From Epistemic Justification to Methodological Decision: The Epistemicization of Hypotheses and the Status of H₀–H₁ in Scientific Research

विज्ञान को अक्सर एक सीधी रेखा के रूप में कल्पित किया जाता है जो एक प्रश्न से लेकर एक एकल, अकाट्य सत्य तक ले जाती है। प्रयोगशाला में, एक शोधकर्ता एक विचार प्रस्तावित करता है, डेटा एकत्र करता है, और उस विचार को सही सिद्ध करने की आशा करता है। एक सदी से अधिक समय से, दार्शनिक इस बात पर बहस कर रहे हैं कि हम कैसे सुनिश्चित कर सकते हैं कि हमारे वैज्ञानिक विचार वास्तव में सत्य हैं, वे सत्यापन (verification)—यह जाँचने कि क्या कुछ वास्तविकता से मेल खाता है—और मिथ्याकरण (falsification)—किसी चीज़ को गलत साबित करने की कोशिश करना—जैसे विषयों पर ध्यान केंद्रित करते रहे हैं। इन बहसों ने यह तय करने के तरीके को आकार दिया है कि हम ज्ञान के बारे में कैसे सोचते हैं, लेकिन उन्होंने तब एक अंतराल छोड़ दिया जब बात वैज्ञानिकों के वास्तविक, दैनिक कार्य की आती है। जबकि दार्शनिक सत्य की प्रकृति पर बहस कर रहे होते हैं, मनोविज्ञान से लेकर कृषि जैसे क्षेत्रों के शोधकर्ता ऐसे डेटा के आधार पर निर्णय लेने में व्यस्त होते हैं जो कभी भी पूरी तरह से स्पष्ट नहीं होता। वे अनिश्चितता, छोटे नमूना आकारों और यादृच्छिक शोर (random noise) का सामना करते हैं, और उन्हें पूर्ण निश्चितता की प्रतीक्षा किए बिना आगे बढ़ने का एक तरीका चाहिए होता है। यहीं पर सांख्यिकीय निर्णय लेने के उपकरण काम आते हैं, विशेष रूप से बीसवीं सदी में विकसित एक प्रणाली जो वैज्ञानिकों को तब भी कार्य करने की अनुमति देती है जब वे उत्तर के बारे में 100% सुनिश्चित नहीं हो पाते।

नुह नाची याज़गन विश्वविद्यालय के एक शोधकर्ता बुलेन्ट बयात का एक नया शोध पत्र इस गहरे भ्रम की जांच करता है जो इन दो दुनियाओं के बीच बढ़ गया है: सत्य की दार्शनिक खोज और निर्णय लेने की व्यावहारिक आवश्यकता। पेपर का तर्क है कि वैज्ञानिक और पाठ्यपुस्तकें सांख्यिकीय उपकरणों के साथ इस तरह व्यवहार करके एक मौलिक गलती कर रही हैं जैसे कि वे दार्शनिक प्रमाण हों। दशकों से, शोधकर्ता अपने विचारों का परीक्षण करने के लिए एक मानक पद्धति का उपयोग करते रहे हैं, अक्सर अपनी भविष्यवाणियों को "परिकल्पना" (hypotheses) के रूप में लेबल करते हैं और फिर एक सांख्यिकीय परीक्षण के आधार पर उन्हें "सिद्ध" या "मिथ्या सिद्ध" घोषित कर देते हैं। बयात का सुझाव है कि यह एक श्रेणीगत त्रुटि (category error) है। विचाराधीन सांख्यिकीय प्रणाली, जिसे नेमन-पियर्सन निर्णय सिद्धांत (Neyman–Pearson decision theory) के रूप में जाना जाता है, कभी भी हमें यह बताने के लिए नहीं बनाई गई थी कि ब्रह्मांड में क्या सत्य है। इसके बजाय, इसे वैज्ञानिकों के समूहों को यह निर्णय लेने में मदद करने के लिए बनाया गया था कि अनिश्चितता का सामना करते समय उन्हें आगे क्या करना चाहिए, ताकि वे सुसंगत और तर्कसंगत विकल्प चुन सकें।

