研究五模式:发现问题、描述现象、阐明机理、提出方法、设计机制

人类对于自然与社会的认知是需要多个角度的,一度物理学的思维模式占据了整个的学术界,这是可以理解的,因为物理学从现象开始,然后就是对外在表象之下的内在机理的阐释——从现象到本质难道不是人们认知世界的一般过程吗?

但是,在研究管理问题时,大家发现因为人的参与,其实很难找到一个可重复、可验证,或者可证伪的规律,反而是似乎正面也值得分析,完全的反面也需要研究,似乎人们这么想是应该的,反着想也没有什么不对啊。

那么,物理模式的思维对于管理学也就面临着很大的挑战和问题,人们于是求助于生物学里的各个分支学科,觉得那是和社会管理更接近的一门自然科学。但是,找来找去,又都似是而非。

我认为,任何一个门类的科研,都有如下五个研究模式,不过有的会强调其中的一类或几类罢了:

一、发现问题

爱因斯坦说过这样一句话:想象力比知识更重要。很多人阐释过这个说法,大致是认为知识是已经固化的东西,而如果要推进人们对于未知世界的认识,就一定要有更强的稍离眼前这个范围的东西。

也就是说,如果能够发现新的问题,则这一问题可能带领大家步入一个新的阶段或领域。

物理学中二十世纪初的那两朵乌云正是问题,而发现这两个问题开始并没有引起大家的重视,以为只是两个容易解决但是大家暂时没有想到的小玩意儿而已。但是,后面的物理学爆发式的发展正是起因于科学家们对这两个问题的逐渐深入认识。

如果大家没有认为这是两个问题,也许明星辈出的时代就会错过,人们对于物理世界的了解就依然停留在牛顿时代。

当然,发现问题之后就是解决问题,而在某种意义上,解决问题本身都不是特别关键的要害,而是在解决问题的过程中产生新的思维模式。数学中的疑难问题多了,数论、图论这类古老数学分支里的各类难题如过江之鲤,很多东西的解决假以时日并非没有可能,但是很多问题的解决其实是没有意义的。说到陈景润面临的1+1的问题,差不多就是这样,他把筛法应用到极致,然后给出了最接近哥德巴赫想法的结果,但是,只是把一个古老的方法应用到极致而已,并没有新的方向因此诞生,也没有在解决问题的同时给出新的思维脉络,这个研究的价值也就有限了。

二、描述现象

刚刚有博主提到了第谷和开普勒对于物理学的贡献,其实,物理学正是在正确地描述现象方面最为用力的学科之一。

而且,从某种意义上说,描述现象就足以伟大了。

事实上,如果我们严格一点,第谷先生连描述现象都没有做到,虽然好在开普勒三定理实现了这一点,用三个描述现象的方程把第谷一生的数据积累进行了模型化。不管是第一定律的椭圆轨道定律,还是第二定律的面积规律,抑或第三定律的调和定律,都是对既有现象的一种刻画与描述。而正确的描述一个客观现象其实并非容易的事情。

而管理中的现象可能就是类似霍桑试验里面说的,工作车间的灯的亮度是否会影响到工人的工作效率?工人的工作效率为什么相差无几?而不是玩命干活的就能多拿钱?对于这些现象的了解已然可以算作一个研究主题了。

三、阐明机理

开普勒们就算描述清楚了现象,可是现象是怎么来的?如果回答不了这个问题,就无法深入到更深的规律层面,牛顿之伟大也就在这里了。

之前的信徒们觉得那都是上帝的安排,对于牛老师而言,也没有否定这一点,但是,他还是想知道开普勒给出的这些现象究竟背后是什么力在推动。

于是,他找到了老牛三定律,而万有引力正是造成地球按照椭圆轨道绕太阳转的根本动力,且其他星体也一样,而万有嘛,就总是存在的。这就基本解决了开普勒现象背后的本质问题。从而为制造卫星(属于设计机制的一部分)让它服从这些现象打下了理论基础。

任何学科都有类似的发现机理的内在要求,化学中给出了周期表,发现了不同元素的根本性差异,就一样是机理的阐释,而这个自然比发现氧气有什么作用更有价值。

所以,现象学层面的东西再准确,也无法和机理层面的研究相比,让英国的老戴讽刺的炒菜做科研的行为其实基本就停留在现象学的浅层,而内在机理却难得说清楚;黄秀清质疑的超导理论从而希望研究透彻的也正是机理层面的内容。

管理科学中当然也有机理层面的东西,比如如何理解事件,如何从时间的阶段上对于事件的孕育、发生、发展与演化进行刻画,就是极难但是极有价值的研究主题。

四、提出方法

我的观点,提出研究方法是最难也是最具备挑战性的研究模式,因为方法多是普适的,不会只用在一个方面。

现在在社会科学研究中倡导的“社会物理学”其实就采集物理学的各类模型和方法用在社会科学上,当然也包括管理科学。

我喜欢提及的最漂亮的一个方法是层次分析法,那是一个把定性的评价定量化的极其美妙的一个方法。层次分析将目标和准则以及备选方案分成至少三个层次,然后专家们不对着方案直接评价,而是对着准则评价,而准则相对于方案是有着相对客观的排队结果的,于是,方案的最终决策排序就可以很漂亮地给出来。

