poniedziałek, 12 października 2026

Systematyczny przegląd literatury naukowej (SLR)

Systematyczny przegląd literatury naukowej (SLR)

Od pytania badawczego do udokumentowanej syntezy wiedzy naukowej.

Oferujemy projektowanie i realizację systematycznych przeglądów literatury (Systematic Literature Review) dla naukowców, zespołów badawczych, uczelni oraz organizacji.

Specjalizujemy się w naukach o zarządzaniu i jakości, ekonomii i naukach społecznych. Pracujemy z wykorzystaniem Scopus, Web of Science i Rayyan, uwzględniając standardy PRISMA 2020 i PRISMA-S.

METODOLOGIA

Nie tylko wyszukiwanie publikacji

SLR to uporządkowany proces identyfikacji, selekcji, oceny i syntezy literatury naukowej. Podstawą jest wcześniej ustalona procedura, jawne kryteria kwalifikacji oraz dokumentacja umożliwiająca weryfikację przeprowadzonych działań.

01. PROJEKT BADANIA

Problem, pytania badawcze, protokół i strategia wyszukiwania.

02. REALIZACJA

Wyszukiwanie, deduplikacja, screening i ekstrakcja danych.

03. SYNTEZA

Kodowanie, analiza porównawcza, wnioski i raport naukowy.

OFERTA I CENNIK

Cztery zakresy współpracy

Wybierz zakres odpowiadający etapowi Twojego projektu badawczego. Podane ceny są orientacyjnymi cenami ofertowymi netto.

PROJEKT METODOLOGICZNY

SLR START

Przygotowanie do samodzielnego przeprowadzenia SLR.

1 933,33 zł netto
  • Problem, cel i pytania badawcze
  • Protokół SLR
  • Kryteria włączenia i wykluczenia
  • Operacjonalizacja pojęć
  • Zapytania Scopus i Web of Science
  • Pilotaż i test odzyskiwania publikacji

Rezultat: protokół i strategia wyszukiwania.

Zapytaj o START →
WYSZUKIWANIE I SELEKCJA

SLR SCREEN

Przygotowanie udokumentowanego korpusu publikacji.

3 933,33 zł netto
  • Cały zakres SLR START
  • Wyszukiwanie i eksport rekordów
  • Import danych do Rayyan
  • Wykrywanie i usuwanie duplikatów
  • Screening tytułów i abstraktów
  • Selekcja pełnych tekstów
  • Dokumentowanie przyczyn wykluczeń
  • Diagram przepływu PRISMA 2020

Rezultat: korpus publikacji i dokumentacja selekcji.

Zapytaj o SCREEN →
PEŁNY PRZEGLĄD

SLR COMPLETE

Kompleksowa realizacja przeglądu i raportu naukowego.

8 600,00 zł netto
  • Cały zakres SLR SCREEN
  • Projekt formularza ekstrakcji danych
  • Ekstrakcja informacji z publikacji
  • Ocena jakości, gdy jest metodologicznie adekwatna
  • Kodowanie kategorii analitycznych
  • Analiza porównawcza wyników
  • Synteza jakościowa lub tematyczna
  • Identyfikacja luk badawczych
  • Raport z wnioskami i ograniczeniami

Rezultat: kompletny raport SLR z dokumentacją.

Zapytaj o COMPLETE →
RAPORT I PUBLIKACJA

SLR PUBLICATION

Pełny przegląd i opracowanie projektu artykułu.

11 933,33 zł netto
  • Cały zakres SLR COMPLETE
  • Struktura artykułu naukowego
  • Projekt manuskryptu
  • Dostosowanie do wymagań czasopisma
  • Tabele i materiały uzupełniające
  • Jedna runda korekt redakcyjnych

Rezultat: raport SLR i projekt manuskryptu.

Zapytaj o PUBLICATION →

Ceny bazowe pakietów SCREEN, COMPLETE i PUBLICATION zakładają do 1000 rekordów po deduplikacji i do 50 publikacji do oceny pełnotekstowej. Większy zakres, drugi niezależny recenzent, dodatkowe wyszukiwanie oraz metaanaliza wymagają osobnej wyceny.

PROCEDURA BADAWCZA

Zakres metodologiczny SLR

Procedura obejmuje etapy od konceptualizacji problemu badawczego po opracowanie wyników i wskazanie dalszych kierunków badań.

01 / Konceptualizacja

Problem, cel, pytania badawcze i granice pojęciowe.

02 / Protokół

Kryteria kwalifikacji, procedura i plan syntezy.

03 / Operacjonalizacja

Terminy, synonimy, relacje pojęciowe i bloki zapytań.

04 / Strategia wyszukiwania

Zapytania Boolean dla Scopus i Web of Science.

05 / Pilotaż

Publikacje kotwiczące i test odzyskiwania.

06 / Pozyskanie danych

Eksport rekordów, kontrola i deduplikacja.

07 / Screening I

Selekcja tytułów i abstraktów w Rayyan.

08 / Screening II

Ocena pełnych tekstów i przyczyny wykluczeń.

09 / Dokumentacja

PRISMA 2020, PRISMA-S i dziennik decyzji.

10 / Ekstrakcja

Formularz danych, cytaty i charakterystyka badań.

11 / Ocena jakości

Ocena odpowiednia do rodzaju badań.

12 / Kodowanie

Kategorie analityczne, cechy i relacje.

13 / Synteza

Porównanie ustaleń, rozbieżności i luk.

14 / Raportowanie

Wnioski, ograniczenia i rekomendacje dalszych badań.

SPECJALIZACJA

Dla jakich projektów?

Oferta jest skierowana szczególnie do badaczy i zespołów pracujących w obszarach:

  • Nauk o zarządzaniu i jakości
  • Ekonomii i organizacji
  • Psychologii organizacji i nauk społecznych
  • Przywództwa i modeli organizacyjnych
  • Innowacji i zarządzania zmianą
  • Badań interdyscyplinarnych

Co otrzymuje zamawiający?

W pełnym wariancie współpracy przekazujemy raport i uzgodnioną dokumentację badawczą: protokół, strategie wyszukiwania, rejestr decyzji, wyniki selekcji, diagram PRISMA, arkusze ekstrakcji i kodowania oraz syntezę.

ORGANIZACJA PRACY

Jak przebiega współpraca?

1. Uzgodnienie zakresu

Określenie problemu, celu i oczekiwanego rezultatu.

2. Protokół i pilotaż

Projektowanie i sprawdzenie strategii wyszukiwania.

3. Wyszukiwanie i screening

Pozyskanie rekordów, deduplikacja i selekcja.

4. Ekstrakcja i synteza

Analiza, kodowanie i porównanie wyników.

5. Przekazanie rezultatów

Raport i dokumentacja umożliwiająca kontrolę procedury.

PYTANIA I ODPOWIEDZI

Co warto wiedzieć?

Czym SLR różni się od zwykłego przeglądu?

SLR opiera się na wcześniej określonej i udokumentowanej procedurze wyszukiwania, kwalifikacji oraz syntezy literatury.

Czy Rayyan sam wykonuje SLR?

Nie. Rayyan wspomaga selekcję i zarządzanie rekordami. Nie zastępuje metodologii, oceny badacza ani syntezy naukowej.

Czy stosujecie PRISMA 2020?

Tak, w odpowiednich zakresach usługi. PRISMA 2020 i PRISMA-S służą transparentnemu raportowaniu. Nie są samodzielną gwarancją jakości metodologicznej.

Czy pracuje dwóch niezależnych recenzentów?

Taki wariant jest możliwy po uzgodnieniu. Nie jest wliczony w podstawowe ceny.

Czy gwarantujecie publikację artykułu?

Nie. Pakiet PUBLICATION obejmuje projekt manuskryptu. Decyzja o publikacji należy do redakcji czasopisma. Autorstwo wynika z rzeczywistego wkładu naukowego.

Czy możliwy jest indywidualny zakres?

Tak. Zakres, metody, wielkość korpusu i oczekiwane rezultaty mogą zostać określone indywidualnie.

ZAPYTANIE OFERTOWE

Przedstaw swój projekt badawczy

Napisz, jaki problem chcesz zbadać, jakie pytania badawcze stawiasz i jakiego zakresu wsparcia potrzebujesz.

Na tej podstawie ustalimy możliwy zakres metodologiczny, przewidywaną pracochłonność oraz wycenę usługi.

Wyślij zapytanie ofertowe →

Przycisk otwiera domyślny program pocztowy.

Śląska Akademia Nauki i Rozwoju

Systematic Literature Review · Evidence-Based Research

Wróć na początek ↑

poniedziałek, 5 października 2026

Wiem, co zrobić. Tylko dlaczego tego nie robię?

Kiedy myślę o podejmowaniu decyzji, staram się nie przyjmować roli eksperta, który z góry wie, dlaczego ktoś działa albo nie działa. Znacznie bliższa jest mi rola ucznia: obserwuję, pytam, sprawdzam hipotezy i pozostawiam możliwość, że moje pierwsze wyjaśnienie może być błędne. Łączę tutaj trzy perspektywy: Evidence-Based Management (EBM), Transformującą Obecność oraz postawę ucznia zamiast sędziego.

Nie chcę przede wszystkim rozstrzygać, dlaczego człowiek nie działa. Chcę sprawdzić, jakie wyjaśnienie najlepiej pasuje do tej konkretnej osoby, tej konkretnej sytuacji i dostępnych dowodów.

❶ Wiem, co zrobić. Dlaczego więc tego nie robię?

Zaczynam od zakwestionowania pozornie oczywistego założenia: czy rzeczywiście wiem, co zrobić? Mogę wiedzieć coś na poziomie deklaracji, a jednocześnie nie być gotowy na konsekwencje działania. Mogę wiedzieć, że powinienem zmienić pracę, zakończyć projekt, przeprowadzić trudną rozmowę albo podjąć nową odpowiedzialność. To jednak nie oznacza jeszcze, że jestem gotowy zaakceptować związane z tym ryzyko, koszty, utratę poczucia bezpieczeństwa czy reakcję innych ludzi.

Z perspektywy EBM staram się nie zamieniać pierwszego wyjaśnienia w diagnozę. Jeżeli nie działam, mogę powiedzieć: „to lęk”, „to moje przekonania”, „boję się zmiany” albo „brakuje mi motywacji”. Każde z tych zdań traktuję jednak jako hipotezę, a nie fakt. Pytam, jakie mam dowody, jakie są inne możliwe wyjaśnienia i czego jeszcze o tej sytuacji nie wiem.