समस्या का मूल इस सांख्यिकीय खेल के दो मुख्य पात्रों के बारे में बात करने के तरीके में निहित है। मानक दृष्टिकोण में, एक शोधकर्ता एक "शून्य परिकल्पना" (null hypothesis) स्थापित करता है, जो अनिवार्य रूप से एक डिफ़ॉल्ट धारणा है कि कुछ भी दिलचस्प नहीं हो रहा है, और एक "वैकल्पिक परिकल्पना" (alternative hypothesis), जो शोधकर्ता का अपना विचार है कि कुछ हो रहा है। जब डेटा आता है, तो शोधकर्ता अपने अपने विचार के पक्ष में डिफ़ॉल्ट धारणा को त्यागने का निर्णय लेता है। बयात बताते हैं कि इस प्रणाली के मूल डिज़ाइन में, ये दो विचार वास्तविकता के बारे में प्रतिस्पर्धी दावे नहीं थे। वे परस्पर विरोधी नहीं थे जहाँ एक सत्य है और दूसरा असत्य। इसके बजाय, उन्हें निर्णय लेने की प्रक्रिया के लिए दो अलग-अलग पथों के रूप में डिज़ाइन किया गया था। लक्ष्य सत्य खोजना नहीं था, बल्कि गलती करने के जोखिम को नियंत्रित करना था। यह प्रणाली वैज्ञानिकों को यह कहने की अनुमति देती है, "यदि हम मान लें कि कुछ भी नहीं हो रहा है, तो इस तरह के चरम डेटा को देखने की संभावना बहुत कम है, इसलिए हम ऐसा कार्य करने का निर्णय लेंगे जैसे कि कुछ हो रहा है।" यह व्यवहार के लिए एक नियम है, तथ्य का बयान नहीं।

इस स्पष्ट डिज़ाइन के बावजूद, इस पद्धति को सिखाने और उपयोग करने का तरीका इसके मूल इरादे से बहुत दूर चला गया है। पाठ्यपुस्तकें और शोध पत्र अक्सर डिफ़ॉल्ट धारणा को खारिज करने को शोधकर्ता के विचार के सत्य होने का "प्रमाण" बताते हैं। वे किसी परिकल्पना को "स्वीकार करने" के बारे में वैसे ही बात करते हैं जैसे कि उसे ब्रह्मांड द्वारा सत्यापित किया गया हो। बयात इस भ्रम को दार्शनिक बहसों के एक लंबे इतिहास से जोड़ते हैं जो ज्ञान को न्यायसंगत बनाने पर केंद्रित थे। क्योंकि दार्शनिकों ने सत्यापन और मिथ्याकरण के बारे में तर्क करने में बहुत समय बिताया, इसलिए वैज्ञानिकों ने यह मान लिया कि उनके सांख्यिकीय परीक्षण उन दार्शनिक सिद्धांतों का व्यावहारिक अनुप्रयोग हैं। उन्होंने सांख्यिकीय आउटपुट को अपने सिद्धांतों के सत्य पर एक प्रत्यक्ष निर्णय के रूप में मानना शुरू कर दिया। पेपर का तर्क है कि यह एक गलतफहमी है। सांख्यिकीय परीक्षण आपको यह नहीं बताता कि आपका सिद्धांत सत्य है या नहीं; यह केवल आपको यह बताता है कि आपके द्वारा एकत्र किया गया डेटा इतना असामान्य है या नहीं कि वह आपके कार्य करने के मार्ग को बदलने के लिए पूर्व-निर्धरित नियम को सक्रिय कर दे।

इस भ्रम ने विज्ञान करने के एक ऐसे अनुष्ठानिक तरीके को जन्म दिया है जो भ्रामक हो सकता है। शोधकर्ता अक्सर H1 से H14 तक की लंबी क्रमांकित परिकल्पनाओं की सूचियाँ लिखते हैं, प्रत्येक को सिद्ध या असत्य सिद्ध किए जाने वाले एक अलग दावे के रूप में देखते हैं। वे "परिकल्पना समर्थित थी" या "शून्य परिकल्पना को मिथ्या सिद्ध किया गया" जैसे शब्दों का उपयोग करते हैं, मानो सांख्यिकीय परीक्षण ने वास्तविकता पर अंतिम निर्णय सुना दिया हो। बयात बताते हैं कि यह भाषा खतरनाक है क्योंकि यह इस तथ्य को छिपाती है कि परीक्षण वास्तव में केवल जोखिम प्रबंधन का एक उपकरण है। जब एक वैज्ञानिक कहता है कि उसने शून्य परिकल्पना को "मिथ्या सिद्ध" कर दिया है, तो वह यह नहीं कह रहा है कि उसने वैकल्पिक परिकल्पना को सत्य सिद्ध कर दिया है। वह केवल यह कह रहा है कि उसने एक विशिष्ट पथ का पालन करने का निर्णय लिया है क्योंकि डेटा डिफ़ॉल्ट धारणा के तहत असंभावित था, और वह इस बात को स्वीकार करने के लिए तैयार है कि उसके गलत होने की एक पूर्व-निर्धारित छोटी संभावना है। यह प्रणाली कई, कई अध्ययनों में अच्छा प्रदर्शन करने के लिए डिज़ाइन की गई है, जिससे यह सुनिश्चित होता है कि वैज्ञानिकों के समूह के रूप में बहुत कम त्रुटियां हों, न कि यह गारंटी देने के लिए कि किसी एक अध्ययन ने पूर्ण सत्य खोज लिया है।

