بایگانی برچسب: s

علمی که جذاب است، علمی که تولیدش جذاب است

زبان‌شناسی نظری (theoretical) یا فرمال، که بیشتر در نحو (syntax) و واج‌شناسی (phonology) مصداق پیدا می‌کند، برای من جذابیتی فراتر از ارتباطش با زبان دارد. این جذابیت مضاعف، ریشه در وضعیت زبان‌شناسی نظری از لحاظ ارتباطش با داده‌ها و همچنین فرآیندهای تولید علم دارد. در میان رشته‌های تحصیلی، زبان‌شناسی نظری جزو معدود رشته‌هایی است که فرایند تولید علم در آن مرتبط با موضوع، داده‌محور، و تحلیل‌محور است. می‌خواهم در این نوشته این سه ویژگی را شرح دهم و توضیح دهم که چرا مطالعه‌ی نحو و واج‌شناسی نظری می‌تواند انتخابی جذاب باشد، حتی برای کسانی که علاقه‌ی خاصی به زبان‌ها ندارند.

بیشتر علوم از دو مؤلفه‌ی مهم برخوردارند:
۱- جمع‌آوری داده
۲- تحلیل داده

همچنین، هر علمی دو جنبه دارد که نباید با هم اشتباه گرفته شوند:
۱- خروجی‌های علم، که همان چیزی است که ما در دوره‌ی کارشناسی عمدتا با آن مواجهیم. (مانند قضایای ریاضی اثبات‌شده، دانش ما درباره‌ی ویژگی‌های زیستی بدن، دانش ما درباره‌ی ساختار زبان‌ها)
۲- فرآیندهای تولید علم، که همان چیزی است که در دوره‌ی دکترا ایام صرف آن می‌شود. (مانند تلاش برای اثبات یک قضیه‌ی ریاضی جدید، انجام آزمایش برای یافتن درک بهتر از نحوه‌ی کارکرد بدن موجودات زنده، مقایسه‌ی داده‌های زبانی برای یافتن نکته‌های تازه درباره‌ی نظم کلی حاکم بر ساختار زبان‌ها)

با این مقدمه، در ادامه سعی می‌کنم توضیح دهم که چرا به گمان من وضعیت زبان‌شناسی نظری از لحاظ رابطه‌اش با جمع‌آوری و تحلیل داده در فرآیند تولید علم می‌تواند جذاب باشد.

تولید علم مرتبط با موضوع
یاد گرفتن درباره‌ی یک دانش، با تولید آن دانش تفاوت‌های اساسی دارد و مستلزم فعالیت‌های متفاوتی است. من در مقام توصیه نیستم، اما اگر بخواهم یک توصیه برای کسانی داشته باشم که می‌خواهند پس از دوره‌ی کارشناسی برای تحصیلات تکمیلی رشته یا گرایش جدیدی انتخاب کنند، آن توصیه این است که به تفاوت اساسی بین فرآیند کسب یک دانش و فرآیند تولید آن دانش توجه داشته باشند. ترجمه‌ی تجربی این تفاوت، همان تفاوتی است که میان دوره‌ی کارشناسی و دوره‌ی دکترا وجود دارد. برای مثال، آموختن درباره‌ی تاریخ باستان (چنان که در دوره‌های کارشناسی تاریخ رخ می‌دهد) برای بسیاری از ما شیرین است، اما سفر اکتشافی و عملیات حفر در شرایط هوایی نامساعد و کنارهم‌چینی قطعات زیرخاکی (چنان که در دوره‌های تحصیلات تکمیلی باستان‌شناسی رخ می‌دهد) لزوما دلچسب همه‌کس نیست. به همین ترتیب، آموختن درباره‌ی کارکرد مغز و اعصاب از طریق کتاب‌های درسی کارشناسی، داستانی کاملا متفاوت است از زندگی روزمره‌ی دانشجویان دکترای علوم اعصاب که از صبح تا شب در آزمایشگاه وقتشان را با موش‌ها و سرنگ‌ها می‌گذرانند تا یک همبستگی معنادار تازه میان یک عامل بیرونی و یک نشانه‌ی بالینی بیابند. قطعا نمی‌گویم این فرآیندها لزوما غیرجذابند، اما تاکید می‌کنم که کسی که بدون داشتن تصور درست از زندگی روزمره‌ی یک دانشجوی دکترا صرفا به خاطر علاقه به آموختن در یک رشته به سراغ آن رشته می‌رود، ممکن است سرخورده شود. مثال دیگر دانشجویی دکترا در برخی گرایش‌های فیزیک است، که در آنها عمر دانشجو به تنظیم مدارها و طراحی آزمایش و بررسی علل شکست آزمایش‌ها می‌گذرد، نه تعمق در پیچیدگی‌های نظری فیزیک که ابتدائا عامل جذبش به آن رشته بوده.

