوباره تولید کند؟»
National Academies میان reproducibility و replicability تفاوت می‌گذارد: بازتولیدپذیری معمولاً به امکان رسیدن دوباره به نتایج با داده و کد یا مواد اصلی اشاره دارد، در حالی که تکرارپذیری یا replicability به آزمون سازگاری یافته با داده‌های جدید و مطالعه‌ای مشابه مربوط است.
۱۶. علم باز را تا حد امکان جدی بگیرید
علم باز می‌تواند شامل مواردی مانند:
- پیش‌ثبت پژوهش
- اشتراک‌گذاری داده در صورت امکان
- اشتراک‌گذاری کد
- اشتراک‌گذاری مواد پژوهش
- گزارش شفاف روش‌ها
- استفاده از دسترسی باز در صورت امکان
باشد.
APA اعلام کرده که اصول TOP، شامل استانداردهایی برای شفافیت و گشودگی پژوهش، در بخشی از نشریات آن به کار گرفته شده‌اند و هدف این رویکرد افزایش همکاری، امکان بازتولید و دقت علمی است.
البته «باز بودن» نباید به قیمت نقض محرمانگی یا حقوق شرکت‌کنندگان تمام شود.
۱۷. نویسندگی مقاله را عادلانه تعیین کنید
یکی از مهم‌ترین مسائل اخلاق پژوهش، تعیین نویسندگان مقاله است.
نباید کسی صرفاً به دلیل:
- مقام دانشگاهی
- ریاست
- شهرت
- دوستی
- فشار سازمانی
به‌عنوان نویسنده اضافه شود.
از سوی دیگر، کسی که سهم علمی واقعی و قابل توجهی داشته نیز نباید حذف شود.
COPE بر شفافیت در سهم نویسندگان، جلوگیری از نویسندگی صوری یا پنهان و مشخص بودن مسئولیت افراد در فرایند انتشار تأکید دارد.
توصیه کاربردی
از ابتدای پروژه درباره این موضوع صحبت کنید:
- چه کسانی نویسنده خواهند بود؟
- هر فرد چه مسئولیتی دارد؟
- ترتیب نویسندگان بر چه اساسی تعیین می‌شود؟
۱۸. تعارض منافع را پنهان نکنید
تعارض منافع همیشه به معنای فساد یا تخلف نیست.
اما ممکن است یک رابطه مالی، سازمانی یا حرفه‌ای بر قضاوت پژوهشگر اثر بگذارد یا این تصور را ایجاد کند.
بنابراین شفافیت اهمیت دارد.
COPE توصیه می‌کند اطلاعات مربوط به تأمین مالی و تعارض منافع در فرایند انتشار به‌روشنی اعلام شوند.
۱۹. همکار خوب باشید
پژوهش مدرن به‌طور فزاینده‌ای تیمی و میان‌رشته‌ای است.
همکاری خوب نیازمند این موارد است:
- احترام متقابل
- تقسیم مسئولیت روشن
- مستندسازی تصمیم‌ها
- گفت‌وگوی حرفه‌ای
- حل اختلاف
- پذیرش نقد
در پروژه‌های تیمی، بسیاری از مشکلات نه به دلیل ضعف علمی، بلکه به دلیل ابهام در نقش‌ها و ارتباطات ایجاد می‌شوند.
۲۰. نقد علمی را حمله شخصی تلقی نکنید
وقتی داور یا همکار شما می‌گوید:
«روش پژوهش شما ضعف دارد.»
لزومی ندارد معنایش این باشد که:
«شما پژوهشگر ضعیفی هستید.»
تفکیک میان:
- نقد ایده
- نقد روش
- و ارزش شخصی
- یکی از ویژگی‌های مهم بلوغ علمی است.
گاهی بهترین کار پس از دریافت نقد این است:
- کمی فاصله بگیرید.
- نقدها را دسته‌بندی کنید.
- مشخص کنید کدام نقدها درست‌اند.
- برای هر مورد پاسخ مستدل یا اصلاح مناسب تهیه کنید.
۲۱. دائماً مهارت‌های خود را به‌روز کنید
یک پژوهشگر امروز فقط با دانش چند سال قبل نمی‌تواند برای همیشه پیش برود.
بسته به حوزه تخصصی، ممکن است نیاز داشته باشید مهارت‌های زیر را تقویت کنید:
- روش تحقیق
- آمار
- تحلیل داده
- برنامه‌نویسی
- مدیریت داده
- مرور نظام‌مند
- استفاده مسئولانه از هوش مصنوعی
- نگارش علمی
- مدیریت منابع
- اخلاق پژوهش
NIH نیز آموزش مستمر در زمینه دقت علمی، شفافیت، روش‌شناسی و بازتولیدپذیری را بخشی از تقویت فرهنگ پژوهش قابل اعتماد می‌داند.