Dlatego interesują mnie różne źródła wiedzy: wyniki badań, fakty dotyczące konkretnej sytuacji, doświadczenie praktyczne, ale także perspektywa człowieka, którego decyzja dotyczy. Nie zakładam, że jedno z tych źródeł automatycznie daje mi pełny obraz.

Brak działania również traktuję jako informację. Zamiast pytać wyłącznie: „Dlaczego tego nie robię?”, mogę zapytać: „Przed czym chroni mnie niedziałanie i jaki koszt działania jest dla mnie w tej chwili zbyt wysoki?”

Tutaj bliska jest mi również Transformująca Obecność. Nie muszę natychmiast pytać: „Jak rozwiązać ten problem?”. Mogę zatrzymać się przy pytaniu: „Co ta sytuacja próbuje mi pokazać?” Zmienia się wtedy moja relacja z problemem. Nie muszę go od razu pokonać. Najpierw próbuję go lepiej zobaczyć.

W roli ucznia zamiast mówić sobie: „Przecież wiem, co zrobić, więc dlaczego tego nie robię?”, pytam: „Wiem, co chciałbym zrobić, a jednak coś mnie zatrzymuje. Czego jeszcze o tej sytuacji nie wiem?”

❷ Głowa, ciało czy emocje — co uczestniczy w mojej decyzji?

Nie próbuję wybierać między rozumem, emocjami i ciałem. Nie zakładam też, że racjonalna analiza jest zawsze dobra, a emocje są zakłóceniem procesu decyzyjnego. Jednocześnie nie chcę wpadać w przeciwną pułapkę i uznawać każdej emocji czy intuicji za wiarygodny drogowskaz.

W Transformującej Obecności mogę posługiwać się rozróżnieniem „głowy”, „serca” i „brzucha” jako praktyczną mapą przyglądania się własnemu doświadczeniu. Traktuję ją jednak jako ramę do pracy i zadawania pytań, a nie dosłowny model neurobiologiczny.

Z perspektywy EBM interesuje mnie natomiast to, co rzeczywiście można powiedzieć na podstawie badań. Proces decyzyjny nie sprowadza się do czystej kalkulacji. Emocje, wcześniejsze doświadczenia oraz sygnały płynące z ciała mogą dostarczać informacji wykorzystywanych podczas podejmowania decyzji. Nie oznacza to jednak, że każda taka informacja jest trafna.

Dlatego nie pytam: „głowa czy emocje?”. Pytam raczej: „Jakie informacje docierają do mnie z różnych źródeł i jaką wagę powinienem im nadać w tej konkretnej sytuacji?”

Jeżeli czuję lęk, nie wyciągam automatycznie wniosku: „nie powinienem tego robić”. Jeżeli analiza finansowa pokazuje korzyść, nie oznacza to jeszcze: „powinienem to zrobić”. Jeżeli mam silną intuicję, również nie zakładam: „moja intuicja ma rację”.

Jako uczeń traktuję te sygnały jako dane, które wymagają interpretacji. Mogę więc zapytać: „Co mówi mi mój lęk?”, „Na czym opiera się moja analiza?”, „Z jakiego doświadczenia może wynikać moja intuicja?” Dopiero wtedy próbuję zobaczyć pełniejszy obraz.

❸ Jak decyduję, kiedy nie mam pewności?

W tym miejscu szczególnie ważna jest dla mnie perspektywa Evidence-Based Management. EBM nie rozumiem jako obietnicy pewności. Wręcz przeciwnie — jest dla mnie sposobem podejmowania decyzji ze świadomością ograniczeń własnej wiedzy.

Evidence-based nie oznacza certainty-based. Nie muszę wiedzieć wszystkiego, żeby podjąć decyzję. Powinienem natomiast możliwie dobrze wiedzieć, co wiem, skąd to wiem oraz czego nadal nie wiem.

Kiedy stoję przed decyzją w warunkach niepewności, mogę przejść przez kilka kolejnych pytań:

CO WIEM? → SKĄD TO WIEM? → CZEGO NIE WIEM? → JAKIE PRZYJMUJĘ ZAŁOŻENIA? → JAKIE JEST RYZYKO BŁĘDU? → CZY MOGĘ ODWRÓCIĆ DECYZJĘ? → CZEGO NAUCZY MNIE PIERWSZY KROK?

To ostatnie pytanie jest dla mnie szczególnie ważne. Nie każda decyzja musi być ostatecznym rozstrzygnięciem. Czasami mogę wykonać mały, względnie bezpieczny krok, który dostarczy mi nowych informacji. Wtedy działanie staje się nie tylko konsekwencją wiedzy, ale również sposobem jej zdobywania.

W tym punkcie spotykają się dla mnie EBM, Transformująca Obecność i rola ucznia. Nie muszę usuwać całej niepewności, zanim zacznę działać. Mogę wejść w sytuację uważnie, obserwować jej rozwój, uczyć się i korygować kierunek.

Sędzia we mnie chce po decyzji zapytać: „Czy miałem rację?”

Uczeń we mnie może zadać inne pytanie: „Czego dowiedziałem się dzięki tej decyzji i co teraz zrobię z tą wiedzą?”

Dlatego coraz mniej interesuje mnie decyzja rozumiana jako pojedynczy, ostateczny akt wyboru. Bardziej interesuje mnie proces: obserwacja → interpretacja → decyzja → działanie → informacja zwrotna → korekta. Decyzja nie zamyka wtedy procesu poznawania rzeczywistości. Staje się jego częścią.

Być może dojrzałość decyzyjna nie polega na tym, że coraz częściej wiem, co zrobić. Widzę ją raczej w zdolności do działania wtedy, kiedy nie wiem wszystkiego, przy jednoczesnej gotowości do sprawdzania własnych założeń, uczenia się z konsekwencji i korygowania decyzji pod wpływem nowych dowodów.

wtorek, 15 września 2026

Turkusowa Ewolucja – drugie dno

„Turkusowa Ewolucja – drugie dno” jest książką dla czytelników, którzy chcą spojrzeć na zmianę organizacyjną szerzej niż przez pryzmat atrakcyjnych idei, modnych haseł i prostych recept.

Autorzy wracają do źródeł organizacji progresywnych, ale przede wszystkim pytają, co dzieje się z ich założeniami w praktyce — gdy autonomia spotyka się z odpowiedzialnością, samoorganizacja z potrzebą koordynacji, a deklarowane wartości z interesami, oporem i zwyczajną ludzką niepewnością.

Turkus pod lupą

Książka bierze pod lupę zarówno obietnice, jak i mity związane z Turkusem. Autorzy analizują między innymi wyobrażenia o organizacji „bez szefa”, zaniku hierarchii i struktur, pełnej autonomii, zgodzie jako podstawie decyzji czy samoorganizacji możliwej wyłącznie w niewielkich firmach i startupach.

Nie chodzi jednak o zastąpienie idealizacji krytyką. Pytanie jest inne: w jakich warunkach określone rozwiązania organizacyjne rzeczywiście działają, a kiedy zaczynają generować nowe koszty, napięcia i ryzyka?

Od idei do mechaniki organizacji

Dlatego obok samoorganizacji pojawiają się odpowiedzialność, bezpieczeństwo psychologiczne, transparentność, informacja zwrotna, konflikty, granice autonomii oraz mechanizmy podejmowania decyzji. Struktura nie zostaje przeciwstawiona wolności — ważniejsze staje się pytanie, jaka struktura wspiera zdolność organizacji do adaptacji, zamiast ją blokować.

„Turkusowa Ewolucja – drugie dno” nie jest instrukcją wdrażania gotowego modelu. Autorzy przechodzą od idei do mechanizmów, pokazując narzędzia, sposoby podejmowania decyzji oraz mapę pozwalającą świadomie poruszać się przez zmianę.

Książka nie obiecuje organizacji pozbawionej napięć. Przeciwnie — traktuje napięcia, różnice interesów i opór jako informacje o systemie, które trzeba umieć rozpoznawać i interpretować. Dojrzałość organizacji oznacza tu zwiększanie jej zdolności do uczenia się, reagowania i przekształcania własnych sposobów działania.

Dwie perspektywy, jedna książka

Książkę napisali Piotr Janulek i Łukasz Solarski — autorzy o różnych doświadczeniach i sposobach patrzenia na organizacje. Tych różnic nie próbują ukrywać. Wykorzystują je do konfrontowania perspektyw, testowania założeń i pokazania Turkusu bez uproszczeń — wraz z jego potencjałem, kosztami, paradoksami i granicami.

To nie jest książka o tym, jak wdrożyć Turkus. Bo Turkusu się nie wdraża.

To książka o tym, jak tworzyć organizację zdolną do świadomej ewolucji.

Szczegóły publikacji

Autorzy Piotr Janulek, Łukasz Solarski
Wydawnictwo Wydawnictwo Nauki i Rozwoju
Liczba stron 357
ISBN — druk 978-83-63504-01-4
ISBN — e-book 978-83-63504-17-5
Cena 66,99 zł (zamów teraz)
Darmowy fragment Pobierz DEMO

piątek, 28 sierpnia 2026

Z kim siadasz przy jednym stole? Wizerunek a kontekst, który legitymizujemy

Profesjonalista odpowiada za swoje słowa. To wydaje się oczywiste. Jeżeli występuje w podcaście, udziela wywiadu, bierze udział w konferencji albo debacie, powinien mówić zgodnie ze swoją wiedzą, nie przekraczać granic własnych kompetencji i odróżniać fakty od opinii. Czy jednak na tym kończy się jego odpowiedzialność?

Wyobraźmy sobie naukowca zaproszonego do popularnego podcastu. Prowadzi rzeczową rozmowę, przedstawia wyniki badań, zaznacza ograniczenia wiedzy, nie spekuluje. Wszystko wykonuje zgodnie ze standardami swojego zawodu. Następnego dnia w tym samym miejscu występuje osoba przekonująca, że Ziemia jest płaska, a tydzień później ktoś przedstawiający jako fakty niezweryfikowane historie o wizytach istot pozaziemskich. Wszystkie rozmowy otrzymują podobną oprawę, kolejni goście przedstawiani są jako osoby, których warto wysłuchać, a odbiorca nie otrzymuje jasnego sygnału, że status poznawczy tych wypowiedzi jest zasadniczo różny.

Czy naukowiec nadal odpowiada wyłącznie za to, co sam powiedział? To pytanie dotyczy nie tylko naukowców. Dotyczy coachów, psychologów, lekarzy, trenerów, konsultantów, menedżerów i wszystkich osób, których pozycja zawodowa opiera się częściowo na wiarygodności. Wizerunek zawodowy nie jest bowiem prostą sumą naszych własnych wypowiedzi. Odbiorcy interpretują również miejsce wystąpienia, organizatora, pozostałych rozmówców, charakter medium i sposób, w jaki przedstawiane są w nim różne twierdzenia.

