رفتن به نوشته‌ها

دسته: روایتگری در علم

در رویارویی با علم و مسئله ترویج آن

در مورد علم، شبه‌علم، روش و تحول ساختارش، ارتباط‌‌گری و روایتگری در علم زیاد حرف زده شده. با این وجود، خوبه که هر از گاهی با مرور بعضی مثال‌ها، به این موضوعات دوباره فکر کنیم. توی این مسیر همیشه باید توجه کنیم که علم، نه تقدس به همراه میاره و نه قاطعیت! به قول فاینمن، گزاره‌های علمی از جنس این نیستند که چه چیزی درست یا غلطه، بلکه اونا گزاره‌هایی هستند با درجه‌های مختلفی از عدم قطعیت در مورد چیزهایی که می‌دونیم. از طرف دیگه، باید به عنصر آزمایش یا تجربه در «علوم تجربی» هم توجه کنیم. در علم، هر اندازه‌گیری همراه با مقداری خطا گزارش میشه که به ما میگه عدم قطعیت (دقت) موجود در این اندازه‌گیری چقدره و ما تا کجا می‌تونیم مطمئن باشیم از مقدار مشاهده شده. میزان موفقیت یک نظریه علمی هم در دقت پیش‌بینی‌هایی هست که در مورد کمیت‌های مورد نظر ارائه می‌کنه. نظریه‌ای دقیق‌تره که نتایجش نزدیکتر به واقعیت (اندازه‌گیری‌ها) باشه. نظریه الکترودینامیک کوانتومی دقیق‌ترین نظریه فیزیکه چون مقداری که برای «ثابت ساختار ریز» معرفی می‌کنه تا ۸ رقم بعد از ممیز با مقدار اندازه‌گیری شده می‌خونه.

با این وجود، دقیق‌ترین نظریه لزوما بهترین نظریه نیست! مثلا در مسائل گرانشی، نسبیت توصیف دقیق‌تری ارائه می‌کنه، با این حال در زندگی روزمره معمولا ما به این میزان دقت نیاز نداریم؛ یک مهندس شهرسازی هیچ ملاحظه نسبیتی رو نیاز نیست که رعایت کنه! حتی اگه این کارو بکنه، فقط زمان و انرژی بیشتری برای محاسباتی صرف کرده که نتایج بهتری بهش تحویل نمیدن! اما مثلا در توصیف مدار عُطارِد دیگه این جوری نیست. نظریه نسبیت به طور چشم‌گیری دقیق‌تره و بر خلاف نظریه‌های غیرنسبیتی مقادیر معقول‌تری رو پیش‌بینی می‌کنه. خلاصه این‌که اگه همین‌طور رو هوا کسی بگه «آینشتین درست گفت و نیوتون غلط» نشون میده که یه آدم غیرحرفه‌ایه! همیشه توی علم مهمه که با چه مسئله‌ای روبه‌رو هستیم و انتظارات از مطالعه یا پژوهش ما چیه. گاهی مدل‌های خیلی ساده می‌تونن نتایج خیلی خوبی، بسته به مسئله مورد نظر، ارائه کنند. مثلا مدل آیزینگ با تمام سادگی‌هاش توصیف خیلی خوبی از گذارفاز خودبه‌خودی فرومغناطیسی و پدیده‌های بحرانی مرتبط با اون ارائه می‌کنه. انتخاب مدل در علم خودش بحث مفصلیه. بگذریم.

برای همین، اگه کمی دقت کنیم خیلی چیزها دیگه زیر پرچم علم قرار نمی‌گیرند. دونستن ارتفاع قله اورست یا ظرفیت گرمایی نقره علم حساب نمیشه. این‌ها اطلاعاتی هستند که پس از یک‌بار استخراج یا محاسبه میشه توی یه جدول نگهشون داشت و بارها ازشون استفاده کرد. همین‌طور خیلی از ادعاهایی که در رشته‌هایی مثل روان‌شناسی یا جامعه‌شناسی وجود داره علمی نیستند. چون یا درست آزمایش نشدند، یا قابل تکرار نیستند یا مشکلات دیگه‌ای دارن که روش تحقیقشون رو خارج از چارچوب روش علمی قرار می‌ده. حتی بخشی از ریاضیات هم علم نیست! در ریاضیات شما می‌تونید ساختارهای کاملا انتزاعی درست کنید بدون نیاز به وجود یا مثال خارجی. نکته مهم اینه که هر چیزی که علمی نباشه چیز بدی نیست. علمی بودن به ما یک سری ویژگی و ملاک‌ شناختی میده در برخورد با دنیای خارجمون. اصلا برای همینه که در علم، ندونستن عیب نیست و قرار نیست که علم به همه پرسش‌ها یا نیازهای بشر جواب بده. اعتبار بخشیدن به ادعایی به عنوان یک «گزاره علمی» فقط از این جهت قابل قبوله که میشه انتظارات مشخصی از اون حرف یا ادعا داشت.

