Błąd wirusowy / Viral Error

W debacie o jakości informacji najczęściej mówi się o fake newsach, dezinformacji i manipulacji. Są to zjawiska ważne, ale nie wyczerpują problemu. W praktyce zarządzania, edukacji, coachingu, mediów społecznościowych i komunikacji eksperckiej bardzo często większe znaczenie mają nie wielkie kłamstwa, lecz drobne, łatwe do powielenia błędy.

Nie są one zawsze efektem świadomego oszustwa. Często powstają przez skrót myślowy, uproszczenie, wyrwanie danych z kontekstu, nadinterpretację badań albo powtórzenie atrakcyjnego zdania bez sprawdzenia jego podstaw.

Definicja

Błąd wirusowy to drobna, częściowo prawdziwa lub pozornie wiarygodna informacja, której zdolność do rozpowszechniania jest większa niż zdolność środowiska informacyjnego do jej skutecznego skorygowania.

W tym pojęciu najważniejsze nie jest samo kłamstwo, lecz relacja między błędem a jego nośnością. Błąd wirusowy rozprzestrzenia się dlatego, że jest prosty, atrakcyjny, powtarzalny i społecznie użyteczny.

Różnica między fake newsem a błędem wirusowym

Kryterium	Fake news	Błąd wirusowy
Charakter	Informacja fałszywa przedstawiana jako prawdziwa	Informacja uproszczona, częściowa lub źle zinterpretowana
Intencja	Często manipulacyjna	Często niezamierzona
Źródło siły	Sensacja, konflikt, fałsz	Prostota, powtarzalność, pozorna oczywistość
Trudność korekty	Zależy od skali fałszu	Wysoka, bo błąd często zawiera element prawdy
Ryzyko w EBMnt	Decyzje oparte na fałszu	Decyzje oparte na słabym lub zdeformowanym dowodzie

Mechanizm powstawania

Błąd wirusowy zwykle powstaje wtedy, gdy złożone zjawisko zostaje zamienione w prostą formułę. Przykładem może być zdanie: „Ludzie odchodzą z firm przez szefów”. Jest ono komunikacyjnie silne, ale metodologicznie zbyt ubogie.

Może wskazywać ważny czynnik, jednak nie wyjaśnia całej rotacji pracowników. Pomija wynagrodzenia, rynek pracy, kulturę organizacyjną, ścieżki awansu, obciążenie pracą, sytuację życiową pracowników i wiele innych zmiennych.

Właśnie dlatego błąd wirusowy jest trudny do uchwycenia. Nie brzmi jak fałsz. Brzmi jak prawda, tylko zbyt mała, zbyt łatwa i zbyt pewna siebie.

Znaczenie dla Evidence-Based Management

W Evidence-Based Management problemem nie jest wyłącznie brak danych. Problemem jest także błędne przypisanie danym statusu dowodu. Dane mogą być prawdziwe, a mimo to niewystarczające. Anegdota może być autentyczna, a mimo to niereprezentatywna. Badanie może istnieć, a mimo to być źle użyte.

Błąd wirusowy powstaje dokładnie w tym miejscu: między informacją a dowodem. Wprowadza do organizacji pozór rozumienia. Daje menedżerom, trenerom, konsultantom i ekspertom język szybkiego wyjaśniania, ale niekoniecznie język trafnego wnioskowania.

Wymiar metodologiczny

W badaniach jakościowych, analizie dyskursu, badaniach mediów społecznościowych i projektach Big Qual Data błąd wirusowy może być traktowany jako osobna kategoria analityczna. Badacz nie pyta wtedy tylko, czy dane twierdzenie jest prawdziwe albo fałszywe. Pyta raczej, dlaczego właśnie ta uproszczona wersja rzeczywistości stała się łatwa do powielania.

Analiza może obejmować źródło twierdzenia, kontekst użycia, sposób jego skracania, liczbę powtórzeń, typ uzasadnienia, obecność autorytetu, selektywne użycie danych oraz odporność na korektę.