Nie oznacza to, że odpowiadamy za wszystkie poglądy każdej osoby, która kiedykolwiek pojawiła się na tej samej konferencji czy w tym samym podcaście. Taki wniosek byłby nieuprawniony. Chodzi o coś subtelniejszego: kontekst sam staje się informacją wykorzystywaną przez odbiorcę do oceny wiarygodności. Zresztą profesjonaliści korzystają z tego mechanizmu świadomie. Informacja o wystąpieniu na prestiżowej konferencji, publikacji w cenionym czasopiśmie czy współpracy z uznaną instytucją nie jest komunikacyjnie obojętna. Oczekujemy, że część reputacji tego miejsca zostanie skojarzona również z nami. Trudno zatem zakładać, że mechanizm ten działa wyłącznie wtedy, kiedy jest dla nas korzystny.

Kiedy autorytet zaczyna pracować także na innych

Odbiorca zazwyczaj nie posiada kompetencji pozwalających samodzielnie zweryfikować wypowiedź eksperta. Kiedy lekarz mówi o mechanizmie działania terapii, ekonomista o polityce monetarnej, psycholog o zachowaniu człowieka, a badacz zarządzania o skuteczności określonego modelu organizacyjnego, większość słuchaczy nie przeprowadzi własnego przeglądu literatury. Musi posługiwać się pośrednimi wskaźnikami wiarygodności: kim jest rozmówca, jakie ma kompetencje, kto go zaprosił, gdzie występuje i czy dane medium zazwyczaj prezentuje informacje, którym można ufać.

W ten sposób powstaje zależność dwustronna. 

Medium użycza części swojej reputacji gościowi, ale również gość może użyczać części swojej reputacji medium. 

Obecność uznanego profesjonalisty staje się pośrednim sygnałem: skoro występują tutaj kompetentni ludzie, być może warto ufać również temu miejscu. Nie oznacza to automatycznego „przeniesienia autorytetu”, ale tworzy warunki, w których takie skojarzenie może powstać.

Problem staje się szczególnie widoczny, gdy różne rodzaje twierdzeń otrzymują podobny status komunikacyjny. W literaturze dotyczącej komunikacji naukowej mówi się między innymi o false balance — fałszywej równowadze. Samo przedstawienie dwóch stanowisk jako dwóch stron sporu może stworzyć wrażenie, że ich podstawa dowodowa jest podobna. Tymczasem istnienie dwóch przeciwnych opinii nie oznacza istnienia dwóch równie dobrze uzasadnionych stanowisk.

Możemy zaprosić astronoma i zwolennika płaskiej Ziemi i formalnie otrzymać „dwie perspektywy”. Nie otrzymamy jednak dwóch równoważnych wyjaśnień naukowych. Podobny problem, choć zwykle znacznie mniej oczywisty, pojawia się w rozmowach dotyczących psychologii, zdrowia, zarządzania, coachingu czy rozwoju osobistego. Granica pomiędzy hipotezą, doświadczeniem jednostkowym, interpretacją i wiedzą opartą na systematycznych badaniach łatwo się zaciera, jeżeli wszystkie zostają przedstawione w tej samej konwencji: kolejny ekspert, kolejna rozmowa, kolejna „prawda”.

Nie chodzi przy tym o to, że prowadzący podcast czy dziennikarz musi być specjalistą w dziedzinie każdego rozmówcy. Byłoby to nierealistyczne. Dobry prowadzący może być laikiem i właśnie dzięki temu zadawać pytania, których specjalista sam sobie już nie zadaje. Kompetencja potrzebna w takiej rozmowie leży gdzie indziej. Trzeba umieć zapytać: skąd to wiemy? Na jakich danych opiera się ten wniosek? Czy istnieją inne wyjaśnienia? Jak silne są dowody? Czy rozmówca opisuje wynik badań, własne doświadczenie, hipotezę czy osobistą interpretację? Co mogłoby spowodować zmianę jego stanowiska?

To nie są pytania wymagające doktoratu z każdej możliwej dziedziny. Wymagają natomiast pewnego standardu poznawczego. Otwartość na idee nie powinna oznaczać rezygnacji z oceny jakości ich uzasadnienia. Pluralizm opinii również nie wymaga przyjmowania, że wszystkie twierdzenia mają jednakową wartość poznawczą.

Dlatego popularność nie jest przeciwieństwem rzetelności. Naukowiec, psycholog, coach czy badacz zarządzania może i powinien wychodzić poza czasopisma specjalistyczne. Można upraszczać język bez zniekształcania wiedzy. Można opowiadać historie, zaznaczając jednocześnie, że pojedynczy przypadek nie dowodzi skuteczności metody. Można powiedzieć „nie wiem” przed kamerą. Można stworzyć interesującą rozmowę bez obiecywania odbiorcy odkrycia prawdy, której „nikt nie chce ujawnić”. Granica nie przebiega pomiędzy nauką a popularyzacją. Przebiega raczej pomiędzy popularyzacją a pozorowaniem równoważności wiedzy i spekulacji.

„Nie”

W kulturze marki osobistej łatwo przyjąć, że każda widoczność jest zasobem. Im większy podcast, więcej wystąpień, publikacji, konferencji i wyświetleń, tym silniejsza pozycja ekspercka. Zaproszenie zaczynamy więc analizować przede wszystkim przez pytanie: „Co mogę dzięki temu zyskać?”. Dostęp do nowych odbiorców? Rozpoznawalność? Promocję książki? Klientów? Kontakty?

Profesjonalista powinien jednak postawić również pytanie odwrotne: „Czemu ja użyczę swojej wiarygodności?”

Nie chodzi o tworzenie czarnych list ani prześwietlanie światopoglądu każdego człowieka, który wcześniej pojawił się w danym programie. Tym bardziej nie chodzi o unikanie ludzi mających inne poglądy. Rozmowa z osobami myślącymi inaczej może być niezwykle wartościowa. Istnieje jednak różnica między spotkaniem z człowiekiem reprezentującym odmienne stanowisko a uczestnictwem w formacie, który systematycznie nie odróżnia stanowiska od twierdzenia wymagającego dowodów.

Dlatego przed przyjęciem zaproszenia warto zobaczyć kilka wcześniejszych rozmów. Nie tylko sprawdzić, kto był gościem, lecz przyjrzeć się temu, co dzieje się w chwili, gdy rozmówca wypowiada mocne, niezwykłe albo sensacyjne twierdzenie. Czy prowadzący pyta o źródło? Czy prosi o dowody? Czy próbuje ustalić granice pewności? Czy odróżnia osobiste doświadczenie od wiedzy dającej się generalizować? Czy może przede wszystkim odpowiada: „To niesamowite, proszę powiedzieć więcej”?

Ta różnica mówi o standardzie medium znacznie więcej niż deklaracja umieszczona w zakładce „O nas”.

Oczywiście profesjonalista może odpowiedzieć: „Odpowiadam tylko za siebie. Przychodzę, mówię zgodnie ze swoją wiedzą i wychodzę”. I częściowo ma rację. Nie można przypisywać człowiekowi poglądów innych gości tylko dlatego, że wystąpił w tym samym programie. Naukowiec może nawet świadomie wejść do środowiska pełnego pseudonaukowych twierdzeń właśnie po to, aby je skonfrontować z dowodami. Kluczowa jest jednak świadomość funkcji, jaką pełni jego obecność. Czy jest tam po to, aby zakwestionować standard? Czy też staje się po prostu kolejnym nazwiskiem w katalogu „interesujących perspektyw”?

Wizerunek profesjonalisty powstaje nie tylko z tego, co mówi. Tworzą go także wybory: z kim współpracuje, jakie przedsięwzięcia firmuje nazwiskiem, jakie produkty rekomenduje, na jakich wydarzeniach występuje i w jakich mediach decyduje się budować swoją widoczność. Reputacja jest relacyjna. Sami korzystamy z tego faktu, kiedy z dumą podajemy nazwy instytucji, konferencji czy wydawnictw, z którymi byliśmy związani. Powinniśmy więc uwzględniać ten sam mechanizm również wtedy, gdy działa mniej wygodnie.

Odmowa zaproszenia nie musi być przejawem elitaryzmu, lęku przed konfrontacją ani zamykania się we własnej bańce. Czasami jest po prostu decyzją dotyczącą standardu zawodowego. Tak jak profesjonalista wybiera, pod jakim raportem złoży podpis, tak może wybierać, jakiemu formatowi komunikacyjnemu użyczy nazwiska i wynikającego z niego autorytetu.

Przed kolejnym zaproszeniem do podcastu, debaty czy konferencji warto więc zadać sobie dwa pytania. Pierwsze jest oczywiste: czy mam tam coś wartościowego do powiedzenia? Drugie może być ważniejsze: czy chcę własnym nazwiskiem zwiększać wiarygodność miejsca, w którym to powiem?

Profesjonalizm poznaje się bowiem nie tylko po tym, co człowiek jest gotów powiedzieć publicznie. Czasami równie wiele mówi to, czemu nie jest gotów użyczyć własnego autorytetu.

piątek, 7 sierpnia 2026

Turkus w praktyce: Duże Turkusowe Śniadanie 2026

Czy samoorganizacja rzeczywiście zwiększa odpowiedzialność? Co dzieje się z zespołem, kiedy znika część tradycyjnej kontroli? I jakie znaczenie ma bezpieczeństwo psychologiczne, gdy ludzie mają mieć więcej autonomii, odwagi i wpływu na decyzje? Między innymi wokół tych pytań będzie koncentrować się Duże Turkusowe Śniadanie 2026, które odbędzie się 12 września 2026 roku w Łodzi, w Łódzkiej Specjalnej Strefie Ekonomicznej.

Tegoroczna edycja odbywa się pod hasłem „Turkus w biznesie – praktyki, dzięki którym wszyscy zyskują”. Z perspektywy „Warsztatu Coacha” szczególnie interesujące jest przesunięcie rozmowy z poziomu deklarowanych wartości na poziom rzeczywistych zachowań ludzi i zespołów. Autonomia, zaufanie czy współodpowiedzialność brzmią dobrze, ale ich wartość ujawnia się dopiero w codziennych decyzjach, konfliktach, błędach i sytuacjach wymagających odwagi.

Turkus bez idealizacji

Pierwszy z trzech modułów wydarzenia poświęcono pytaniu, czym Turkus jest, a czym nie jest. Uczestnicy wraz z zaproszonymi ekspertami będą przyglądać się definicjom, źródłom i granicom tego sposobu myślenia o organizacji. Wśród zaproszonych osób znaleźli się m.in. prof. Andrzej Jacek Blikle oraz prof. Monika Kostera.