یادگرفتن واژه‌ها خیلی لازم است، اما این کار علم نیست. البته منظور من این نیست که چون علم نیست نباید آن را یاد بدهیم. ما دربارهٔ این که چه چیزی را باید یاد بدهیم حرف نمی‌زنیم؛ دربارهٔ این بحث می‌کنیم که علم چیست. این که بلد باشیم چطور سانتی‌گراد را به فارنهایت تبدیل کنیم علم نیست. البته دانستنش خیلی لازم است، ولی دقیقاً علم نیست. برای صحبت کردن با همدیگر باید واژه داشته باشیم، کلمه بلد باشیم و درست هم همین است؛ ولی خوب است بدانیم که فرق «استفاده از واژه» و «علم» دقیقاً چیست. در این صورت، می‌فهمیم که چه وقت ابزار علم مثل واژه‌ها و کلمه‌ها را تدریس می‌کنیم و چه وقت خود علم را یاد می‌دهیم. … اگر به شما بگویند «علم این و آن را نشان داده‌است.» می‌توانید بپرسید که «علم چطور آن را نشان داده‌است؟ چطور دانشمندان فهمیده‌اند؟ چطور؟ چه؟ کجا؟» نباید بگوییم «علم نشان داده‌است.»، باید بگوییم «تجربه این را نشان داده‌است.» و شما به اندازهٔ هر کس دیگر حق دارید که وقتی چیزی دربارهٔ تجربه ای می‌شنوید، حوصله داشته باشید و به تمام دلایل گوش فرا دهید و قضاوت کنید که آیا نتیجه‌گیری درست انجام شده‌است یا نه.

– ریچارد فاینمن در علم چیست؟!

پس از علم پیروی کنیم؟!

علم در مورد یک سری واقعیته. علم به ما نمی‌گه که چیکار کنیم یا نکنیم. چیزی که میگه اینه که اگه توپی رو با فلان سرعت از فلان نقطه پرتاب کنید، فلان مسیرو طی می‌کنه و بعد از زمان فلان با سرعت بهمان به نقطه مشخصی می‌رسه. پرتاب کردن یا نکردن توپ اما دست ماست. علم در فاجعه هیروشیما و ناکازاکی بی‌تقصیره ولی انسان‌ها و مدیران مختلفی در این مسئله مقصر هستند. میزان گناه‌کار بودن افراد رو علم مشخص نمی‌کنه بلکه قراردادهای غیر علمی اما حقوقی یا اخلاقی مشخص می‌کنند. پس لزومی نداره علم همه امور ما رو رتق و فتق کنه! علم گاهی در مسائلی می‌تونه اصلا جوابی نداشته باشه یا ممکنه ما رو در یک حالت بلاتکلیف قرار بده. در کنترل همه‌‌گیری کرونا علم نمی‌گه که فلان شهرو قرنطینه کنید یا در بهمان شهر قوانین منع تردد از ۷ شب وضع کنید. در این شرایط، اهل علم در گروه‌های تحقیقاتی مختلف، شروع به مدل‌‌سازی‌ و آزمایش می‌کنند. اونا شرایط مختلفی رو تست می‌کنن تا ببینن چه روش‌هایی منجر به چه دستاوردهایی میشه. مثلا ممکنه گروهی سراغ مدل‌های بخش‌بندی یا سراغ تحلیل‌های داده‌محور و بیزی برن و عده‌ای هم از مدلسازی عامل بنیان استفاده کنند. در نهایت این وظیفه یک مدیره که با بررسی نتایج گروه‌های مختلف و با در نظر گرفتن نظرات و یافته‌های گروه‌های اقتصادی، فرهنگی، سیاسی و … تصمیم آخر رو بگیره. علم، شطرنج‌باز نیست، قوانین شطرنجه!

در این ویدیو، سابینه هاسنفلدر به خوبی در مورد این مسئله حرف می‌زنه:

مسئله ترویج علم

ترویج علم یعنی چی؟! چه کسی مروج علمه؟

توافق کردن بر سر مفهوم ترویج علم، قبل از هر چیزی به این بستگی داره که تعریف علم و گزاره علمی رو بپذیریم و بعد در مورد کم و کیف رواج بحث کنیم. در فارسی، ترویج علم به احتمال زیاد وام‌دار مفهوم ترویج دینه چون در انگلیسی (عرف جهانی) معادلی برای ترویج علم نداریم. چیزهایی مثل «ارتباط‌گری» یا «علم‌ به زبان ساده» داریم ولی «ترویج علم» نه! معقول هم هست؛ در گذشته تفاوتی بین علم دینی و غیر دینی نبوده. طبیعتا هر چقدر که ابعاد ترویج دین زیاده ابعاد ترویج علم هم زیاده. پس شما هر کاری که در جهت گسترش علم انجام بدین زیر پرچم ترویج علمه. از تدریس و تحقیق گرفته تا ساخت مدرسه و دانشگاه، دادن کمک هزینه تحصیلی به افراد، شرکت داوطلبانه در آزمایش واکسن کرونا تا مبارزه با خرافات یا اجرای نمایش‌های مختلف برای آشنا کردن مردم کوچه‌ و بازار با مفاهیم علمی. برای همین چه توی تاکسی چه توی دانشگاه یا روزنامه‌ یا توییتر اگه کسی بگه: «از روی زمین، انگار که ماه نمی‌چرخه به این دلیل که سرعت چرخش ماه به دور زمین تقریبا برابر با سرعت چرخشش به دور خودشه.» ترویج علم انجام داده.

