بحرانی به نام شفافیت؛ اتهام جعل داده‌ها علیه دن آریلی

نویسنده: مهرناز رزاقی

چه عواملی پژوهشگران را به دستکاری یا جعل داده‌ها سوق می‌دهد و پیامدهای اخلاقی و روانی چنین اقداماتی برای جامعه علمی چیست؟ این موضوع، به‌ویژه در زمینه‌هایی چون اقتصاد رفتاری و روان‌شناسی، اهمیت ویژه‌ای دارد.

آثار دن آریلی¹، پژوهشگر شناخته‌شده در حوزه روان‌شناسی و اقتصاد رفتاری، نمونه‌ای برجسته از تقابل میان موفقیت علمی و چالش‌های اخلاقی به شمار می‌رود. آریلی که دارای دکترای روان‌شناسی شناختی از دانشگاه کارولینای شمالی و استاد دانشگاه دوک است، با سخنرانی‌ها و کتاب‌های خود تأثیر زیادی بر این حوزه داشته است. او در سال ۲۰۰۸، برای پژوهش درباره تأثیر قیمت بر کارایی داروهای تقلبی، جایزه نوبل داروسازی را دریافت کرد. اما از سال ۲۰۲۱، اتهامات متعددی از جمله جعل داده‌ها و سوء رفتار علمی علیه او مطرح شد که به بازپس‌گیری یکی از مقالات او منجر شد. در سال ۲۰۲۴، دانشگاه دوک پس از انجام تحقیقی سه ‌ساله اعلام کرد که داده‌های مربوط به پژوهش درباره صداقت جعلی بوده است، اما مدرکی مبنی بر استفاده آگاهانه آریلی از این داده‌ها یافت نشد. در این راستا، این نوشتار با بررسی برخی آثار آریلی، پیامدهای جعل داده بر یکپارچگی علمی و اعتبار پژوهش‌ها را بررسی می‌کند و به این پرسش می‌پردازد که چگونه می‌توان تقابل پیچیده اخلاق و روش‌های پژوهشی را در مطالعات رفتار انسانی درک کرد.

دن آریلی؛ از اقتصاد رفتاری تا اتهام جعل داده‌ها

دن آریلی، از پیشگامان اقتصاد رفتاری و روان‌شناسی، با پژوهش‌های نوآورانه خود به بررسی پیچیدگی‌های تصمیم‌گیری انسانی پرداخته و نظریه‌های اقتصادی سنتی درباره عقلانیت را به چالش کشیده است. او با استفاده از آزمایش‌های کنترل‌شده، رفتارهای غیرمنطقی و سوگیری‌های شناختی را مطالعه کرده و به‌ویژه بر پدیده‌هایی مانند «عدم صداقت» و «انگیزه‌های پنهان پشت رفتارهای فریبکارانه» تمرکز دارد. در کتاب برجسته خود، «نابخردی‌های پیش‌بینی‌پذیر» (2008)، آریلی نشان می‌دهد که چگونه عوامل به‌ظاهر بی‌ارتباطی مانند قیمت‌گذاری، هنجارهای اجتماعی و احساسات می‌توانند تصمیم‌گیری‌های افراد را تحت تأثیر قرار دهند. او با کارآزمایی‌های کنترل‌شده، تصویر دقیقی از فرآیندهای تصمیم‌گیری غیرمنطقی ارائه کرده است که فراتر از مرزهای نظریه‌های اقتصادی عمل می‌کند. یکی از یافته‌های کلیدی آریلی این است که حتی افرادی که خود را صادق می‌دانند، تحت شرایط خاص مستعد رفتارهای ناصادقانه هستند. پژوهش‌های او نشان داده‌اند که عواملی مانند فرصت‌های کسب سود، هنجارهای اجتماعی و شرایط محیطی خاص می‌توانند به‌طور سامانمند عقلانیت را مختل کرده و رفتارهای فریبکارانه را در افراد تقویت کنند.

چگونه داده‌های جعلی دامن دن آریلی و اوباما را گرفت؟

جعل داده‌ها می‌تواند اعتماد عمومی به پژوهشگران و دانشگاه‌ها را به‌شدت مخدوش کرده و بنیان‌های علمی را متزلزل سازد. پژوهشگران ممکن است تحت فشارهایی همچون پیشرفت شغلی یا اثبات فرضیه‌های خود، به دستکاری یا جعل داده‌ها وسوسه شوند. دن آریلی، در مقاله‌ای برجسته منتشر شده در سال ۲۰۱۲، فرضیه‌ای را ارائه کرد مبنی بر اینکه امضای فرم‌های صداقت در ابتدای تکمیل آن‌ها، رفتارهای صادقانه‌تری را به دنبال دارد. این مقاله تأثیر چشمگیری داشت و حتی مورد استناد باراک اوباما در راستای ارتقای شفافیت قرار گرفت.

مطالعه آریلی که بر داده‌های جمع‌آوری‌شده از یک شرکت بیمه با بیش از ۱۳ هزار مشتری استوار بود، نشان داد که مشتریانی که فرم را در ابتدا امضا کرده بودند، مسافت‌های بیشتری برای رانندگی گزارش کردند. اما بعدها ناهنجاری‌هایی در داده‌های پژوهش آشکار شد، مانند قرائت‌های تکراری از کیلومترشمارها که اعتبار نتایج را زیر سؤال برد. در نهایت، آریلی و گروهش به دستکاری داده‌ها اذعان کرده و مقاله را بازپس گرفتند. این رویداد باعث مطرح شدن انتقادات گسترده‌ای نسبت به دیگر پژوهش‌های آریلی شد.