To ważny kierunek rozmowy. Wokół turkusowych organizacji narosło wiele uproszczeń: od utożsamiania Turkusu z brakiem hierarchii po przekonanie, że wystarczy zwiększyć autonomię pracowników, aby organizacja zaczęła funkcjonować lepiej. Tymczasem samoorganizacja nie usuwa potrzeby odpowiedzialności, kompetencji ani jasności podejmowania decyzji.

Co się dzieje, kiedy zespół dostaje więcej wpływu?

Drugi moduł dotyczyć będzie finansów, transparentności, rentowności i rozproszonego podejmowania decyzji. To obszar szczególnie istotny dla praktyki zarządzania: autonomia zespołu nie istnieje w próżni. Decyzje mają konsekwencje ekonomiczne, a współodpowiedzialność wymaga dostępu do informacji oraz umiejętności rozumienia ich znaczenia.

Uczestnicy będą pracować m.in. nad transparentnością finansową jako elementem samozarządzania, praktykami firm progresywnych oraz sposobami łączenia rozproszonej decyzyjności z mierzalnością i rentownością.

Bezpieczeństwo psychologiczne to nie „bycie miłym”

Z punktu widzenia tematyki podejmowanej przez „Warsztat Coacha” szczególnie interesujący będzie trzeci moduł: „Turkus a bezpieczeństwo psychologiczne – odwaga, odpowiedzialność i jakość decyzji”.

Bezpieczeństwo psychologiczne nie oznacza środowiska pozbawionego napięć, różnic zdań czy odpowiedzialności. Przeciwnie – jego znaczenie ujawnia się wtedy, gdy człowiek może powiedzieć: „nie wiem”, „popełniłem błąd”, „nie zgadzam się” albo „widzę ryzyko”, bez nieuzasadnionej obawy przed interpersonalnymi konsekwencjami zabrania głosu.

Podczas warsztatów pojawią się zagadnienia związane z diagnozowaniem bezpieczeństwa psychologicznego, wczesnym reagowaniem na błędy i napięcia oraz organizacyjnym milczeniem. Uczestnicy przyjrzą się m.in. sytuacjom, w których ludzie milczą z braku języka, grzeczności, lęku przed rozliczeniem, ze względu na układ sił albo niepisane zasady organizacji.

To właśnie tutaj spotykają się obszary interesujące coachów, trenerów, menedżerów i osoby pracujące z zespołami: autonomia, komunikacja, konflikt, odpowiedzialność, zaufanie i zdolność do uczenia się na błędach.

Nie tylko słuchać – doświadczać

Program Dużego Turkusowego Śniadania nie został zaplanowany jako klasyczna konferencja. Każdy z trzech dwugodzinnych modułów obejmuje wspólne wprowadzenie, około 70 minut pracy w równoległych warsztatach oraz wspólną rozmowę i podsumowanie. Organizatorzy przewidują maksymalnie 100 uczestników, ponad 15 mówców i co najmniej 10 warsztatów.

Turkusowe Śniadania odbywają się od 2017 roku i tworzą przestrzeń spotkania osób zainteresowanych samoorganizacją, samozarządzaniem oraz poszukiwaniem innych sposobów budowania organizacji i zespołów.

Tegoroczny program może być interesujący szczególnie dla tych, którzy zamiast pytać wyłącznie „czy Turkus działa?”, wolą postawić bardziej użyteczne pytanie: w jakich warunkach, dla kogo, dzięki jakim praktykom i z jakimi konsekwencjami może działać?

Duże Turkusowe Śniadanie 2026
12 września 2026 r. (sobota)
Łódzka Specjalna Strefa Ekonomiczna, Łódź

poniedziałek, 20 lipca 2026

Jak dyskutować z szacunkiem, uważnością i w duchu evidence-based? Praktyczny przewodnik uczestnika kursu

Dobra dyskusja nie polega na tym, kto mówi najwięcej ani kto najszybciej odpowiada. Jej jakość zależy przede wszystkim od tego, czy uczestnicy potrafią odróżniać obserwacje od interpretacji, sprawdzać podstawy formułowanych twierdzeń oraz przedstawiać własne stanowisko w sposób otwarty na korektę. W czasie kursu, szkolenia lub warsztatu każdy uczestnik współtworzy nie tylko atmosferę rozmowy, lecz także jej wartość poznawczą.

Podejście evidence-based nie oznacza, że w dyskusji liczą się wyłącznie badania naukowe. Oznacza raczej, że wnioski powinny być proporcjonalne do jakości dostępnych podstaw. Znaczenie mogą mieć wyniki badań, dane, doświadczenie praktyczne, wiedza ekspercka, kontekst sytuacyjny oraz perspektywy osób, których dotyczy omawiany problem. Kluczowe jest jednak to, aby nie przedstawiać wszystkich tych źródeł jako równie pewnych i nie wyciągać z nich wniosków szerszych, niż rzeczywiście uzasadniają.

Najpierw ustal, co właściwie zostało powiedziane

Jednym z najczęstszych błędów podczas dyskusji jest reagowanie na uproszczoną wersję stanowiska rozmówcy. Zamiast analizować rzeczywisty argument, uczestnik odpowiada na jego własną interpretację, często bardziej radykalną lub łatwiejszą do zakwestionowania.

W podejściu evidence-based pierwszym krokiem nie jest zgoda ani sprzeciw, lecz możliwie precyzyjne odtworzenie twierdzenia. Warto ustalić, czy rozmówca mówi o pojedynczym doświadczeniu, prawidłowości, związku przyczynowym, opinii, hipotezie czy sprawdzonym fakcie. Każdy z tych typów wypowiedzi wymaga innego poziomu uzasadnienia.

„Jeśli dobrze rozumiem, twierdzisz, że… Czy jest to obserwacja z własnego doświadczenia, czy wniosek oparty także na innych danych?”

Taka parafraza nie jest jedynie formą uprzejmości. Pomaga ustalić przedmiot dyskusji i zapobiega sporom, w których uczestnicy używają tych samych słów, ale nadają im inne znaczenia.

Oddzielaj dane od interpretacji

W dyskusjach często miesza się to, co zaobserwowano, z tym, jak zostało to wyjaśnione. Zdanie „Po zmianie sposobu pracy wyniki zespołu wzrosły” może opisywać obserwację. Zdanie „Wyniki wzrosły dzięki tej zmianie” zawiera już interpretację przyczynową.

Podejście evidence-based wymaga świadomego rozdzielania tych poziomów. Najpierw warto zapytać, co rzeczywiście wiadomo, następnie jakie wyjaśnienia są możliwe, a dopiero później oceniać, które z nich są najlepiej uzasadnione.

Pomocne mogą być pytania:

  • „Co dokładnie zaobserwowano?”
  • „Skąd wiemy, że te dwa zjawiska są ze sobą związane?”
  • „Czy można wskazać inne możliwe wyjaśnienia?”
  • „Co w tej wypowiedzi jest faktem, a co interpretacją?”

Takie pytania nie służą podważaniu rozmówcy, lecz porządkowaniu procesu rozumowania.

Pytaj o podstawy twierdzenia, nie atakując osoby

W dyskusji evidence-based ważne jest pytanie o źródła i uzasadnienie. Nie chodzi jednak o stawianie rozmówcy w roli osoby oskarżonej, która musi bronić każdej wypowiedzi. Celem jest rozpoznanie, na jakiej podstawie opiera się dany wniosek.

Zamiast mówić: „To nieprawda” albo „Udowodnij to”, lepiej zapytać:

„Na jakich danych, badaniach, obserwacjach lub doświadczeniach opiera się ten wniosek?”

Warto też ustalić, czy przywoływane źródło rzeczywiście wspiera daną tezę. Samo powołanie się na badanie, eksperta lub publikację nie przesądza jeszcze o jakości argumentu. Znaczenie ma sposób przeprowadzenia badania, wielkość próby, kontekst, aktualność danych, zgodność z innymi wynikami oraz zakres, w jakim dane pozwalają na uogólnienie.

Nie traktuj pojedynczego doświadczenia jak uniwersalnej reguły

Doświadczenie praktyczne jest ważnym źródłem wiedzy, ale ma ograniczenia. To, że określona metoda pomogła jednej osobie, zespołowi lub organizacji, nie oznacza jeszcze, że będzie skuteczna w innych warunkach.

W podejściu evidence-based doświadczenie traktuje się jako cenną obserwację, która może prowadzić do hipotezy, ale nie zawsze wystarcza do sformułowania ogólnej zasady. Warto więc używać języka adekwatnego do siły dowodu.

Zamiast mówić:

„Ta metoda działa.”

precyzyjniej powiedzieć:

„W moim przypadku ta metoda okazała się pomocna, ale nie wiem jeszcze, w jakim stopniu można ten efekt uogólnić.”

Taka ostrożność nie osłabia wypowiedzi. Zwiększa jej wiarygodność.

Uwzględniaj jakość i hierarchię źródeł

Nie wszystkie źródła dostarczają równie mocnych podstaw do wnioskowania. Osobista historia może być ważna dla zrozumienia doświadczenia konkretnej osoby, ale nie odpowie sama na pytanie o przeciętną skuteczność metody. Opinia eksperta może pomóc zinterpretować dane, lecz nadal pozostaje opinią. Pojedyncze badanie może być wartościowe, ale jego wyniki wymagają porównania z szerszym stanem wiedzy.

Podczas dyskusji warto więc pytać nie tylko: „Czy istnieje źródło?”, lecz także: „Jakiego rodzaju jest to źródło i czego rzeczywiście można się z niego dowiedzieć?”.

Praktycznie oznacza to zwracanie uwagi na to, czy argument opiera się na:

  • pojedynczym doświadczeniu,
  • obserwacji praktycznej,
  • opinii eksperta,
  • pojedynczym badaniu,
  • serii zgodnych badań,
  • przeglądzie systematycznym lub metaanalizie.

Rodzaj źródła nie rozstrzyga automatycznie o prawdziwości twierdzenia, ale pomaga ocenić poziom pewności, z jakim można je formułować.

Sprawdzaj, czy wniosek nie wykracza poza dane

Częstym problemem w dyskusjach jest wyciąganie zbyt szerokich wniosków. Badanie przeprowadzone na niewielkiej grupie nie uzasadnia twierdzeń o wszystkich ludziach. Korelacja nie dowodzi automatycznie związku przyczynowego. Brak dowodów na szkodliwość nie jest tym samym co dowód bezpieczeństwa.