اما باید مراقب جنبه‌های دیگه این فرایند هم باشیم؛ به داستان‌های مختلفی که در مورد پول‌شویی به واسطه تاسیس خیره‌ها شنیدین فکر کنید. اگه کارتل‌های مواد مخدر به کلیساها یا نهادهای خیریه کمک‌ کنند، آیا «ترویج انسانیت» کردند؟! اگه دولتی اجازه ورود آلاینده خاصی به آب یا هوای کشورش رو بده و از طرف دیگه به کمک یک شرکت داروسازی داروهای مربوط به بیماری‌های ناشی از اون آلاینده رو با یارانه دولتی به بازار عرضه کنه، آیا این دولت «ترویج سلامت» کرده؟! در مورد ترویج علم هم این سوال وارده؛ اگه فردی، نهادی یا رسانه‌ای خواسته یا ناخواسته یا با روش یکی به نعل یکی به میخ هم مطالب علمی منتشر کنه و هم مطالب غیرعلمی یا شبه علم آیا باز هم در حال ترویج علمه؟! اگه فردی یا حزبی در مورد یک واقعیت علمی که موافق اهدافشه تبلیغ کنه ولی در مورد واقعیت دیگه‌ای که براشون هزینه ایجاد می‌کنه جوسازی‌های نادرست ایجاد کنه، آیا باز مشغول ترویج علمه؟! فراموش نکنیم که اصلا مهم نیست که هم‌قطارهای ما بگن فلان چیز علمیه یا نیست، این روش علمیه که مشخص می‌کنه که کی راست میگه!

دیشب در یک آگهی شنیدم که روغن وسون به داخل غذا نفوذ نمی‌کند. خب این واقعیت دارد و تقلبی در کار نیست؛ ولی آنچه من دربارهٔ آن صحبت می‌کنم تقلب نیست بلکه صحبت از صحت و درستی علمی است که در مرتبه دیگری قرار دارد. حقیقتی که باید به آگهی اضافه می‌شد، این است که هر روغنی که در دمای مشخص استفاده شود به داخل غذا نفوذ نمی‌کند. اما اگر در دمای دیگری مصرف شود حتی اگر روغن وسون باشد، در غذا نفوذ می‌کند. در نتیجه می‌بینیم در این آگهی نه حقیقت مطلب بلکه بخشی از آن بیان شده‌است؛ و ما با همین اختلاف سر و کار داریم. … اگر تصمیم دارید یک نظریه را آزمایش کنید یا ایده‌ای را توضیح دهید، باید همواره آن را بدون در نظر گرفتن پیامدهایش منتشر کنید. اگر تنها مطالب خاصی را چاپ کنید بدین معناست که قصد داشته‌اید آن را درست جلوه دهید، ازین رو باید تمام جوانب کار را منتشر کنید. دربارهٔ مشاوره‌های دولتی نیز این اصل اهمیت دارد. تصور کنید سناتوری بررسی یک مسئله حفر چاه در ایالتش را به شما واگذار کند و شما پس از بررسی، ایالت دیگری را برای اینکار مناسب‌تر تشخیص دهید، اگر شما تحقیقتان را منتشر نکنید، توصیه شما عملی نخواهد شد و شما آلت دستی بیش نخواهید بود. اگر نظر شما موافق نظر دولت و سیاستمداران باشد، آنها می‌توانند از آن در جهت به‌کارگیری مقاصدشان استفاده کنند و اگر شما با خواست‌های آنها در تضاد باشید، هرگز آن را منتشر نخواهند کرد. در این صورت کار شما دیگر یک توصیه علمی قلمداد نمی‌شود.

– ریچارد فاینمن در علم بارپرست‌گونه

روایتگری در علم و تیراژ کار

«منظور ما از روایتگری در علم نوع بیان و ارائه یک مطلب علمی با هر میزان پیچیدگی به مخاطبی با سطح مشخصی از تخصص است، به طوری که فرایند یادگیری لذت بخش باشد و فرد ارتباط بین مفاهیم را به درستی متوجه شود.»

در مورد روایتگری در علم در این نوشته و این ویدیو مفصل صحبت کردیم. به نگاره زیر نگاه کنید. محور افقی نشون‌دهنده میزان تخصص افراد در یک حوزه تخصصی خاص مثل فیزیکه. طبیعتا هر چقدر که به سمت راست حرکت کنیم میزان تخصص بیشتر میشه. روایتگری در علم فرایند ارائه مطلب توسط فردی در نقطه $X$ از محور به فردی قبل‌تر از اون ($X – \Delta X$) هست. مثلا ممکنه یک استاد با تجربه بعد از سال‌ها تدریس، یک کتاب آموزشی خوب برای دوره لیسانس یا یک پژوهشگر برجسته یک مقاله مروری برای بقیه پژوهشگرا بنویسه. گاهی هم روایتگری در علم می‌تونه سر کلاس فیزیک دبیرستان رخ بده یا توی مهمونی وقتی داری به داییت توضیح میدی که فرکتال‌ها چی هستن! به عنوان یک نمونه عملیاتی کلاس‌های درس ساسکایند یا درس‌گفتارهای فاینمن رو ببینید. به تولید این جنس محتوا می‌گیم روایتگری در علم و اگه مخاطب ما عموم مردم باشن، اون موقع این کار به صورت عمده توسط روزنامه‌نگاران علمی و ارتباط‌گران علم انجام میشه.

نمودار روایتگری در علم – روایتگری در علم از راست به چپ رخ می‌دهد.