یکی از انتقادات کلیدی به پژوهش‌های آریلی، روش‌های نمونه‌گیری نامناسب بود. منتقدان معتقد بودند که حجم نمونه کوچک و غیرتصادفی بودن آن، نتایج را جانبدارانه کرده و تعمیم‌پذیری آن‌ها را دشوار ساخته است. علاوه بر این، طراحی ضعیف آزمایش‌ها، از جمله نبود گروه‌های کنترل کافی و وارسی مناسب، موجب شد اعتبار یافته‌ها زیر سؤال برود. مسائل دیگری مانند گزارش‌دهی انتخابی و حذف گزینشی داده‌ها نیز به‌شدت مورد انتقاد قرار گرفت. این روش‌ها که با عناوینی چون پی-هکینگ² یا سلاخی داده‌ها شناخته می‌شوند، می‌توانند اهمیت یافته‌ها را غیرواقعی جلوه دهند. همچنین عدم شفافیت در به اشتراک‌گذاری داده‌ها و مشکلات در تکرارپذیری یافته‌ها نیز از دیگر انتقادات مطرح‌شده بود. لذا این موارد به اعتبار او آسیب جدی وارد کرد.

منتقدان همچنین بر اتکای آریلی به آزمایش‌های آزمایشگاهی در محیط‌های مصنوعی تأکید کرده‌اند، محیط‌هایی که ممکن است بازتاب‌دهنده رفتار واقعی انسان‌ها نباشند. این کاستی‌ها در روش‌شناسی و مواردی از جعل داده‌ها، بر ضرورت شفافیت، رعایت استانداردهای اخلاقی و دقت در پژوهش‌های علمی تأکید دارند. ماجرای آریلی نه‌تنها به او محدود نمی‌شود، بلکه به‌عنوان هشداری جدی برای کل جامعه علمی مطرح است تا اهمیت پایبندی به اصول پژوهشی را بیش از پیش درک کند.

جمع‌بندی

جعل داده‌ها یکی از جدی‌ترین تهدیدها برای اعتبار علمی و اخلاق پژوهش به شمار می‌رود. این اقدام نه‌تنها به اعتماد عمومی و جامعه علمی آسیب می‌زند، بلکه با ترویج نتیجه‌گیری‌های نادرست، می‌تواند پیامدهای زیانباری برای پژوهش‌های آینده و سیاست‌گذاری‌های عمومی در پی داشته باشد. دن آریلی، پژوهشگر برجسته در اقتصاد رفتاری، با تحلیل رفتار انسانی و تأثیر عوامل محیطی و اجتماعی بر تصمیم‌گیری، درک جدیدی از عقلانیت ارائه کرد، اما اتهام‌های مربوط به جعل داده‌ها و مشکلات روش‌شناختی، از جمله طراحی نامناسب آزمایش‌ها و دشواری در تکرار نتایج، اعتبار او را به چالش کشید. این مسائل بر اهمیت پایبندی به صداقت، شفافیت و رعایت استانداردهای علمی تأکید می‌کند. در پاسخ به این چالش‌ها، جنبش «علم باز» تلاش می‌کند با ایجاد شفافیت در فرایندهای پژوهشی، اعتماد عمومی به علم را بازسازی کرده و بهبود بخشد. این جنبش به بحران‌های موجود در نظام علمی کنونی واکنش نشان داده و هدف اصلی آن تقویت اصول اخلاقی و ارتقای دقت در پژوهش‌های علمی است.

منابع

The New Yorker. (2023, October 9). They studied dishonesty. Was their work a lie? Retrieved from:

https://www.newyorker.com/magazine/2023/10/09/they-studied-dishonesty-was-their-work-a-lie

NPR. (2023, July 28). Did an honesty researcher fabricate data? Retrieved from:

https://www.npr.org/2023/07/28/1190663435/did-an-honesty-researcher-fabricate-data

The Atlantic. (2023, August). Gino, Ariely, and data fraud allegations. Retrieved from:

https://www.theatlantic.com/science/archive/2023/08/gino-ariely-data-fraud-allegations/674891

Science. (2023). Fraudulent data set raise questions about superstar honesty researcher. Retrieved from:

https://www.science.org/content/article/fraudulent-data-set-raise-questions-about-superstar-honesty-researcher.

پاورقی

1. Dan Ariely ↩︎
2. – P-Hacking
   هک P، به مجموعه‌ای از تصمیمات آماری و انتخاب‌های روش‌شناسی در طول فرآیند پژوهش گفته می‌شود که به‌طور مصنوعی نتایج آماری معنادار ایجاد می‌کند. این رویکرد، احتمال وقوع مثبت کاذب را افزایش می‌دهد؛ به این معنا که مطالعه نشان می‌دهد اثری وجود دارد، درحالی‌که در واقع چنین اثری وجود ندارد. در صورت مواجهه با چنین موقعیتی، شفافیت در گزارش‌دهی از اهمیت ویژه‌ای برخوردار است. در واقع، استفاده از این روش‌ها معمولاً به‌منزله نوعی داده‌سازی یا جعل نتایج پژوهشی تلقی می‌شود و می‌تواند پیامدهای جدی اخلاقی و علمی به همراه داشته باشد. ↩︎