Warto więc sprawdzać, czy siła języka odpowiada sile dostępnych podstaw. Twierdzenia takie jak „zawsze”, „nigdy”, „wszyscy”, „to dowodzi” lub „jedyną przyczyną jest” wymagają szczególnie mocnego uzasadnienia.

„Czy te dane pozwalają na tak szeroki wniosek, czy raczej wskazują tylko na pewną możliwość?”

Tak postawione pytanie kieruje uwagę na jakość rozumowania, a nie na osobę wypowiadającą argument.

Uwzględniaj niepewność

Podejście evidence-based nie wymaga udawania pewności tam, gdzie jej nie ma. Przeciwnie, rzetelna dyskusja powinna ujawniać ograniczenia wiedzy, luki w danych i możliwe alternatywne interpretacje.

Zdania takie jak „Na obecnym etapie dane sugerują…”, „Nie można jeszcze jednoznacznie stwierdzić…” albo „Ten wniosek jest prawdopodobny, ale niepewny” są bardziej precyzyjne niż kategoryczne deklaracje.

Ważną kompetencją uczestnika dyskusji jest więc nie tylko umiejętność bronienia stanowiska, lecz również określania poziomu własnej pewności. Można być mocno przekonanym do jednej tezy, ostrożnie skłaniać się ku innej albo uznać, że dostępne informacje nie pozwalają jeszcze na rozstrzygnięcie.

Bądź gotowy do aktualizacji stanowiska

W dyskusji nastawionej na dowody zmiana zdania nie jest porażką. Jest naturalną konsekwencją pojawienia się lepszych argumentów, nowych danych lub trafniejszego wyjaśnienia.

Warto więc nie tylko pytać innych o podstawy ich poglądów, ale również zastanawiać się, co mogłoby zmienić własne stanowisko. Jeżeli odpowiedź brzmi „nic”, problem może nie dotyczyć już jakości dowodów, lecz przywiązania do przekonania.

„Jakie informacje mogłyby sprawić, że spojrzysz na tę kwestię inaczej?”

To samo pytanie warto kierować również do siebie.

Unikaj pozoru naukowości

Język specjalistyczny, liczby, wykresy i odwołania do badań mogą zwiększać wiarygodność wypowiedzi, ale nie zawsze świadczą o jej rzetelności. Termin naukowy użyty bez właściwego znaczenia nie staje się argumentem. Pojedynczy procent bez informacji o źródle, próbie i metodzie nie jest wystarczającym dowodem.

Uważny uczestnik dyskusji powinien więc pytać o konkretne znaczenie pojęć, sposób pomiaru oraz źródło danych. Dotyczy to zwłaszcza twierdzeń brzmiących bardzo precyzyjnie, ale pozbawionych informacji umożliwiających ich sprawdzenie.

Pomocne mogą być pytania:

  • „Jak w tym przypadku definiowane jest to pojęcie?”
  • „W jaki sposób to zmierzono?”
  • „Z jakiego źródła pochodzi ta liczba?”
  • „Czy można sprawdzić pełny kontekst tego wyniku?”

Zostaw przestrzeń dla innych rodzajów wiedzy

Podejście evidence-based nie sprowadza dyskusji wyłącznie do publikacji naukowych. W wielu sytuacjach znaczenie mają również warunki organizacyjne, możliwości wdrożenia, koszty, wartości uczestników, doświadczenia osób zaangażowanych oraz lokalny kontekst.

Nawet rozwiązanie dobrze wspierane badaniami może okazać się niewłaściwe, jeżeli nie uwzględnia potrzeb konkretnej grupy albo nie może zostać bezpiecznie wdrożone. Dlatego warto pytać nie tylko „Czy to działa?”, lecz również „Dla kogo?”, „W jakich warunkach?”, „Jakim kosztem?” i „Czy jest to rozwiązanie akceptowalne dla osób, których dotyczy?”.

Taka perspektywa chroni przed mechanicznym stosowaniem uogólnień i pozwala łączyć dowody z praktycznym osądem.

Zostaw przestrzeń innym uczestnikom

Jakość dyskusji zależy także od jej dynamiki. Nawet dobrze uzasadnione wypowiedzi mogą ograniczać wartość spotkania, jeżeli jedna osoba przejmuje większość czasu, odpowiada na każde pytanie lub nie dopuszcza innych perspektyw.

Uważny uczestnik obserwuje więc nie tylko poziom argumentów, lecz także to, czy grupa ma możliwość przedstawienia różnych danych i doświadczeń. W podejściu evidence-based różnorodność perspektyw pomaga ujawniać pominięte założenia, alternatywne wyjaśnienia i ograniczenia własnego punktu widzenia.

Czasem najbardziej wartościowym wkładem w dyskusję jest pytanie:

„Czy ktoś ma dane, doświadczenie albo perspektywę, które prowadzą do innego wniosku?”

Jak przedstawić własne stanowisko?

Praktyczna wypowiedź w duchu evidence-based może składać się z kilku elementów. Najpierw warto precyzyjnie odtworzyć stanowisko rozmówcy. Następnie wskazać, które jego elementy są dobrze uzasadnione, a które budzą wątpliwości. Później można przedstawić własne podstawy i określić poziom pewności wniosku.

„Jeśli dobrze rozumiem, uważasz, że ta metoda poprawia efektywność zespołu. Z przedstawionych przykładów wynika, że mogła pomóc w kilku sytuacjach. Nie jestem jednak pewien, czy pozwala to stwierdzić, że będzie skuteczna w innych zespołach. Czy dysponujemy szerszymi danymi albo porównaniem z innymi metodami?”

Taka wypowiedź nie sprowadza dyskusji do prostego „zgadzam się” lub „nie zgadzam się”. Pokazuje, które elementy argumentu są akceptowane, gdzie pojawia się luka i jakich informacji potrzeba do dalszej oceny.

Język, który wspiera rzetelną dyskusję

W dyskusjach evidence-based warto korzystać ze sformułowań, które odzwierciedlają poziom pewności i rodzaj podstaw. Pomocne mogą być zdania: „Dostępne dane sugerują…”, „Na podstawie tego przykładu można postawić hipotezę…”, „Nie wiem, czy ten wniosek można uogólnić” albo „Potrzebowalibyśmy dodatkowych informacji, aby to rozstrzygnąć”.

Warto unikać języka, który sztucznie zamyka temat: „To zostało udowodnione”, „Nauka mówi”, „Każdy ekspert potwierdzi”, „To jest oczywiste” lub „Nie ma nad czym dyskutować”. Takie sformułowania często ukrywają brak precyzji dotyczącej tego, jakie badania przeprowadzono, czego rzeczywiście dotyczyły i jak jednoznaczne były ich wyniki.

Dyskusja jako wspólna ocena dowodów

Najbardziej wartościowa rozmowa nie musi prowadzić do pełnej zgody. Może zakończyć się lepszym zdefiniowaniem problemu, rozpoznaniem luk w wiedzy, odrzuceniem zbyt mocnego wniosku albo wskazaniem danych, które trzeba jeszcze sprawdzić.

Szacunek i uważność w podejściu evidence-based polegają więc nie tylko na uprzejmym tonie. Obejmują również uczciwe przedstawianie poziomu pewności, rozróżnianie faktów i interpretacji, unikanie nadmiernych uogólnień oraz gotowość do skorygowania własnego stanowiska.

Najpierw ustal twierdzenie. Potem sprawdź jego podstawy. Oddziel dane od interpretacji. Oceń siłę wniosku. Na końcu pozostaw przestrzeń na korektę.

Pavel Danilyuk | pexels.com

środa, 15 lipca 2026

Analiza „Biologii przekonań” Bruce'a Liptona

Jednym z podstawowych założeń podejścia evidence-based jest oddzielenie atrakcyjności hipotezy od jakości dowodów, które ją uzasadniają. Historia nauki pokazuje, że wiele koncepcji było jednocześnie inspirujących i błędnych, podobnie jak niektóre początkowo kontrowersyjne hipotezy z czasem znalazły silne potwierdzenie empiryczne. Z tego względu metodologia evidence-based nie rozpoczyna analizy od pytania: „Czy autor ma rację?”, lecz od pytania: „Jakie dowody wspierają poszczególne twierdzenia i jaki jest ich poziom pewności?”

Takie podejście pozwala ograniczyć wpływ autorytetów, emocji, popularności oraz osobistych przekonań. Przedmiotem oceny staje się nie osoba autora ani jego intencje, lecz jakość procesu argumentacyjnego.

W niniejszym artykule tę metodę zastosowano do jednej z najbardziej rozpoznawalnych publikacji z pogranicza biologii i rozwoju osobistego – Biologii przekonań Bruce'a Liptona. Celem niniejszego artykułu nie jest ocena osób ani środowisk związanych z koncepcją Biologii przekonań. Analizie poddano wyłącznie przedstawione twierdzenia oraz sposób ich uzasadniania z perspektywy Evidence-Based Practice. Podejście to zakłada, że każda hipoteza – niezależnie od jej popularności czy źródła – powinna być oceniana według tych samych kryteriów: jakości dowodów, możliwości niezależnej weryfikacji, zgodności z aktualnym stanem wiedzy oraz przejrzystości procesu argumentacji.

Krok pierwszy. Oddzielenie danych od interpretacji

Evidence-Based Practice rozpoczyna analizę od rozdzielenia trzech poziomów poznania:

dane (observations) → interpretacja (interpretations) → wniosek (conclusions).

Dane odpowiadają na pytanie, co zaobserwowano. Interpretacja proponuje możliwe wyjaśnienie obserwacji, natomiast wniosek określa, co z tej interpretacji wynika dla szerszej teorii. Im dalej od danych pierwotnych, tym większego znaczenia nabiera jakość uzasadnienia.

W analizowanej publikacji pierwsze rozdziały odwołują się do dobrze opisanych zjawisk biologicznych. Następnie pojawiają się interpretacje dotyczące wpływu środowiska na komórkę, które stopniowo prowadzą do znacznie szerszych wniosków odnoszących się do roli świadomości i przekonań. Z perspektywy evidence-based każdy z tych etapów wymaga odrębnej oceny.

Krok drugi. Identyfikacja twierdzeń

Evidence-based zakłada, że nie ocenia się książki jako całości. Analizie podlegają konkretne twierdzenia, ponieważ mogą one różnić się poziomem uzasadnienia.