یکی از اهداف جدی روایتگری در علم تولید محتوای خوش‌هضم‌ برای مخاطبه. هرچقدر محتوا باکیفیت بهتری آماده بشه طبیعتا احتمال یادگیری بالا میره و این می‌تونه به پیکره علم و جریان‌های علمی کمک کنه. برای همین همیشه مهمه که محتوای تولید شده چه مقدار مخاطب داشته باشه. خصوصا برای روزنامه‌نگاران علمی یا ارتباط‌گران علم. مثلا با توجه به شرایط همه‌گیری بیماری کرونا خیلی مهمه که عمده مردم واکسینه بشن. برای همین از یک طرف وظیفه مروجان علمه که تا جایی که میشه دولت‌ها رو تشویق به سرمایه‌گذاری در خرید و توسعه واکسن کنند و از طرف دیگه با آگاهی دادن به مردم اونا رو متقاعد کنند که واکسن چیز خوبیه، اومد بزنید! این تلاش‌ها باید در مقیاس کشوری و جهانی انجام بشه. برای همین اگر کسی قصد تولید محتوایی رو داشته باشه خیلی مهمه که جامعه هدف بزرگی رو پوشش بده. اما در مورد بقیه موضوعات قاعدتا نیازی نیست که تیراژ کار اینقدر زیاد باشه. مثلا افراد علاقه‌مند به نجوم یا علم داده قابل مقایسه با افراد علاقه‌مند به شیمی یا زیست‌شناسی دریا نیستند. برای همین درسته که تیراژ کار مهمه، اما باید دید در چه حوزه‌ای مشغول به کار هستیم. گاهی روایتگری در علم برای کلاس دو سه نفره‌ای از دانشجویان دکتری یا جلسه‌های دو نفره استاد و شاگرده.

چگونه در ترویج علم «گاوِ نُه مَن شیر» نباشیم؟!

در دنیای امروز که به لطف شبکه‌‌های اجتماعی هر کسی تریبونی داره به نظر می‌رسه که مشکلات ترویج علم کمتر باید بشه. اما در مورد پخش اطلاعات، متاسفانه نتایج تحقیقات این شکلیه که اطلاعات نادرست بیشتر بهره بردن از این بستر! با این وجود نکته‌هایی وجود داره که اگه رعایت نکنیم همه تلاش‌هامون از بین میره و دیگه علمی رواج ندادیم.

