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.

więcej

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.

więcej

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

więcej

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.

więcej

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.

więcej

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.

więcej

Przedmiot badań vs przedmiot badawczy

W ujęciu Evidence-Based Management rozróżnienie między przedmiotem badań a przedmiotem badawczym nabiera znaczenia nie tylko metodologicznego, lecz przede wszystkim decyzyjnego. Nie chodzi już wyłącznie o to, „co” i „jak” badamy, ale o to, jakie rozróżnienia poznawcze umożliwiają podejmowanie trafnych, uzasadnionych decyzji w warunkach niepewności.

Przedmiot badań w logice EBM stanowi szeroki kontekst problemu decyzyjnego — obejmuje klasę zjawisk, w której osadzona jest dana decyzja (np. efektywność interwencji, zachowania organizacyjne, wyniki finansowe). Jest to poziom, na którym formułowane są pytania ogólne i identyfikowane źródła dowodów: badania naukowe, dane organizacyjne, doświadczenie eksperckie oraz wartości interesariuszy. Przedmiot badawczy natomiast pełni funkcję operacyjną — jest precyzyjnym wycinkiem rzeczywistości, który zostaje przekształcony w mierzalne zmienne, wskaźniki lub konkretne relacje przyczynowo-skutkowe.

W tym sensie różnica między nimi odpowiada przejściu od problemu do jego operacjonalizacji. Jednak w EBM nie jest to proces jednokierunkowy. Przeciwnie — ma on charakter iteracyjny. Wstępne zdefiniowanie przedmiotu badawczego umożliwia pozyskanie danych, lecz analiza tych danych może prowadzić do redefinicji zarówno przedmiotu badawczego, jak i samego przedmiotu badań. Oznacza to, że precyzja nie jest stanem początkowym ani końcowym, lecz zmienną dynamiczną w procesie uczenia się organizacji.

W odróżnieniu od klasycznego podziału na badania jakościowe i ilościowe, EBM integruje oba podejścia w ramach jednego cyklu decyzyjnego. Na etapie eksploracji problemu dominuje logika zbliżona do badań jakościowych — przedmiot badawczy pozostaje częściowo otwarty, a badacz (menedżer) koncentruje się na rozumieniu kontekstu i identyfikacji potencjalnych zmiennych. Na etapie testowania i wyboru interwencji następuje przejście do logiki ilościowej — przedmiot badawczy zostaje zawężony, operacjonalizowany i poddany weryfikacji empirycznej.

Kluczowym aspektem jest tu sprzężenie zwrotne między dowodami a definicją problemu. W EBM nie zakłada się stabilności przedmiotu badawczego; przeciwnie, jego redefinicja stanowi integralny element procesu zarządzania wiedzą. Błędy poznawcze, ograniczenia danych („dirty data”) oraz niepewność kontekstowa sprawiają, że pierwotne ujęcie problemu może być nieadekwatne. Dlatego skuteczne zarządzanie dowodowe wymaga zdolności do ciągłego przeformułowywania zarówno tego, co badamy, jak i tego, jak to badamy.

Ostatecznie, w logice EBM, przedmiot badań wyznacza przestrzeń sensu decyzji, natomiast przedmiot badawczy stanowi narzędzie jej uzasadnienia. Ich relacja nie jest statyczna, lecz dialektyczna: szerokość umożliwia zrozumienie, precyzja — działanie. Dopiero ich integracja prowadzi do decyzji, które są jednocześnie racjonalne, empirycznie ugruntowane i kontekstowo adekwatne. Polecam

Źródła

Rapley Tim, Analiza konwersacji, dyskursu i dokumentów, Warszawa 2013, Wydawnictwo Naukowe PWN.

więcej

Naukowiec z logo

Naukowiec funkcjonuje w przestrzeni, w której widzialność staje się niemal warunkiem wpływu. Publikacje indeksowane w bazach danych, wskaźniki cytowań, aktywność konferencyjna, a coraz częściej także obecność w mediach społecznościowych (nie tylko Researchgate czy Academia)– wszystko to współtworzy wizerunek badacza. Personal branding nie jest już zjawiskiem zewnętrznym wobec uczelni, lecz elementem jej środowiska komunikacyjnego. Pojawia się jednak pytanie, czy budowanie marki osobistej pozostaje w zgodzie z etosem nauki.

Punktem odniesienia powinien być Kodeks Etyki Pracownika Naukowego PAN, który akcentuje rzetelność, bezstronność, odpowiedzialność za słowo oraz unikanie konfliktu interesów. Dokument ten nie odnosi się wprost do pojęcia personal brandingu, lecz wyznacza ramy, w których każda forma autoprezentacji musi się mieścić. Badacz ma obowiązek przedstawiać wyniki w sposób uczciwy, nie wprowadzający w błąd, oddzielać fakty od interpretacji oraz jasno ujawniać potencjalne zależności finansowe czy instytucjonalne.

W tym świetle personal branding nie jest z natury nieetyczny. Może bowiem służyć realizacji społecznej misji nauki – zwiększać dostępność wiedzy, przeciwdziałać dezinformacji, wzmacniać kulturę opartej na dowodach debaty publicznej. 

Problem pojawia się wtedy, gdy atrakcyjność przekazu zaczyna dominować nad jego adekwatnością poznawczą, a rozpoznawalność staje się celem samym w sobie. 

Wówczas łatwo o pokusę nadmiernych uproszczeń, selektywnej prezentacji wyników czy wypowiadania się poza obszarem własnych kompetencji.

Kodeks podkreśla także odpowiedzialność badacza za autorytet, którym się posługuje. Autorytet naukowy nie jest prywatnym kapitałem marketingowym, lecz dobrem zaufania publicznego. Jego instrumentalizacja – nawet subtelna – może osłabiać wiarygodność całego środowiska akademickiego. Jeżeli marka osobista zaczyna wyprzedzać proces weryfikacji naukowej, dochodzi do odwrócenia porządku: reputacja przestaje wynikać z jakości badań, a zaczyna ją zastępować.

Etycznie dopuszczalny personal branding wymaga więc samodyscypliny i świadomości granic. Powinien być konsekwencją dorobku, nie jego substytutem. W tym sensie nie stoi on w sprzeczności z etosem badacza, o ile pozostaje podporządkowany zasadom rzetelności, przejrzystości i odpowiedzialności. Widzialność może być wartością, ale tylko wtedy, gdy nie zastępuje prawdy, lecz ją wzmacnia.

więcej