W Biologii przekonań można wyróżnić twierdzenia o różnym stopniu ogólności. Część z nich dotyczy wpływu stresu na organizm, część opisuje rolę epigenetyki, inne odnoszą się do mechaniki kwantowej lub możliwości wpływu przekonań na przebieg choroby. Każde z tych twierdzeń powinno zostać zweryfikowane niezależnie od pozostałych. Dzięki temu unika się zarówno bezkrytycznej akceptacji całej koncepcji, jak i automatycznego odrzucenia wszystkich jej elementów.

Krok trzeci. Poszukiwanie najlepszych dostępnych dowodów

W modelu evidence-based siła twierdzenia zależy od jakości materiału dowodowego. Pojedyncze świadectwa, doświadczenia autorów czy opisy przypadków mogą stanowić cenne źródło hipotez badawczych, nie są jednak wystarczającą podstawą do formułowania ogólnych praw biologicznych.

W przypadku twierdzeń dotyczących funkcjonowania organizmu oczekuje się wyników badań eksperymentalnych, ich niezależnych replikacji oraz systematycznych przeglądów literatury. Im bardziej niezwykłe jest twierdzenie, tym silniejszych dowodów wymaga jego akceptacja. Jest to jedna z podstawowych zasad współczesnej metodologii nauki.

Krok czwarty. Ocena zgodności z aktualnym stanem wiedzy

Evidence-Based Practice zakłada również analizę zgodności nowej hipotezy z dobrze udokumentowaną wiedzą pochodzącą z innych dyscyplin. Nie oznacza to odrzucania nowych idei wyłącznie dlatego, że odbiegają od dominujących poglądów. Celem jest sprawdzenie, czy proponowane wyjaśnienie pozostaje spójne z wynikami biologii molekularnej, genetyki, fizjologii czy medycyny.

Analiza Biologii przekonań pokazuje, że twierdzenia dotyczące wpływu stresu na organizm znajdują szerokie potwierdzenie w literaturze naukowej. Znacznie mniej danych wspiera natomiast tezy dotyczące bezpośredniego sterowania ekspresją genów przez przekonania lub wykorzystywania mechaniki kwantowej jako wyjaśnienia procesów biologicznych.

Krok piąty. Rozpoznawanie rozszerzeń interpretacyjnych

Jednym z narzędzi stosowanych w analizie evidence-based jest identyfikacja momentu, w którym autor przechodzi od dobrze udokumentowanych obserwacji do interpretacji wykraczających poza dostępny materiał dowodowy (więcej: Od anegdoty do uogólnienia)

W analizowanej publikacji można wskazać kilka takich przejść. Przykładem jest wykorzystanie pojęcia epigenetyki. W biologii opisuje ono mechanizmy regulujące aktywność genów pod wpływem czynników środowiskowych. W książce zakres tego pojęcia zostaje rozszerzony również na przekonania oraz procesy świadomości. Samo sformułowanie takiej hipotezy pozostaje dopuszczalne w procesie naukowym, jednak z metodologicznego punktu widzenia wymaga przedstawienia materiału dowodowego odpowiadającego skali proponowanego rozszerzenia.

Czym jest epigenetyka?

Epigenetyka to jeden z najbardziej fascynujących obszarów współczesnej biologii. Bada, w jaki sposób komórki regulują aktywność genów, nie zmieniając samej sekwencji DNA.

Na procesy te wpływają między innymi dieta, hormony, aktywność fizyczna czy przewlekły stres. Choć mechanizmy epigenetyczne są intensywnie badane, każde nowe twierdzenie dotyczące ich działania wymaga rzetelnego potwierdzenia w badaniach naukowych.

Krok szósty. Ocena jakości argumentacji

Evidence-based analizuje nie tylko dowody, lecz również sposób argumentowania. Szczególną uwagę zwraca się na to, czy autor wyraźnie oddziela dane od własnych interpretacji, wskazuje ograniczenia dostępnych badań, odnosi się do literatury prezentującej odmienne stanowiska oraz określa poziom pewności swoich wniosków.

Im częściej publikacja przedstawia hipotezy jako ustalone fakty, pomija dane niespójne z proponowaną interpretacją lub zastępuje materiał badawczy świadectwami i pojedynczymi przykładami, tym większa ostrożność interpretacyjna jest uzasadniona.

Krok siódmy. Ocena konsekwencji praktycznych

Evidence-Based Practice uwzględnia również potencjalne skutki praktyczne wynikające z przyjęcia określonych twierdzeń. Jeżeli dana koncepcja ma stanowić podstawę decyzji zdrowotnych, edukacyjnych lub terapeutycznych, oczekiwany poziom dowodów powinien być odpowiednio wysoki. Im większe mogą być konsekwencje błędnej decyzji, tym większego znaczenia nabiera jakość uzasadnienia.

Z tej perspektywy szczególnej uwagi wymagają sytuacje, w których hipotezy dotyczące wpływu przekonań na zdrowie mogłyby prowadzić do rezygnacji z terapii o potwierdzonej skuteczności lub do opóźnienia diagnostyki.

Wnioski metodologiczne

Analiza przeprowadzona zgodnie z zasadami Evidence-Based Practice prowadzi do wniosku, że Biologia przekonań zawiera twierdzenia o zróżnicowanym poziomie uzasadnienia. Część z nich znajduje potwierdzenie w biologii, psychoneuroimmunologii oraz badaniach nad stresem. Inne pozostają hipotezami wymagającymi znacznie silniejszego materiału empirycznego, niż jest obecnie dostępny.

Z perspektywy evidence-based nie oznacza to automatycznego odrzucenia całej koncepcji. Oznacza natomiast konieczność przypisania poszczególnym twierdzeniom odpowiedniego poziomu pewności oraz wyraźnego oddzielenia faktów empirycznych od interpretacji i spekulacji. Taka analiza pozwala prowadzić dyskusję bez odwoływania się do ocen personalnych czy etykiet, koncentrując uwagę na jakości dowodów oraz transparentności procesu wnioskowania.


Glosa: Warto pamiętać, że poziom wymaganych dowodów powinien być proporcjonalny do możliwych konsekwencji praktycznych. W przypadku teorii dotyczących zdrowia szczególnej ostrożności wymagają interpretacje, które mogłyby prowadzić do rezygnacji z leczenia o potwierdzonej skuteczności, przypisywania choremu odpowiedzialności za jego chorobę lub korzystania z kosztownych metod, których skuteczność nie została rzetelnie zweryfikowana. Z perspektywy evidence-based najlepszą ochroną przed tego rodzaju ryzykiem pozostaje krytyczna analiza jakości dowodów oraz podejmowanie decyzji w oparciu o wiarygodną wiedzę naukową. 

W przypadku wątpliwości dotyczących stanu zdrowia, diagnostyki lub wyboru metody leczenia należy skonsultować się z lekarzem lub innym odpowiednio wykwalifikowanym specjalistą, traktując informacje zawarte w niniejszym artykule jako materiał edukacyjny, a nie poradę medyczną.

środa, 27 maja 2026

Słownik ról w MAXQDA

W praktyce za każdym projektem stoi zestaw ról metodologicznych, interpretacyjnych i organizacyjnych. To one wpływają na jakość procesu badawczego oraz późniejszą wartość dowodową uzyskanych wniosków.

Rola Znaczenie metodologiczne
Koder (Coder) Przypisuje kody do danych jakościowych. Uczestniczy w interpretacji materiału, a nie tylko w technicznym oznaczaniu tekstu.
Główny badacz (Principal Investigator) Odpowiada za pytania badawcze, projekt metodologiczny, strukturę kodów i logikę interpretacji.
Analityk danych jakościowych Poszukuje wzorców, relacji i struktur znaczeniowych między kodami oraz buduje modele interpretacyjne.
Recenzent kodowania Kontroluje spójność kodowania, jakość interpretacji i zgodność międzykoderową.
Moderator danych Prowadzi wywiady, grupy fokusowe lub dyskusje, wpływając na jakość materiału źródłowego.
Transkrybent Przygotowuje zapis materiałów audio i wideo. Już na tym etapie pojawiają się decyzje interpretacyjne.
Administrator projektu Zarządza strukturą projektu, wersjami plików, synchronizacją zespołu i bezpieczeństwem danych.
AI-assisted coder Wykorzystuje sztuczną inteligencję do wspomagania kodowania, klasyfikacji i wyszukiwania wzorców semantycznych.

W logice EBMnt samo oznaczenie fragmentu tekstu kodem nie tworzy jeszcze dowodu. Dopiero sposób definiowania kodów, ich stosowania, porównywania i interpretowania buduje strukturę znaczeń, z której powstają wnioski analityczne.

piątek, 22 maja 2026

Dlaczego szkolenia online często nie zmieniają zachowań? Single-loop i double-loop learning w edukacji BHP

Single-loop learning — gdy szkolenie online staje się formalnością

W wielu organizacjach szkolenie BHP nadal funkcjonuje przede wszystkim jako obowiązek administracyjny. Kurs należy ukończyć, test zaliczyć, a dokumentację zamknąć w systemie. Z perspektywy Evidence-Based Management (EBMnt) pojawia się jednak pytanie, czy dane administracyjne rzeczywiście stanowią dowód skuteczności procesu edukacyjnego. Sam fakt ukończenia modułu e-learningowego nie musi oznaczać zmiany zachowań, rozwoju świadomości bezpieczeństwa ani bardziej odpowiedzialnego działania w środowisku pracy.

Taką sytuację dobrze opisuje koncepcja single-loop learning rozwijana przez Chris Argyris oraz Donald Schön. Uczenie pojedynczej pętli polega na poprawianiu działań bez podważania głębszych założeń, sposobu myślenia czy kultury organizacyjnej. Pracownik może nauczyć się poprawniej wykonywać określoną procedurę, lecz nadal traktować bezpieczeństwo jako wymóg formalny, a nie świadomą wartość organizacyjną.

W środowisku nauczania zdalnego single-loop learning pojawia się szczególnie łatwo. Platforma przekazuje treści, uczestnik wykonuje test, system zapisuje wynik, a organizacja uznaje proces za zakończony. Szkolenie generuje dane: czas aktywności, liczbę ukończonych modułów, procent poprawnych odpowiedzi. Problem polega jednak na tym, że dane nie zawsze są dowodami rzeczywistego uczenia się. EBMnt zwraca uwagę właśnie na tę różnicę — między samą obecnością wskaźników a jakością interpretacji ich znaczenia.

Z perspektywy pedagogiki pracy takie szkolenie może prowadzić głównie do reprodukowania informacji potrzebnych do zaliczenia kursu. Wiedza nie zostaje osadzona w doświadczeniu uczestnika, nie pojawia się refleksja nad własnym działaniem ani reinterpretacja ryzyka zawodowego. Organizacja uzyskuje zgodność proceduralną, ale niekoniecznie rozwija kulturę bezpieczeństwa.