Wniosek

Błąd wirusowy jest metodologicznie ważny, ponieważ pokazuje, że jakość decyzji nie zależy wyłącznie od walki z fałszem. Zależy także od zdolności rozpoznawania informacji częściowych, zbyt prostych i nadmiernie pewnych.

W perspektywie EBMnt trzeba więc pytać nie tylko: „Czy to jest prawda?”, ale również: „Czy to jest wystarczająco dobry dowód dla tej decyzji?”.

więcej

Big Qual Data (Large-Scale Qualitative Data)

Podejście Big Qual Data wykazuje wysoką kompatybilność z założeniami Zarządzania Dowodowego (Evidence-Based Management, EBMnt), ponieważ umożliwia systematyczną analizę dużych zbiorów danych jakościowych w celu identyfikacji wzorców dowodowych występujących w komunikacji, procesach organizacyjnych oraz praktykach decyzyjnych. O ile tradycyjne badania jakościowe koncentrują się zwykle na pogłębionej analizie niewielkiej liczby przypadków, o tyle Big Qual Data pozwala rozszerzyć zakres obserwacji na tysiące dokumentów, wypowiedzi, postów, raportów czy opisów praktyk organizacyjnych, zachowując jednocześnie interpretacyjny charakter analizy.

Big Qual Data pozwala badać tysiące komunikatów, zachowując interpretacyjny charakter analizy jakościowej.

Z perspektywy EBMnt szczególne znaczenie ma fakt, że współczesne organizacje funkcjonują w środowisku nadmiaru danych i informacji. Problemem nie jest już dostęp do treści, lecz zdolność odróżniania informacji wartościowych od informacji pozornie wiarygodnych. W tym kontekście Big Qual Data staje się narzędziem umożliwiającym badanie nie tylko samych treści komunikacyjnych, lecz przede wszystkim sposobów wykorzystywania danych, doświadczeń, opinii ekspertów i wyników badań do uzasadniania twierdzeń, rekomendacji i decyzji.

 Yan Krukau | pexels.com

Przydatność Big Qual Data dla EBMnt wynika również z możliwości analizy struktur dowodowych występujących w dużych korpusach tekstów. W przeciwieństwie do analiz ilościowych, które koncentrują się głównie na częstotliwości występowania określonych zjawisk, analiza jakościowa dużych zbiorów danych pozwala identyfikować relacje pomiędzy kategoriami, sposoby budowania argumentacji, mechanizmy legitymizowania wiedzy oraz wzorce konstruowania wiarygodności. Dzięki temu badacz może analizować nie tylko to, jakie twierdzenia są formułowane, ale również na jakich podstawach są uzasadniane.

W logice Zarządzania Dowodowego szczególnego znaczenia nabiera możliwość identyfikacji różnych klas dowodów. Analiza dużych zbiorów danych umożliwia badanie sposobów wykorzystywania dowodów naukowych, danych organizacyjnych, doświadczeń eksperckich oraz informacji pochodzących od interesariuszy. Pozwala to na empiryczną ocenę, które źródła dominują w określonych środowiskach zawodowych oraz w jaki sposób wpływają na procesy podejmowania decyzji i budowania autorytetu.

Big Qual Data tworzy również warunki do badania zjawisk takich jak Evidence Washing, czyli pozornego wykorzystywania dowodów w celu zwiększenia wiarygodności komunikatów. Analiza dużych korpusów danych umożliwia identyfikację powtarzalnych wzorców argumentacyjnych, takich jak odwoływanie się do badań bez wskazywania źródeł, wykorzystywanie certyfikatów jako substytutów dowodów skuteczności czy prezentowanie danych pozbawionych kontekstu metodologicznego. Z perspektywy EBMnt stanowi to istotny obszar badań, ponieważ pozwala odróżniać komunikację opartą na dowodach od komunikacji jedynie wykorzystującej język nauki i profesjonalizmu.