۲۲. از هوش مصنوعی استفاده کنید، اما مسئولیت علمی را واگذار نکنید
ابزارهای هوش مصنوعی می‌توانند در کارهایی مانند:
- ایده‌پردازی
- سازمان‌دهی مطالب
- کمک به کدنویسی
- ویرایش اولیه
- خلاصه‌سازی
مفید باشند.
اما پژوهشگر همچنان مسئول است که:
- منابع را بررسی کند؛
- ارجاعات ساختگی را تشخیص دهد؛
- تحلیل را بفهمد؛
- اطلاعات محرمانه را بی‌دلیل وارد ابزارهای عمومی نکند؛
- مسئولیت نهایی متن و یافته‌ها را بپذیرد.
یک اصل ساده:
هوش مصنوعی می‌تواند دستیار پژوهشگر باشد، اما نمی‌تواند جایگزین مسئولیت علمی پژوهشگر شود.
۲۳. پژوهش را برای «تولید مقاله» طراحی نکنید
گاهی فشار انتشار باعث می‌شود سؤال اصلی پژوهشگر این باشد:
«از این کار چند مقاله درمی‌آید؟»
این سؤال ممکن است در مدیریت حرفه‌ای پژوهش مطرح باشد، اما نباید جای سؤال اصلی را بگیرد:
«این پژوهش چه مسئله علمی مهمی را حل می‌کند؟»
کیفیت، دقت و ارزش علمی باید بر تعداد خروجی‌ها اولویت داشته باشد.
۲۴. محدودیت‌های پژوهش خود را صادقانه بنویسید
هر پژوهشی محدودیت دارد.
محدودیت داشتن نشانه شکست نیست.
مشکل زمانی است که پژوهشگر تلاش کند محدودیت‌ها را پنهان کند.
بهتر است توضیح دهید:
- محدودیت چه بوده؟
- چه اثری ممکن است بر نتایج داشته باشد؟
- پژوهش بعدی چگونه می‌تواند آن را برطرف کند؟
گزارش شفاف محدودیت‌ها و عدم قطعیت‌ها به درک بهتر اعتبار و دامنه تعمیم یافته‌ها کمک می‌کند.
۲۵. اعتبار علمی خود را مهم‌تر از سرعت انتشار بدانید
یک پژوهشگر ممکن است:
- یک مقاله کمتر منتشر کند؛
- اما کارش دقیق، قابل اعتماد و ماندگار باشد.
یا:
- تعداد زیادی مقاله منتشر کند؛
- اما کارهایش سطحی، غیرشفاف یا غیرقابل اعتماد باشند.
اعتبار علمی در بلندمدت بر پایه مواردی مانند:
- صداقت
- کیفیت روش
- شفافیت
- مسئولیت‌پذیری
- همکاری حرفه‌ای
- ساخته می‌شود.
NIH نیز صراحتاً rigor و reproducibility را برای تولید دانش قابل اعتماد ضروری می‌داند و آن‌ها را با یکپارچگی علمی، پاسخ‌گویی عمومی و مسئولیت اجتماعی پیوند می‌دهد.
منشور ۱۵گانه یک پژوهشگر
برای استفاده به‌صورت یک بخش مستقل یا پوستر در سایت، این نسخه کوتاه مناسب است:
- با مسئله واقعی شروع کن، نه با پاسخ از پیش تعیین‌شده.
- پیشینه را نقد کن، نه اینکه فقط جمع‌آوری کنی.
- روش را پیش از داده طراحی کن.
- میان فرضیه‌سازی و کشف پس از مشاهده داده تفاوت بگذار.
- اخلاق را بخشی از خود پژوهش بدان.
- رضایت و حریم خصوصی شرکت‌کنندگان را جدی بگیر.
- داده‌ها را دقیق، امن و مستند مدیریت کن.
- از تحلیل آماری فقط برای تولید عدد استفاده نکن؛ آن را بفهم.
- نتایج منفی را پنهان نکن.
- محدودیت‌های پژوهش را صادقانه گزارش کن.
- روش، داده و تحلیل را تا حد امکان شفاف کن.
- نویسندگی و مشارکت‌ها را عادلانه تعیین کن.
- تعارض منافع را آشکار کن.
- نقد علمی را فرصتی برای بهتر شدن بدان.
- اعتبار علمی خود را با یک مقاله یا یک نتیجه معامله نکن.