Double-loop learning — gdy e-learning rozwija refleksję i kulturę bezpieczeństwa


Znacznie głębszy charakter posiada double-loop learning, czyli uczenie podwójnej pętli. W tym podejściu człowiek nie tylko koryguje działania, ale również zaczyna analizować własne założenia, przekonania i sposób rozumienia problemu. W kontekście bezpieczeństwa pracy oznacza to przejście od pytania „jak wykonać procedurę?” do pytania „dlaczego działamy w taki sposób i jakie konsekwencje mają nasze decyzje?”.

Z perspektywy EBMnt double-loop learning jest bliższy organizacji uczącej się, ponieważ obejmuje nie tylko analizę danych operacyjnych, ale również refleksję nad kulturą pracy, interpretacją ryzyka oraz mechanizmami podejmowania decyzji. Szkolenie przestaje być wyłącznie narzędziem transmisji wiedzy. Staje się środowiskiem wspierającym świadome uczenie się, reinterpretowanie doświadczeń oraz rozwijanie odpowiedzialności za bezpieczeństwo pracy.

Paradoksalnie właśnie nauczanie zdalne może bardzo dobrze wspierać taki proces. Platformy e-learningowe umożliwiają tworzenie forów refleksyjnych, analiz przypadków, scenariuszy decyzyjnych czy aktywności problemowych odnoszących się do rzeczywistych sytuacji zawodowych. Uczestnik nie musi jedynie zapamiętywać procedur — może analizować przyczyny błędów, interpretować zagrożenia i konfrontować wiedzę z własnym doświadczeniem zawodowym.

W praktyce oznacza to również zmianę sposobu projektowania kursów online. Zamiast koncentrować się wyłącznie na liczbie slajdów, czasie aktywności czy zgodności dokumentacyjnej, organizacja zaczyna analizować jakość procesu uczenia. Pojawia się pytanie nie tylko o to, czy uczestnik ukończył szkolenie, lecz także o to, jakie dowody wskazują na zmianę sposobu myślenia, rozumienia ryzyka oraz podejmowania decyzji w środowisku pracy.

Z perspektywy pedagogiki pracy i edukacji transformującej e-learning może więc stać się czymś więcej niż cyfrową wersją wykładu. Może wspierać rozwój refleksji, odpowiedzialności oraz świadomego działania w organizacji. Właśnie w tym miejscu spotykają się współczesne nauczanie zdalne, kultura bezpieczeństwa i Evidence-Based Management.
Donald Schön | Wikimedia
Więcej: https://akademia-nauki.eu/pl/start/informatorium/o-bhp/double-loop-learning

poniedziałek, 18 maja 2026

MAXQDA nie analizuje za Ciebie. To atut

W świecie badań jakościowych istnieje pokusa, by traktować oprogramowanie jak maszynę do „wydobywania prawdy” z danych. Wgrywamy wywiady, raporty, transkrypcje, dokumenty organizacyjne czy notatki terenowe — a system ma rzekomo „pokazać”, co z nich wynika. Problem polega na tym, że badania jakościowe nie działają jak kalkulator. Nie chodzi w nich wyłącznie o przetwarzanie danych, lecz o świadome budowanie interpretacji, kontrolowanie własnych założeń i dokumentowanie drogi dochodzenia do wniosków. Właśnie tutaj MAXQDA okazuje się narzędziem wyjątkowo interesującym.

MAXQDA nie jest programem „do robienia nauki”. Jest raczej środowiskiem pracy analitycznej. Pomaga organizować materiał, kodować dane, budować relacje między kategoriami i rekonstruować logikę procesu badawczego. Dla wielu badaczy staje się czymś w rodzaju cyfrowego laboratorium interpretacji. 

Nie zastępuje refleksji metodologicznej, ale pozwala ją uporządkować, uczynić bardziej transparentną i mniej podatną na chaos poznawczy.

To szczególnie ważne dzisiaj, gdy liczba danych jakościowych gwałtownie rośnie. Wywiady, komentarze z mediów społecznościowych, dokumenty organizacyjne, nagrania audio, filmy, ankiety otwarte, dane z platform edukacyjnych — współczesny badacz coraz częściej pracuje nie na kilku tekstach, lecz na ogromnych korpusach informacji. Bez odpowiedniej architektury organizacyjnej łatwo zgubić nie tylko dane, ale przede wszystkim sens interpretacji.

MAXQDA dobrze odnajduje się właśnie w takim środowisku. Program umożliwia tworzenie hierarchicznych systemów kodów, prowadzenie notatek metodologicznych, budowanie map pojęciowych, analizę współwystępowania kategorii czy tworzenie syntetycznych podsumowań materiału. Dla badacza oznacza to możliwość nie tylko „oznaczania fragmentów tekstu”, ale również śledzenia własnego procesu myślenia. W praktyce staje się to formą epistemicznego dziennika pracy badawczej.

Z perspektywy podejścia Evidence-Based Management szczególnie istotna jest możliwość integrowania różnych klas danych. MAXQDA pozwala pracować równocześnie na danych jakościowych, liczbowych i dokumentacyjnych. Dzięki temu organizacja może analizować nie tylko wskaźniki efektywności, ale również narracje pracowników, kulturę organizacyjną czy sposoby interpretowania zmian przez interesariuszy. To ważne, ponieważ wiele problemów zarządczych nie wynika z braku danych, lecz z braku zdolności do integrowania różnych poziomów obserwacji.

Program dobrze sprawdza się także w systematycznych przeglądach literatury. Choć sam screening artykułów często wygodniej prowadzić w narzędziach takich jak Rayyan, to późniejsza jakościowa synteza wyników może być już realizowana właśnie w MAXQDA. Dotyczy to zwłaszcza thematic synthesis, analizy narracyjnej, eksploracji motywów czy pracy nad kategoriami interpretacyjnymi. W takim ujęciu oprogramowanie staje się nie tyle magazynem danych, ile przestrzenią konceptualizacji wiedzy.

Jednocześnie warto zachować metodologiczną ostrożność. Każde narzędzie analityczne może tworzyć iluzję naukowej precyzji. Kolorowe wykresy, mapy kodów i matryce współwystępowania łatwo sprawiają wrażenie obiektywności. Tymczasem nawet najbardziej zaawansowane oprogramowanie nie eliminuje problemu interpretacji.

Kod nie jest dowodem sam w sobie. Jest decyzją badacza dotyczącą tego, co uznał za znaczące.

Dlatego praca z MAXQDA wymaga nie tylko znajomości programu, ale również świadomości epistemologicznej i dyscypliny metodologicznej.

Dla kogo zatem MAXQDA będzie rozwiązaniem niemal idealnym? 

Przede wszystkim dla osób pracujących na dużych zbiorach danych jakościowych, prowadzących badania mixed methods lub próbujących uporządkować złożone procesy interpretacyjne. Sprawdza się w naukach społecznych, edukacji, psychologii, badaniach organizacyjnych, health sciences, analizie polityk publicznych czy badaniach kultury organizacyjnej. Szczególnie dobrze odnajdą się w nim badacze, którzy chcą dokumentować proces dochodzenia do wniosków, budować audit trail i pracować w sposób bardziej transparentny.

Nie oznacza to jednak, że jest jedyną sensowną opcją. NVivo pozostaje bardzo mocnym rozwiązaniem w środowiskach akademickich pracujących na rozbudowanych projektach zespołowych i dużych zbiorach danych. ATLAS.ti bywa cenione za elastyczność konceptualną i bardziej „otwarty” sposób pracy interpretacyjnej. Z kolei RQDA czy środowisko R mogą być atrakcyjne dla badaczy preferujących podejście open source i integrację analizy jakościowej z analizą statystyczną.

Niektórzy badacze wybierają także minimalistyczne podejście: dobre repozytorium dokumentów, system tagów i świadomą pracę konceptualną bez rozbudowanego CAQDAS. Wbrew pozorom nie zawsze jest to rozwiązanie gorsze. Przy niewielkich projektach nadmiar technologii może wręcz utrudniać myślenie. Problem zaczyna się dopiero wtedy, gdy skala danych przekracza możliwości ludzkiej pamięci operacyjnej.

W praktyce najważniejsze pytanie nie brzmi więc: „który program jest najlepszy?”, lecz: „jakiego rodzaju proces badawczy chcę prowadzić?”. Jeśli badanie ma być jedynie szybkim oznaczaniem cytatów — niemal każde narzędzie wystarczy. Jeśli jednak celem jest budowanie transparentnej, iteracyjnej i refleksyjnej analizy danych, wtedy wybór środowiska pracy zaczyna mieć znaczenie epistemologiczne, a nie tylko technologiczne.

I być może właśnie tutaj tkwi największa wartość MAXQDA. Nie w automatyzacji interpretacji, lecz w przypominaniu, że dobra analiza jakościowa nie polega na szybkim znalezieniu odpowiedzi, ale na uważnym śledzeniu drogi, która do tych odpowiedzi prowadzi.

sobota, 16 maja 2026

Gronostaje i granty

Felieton stanowi osobistą refleksję nad współczesnym środowiskiem akademickim, widzianym przez pryzmat doświadczeń związanych z kilkoma polskimi uczelniami prywatnymi. Tekst nie jest próbą całościowej oceny nauki ani wszystkich instytucji akademickich, lecz subiektywną obserwacją napięcia między ideą poszukiwania wiedzy a organizacyjną rzeczywistością części uczelni funkcjonujących w logice parametryzacji, wizerunku i przetrwania instytucjonalnego. Jednocześnie felieton podkreśla, że mimo rozczarowań związanych ze strukturami akademickimi sama nauka i badania nadal mogą dawać głęboką satysfakcję poznawczą oraz pozostają jedną z najcenniejszych form ludzkiego doświadczenia intelektualnego.

 

„Dlaczego nie pracujesz na uczelni?”

To pytanie wraca do mnie regularnie. Czasem w formie troski. Czasem zdziwienia. Czasem wręcz lekkiego oskarżenia, jakby dystans wobec instytucji akademickich był czymś podejrzanym albo wymagającym usprawiedliwienia. A przecież odpowiedź jest dość prosta.

Każdy zdrowy człowiek prędzej czy później uczy się rozpoznawać środowiska toksyczne. Dotyczy to relacji, firm, organizacji, a czasem także instytucji, które publicznie mówią językiem wartości, misji i rozwoju człowieka, ale operacyjnie funkcjonują według logiki handlowej, feudalnej albo czysto wizerunkowej.