نکته‌ی کلیدی این است که در تمام دانش‌های نام‌برده، گلوگاه فرآیند تولید علم جمع‌آوری داده است نه تحلیل داده. تحلیل داده به خروجی علم و آن‌چه که در دوران کارشناسی ما را به آن علم علاقه‌مند کرده بسیار شبیه‌تر است. در مقابل، جمع‌آوری داده به اندازه‌ی کافی مرتبط با خروجی دانش مربوطه نیست. از این زاویه، زبان‌شناسی نظری برای من که به تحلیل داده بیش از جمع‌آوری آن علاقه‌مندم جذاب است چرا که عمده‌ی کار نحوشناس و واج‌شناس، بالا و پایین کردن داده‌ها و تلاش برای کشف نظم حاکم بر آنهاست، نه یافتن داده‌های تازه. در موارد نیاز به داده‌ی تازه نیز، در بیشتر موارد دسترسی به داده‌ی تازه خرجی بیش از مراجعه به کتاب‌های توصیفی زبان‌ها ندارد.

تولید علم داده‌محور
رشته‌های تحصیلی دیگری هم وجود دارند که نه تنها گلوگاه کارشان جمع‌آوری داده نیست، بلکه اصولا داده در آنها جایگاهی ندارد. بارزترین مثال از این گروه، فلسفه است. در گرایش‌های زبان‌شناسی نیز گرایش‌های نزدیک به نشانه‌شناسی چنین وضعیتی دارند. در این دانش‌ها، تحلیل همه‌چیز است. این رشته‌ها به خاطر جدایی‌شان از «داده» بعضا حتی زیرمجموعه‌ی science در معنای خاص آن قلمداد نمی‌شوند. نکته‌ی مثبت درباره‌ی این رشته‌ها این است که یکسره به سراغ اصل مطلب می‌روند، و وقت دانشمند تماما مصروف چیزی است که مستقیما به خروجی علم تبدیل می‌شود. در مقابل، نکته‌ای که دست‌کم به سلیقه‌ی من منفی است این است که استغنا از داده به نسبی‌گرایی دامن می‌زند، مرز درست و غلط را گنگ‌تر می‌کند، و دستاوردهای علم را در فرآیندها قرار می‌دهد نه در نتایج. به همین جهت است که نظرات سقراط بعد از هزاران سال هنوز در فلسفه موضوع داغ گفتگویند اما دانش داده‌محور زیست‌شناسی هر پنجاه سال زیر و زبر می‌شود.

در زبان‌شناسی نظری، داده اگرچه سهل‌الوصول است اما اهمیت نظری پررنگی دارد. یک مثال نقض از یک زبان کم‌گویشور برای سست کردن پایه‌های یک نظریه‌ی زبان‌شناختی کافی‌ست، و همین ابطال‌پذیری نظریات به معنادارتر شدن «پیشرفت» در این علم کمک می‌کند.

تولید علم تحلیل‌محور
در طرف دیگر طیف، علومی قرار دارند که سهم تحلیل در آنها اندک است و بخش عمده‌ای از فرآیند تولید علم همان تولید داده است. البته دانش بی‌تحلیل معنا ندارد، اما فکر می‌کنم باید پذیرفت که در علومی مانند جانورشناسی، زمین‌شناسی، و گرایش‌های میدانی در زبان‌شناسی، اولویت با کشف داده است نه با تحلیل آن. در چنین علومی، لحظه‌های «یافتم یافتم» ناشی از تفکر پیچیده و شبانه‌روزی کمتر رخ می‌دهد، و پدیده‌هایی که حتی وقتی توضیحشان را می‌شنویم درک پیچیدگی‌شان برایمان دشوار است کمتر دیده می‌شوند.

مؤخره
توضیحات واضحات: غرض من از این نوشته صرفا نشان دادن جنبه‌هایی از تحصیل و تولید دانش است که ممکن است به چشم برخی نیامده باشد، و قطعا بخش‌های ارزش‌گذارانه‌ی این نوشته از آغشتگی به سلیقه‌ی شخصی من رنج می‌برند. همچنین، اعتراف می‌کنم که علی‌رغم تمام آن‌چه می‌گویم مطمئن نیستم که زبان‌شناسی نظری جذاب‌ترین دانشی است که می‌شناسم. چه فعالیت‌های زبانی میدانی، و چه دانش‌های نامرتبطی مثل زیست‌شناسی و ریاضی و مهندسی کامپیوتر، همه برای من جذابند. خلاصه این که جان کلام، طبقه‌بندی علوم بر مبنایی که اشاره کردم است، نه ارزش‌گذاری آنها.