Wykorzystanie oprogramowania CAQDAS, takiego jak MAXQDA, dodatkowo wzmacnia kompatybilność Big Qual Data z EBMnt. Narzędzia te umożliwiają budowę i rozwijanie ksiąg kodów, analizę współwystępowania kategorii, identyfikację struktur argumentacyjnych oraz tworzenie modeli teoretycznych na podstawie dużych zbiorów danych. W rezultacie Big Qual Data może pełnić rolę pomostu pomiędzy eksploracyjną analizą jakościową a rozwojem teorii średniego zasięgu dotyczących procesów wykorzystywania dowodów w organizacjach.

Z tego względu Big Qual Data można traktować jako jedno z kluczowych podejść metodologicznych wspierających rozwój Zarządzania Dowodowego. Pozwala ono bowiem nie tylko analizować pojedyncze przypadki, lecz również identyfikować powtarzalne mechanizmy wykorzystywania dowodów w skali niemożliwej do osiągnięcia w klasycznych badaniach jakościowych. Dzięki temu staje się narzędziem umożliwiającym empiryczne badanie jakości dowodów, procesów ich interpretacji oraz ich wpływu na decyzje podejmowane przez jednostki i organizacje.

więcej

O analizie witryn internetowych w logice EBMnt

Przez wiele lat strony internetowe traktowano głównie jako kanały komunikacyjne lub narzędzia marketingowe. W badaniach organizacyjnych często sprowadzano je do funkcji „wizytówki firmy”, ewentualnie źródła deklaracji strategicznych i treści promocyjnych. Tymczasem z perspektywy Evidence-Based Management (EBMnt) strona WWW może być rozumiana znacznie szerzej — jako wielowarstwowy artefakt organizacyjny zawierający dane o kulturze, modelu działania, sposobach budowania autorytetu, relacjach władzy, logice sprzedaży, architekturze komunikacyjnej i napięciach między deklaracjami a praktyką.

Wielowarstwowy artefakt organizacyjny zawierający dane.

W tym ujęciu witryna internetowa przestaje być jedynie „tekstem do przeczytania”. Staje się obiektem obserwacji metodologicznej.

Strona WWW zawiera bowiem jednocześnie kilka poziomów komunikacji. Pierwszy jest warstwą deklaratywną — organizacja mówi o swoich wartościach, misji, jakości, odpowiedzialności czy podejściu do klienta. Drugi poziom ma charakter operacyjny i ujawnia się w strukturze interfejsu, sposobie prowadzenia użytkownika, konstrukcji formularzy, architekturze uwagi, języku CTA, ilości bodźców sprzedażowych czy sposobie prezentacji dowodów społecznych. Trzeci poziom jest warstwą kulturową i obejmuje ukryte założenia dotyczące człowieka, relacji, autorytetu, efektywności lub kontroli.

To właśnie dlatego analiza stron WWW w logice EBMnt nie może ograniczać się do klasycznej analizy treści. Sama obecność określonych słów nie stanowi jeszcze dowodu określonego sposobu działania organizacji. 

Organizacja może deklarować transparentność, a jednocześnie projektować interfejs oparty na manipulacji uwagą użytkownika. 

Może mówić o partnerstwie i autonomii, jednocześnie stosując język silnej presji sprzedażowej lub architekturę komunikacyjną utrudniającą świadomy wybór. W praktyce oznacza to konieczność odejścia od redukcyjnego podejścia do danych internetowych. Strona WWW powinna być analizowana jako system komunikacyjny, a nie jedynie zbiór tekstów. Badacz obserwuje nie tylko „co organizacja mówi”, ale również „jak organizacja organizuje percepcję użytkownika”.

Między obserwacją a interpretacją

Z metodologicznego punktu widzenia szczególnie istotne staje się rozróżnienie między obserwacją a interpretacją. Obserwacją może być fakt występowania pięciu wyskakujących okien typu pop-up, automatycznego odtwarzania materiałów wideo lub wielokrotnych komunikatów o ograniczeniu czasowym oferty. Interpretacją będzie natomiast wniosek, że organizacja wykorzystuje mechanizmy presji poznawczej i architekturę niedoboru do zwiększania konwersji sprzedażowej. W logice EBMnt interpretacja wymaga więc nie tylko danych, ale również uzasadnienia epistemicznego.