举个简单例子,相亲是个管理决策问题,如果姑娘有三个相亲对象难以决断,就可以用层次分析法来做。

目标:当然是从三个中挑选一个合适的对象。

准则:可以用学历、长相、身高、家庭、收入等作为准则。

对象:A,B,C

对象对于准则基本是可以客观排序的,这个自不待言,我们不在这里多讨论。

那么,姑娘内心纠结,就请专家吧,七大姑八大姨出来,她们不是对着三个小伙子品头论足,而是对准则的重要程度进行评判,而且,最多也不能超过9倍,你如果认为学历比长相重要1000倍那就不是理性选择了。这样,所有的专家意见整理下,再检查一下所谓一致性(就是不同准则比对时可能出现的矛盾现象,如学历比长相重要3倍,长相比收入重要2倍,但是学历又比收入重要9倍)。

最后,专家意见作为权重,对象的打分最后就会出现,这个避免了专家对方案直接判别,应该说是很漂亮的决策方法,加之三分钟就能给小学文化程度的人讲明白,这个方法的各类应用的论文早就超过了几万篇,其中多数应用是中国学者和研究生的贡献。

五、设计机制

设计宇宙飞船其实就是了解了地球绕太阳转的机理之后主动去设计机制,在符合机理的前提下达到一个新的目标。Mechanism本身就是一个机械领域的词汇,后来被广泛地用来,生物学里面如果谁研究透彻了某个机制,是完全可以得诺贝尔奖的,但是,生物学里面的很多被叫做“机制”的东西其实只是“现象”,从这里也可以看到,机制这个词被不同学科使用,都用歧义了,用坏了。

不过,尽管如此,设计机制来达到目标还是更多在管理学中能够得以体现。

来源:学术中国

原文发布于微信公众号 - 数据的力量(shujudeliliang)

原文发表时间:2014-11-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

深度学习洪流:为何它能瞬间改变你的生活?(上)

编者按:我们和电脑之间的交流正在发生着转变,而深度学习也已经润物细无声地进入我们的生活,甚至在你意识到这一点之前,世界已经截然不同。 本文首发于fortune,...

2738
来自专栏华章科技

统计学入门必看,别走这样的弯路

想要打通统计学习的任督二脉,爱上统计学吗?今天为大家推荐一篇果壳网网友清扬婉喵的文章,文中不仅系统盘点了统计学习的经验和感悟,更对统计的学习资源做了悉心标注和罗...

1052
来自专栏大数据文摘

凯文•斯拉文:算法塑造世界

1755
来自专栏PPV课数据科学社区

【案例】预测,大数据核心价值之所在

? 世界杯期间各家科技巨头利用大数据预测比赛结果,再现“章鱼保罗”雄风。世界杯结束了但大数据预测还会继续。从夜观天象到气象预报,从童话里的水晶...

2454
来自专栏钱塘大数据

高文院士:从大数据时代来到人工智能时代,我们走了多远了?

11月6日,京东举行 JDD京东金融全球数据探索者大会,在全球范围内寻求志同道合的伙伴共同探索大数据和人工智能在金融领域的最佳实践 。中国工程程院院士、北京大学...

1022
来自专栏java一日一条

程序员,你的安全感呢?

最近跟一位同事谈心,他非常热爱技术,是一个不折不扣的极客,不仅如此他有很强的执行力,并能持之以恒,从他的身上我看到了未来几年将会成长起来的一个技术牛人。但是,他...

512
来自专栏新智元

有道周枫:未来三年,神经网络翻译将满足90%以上的翻译需求

耶和华说:“看哪,他们都是一样的人,说着同一种语言,如今他们既然能做起这事(建造巴别塔),以后他们想要做的事就没有不成功的了。”——《圣经》 《圣经》用巴别塔的...

42213
来自专栏数据科学与人工智能

【数据科学】数学的意义(院士最全最牛的解释,果断收藏)

作者:张恭庆 (北京大学数学科学学院教授、中国科学院院士、第三世界科学院院士) 数学既是一种文化、一种“思想的体操”,更是现代理性文化的核心。 马克思说:“一...

3838
来自专栏机器人网

学人工智能必知:人工智能的发展史

1.2人工智能的发展史 人工智能的研究不仅与对人的思维研究直接相关,而且和许多其它学科领域关系密切。因此说到人工智能的历史,应当上溯到历史上一些伟大的科学家和思...

3126
来自专栏PPV课数据科学社区

世界杯博彩狂欢你赶上了吗?数据预测还会改变哪些行业?

? 从天气预报看大数据预测的四个条件 在互联网之前便已经有基于大数据的预测分析了:天气预报。因为互联网,天气预报为代表的大数据预测的以下几个特征在更多领域得到...

1993

扫码关注云+社区