  • قبل از هر چیز بدونیم اگه در زمینه‌ای تخصص نداریم یا اطلاع کافی نداریم لزومی نداره که در موردش با همه صحبت کنیم. بارها در بین افراد مختلفی که فیزیک نخوندن و حتی تجربه جدی نجوم آماتوری ندارن دیدم که در مورد مسائل مربوط به مه‌بانگ و انرژی تاریک با بی‌دقتی تمام حرف می‌زنن. یا دانشجو تازه وارد فیزیکی که سعی داره در مورد جهان‌های موازی به دوستش توضیح بده و به جای این‌که صادقانه بگه «هنوز نمی‌دونم» شروع میکنه به داستان‌های غلط غلوط تعریف کردن! اولین نکته در ترویج علم از طریق بیان یا نوشته اینه که در مورد چیزی که حرف می‌زنیم به مقدار کافی اطلاع داشته باشیم و اگه سوالی ازمون پرسیدن که جوابش رو بلد نبودم خیلی صریح بگیم که نمی‌دونیم!
  • فراموش نکنیم که اگه دکتری فیزیک داشته باشیم دلیلی نمیشه که زیست‌شناسی رو هم خوب بشناسیم. خارج از حیطه تخصصی خودمون همیشه باید دست به عصا حرکت کنیم. بخش زیادی از اطلاعات نادرستی که دست مردم رسیده به خاطر حرف‌های اشتباه افراد تحصیل‌کرده بوده. مثلا در برنامه‌های مختلف تلوزیون زیاد می‌بینیم که افراد خارج از تخصصشون حرف‌های کاملا غلطی می‌زنن که به خاطر شهرت یا محبوبیتشون متاسفانه بسیار هم در جامعه حرفشون نفوذ می‌کنه. مثلا همین اواخر در برنامه خوب کتاب‌باز، آقای مجتبی شکوری که ظاهرا دکتری علوم سیاسی دارد در مورد نسبیت و مکانیک کوانتومی حرف‌های اشتباهی زد چون که می‌خواست با مفهوم نسبی بودن و گذر زمان بازی کنه. ایشون جزو محبوب‌ترین کارشناس‌های این برنامه هستن و قطعا با توجه به تعداد بالای بازدید اون برنامه و بازپخشش در اینستاگرام این کج‌فهمی علمی سال‌ها در جامعه باقی می‌مونه. کافی بود ایشون دو سه جمله‌ای که خارج از تخصصشون بود رو نمی‌گفت و نُه مَن شیر رو روی زمین نمی‌ریخت! چند سال پیش هم بهروز افخمی در بیست و دومین قسمت از برنامه تلویزیونی «چهل چراغ» چون می‌خواست برای حرفی که میزنه پشتوانه علمی بیاره، چرند و پرندهایی در‌ مورد نسبیت آینشتین و نظریه تکاملی داروین سر هم کرد و با قباحت تمام بیانشون کرد!
  • نکته دیگه پرهیز از ساده‌سازی‌های بی‌مورده. خیلی مهمه که ساده کردن یک مفهوم علمی سوءبرداشتی ایجاد نکنه. «شیر بی‌دم و سر و اشکم کی دید؟!» تلاش برای زیاد ساده کردن مفاهیم علمی و به درک توده مردم رسوندن کار هر کسی نیست. راستش ما باید مراقب شهوت بیان علم به زبان ساده باشیم! استفاده از بعضی مثال‌ها و استعاره‌ها برای توصیف یک مفهوم علمی گاهی منجر به ایجاد شبهه و عدم درک درست اون مفهوم یا پدیده میشه. از طرف دیگه بعضی از مفاهیم علمی درسته که اسامی آشنایی دارن ولی معنای فنی خاصی ممکنه داشته باشن. نباید موقع صحبت کردن یا نوشتن معنی فنی موضوع تغییر یا تقلیل پیدا کنه. مثلا واژه «کار»، «فشار» و «درهم‌تنیدگی» معنی کاملا دقیقی در فیزیک داره. در علم عناصر خیال و رمز و راز آلود بودنی وجود نداره و سعی شده هر کلمه تعریف کامل مشخصی داشته باشه. پس خوبه که یادآور بشیم که منظور ما دقیقا چیه از واژه‌های خاص. مثلا در مورد پیکان زمان و قانون دوم ترمودینامیک به راحتی نمیشه گفت که انتروپی یعنی بی‌نظمی و جهان به سمت بی‌نظمی می‌ره! لزومی نداره انتروپی معنی بی‌نظمی بده. در ضمن، نظم خودش تعریف مشخصی باید داشته باشه قبل از هر چیز. یا مثلا دورنوردی کوانتومی درسته که اتفاق افتاده ولی باید توجه کنیم که در چه شرایطی و با چه اندازه‌هایی این آزمایش انجام شده.
  • نکته مهم دیگه‌ای که به نظر من به شدت ازش چشم‌پوشی میشه استفاده از لحن و ادبیات مناسبه. اگر شما تجربه حضور در برنامه‌هایی مثل کنفرانس‌های علمی رو داشته باشین همیشه افراد بسیار با احتیاط و لحن خالی از عدم قطعیت کامل در مورد پدیده‌ها و یافته‌هاشون صحبت می‌کنند. این خیلی خیلی مهمه که موقعی که در مورد گزاره‌های علمی صحبت می‌کنیم جنس حرف زدن ما یا لحن نوشته ما جوری نباشه که در ناخودآگاه مخاطب احساس اطمینان و قطعیت ایجاد کنه. به نظرم افراد مدعی ترویج علم عمدتا این مشکل رو دارن. برای همین امروز در دنیا افرادی رو داریم که کیششون علم شده و گزاره‌‌های علمی رو مثل آیات کتب مقدس می‌دونن. از طرف دیگه وقتی فقط در مورد نتایج علمی صحبت میشه و از فرایندهای نفس‌گیر و پر از تنش در رسیدن به اون یافته‌ها صحبت نمی‌شه افراد درک درستی از شیوه عملیاتی روش علمی نمی‌بینن. بخشی از بی‌اعتمادی مردم به علم حاصل ندونستن مسیر پرزحمت و پر از سوال و جواب برای رسیدن به یافته‌های علمیه. مروج علم باید شیوه کار کردن علم در دنیای واقعی رو هم ترویج بده و گرنه افراد با تخیلاتی که از مستندهای عامه‌پسند دریافت کردن به علم نگاه می‌کنن. وقتی مردم متوجه بشن که با چه وسواسی این یافته‌ها به دست اومده در تحلیل‌ها و بررسی‌های روزانه‌شون هم تفاوت ایجاد می‌کنن و در نهایت رفتار منطقی‌تری از خودشون نشون میدن. برای همینه که بعضی‌ها این روزها بیشتر از ترویج علم به دنبال ترویج «تفکر علمی» یا «تفکر انتقادی» هستند.

پرداختن به موضوعات کمتر پرداخته شده در ترویج علم!

جایگاه علم داده در نجوم امروزی

بخش ششم از سری گفت‌وگوهای «پشت‌پرده نجوم»

«پشت‌پرده نجوم» عنوان یک سری از لایوهای اینستاگرامی هست که در آن با چند نفر از دانشجویان و اساتید دانشگاهی، درمورد تصویر درست علم نجوم و فرآیندها و اتفاقاتی که در عمل، در جامعه علمی در جریان است، گفت‌و‌گو شده و هم‌چنین کندوکاوی درمورد مسائل مهمی از قبیل روایتگری در علم و شبه‌علم داشته است.

امروزه با پیشرفت تکنولوژی، نقش داده‌ها در حوزه‌های مختلف علم، از‌جمله علم نجوم، بیش‌از‌پیش نمایان شده است. به‌نظر می‌رسد ابزار برنامه‌نویسی و شبیه‌سازی در آینده‌ای نزدیک، به یکی از مهارت‌های مهم و ضروری برای پژوهش در علم (نجوم) تبدیل شود؛ کما اینکه هم‌اکنون نیز تا حدی همین‌گونه است. در ششمین بخش از «پشت پرده علم» با علیرضا وفایی صدر، پژوهشگر فیزیک در مقطع پسا‌دکتری در IPM، در‌مورد جایگاه علم داده در نجوم امروزی گفت‌و‌گو کرده‌ایم. ویدیو و صوت این گفت‌وگو ضبط شده و در ادامه این متن می‌توانید آن را ببینید و بشنوید.