To rozróżnienie staje się jeszcze ważniejsze przy pracy z narzędziami typu CAQDAS, takimi jak MAXQDA. Program może wspierać organizowanie danych, kodowanie narracji czy analizę relacji między kategoriami, ale nie eliminuje problemu interpretacyjnego. Kod nie jest obiektywną właściwością strony internetowej. Jest decyzją badacza dotyczącą tego, co uznał za znaczące.

Pojawia się tutaj także problem nadkodowania danych. Strony internetowe są strukturami niezwykle gęstymi informacyjnie — zawierają tekst, obraz, układ przestrzenny, animacje, mikrointerakcje, elementy UX, język sprzedażowy, symbole kulturowe i architekturę wizualną. Nadmierne kodowanie każdego elementu może prowadzić do iluzji głębokiej analizy, podczas gdy realna zdolność syntezy danych stopniowo zanika. W efekcie badacz zaczyna produkować coraz więcej kategorii, ale coraz mniej rozumie relacje między nimi.

Dlatego analiza strony WWW wymaga budowania świadomej architektury kodowania. Kategorie powinny wynikać z pytania badawczego, a nie z samej dostępności danych. W przeciwnym razie badanie łatwo przekształca się w chaotyczne kolekcjonowanie obserwacji bez możliwości budowania dowodów interpretacyjnych.

Z perspektywy EBMnt szczególnie interesujące okazuje się badanie napięć między warstwą deklaratywną a operacyjną organizacji. Strona WWW może deklarować „evidence-based approach”, ale nie przedstawiać żadnych źródeł, danych ani mechanizmów weryfikacji twierdzeń. Może mówić o „społeczności”, jednocześnie projektując komunikację całkowicie jednokierunkową. Może eksponować język troski, jednocześnie budując interfejs oparty na przeciążeniu bodźcami i ekonomii uwagi. W takim ujęciu witryna internetowa staje się nie tylko materiałem komunikacyjnym, ale także źródłem danych o rzeczywistym modelu poznawczym organizacji.

Istotne znaczenie ma również temporalność danych internetowych. Strony WWW są strukturami dynamicznymi — zmieniają się, aktualizują, znikają i rekonfigurują. Oznacza to konieczność dokumentowania dat pobrania materiału, archiwizacji wersji stron oraz zachowywania kontekstu obserwacji. W przeciwnym razie proces badawczy traci możliwość replikacji i transparentności. W praktyce badawczej analiza stron WWW może obejmować:

• analizę narracji organizacyjnych,
• analizę strategii perswazyjnych,
• analizę architektury decyzji użytkownika,
• analizę zgodności deklaracji z konstrukcją UX,
• analizę kultury organizacyjnej,
• analizę sposobów budowania autorytetu,
• analizę komunikacji kryzysowej,
• analizę evidence washing,
• analizę mechanizmów manipulacji poznawczej.

Szczególnie interesującym zjawiskiem staje się dziś właśnie evidence washing — sytuacja, w której organizacja używa języka „nauki”, „dowodów”, „badań” lub „eksperckości” głównie jako elementu budowania wiarygodności marketingowej, bez rzeczywistej transparentności źródeł i metodologii. Analiza stron WWW pozwala takie napięcia identyfikować wyjątkowo skutecznie.

Evidence washing — sytuacja, w której organizacja instrumentalnie podszywa się pod „naukowość”, używając słów takich jak badania, dowody czy ekspertyza wyłącznie jako dekoracji marketingowej, bez jakiejkolwiek realnej metodologii, weryfikowalnych źródeł czy transparentności.

W rezultacie strona internetowa przestaje być jedynie nośnikiem informacji. W logice EBMnt staje się przestrzenią obserwacji organizacyjnej, w której widoczne są zarówno deklarowane wartości, jak i ukryte mechanizmy działania systemu. I być może właśnie dlatego analiza WWW wymaga dziś nie tylko kompetencji technologicznych, ale również dojrzałości metodologicznej oraz świadomości, że każda architektura komunikacji jest jednocześnie architekturą wpływu. 