Współczesna uczelnia coraz częściej przypomina organizację, która z jednej strony ubiera się w gronostaje nauki, etosu i autorytetu, a z drugiej działa jak korporacja walcząca o punkty, granty, sloty, parametryzacje i akademicki marketing. Problem nie polega nawet na samym rynku — bo rynek jest rzeczywistością. Problem zaczyna się wtedy, gdy instytucja przestaje być zainteresowana prawdą, a zaczyna być zainteresowana głównie własnym przetrwaniem, pozycją i produkcją pozorów.
Wtedy nauka staje się dekoracją.
Czasem mam wrażenie, że część środowiska akademickiego przypomina teatr, w którym wszyscy odgrywają role ludzi poszukujących wiedzy, choć realna energia systemu skierowana jest gdzie indziej: na hierarchię, zależności, widoczność, cytowalność, kontrolę dostępu i wzajemne legitymizowanie własnej ważności. Najbardziej ironiczne jest to, że im bardziej system mówi o „krytycznym myśleniu”, tym mniej toleruje ludzi naprawdę niezależnych poznawczo. Można być kreatywnym, o ile kreatywność mieści się w granicach grantowego formularza. Można być odważnym, o ile odwaga nie narusza lokalnego układu. Można mówić o innowacyjności, pod warunkiem że nikomu ważnemu nie zrobi się poznawczo niewygodnie.

I właśnie dlatego czasem zdrowsze jest trzymanie dystansu

Nie z pogardy wobec nauki. Wręcz przeciwnie. Właśnie z szacunku do niej. Bo nauka nie jest budynkiem. Nie jest tytułem przed nazwiskiem. Nie jest ceremoniałem ani gronostajem. Nauka zaczyna się tam, gdzie człowiek nadal potrafi zadawać pytania, nawet jeśli są nieopłacalne. Tam, gdzie dane są ważniejsze od hierarchii. Tam, gdzie można powiedzieć „nie wiem” bez ryzyka utraty twarzy. Tam, gdzie myślenie nie jest podporządkowane instytucjonalnej autopromocji.
Paradoksalnie więc można być bardzo blisko nauki, pozostając daleko od części środowiska akademickiego.
I może właśnie dlatego coraz więcej ludzi szuka dziś wiedzy poza murami uczelni — nie dlatego, że odrzucają wiedzę, ale dlatego, że próbują ratować jej sens.

Nauka nadal potrafi dawać ogromną satysfakcję

A jednocześnie — i to jest może najważniejszy paradoks — prawdziwa nauka nadal potrafi dawać ogromną satysfakcję. Nie tę instytucjonalną, wynikającą z tytułów, punktów czy akademickiego prestiżu, ale znacznie głębszą: poznawczą. Jest coś niezwykle poruszającego w chwili, gdy człowiek zaczyna rozumieć zjawisko, dostrzegać zależności albo odkrywać, że rzeczywistość jest bardziej złożona, niż wcześniej zakładał.

Badania uczą pokory wobec danych, cierpliwości wobec własnych hipotez i odwagi przyznawania się do błędu. Dają też rzadkie doświadczenie kontaktu z czymś autentycznym — z momentem, w którym nie chodzi już o wizerunek, lecz o rzeczywiste poszukiwanie odpowiedzi. I być może właśnie dlatego warto oddzielać naukę od części jej instytucjonalnych deformacji. Bo nawet jeśli niektóre struktury rozczarowują, sama potrzeba rozumienia świata nadal pozostaje jedną z najbardziej ludzkich i fascynujących rzeczy, jakie istnieją.

Warto jednak uczciwie zaznaczyć, że jest to opinia subiektywna, oparta wyłącznie na fragmentarycznych doświadczeniach i obserwacjach związanych z kilkoma polskimi uczelniami prywatnymi. Nie stanowi ona całościowej diagnozy środowiska akademickiego ani oceny wszystkich uczelni. Byłoby intelektualnie nieuczciwe przenoszenie pojedynczych doświadczeń na cały system, ponieważ obok miejsc rozczarowujących istnieją również środowiska wartościowe, uczciwe poznawczo i autentycznie zaangażowane w rozwój nauki oraz ludzi.

I byłoby skrajnie niesprawiedliwe, gdybym pominął drugą stronę tego doświadczenia. Bo to właśnie dzięki uczelniom poznałem wielu znakomitych ludzi — kreatywnych, błyskotliwych, odważnych poznawczo. Ludzi, którzy mimo systemowych absurdów nadal próbowali naprawdę uczyć, inspirować i myśleć. Jedni walczyli z systemem codziennie, inni momentami z nim przegrywali, by później odzyskiwać siebie na nowo. Spotkałem też autorytety, na których zajęciach siedziałem niemal oczarowany — nie dlatego, że mieli tytuły, ale dlatego, że potrafili uruchamiać myślenie. Byli wykładowcy, po których zajęciach człowiek wychodził poznawczo „rozebrany”, zmuszony do zadawania sobie nowych pytań. I może właśnie te spotkania sprawiają, że mimo całego krytycyzmu nadal trudno mi całkowicie odwrócić się od świata nauki. Bo obok instytucjonalnych deformacji istnieją tam również ludzie, którzy przypominają, po co nauka w ogóle powstała.


piątek, 15 maja 2026

BUR – szansa rozwoju czy biurokratyczna pułapka?

Polska Agencja Rozwoju Przedsiębiorczości uruchomiła BUR jako narzędzie mające połączyć przedsiębiorców, instytucje szkoleniowe oraz system finansowania kompetencji. W założeniu BUR miał uporządkować rynek usług rozwojowych, zwiększyć transparentność szkoleń i umożliwić łatwiejszy dostęp do dofinansowania. W praktyce jednak system budzi zarówno duże zainteresowanie, jak i wyraźne kontrowersje. Dla jednych stał się impulsem do profesjonalizacji działalności edukacyjnej. Dla innych symbolem nadmiernej formalizacji i podporządkowania edukacji logice wskaźników.

Największym argumentem „za” BUR pozostaje możliwość uzyskania dofinansowania usług szkoleniowych. 

Dla wielu mikro-, małych i średnich przedsiębiorstw udział w szkoleniach bez refundacji byłby zwyczajnie zbyt kosztowny. System pozwolił więc części firm wejść w obszar rozwoju kompetencji, który wcześniej był odkładany lub marginalizowany. Dotyczy to szczególnie szkoleń zawodowych, pedagogicznych, cyfrowych czy menedżerskich. Z perspektywy instytucji szkoleniowych BUR stał się również kanałem pozyskiwania klientów oraz elementem zwiększającym wiarygodność organizacyjną.

Drugim istotnym argumentem jest wymuszenie pewnego poziomu standaryzacji. Instytucje funkcjonujące w BUR muszą opisywać cele usług, efekty uczenia się, sposób walidacji, metody dydaktyczne, kwalifikacje kadry czy proces ewaluacji. Dla części rynku oznaczało to przejście od przypadkowych szkoleń do bardziej uporządkowanego modelu projektowania usług edukacyjnych. W praktyce wiele podmiotów zaczęło świadomiej opisywać proces uczenia się, diagnozować potrzeby uczestników oraz monitorować efekty kształcenia. Z punktu widzenia jakości rynku edukacyjnego był to krok w stronę większej przejrzystości.

BUR posiada jednak również wyraźną warstwę problematyczną. Jednym z najczęściej podnoszonych zarzutów jest rozrost dokumentacji oraz formalizacji procesu szkoleniowego. Wiele instytucji wskazuje, że znacząca część energii organizacyjnej zaczyna być kierowana nie na rozwój uczestnika, lecz na zgodność z procedurami, formularzami, opisami i wskaźnikami. Powstaje ryzyko, że organizacja zaczyna optymalizować działania pod audyt lub kartę usługi, a nie pod realną wartość edukacyjną. 

W tym sensie BUR może niekiedy uruchamiać mechanizmy podobne do prawa Goodharta: gdy wskaźnik staje się celem, przestaje być dobrym wskaźnikiem.

Problemem pozostaje również zjawisko „papierowej jakości”. Sam fakt poprawnego opisania efektów uczenia się nie oznacza jeszcze, że proces edukacyjny rzeczywiście prowadzi do zmiany kompetencji. W praktyce część usługodawców nauczyła się języka systemowego: formułowania celów, efektów i ewaluacji w sposób zgodny z wymaganiami formalnymi, ale niekoniecznie przekładający się na rzeczywistą jakość dydaktyczną. Powstaje więc napięcie między deklarowaną jakością a jakością przeżywaną przez uczestnika.

Kontrowersje budzi także sposób oceniania usług przez uczestników. Ankiety ewaluacyjne są potrzebne, jednak bardzo łatwo sprowadzić je do logiki satysfakcji konsumenckiej. Tymczasem dobra usługa rozwojowa nie zawsze jest „łatwa”, „przyjemna” czy „komfortowa”. Czasami wartościowe szkolenie konfrontuje uczestnika z trudnością, błędami lub koniecznością zmiany sposobu działania. Jeżeli ewaluacja opiera się wyłącznie na prostych wskaźnikach satysfakcji, system może premiować szkolenia atrakcyjne marketingowo, lecz słabsze merytorycznie.

Z perspektywy instytucji edukacyjnych BUR oznacza także konieczność rozwijania kompetencji organizacyjnych, cyfrowych i jakościowych. Dla części podmiotów był to impuls pozytywny. Akademie, firmy szkoleniowe i organizacje rozwojowe zaczęły budować platformy e-learningowe, procedury walidacji, systemy monitorowania postępów oraz bardziej świadome modele projektowania usług. W tym sensie BUR przyspieszył profesjonalizację rynku edukacyjnego w Polsce.

Jednocześnie nie można ignorować kosztów tej transformacji. Małe organizacje często funkcjonują dziś na granicy dwóch światów: edukacji i administracji. Trener, pedagog lub ekspert merytoryczny musi równocześnie rozumieć logikę audytów, wskaźników, zgodności proceduralnej i dokumentacji jakościowej. Dla części środowiska oznacza to odejście od spontaniczności i relacyjności procesu uczenia się na rzecz modelu silnie proceduralnego.

Dlatego pytanie o BUR nie powinno brzmieć wyłącznie: „czy system jest dobry czy zły?”. Znacznie ważniejsze wydaje się pytanie: czy organizacja potrafi korzystać z BUR jako narzędzia wspierającego rozwój, a nie jako celu samego w sobie. System może wspierać jakość, ale może również produkować iluzję jakości. Wszystko zależy od tego, czy za dokumentacją stoi rzeczywista kultura uczenia się, odpowiedzialność dydaktyczna i autentyczna troska o rozwój uczestnika.