در علم نجوم امروزی، به‌دلیل ساخت تلسکوپ‌ها و آشکارساز‌های بزرگ متعدد ـ و ترکیب تلسکوپ‌های بزرگ با یکدیگر با استفاده از روش تداخل‌سنجی، برای ساخت تلسکوپ‌های مجازیِ حتی بزرگ‌تر ـ و هم‌چنین افزایش کیفیت و رزولوشن تصاویر دریافتی از آسمان، حجم داده‌ها بسیار افزایش پیدا کرده و کار با داده‌های کلان، به مسئله‌ای مهم تبدیل شده است. به‌عنوان مثال، برای ثبت اولین تصویر از یک سیاه‌چاله که سال پیش توسط تیم تلسکوپ افق رویداد منتشر شد، هشت آرایه‌ از تلسکوپ‌های رادیویی، حدود یک هفته رصد انجام دادند که منجر به دریافت داده‌ای با حجم حدود ۲۷ پتا‌بایت شد و کار انتقال، پاکسازی و تحلیل آن حدود ۲ سال طول کشید (برای اطلاعات بیشتر درمورد جزئیات ثبت این تصویر، این نوشته را بخوانید)! 

در گفت‌وگویمان با علیرضا وفایی‌صدر، به مسائل مختلفی در ‌زمینه نقش داده در نجوم پرداخته‌ایم؛ از جمله اینکه: چطور می‌توان داده‌های کلان را سرو‌سامان داد؟ ماشین‌‌ها (کامپیوترها) چه جنس کارهایی را در زمینه نجوم می‌توانند برای ما انجام دهند؟ همکاری‌های بین‌المللی چه نقشی در این زمینه دارند؟

بخش ششم «پشت‌ پرده نجوم»
ویدیوی گفت‌و‌گوی محمد‌مهدی موسوی (فیزیک‌پیشه) و علیرضا وفایی‌صدر (پژوهشگر فیزیک در مقطع پسادکتری در IPM) درمورد جایگاه علم داده در نجوم امروزی

به این گفت‌وگو گوش دهید:

فراز‌ و‌ فرودهای تاریخی علم نجوم

بخش اول از سری‌ گفت‌وگوهای «پشت‌پرده نجوم»

«پشت‌پرده نجوم» عنوان یک سری از لایوهای اینستاگرامی هست که در آن با چند نفر از دانشجویان و اساتید دانشگاهی، درمورد تصویر درست علم نجوم و فرآیندها و اتفاقاتی که در عمل، در جامعه علمی در جریان است، گفت‌و‌گو شده و هم‌چنین کندوکاوی درمورد مسائل مهمی از قبیل روایتگری در علم و شبه‌علم داشته است.

تاریخ همیشه عبرت‌آموز است! به‌ همین‌ خاطر، در اولین قسمت از برنامه‌ی «پشت‌پرده نجوم» با دکتر امیر‌محمد گمینی، عضو هیئت علمی پژوهشکده تاریخ علم دانشگاه تهران، در‌مورد علم نجوم در بستر تاریخ گفت‌وگو کردیم. ویدیوی این گفت‌و‌گو ضبط شده و در ادامه‌ این مطلب آمده است.

علم در طول تاریخ، فراز‌ و‌ فرود‌های زیادی داشته است. این تصور که بخواهیم تاریخ علم نجوم را تنها به نظرات انقلابی از قبیل: مدل زمین‌مرکزی بطلمیوسی و مدل خورشید‌مرکزی کپرنیکی، یا چند چهرهٔ سرشناس مانند گالیله و نیوتن تقلیل بدهیم، برداشت درستی نیست. 

در این گفت‌و‌گو به سؤالات زیادی در‌ رابطه با تصورات رایج در‌مورد تاریخ علم (به‌ویژه علم نجوم) پاسخ داده شده است؛ از جمله آن‌که: آیا در تمدن اسلامی، انقلاب علمی اتفاق افتاد؟ دانشمندان مسلمان چه نگاهی به مسئله علم و دین داشته‌اند؟ عوامل مؤثر در روابط انسانی و اجتماعی تا چه حد می‌توانند روی پیشرفت علم تأثیرگذار باشند؟

بخش اول «پشت‌ پرده نجوم»
ویدیوی گفت‌و‌گوی محمد‌مهدی موسوی (فیزیک‌پیشه) و دکتر گمینی (عضو هیات‌علمی پژوهشکده تاریخ علم دانشگاه تهران) درمورد فراز و فرودهای تاریخی علم نجوم

معرفی کتاب

در این گفت‌و‌گو دو کتاب معرفی شدند:

  • «دایره‌های مینایی»، نوشته دکتر امیر‌محمد گمینی، که می‌توانید آن را از اینجا تهیه کنید. معرفی اجمالی کتاب:
کتاب «دایره‌های مینایی، نوشته امیرمحمد گمینی

کیهان‌شناسیِ علمی از چه زمانی پا‌ گرفت و در یونان و تمدن اسلامی تا چه حد از روش تجربی و ریاضی استفاده می‌کرد و چقدر تحت تأثیر فلسفه طبیعی بود؟ منجمان تمدن اسلامی چه راهکارهایی را برای حل مشکلات علمی زمان خود پی گرفتند؟ برای پاسخ به سوالات و پرسش‌هایی دیگر درباره تحولات علمی و تبادل نظرهای رایج در نجوم تمدن اسلامی نیاز به پژوهش‌هایی مبتنی بر نسخ خطی به جا‌مانده و آخرین دستاوردهای مورّخان دانشگاهی علم قدیم است. این کتاب نتایج این پژوهش‌ها را در کنار پژوهش‌هایی جدیدتر برای متخصّصان و غیرمتخصّصان علاقه‌مند به رشته تاریخ علم معرفی می‌کند. مخاطب این کتاب افرادی هستند که به تاریخ تحولات علوم در گذشته‌های دور و نزدیک دلبسته‌اند یا می‌خواهند با دستاوردهای فکری و فرهنگی تمدن اسلامی در حوزه علم هیئت آشنا شوند.

