۱۳۹۰ فروردین ۱۱, پنجشنبه

تاثیر زبان بر تست شخصیت

من همیشه به روانشناسی و علوم انسانی ِ مشابه به آن به دیده شک نگاه کردم و می کنم. هرچند خیلی ازش لذت می برم و مطالعه اش برام جذابه، اما کمتر در روابط واقعی لحاظ می کنم اش. دلیل اش هم این هست که گاهی حس می کنم ممکن هست کنش-واکنش های من را با افراد پیرامون ام مورد تاثیر قرار بده، بدون اینکه دقیقن بگه چرا. و خوب برای من که یک آدم به صرف بودن اش مهم تر است از چگونه بودن اش ترجیح می دم بدون پیش زمینه ای باهاش برخورد کنم.
حالا، در طول هفته ی گذشته با یک وبگاه جالب آشنا شدم که براساس یک تست شخصیت، سیستم روانشناسی نسبتن جالبی را طراحی کرده. دوتا چیز جالب در این وبگاه بود؛ اول اینکه امکان اش هست که بتونی نتایج را با دیگران مقایسه کنی (بنابراین اگر کسی را برای درازمدت می شناسید و شباهت های شخصیتی بین خودتان را می دونید، می تونید یک سنجش کلی از آزمایش داشته باشید). دوم اینکه نتایج آماری نسبتن وسیع ارایه شده اند و در طول زمان به صورت نمودار نمایش داده می شوند (پس اگر نتایج را به صورت کلی (مطلق) نمی پسندید، فکر می کنم لااقل بررسی مداوم در طول زمان برای تان جالب و شاید کاربردی باشه).
آزمایش مربوطه هم، به نظر آزمایشی استاندارد موسوم به تستِ شخصیت بیگ-فایو هست که بنابه تعریف، پنج مولفه ی کلیدی ِ شخصیتی را بررسی می کنه. البته کمی صبر و حوصله می خواد.
خوب تا اینجاش را احتمالن قبلن هم نوشته اند. چیزی که من می خواستم از تجربه ام اضافه کنم این بود: من در طول هفته این تست را دوبار با فاصله ی زمانی کم انجام دادم. بار اول به انگلیسی و بار دوم به فارسی. نتیجه ها خیلی متفاوت بود؛ شاید به طور متوسط حدود سی درصد جابه جا شدند. وقتی که خوب دقت کردم دیدم معنی کلمه ها برای من (با وجود ترجمه ی نسبتن مناسب*) در فارسی و انگلیسی دیگر بوده اند. به این معنی که برای جواب دادن به سوال های انگلیسی ملایم تر و میانه رو تر فکر می کردم. مثلن سوالی مشابه این بود «یک دین قطعی و کامل برای همه وجود دارد» و جواب من به فارسی بود «به هیچ وجه» و به انگلیسی فقط بود «نه». چیزهایی به ذهن ام می رسه، اما خوب مطمین نیست ام که دلیل این مساله چی هست. شاید بخشی به ناتوانی زبانی من برگرده اما به نظرم بخش قابل توجهی هم خود زبان به عنوان «بستر فرهنگ مربوط به خود» هست. حالا کدام نتیجه و در چه زبانی درست تر هست؟


* در فارسی لغات به نظرم خودمانی تر به کار رفته بود اند.