पेपर यह भी देखता है कि यह भ्रम शोधकर्ता की भूमिका को समझने के तरीके को कैसे प्रभावित करता है। दार्शनिक दृष्टिकोण में, वैज्ञानिक एक सत्य का खोजी है, जो दुनिया की एक ऐसी तस्वीर बनाने की कोशिश कर रहा है जो यथासंभव सटीक हो। निर्णय-सिद्धांत के दृष्टिकोण में, वैज्ञानिक जोखिम का प्रबंधक है, जो एक ऐसा विकल्प चुनने की कोशिश कर रहा है जो दीर्घकालिक त्रुटि दर को कम रखे। ये दो अलग-अलग काम हैं। इन्हें आपस में मिलाकर, हम सांख्यिकीय उपकरणों से वह काम करने की अपेक्षा करते हैं जिसके लिए वे कभी बनाए ही नहीं गए थे। हम एक निर्णय नियम से यह बताने की मांग करते हैं कि क्या वास्तविक है, जबकि इसे केवल यह बताने के लिए बनाया गया था कि कब कार्य करना है। इससे एक ऐसी स्थिति पैदा होती है जहाँ हम अपने डेटा से उससे अधिक की मांग करते हैं जितना वह दे सकता है, और हम ऐसे वैज्ञानिक निष्कर्षों के साथ समाप्त होते हैं जो निश्चित महसूस होते हैं लेकिन वास्तव में केवल एक यांत्रिक प्रक्रिया का परिणाम होते हैं।

बयात का कार्य यह सुझाव नहीं देता कि हमें इन सांख्यिकीय उपकरणों का उपयोग बंद कर देना चाहिए। इसके विपरीत, पेपर का तर्क है कि ये उपकरण आधुनिक विज्ञान के लिए आवश्यक हैं क्योंकि वे अनिश्चितता के बावजूद हमें आगे बढ़ने की अनुमति देते हैं। समस्या स्वयं उपकरण नहीं है, बल्कि इस बात में है कि हम उनके परिणामों की व्याख्या कैसे करते हैं। प्रस्तावित समाधान यह है कि सांख्यिकीय निर्णयों को दार्शनिक सत्य के ढांचे में जबरदस्ती फिट करने की कोशिश बंद कर दी जाए। इसके बजाय, हमें यह पहचानना चाहिए कि ये उपकरण एक अलग श्रेणी के हैं: वे इस बारे में नियम बनाने के तरीके हैं कि जब हमें उत्तर नहीं पता हो तो हमें कैसे कार्य करना चाहिए। यदि हम "क्या सत्य है" के प्रश्न को "हमें आगे क्या करना चाहिए" के प्रश्न से अलग कर सकें, तो हम इन उपकरणों का अधिक प्रभावी ढंग से उपयोग कर सकते हैं। हम यह दावा करने के बजाय कि एक सांख्यिकीय परीक्षण ने एक सिद्धांत को सिद्ध कर दिया है, यह समझना शुरू कर सकते हैं कि इसने केवल हमें कठिन परिस्थितियों में एक तर्कसंगत विकल्प चुनने में मदद की है।

पेपर इस निष्कर्ष पर पहुँचता है कि विज्ञान के इतिहास ने दार्शनिकों, जो ज्ञान के अर्थ की चिंता करते हैं, और सांख्यिकीविदों, जो निर्णय लेने की कार्यप्रणाली की चिंता करते हैं, के बीच एक विभाजन पैदा कर दिया है। लंबे समय तक, ये दोनों समूह एक-दूसरे से अलग बातें कर रहे थे, जिससे वर्तमान भ्रम पैदा हुआ जहाँ वैज्ञानिक सोचते हैं कि उनके सांख्यिकीय परीक्षण दार्शनिक प्रमाण हैं। बयात का सुझाव है कि आगे बढ़ने का रास्ता सांख्यिकी को अधिक दार्शनिक बनाने के लिए ठीक करना नहीं है, बल्कि इन दोनों स्तरों के बीच स्पष्ट अंतर करना है। हमें यह समझने की आवश्यकता है कि H0 और H1 संरचना हमारे निर्णयों को व्यवस्थित करने की एक विधि है, न कि वास्तविकता का मानचित्र। इस अंतर को स्वीकार करके, वैज्ञानिक अपने उपकरणों का अधिक ईमानदारी और स्पष्टता के साथ उपयोग कर सकते हैं, यह स्वीकार करते हुए कि वे जोखिम और अनिश्चितता के आधार पर निर्णय ले रहे हैं, न कि पूर्ण सत्य की खोज करने का दावा कर रहे हैं। यह दृष्टिकोण विज्ञान को कमजोर नहीं करता है; बल्कि यह इसे मजबूत करता है क्योंकि यह हमारे तरीकों को उनके वास्तविक उद्देश्य के अनुरूप बनाता है।