  • «زندگینامه علمی دانشمندان اسلامی» که توسط جمعی از پژوهشگران نوشته شده و می‌توانید از اینجا آن را تهیه کنید. معرفی اجمالی این اثر دو‌جلدی:

«زندگینامه علمی دانشمندان اسلامی» بیان شرح احوال، آثار و آرای علمی ۱۲۶ نفر از دانشمندان اسلامی است که در ریاضیات و علوم وابسته به آن مانند نجوم، نورشناسی، موسیقی و علم‌الحیل و علوم‌طبیعی مانند فیزیک، شیمی، کیمیا، طب و زیست‌شناسی کار کرده‌اند.

کتاب «زندگینامه علمی دانشمندان اسلامی»،

همچنین احوال برخی از جغرافی‌دانان، تاریخ‌نویسان و بعضی از فلاسفه نیز بیشتر از باب حکمت ایشان، در این مجموعه آمده است. می توان گفت که زندگی و کار مهم‌ترین دانشمندان اسلامی در این مجموعه بررسی شده و برخی مقالات آن از لحاظ تفصیل و عمق و وسعت دامنة تحقیق، بی‌نظیر یا کم‌نظیرند.

دانشمندان اسلامی که احوالشان در این مجموعه آمده همه اسلامی‌اند. بی‌آنکه همه مسلمان باشند و همه ـ از ایرانی و عرب و مغربی و مسلمان و یهودی و مسیحی ـ در سایه درخت پربار تمدن اسلامی زیسته و کار کرده‌اند.

جلد اول این مجموعه، شامل مقالات حروف «الف» تا «ح» است. جلد دوم، علاوه بر بقیه مقالات، دارای یک فهرست راهنمای تفصیلی و واژه‌نامه‌ای مشتمل بر معادل‌های برخی واژه‌ها و توضیح برخی از اصطلاحات علمی خواهد بود، تا خوانندگانی که از این کتاب برای تحقیق در تاریخ علوم در اسلام یا در دروس مربوط به این موضوع استفاده می‌کنند، از آن بهتر بهره ببرند.

کلام پایانی

در پایان، شاید اشاره به این چند جمله از کارل سِیگِن در کتاب «جهان دیو‌زده» خالی از لطف نباشد:

«چالش بزرگ برای مروجان علم آن است که تاریخ واقعیِ پر‌ پیچ‌و‌خم اکتشافات بزرگش و سوءتفاهم‌ها و امتناع لجوجانه‌ی گاه‌و‌بیگاهِ دانشمندان از تغییر مسیر را شفاف کنند. بسیاری از ـ شاید اغلب ـ درسنامه‌های علمی که برای دانشجویان نوشته شده‌، نسبت به این مسئله با‌ بی‌توجهی عمل کرده‌اند. ارائه‌ی جذابِ معرفتی که عصاره‌ی قرن‌ها پرسش‌گریِ جمعیِ صبورانه درباره طبیعت بوده، بسیار راحت‌تر از بیان جزئیاتِ دستگاهِ درهم‌وبرهمِ عصاره‌گیری است. روش علم، با همان ظاهر ملال‌آور و گرفته‌اش، بسیار مهم‌تر از یافته‌های علم است.»

وبلاگ‌نویسی و روایتگری در علم

بعد از مدت‌ها، فرصتی پیش‌ اومد تا با مهدی در مورد وبلاگ‌نویسی و روایتگری در علم گپ بزنیم. ویدیوی این گفت‌وگو ضبط شده و در ادامه‌ی این نوشته می‌تونید ببینیدش. به‌طور کلی در مورد این حرف زدیم که چرا وبلاگ‌نویسی مهمه، منظورمون از روایتگری در علم چیه و اشاره‌هایی هم داشتیم به تجربه‌هامون در سیتپور. حین این گپ و گفت یک سری وبلاگ معرفی شد و یک سری ایده و ترفند برای شروع وبلاگ‌نویسی که سعی می‌کنم اینجا به اون‌ها اشاره‌ مختصری کنم.

«پشت پرده نجوم» عنوان یک سری از لایوهای اینستاگرامی هست که توی اون با چند نفر از دانشجویان و اساتید دانشگاهی، درمورد تصویر درست علم نجوم گفت و گو شده و هم چنین کندوکاوی درمورد مسائل مهمی از قبیل روایتگری در علم و شبه علم داشته. در سومین قسمت از «پشت پرده نجوم»، شاهد گپ و گفت محمد مهدی موسوی و عباس ک. ریزی (دانشجوی دکتری سیستم های پیچیده در دانشگاه Aalto)، درمورد مفهوم «روایتگری در علم» و تجربیاتش از وبلاگ نویسی خواهید بود.

برای شروع وبلاگ‌نویسی

.There is nothing to writing. All you do is sit down at a typewriter and bleed

Ernest Hemingway, awarded the 1954 Nobel Prize in Literature

می‌تونید به سادگی وبلاگ شخصی خودتون رو توی blog.ir یا ویرگول یا هر جای دیگه درست کنید. برای دنبال کردن وبلاگ‌های مورد علاقه‌تون هم می‌تونید همه‌ رو به صورت یکجا به کمک feedly.com داشته باشید. این نوشته از جادی رو بخونید: برای پیشرفت مجدد، دوباره وبلاگ بنویسید!