۱۳۸۹ اسفند ۲۱, شنبه

شاخص برازش یا h-index

دوباره وقت شد که یک چیزی اینجا بنویسم (:. این بار هم مربوط به نوشته ی قبلی ام درباره ی دنیای علم هست.
شاید در مورد شاخص های مقاله ها، نشریه های علمی و همینطور اشخاص (یعنی پژوهش گر ها) شنیده باشید. برای نشریه های علمی، عددی هست به نام impact factor، که من به «ضریب تاثیر گذاری» ترجمه می کنم، که هرچه بالاتر باشه به معنی این هست که نوشته های اون نشریه مورد استناد بیشتری قرار گرفته و به عبارتی نفوذ بیشتری در جامعه ی علمی مربوط به خودش داره. این عدد اگرچه معیار دقیقی نیست (چون متاثر از عوامل زیادی هست) اما تقریبی از کیفیت و اهمیت نشریه به دست می ده.
برای مقاله ها (یا کتاب ها) بهترین شاخص، تعداد ارجاع های به اون مقاله هست؛ citation. و به نظر من شاخص خوب و مناسبی هست. حتا این ارجاع ها می تونه زنجیره ای دنبال بشه و ارزش مقاله را بیشتر آشکار کنه. منظورم از زنجیره ای، نقش یک مقاله در گرافی هست که اون را به دیگر نوشته ها به صورت رشته ای وصل می کنه. وبگاه http://isiknowledge.com مرجع خوبی برای این جور بررسی ها هست.
در مورد اشخاص هم تعداد مقاله هایی که نوشته اند اولین چیزی هست که به چشم می آد. اما برای درک عمیق تر، تعداد ارجاع ها به مقاله های اونها خیلی مهم تر هست. برای اینکه موضوع شفاف تر بشه یه شاخص دیگر هم تعریف شده به نام h-index (من بهش می گم شاخص برازش) که تعریف اش هست: حداکثر تعداد مقاله هایی (عدد آ) که هرکدام حداقل همون تعداد (آ) مورد ارجاع قرار گرفته اند. یعنی اگه کسی ده تا مقاله داره و سه تا از اونها هرکدوم سه بار یا بیشتر مورد ارجاع قرار گفته باشند، شاخص برازش اون نویسنده می شه سه. هرچند دقیق به نظر نمی رسه اما به طور نسبی نوشته های ارزشمند را در رزومه یک فرد به خوبی غربال می کنه. به علاوه به نظرم تعریف اش جالبه. (جای فکر کردن و بازی کردن داره (:)
همه ی این ها رو که کنار بگذاریم یه پژوهش گر  حرفه ای معمولن کَمَکی عمیق تر نگاه می کنه و مقاله ی خوب و پژوهش گر به اصطلاح کار-درست را به روش های خودش پیدا می کنه. البته چون گاهی برخوردها سلیقه ای هست انتشار و به دنبال اش این اطلاعات آماری که در بالا نام بردم باعث می شه کار محکی بخورده و بارخورده اش دیده بشه. اما همیشه هم اینطور راست و درست نیست. برای مثال من مقاله ای هم دیده ام که از بن اشتباه باشه و سی و هشت بار هم مورد ارجاع قرار گرفته باشه (در رشته ی من سی و هشت عدد قابل توجه ای هست). اشتباه البته عمدی نبوده (من با نویسنده اش صحبت کردم و او اصلن نمی دونست اشتباه کرده). متاسفانه هزینه ی چنین نوشته ای خیلی زیاده، چون ممکنه انگیزه ی پژوهش های نادرست زیادی شده باشه. این من را یاد خاطره ای می اندازه که فاینمن تعریف کرده:

میلیکان برای اولین بار شارژ الکتریکی یک الکترون را بر اساس آزمایش فروافتادن یک قطره روغن اندازه  گیری کرد و عددی به دست آورد که امروز ما می دانیم این عدد نادرست هست. دلیل خطای اندازه گیری او این بود که، مقداری را که برای گرانروی (ویسکوزیته) هوا در نظر گرفته بود، غلط بود. به نظر جالب خواهد آمد تا به تاریخ آزمایش هایی که پس از کار میلیکان برای اندازه گیری بار الکتریکی یک الکترون انجام شده اند نگاهی بیانداریم: اگر نمودار مقادیر اندازه گیری شده را نسبت به تاریخ آنها رسم کنیم. متوجه می شویم که در طول زمان هریکی کمی بزرگتر از قبلی هست اند و کم کم به سمت مقدار درست آن سیر می کنند.
چرا مقدار صحیح در اولین اندازه گیری های پس از میلیکان به دست نیامد؟ این جریان چیزی است که پژوهش گران از بیان آن شرم دارند، چون ظاهرن قضیه از این قرار بوده که آزمایشگران وقتی به یک نتیجه خیلی بزرگتر از نتیجه ی میلیکان دست می یافتند با خود فکر می کردند که «حتمن این محاسبه اشتباه هست» و آنها می بایست به دنبال اشتباه شان بگردند و دلیلی برای آن «اشتباه» پیدا کنند. و درست برعکس وقتی به نتیجه ای نزدیک به آنچه میلیکان گزارش کرده بود می رسیدند دیگر چندان وسواسی به خرج نمی دادند! و به این ترتیب مقدار واقعی مدت ها مخفی ماند.

می بینید که دانش دنیای پیچیده ای داره. اما به هرحال هنوز به نظرم بازار علم بازار پاکیزه تری (در مقایسه با دیگر جاها مثل صنعت و دلالی و سیاست و دین و ..) هست. کَمَکی البته..