وبلاگ‌های پیشنهادی

وبلاگ‌هایی که شخصا دنبال می‌کنم رو با توجه به سطح مطالبشون لیست کردم. منظور از «عمومی» یعنی مناسب هر علاقه‌مندی بدون در نظر گرفتن پیش زمینه خاصی هستند. «کمی فنی» یعنی باید دانش عمومی از ریاضیات و فیزیک داشته باشید. مثلا دانشجوی کارشناسی این رشته‌ها باشید. «فنی» یعنی نیاز به دونستن پیش‌زمینه‌های خاص در فیزیکی یا ریاضی هست. «خیلی فنی» هم یعنی باید دانشجوی تحصیلات تکمیلی باشین دست‌کم!

برای زندگی روزمره و بیشتر برای جنبه‌های عمومی مسئله:

«عمومی» 
«کمی فنی» 

نوشته‌های مربوط به فیزیک جریان‌اصلی:

«کمی فنی» 

فیزیک آماری، ماده‌چگال و محاسباتی:

«فنی» 

سیستم‌های پیچیده، یادگیری ماشین و علوم داده:

«فنی» 
«خیلی فنی» 

برای عمیق شدن در ریاضیات:

«خیلی فنی» 

این دو تدتاک رو هم برای جنبه عمومی نوشتن پیشنهاد می‌کنم:

«مقدمه‌ای بر بازبهنجارش» هفته چهارم: مدل آیزینگ

دوره «مقدمه‌ای بر بازبهنجارش»

قصد من ارائه یک معرفی مدرن از بازبهنجارش از افق سیستم‌های پیچیده‌ است. با نظریه اطلاعات و پردازش تصویر آغاز می‌کنم و به سراغ مفاهیم بنیادی چون پدیدارگی، درشت-دانه‌بندی و نظریه مؤثر در نظریه پیچیدگی خواهم رفت. آنچه برای این مجموعه نیاز دارید شهامت آشنایی با ایده‌های جدید و البته کمی نظریه احتمال، حسابان و جبر خطی است. برای تمرین‌های پیشنهادی هم خوب است که کمی پایتون و متمتیکا بدانید.

با تشکر از Simon Dedeo، موسسه سانتافه و بهار بلوک آذری.

ایده بازبهنجارش در مورد مطالعه نظریه‌ها است هنگامی که از مقیاسی به مقیاس دیگر می‌روند.

هفته چهارم: مدل آیزینگ

مدل آیزینگ، به عنوان معرف‌ترین مدل در فیزیک آماری، یک مدل ساده برای توصیف گذار فاز در مواد مغناطیسی است. این مدل از متغیرهای گسسته (اسپین) به روی یک گراف مشبکه (Lattice) تشکیل شده است. در این قسمت از مجموعه مقدمه‌ای بر بازبهنجارش، نخست مدل آیزینگ را معرفی می‌کنم و سپس به سراغ درشت‌-دانه‌بندی شبکه‌ اسپینی می‌روم. چالش‌های پیش‌رو را مطرح می‌کنم و سرانجام به پدیدارگی جملات مرتبه‌-بالاتر و نقاط ثابت جریان بازبهنجارش می‌پردازم.


ویدیوها

۱) مرور جلسات گذشته و معرفی مدل آیزینگ

۲) درشت-دانه بندی شبکه اسپینی

۳) یافتن نقاط ثابت


برای مطالعه بیشتر

برای بیشتر عمیق شدن

شبیه‌سازی مدل آیزینگ


اسلایدها

بازبهنجارش-آیزینگ1

«مقدمه‌ای بر بازبهنجارش» هفته دوم: زنجیره‌های مارکوف

دوره «مقدمه‌ای بر بازبهنجارش»

قصد من ارائه یک معرفی مدرن از بازبهنجارش از افق سیستم‌های پیچیده‌ است. با نظریه اطلاعات و پردازش تصویر آغاز می‌کنم و به سراغ مفاهیم بنیادی چون پدیدارگی، درشت-دانه‌بندی و نظریه مؤثر در نظریه پیچیدگی خواهم رفت. آنچه برای این مجموعه نیاز دارید شهامت آشنایی با ایده‌های جدید و البته کمی نظریه احتمال، حسابان و جبر خطی است. برای تمرین‌های پیشنهادی هم خوب است که کمی پایتون و متمتیکا بدانید.

با تشکر از Simon Dedeo، موسسه سانتافه و بهار بلوک آذری.

ایده بازبهنجارش در مورد مطالعه نظریه‌ها است هنگامی که از مقیاسی به مقیاس دیگر می‌روند.

هفته دوم: زنجیره‌های مارکوف

در این قست به سراغ زنجیره‌های مارکوف می‌روم و در مورد درشت‌دانه‌بندی کردن سری‌های زمانی صحبت خواهم کرد. به فضای مدل‌ها و تغییرات پارامترها پس از بازبهنجارش خواهم پرداخت و به نقاط ثابت، کاهش ابعاد فضا و تغییر کلاس‌ها اشاره خواهم کرد.


ویدیوها

۱) سری‌های زمانی و زنجیره‌های مارکوف

۲) ریاضیات زنجیره‌های مارکوف

۳) مدل بنیادی‌تر برای داده ریز-دانه‌بندی شده


برای مطالعه بیشتر


اسلایدها

2-MC