Jeśli organizacje nadużywają słów „badania”, „ekspertyza”, „analiza”, badacz jakościowy musi poświęcać więcej czasu na odróżnianie realnych danych od marketingowej dekoracji.

więcej

Baza Usług Rozwojowych w perspektywie Evidence-Based Management

Baza Usług Rozwojowych (BUR) stała się jednym z najważniejszych mechanizmów organizujących rynek usług szkoleniowych w Polsce. System miał zwiększyć dostęp do dofinansowania, uporządkować opisy usług oraz poprawić jakość procesów edukacyjnych. Z perspektywy Evidence-Based Management (EBMnt) BUR jest jednak czymś więcej niż platformą administracyjną. To środowisko produkcji danych, wskaźników i ocen, które dopiero potencjalnie mogą stać się dowodami jakości.

Kluczowy problem polega na tym, że dane nie są jeszcze dowodami. 

BUR generuje ogromną liczbę informacji: ankiety, opisy efektów uczenia się, procedury walidacji, wskaźniki aktywności czy deklaracje kompetencji trenerów. Samo istnienie tych danych nie oznacza jednak automatycznie, że system potrafi trafnie ocenić rzeczywistą skuteczność procesu uczenia się.

W praktyce bardzo łatwo dochodzi do utożsamienia wskaźnika z rzeczywistością. Wysoka ocena szkolenia nie musi oznaczać wysokiej jakości dydaktycznej. Uczestnik może pozytywnie ocenić usługę dlatego, że była łatwa, przyjemna lub atrakcyjna komunikacyjnie. Tymczasem rozwój kompetencji często wiąże się z wysiłkiem poznawczym, konfrontacją z błędami oraz zmianą dotychczasowych schematów działania.

Pojawia się więc klasyczny problem metodologiczny: system zaczyna mierzyć satysfakcję zamiast rzeczywistej zmiany kompetencyjnej. Dodatkowo ankiety ewaluacyjne obciążone są licznymi biasami poznawczymi — efektem świeżości, efektem autorytetu prowadzącego czy społeczną potrzebą udzielania pozytywnych odpowiedzi.

Kolejne ryzyko wiąże się z proceduralizacją jakości. Instytucje funkcjonujące w BUR uczą się języka systemu: poprawnego formułowania efektów uczenia się, tworzenia dokumentacji i projektowania zgodności proceduralnej. W efekcie organizacja może coraz skuteczniej spełniać wymagania formalne, niekoniecznie poprawiając rzeczywistą jakość procesu edukacyjnego.

To prowadzi do zjawiska „papierowej jakości”. Dobrze opracowana dokumentacja zaczyna zastępować realną ocenę skuteczności dydaktycznej. Powstaje rozdzielenie między jakością deklarowaną a jakością rzeczywiście przeżywaną przez uczestnika szkolenia.

Fot. Pat Whelen

Sytuację dodatkowo komplikuje rozwój generatywnej AI. Narzędzia sztucznej inteligencji pozwalają dziś szybko tworzyć profesjonalnie wyglądające opisy usług, efekty uczenia się czy raporty jakościowe. Problem pojawia się wtedy, gdy system ocenia głównie poprawność dokumentów, a nie rzeczywiste procesy uczenia się. 

Powstają wtedy organizacyjne „halucynacje jakości” — formalnie spójne reprezentacje rzeczywistości, które nie mają silnego zakorzenienia empirycznego.

Z perspektywy EBMnt oznacza to konieczność triangulacji danych. Ocena jakości usługi rozwojowej nie powinna opierać się wyłącznie na ankietach satysfakcji czy zgodności proceduralnej. Potrzebne stają się również dane o trwałości efektów uczenia się, transferze kompetencji do środowiska pracy, zmianie zachowań zawodowych oraz jakości rzeczywistych interakcji dydaktycznych.

BUR ujawnia więc szerszy problem współczesnych systemów jakości: nadmiar danych nie gwarantuje jeszcze lepszych decyzji. Im bardziej organizacje koncentrują się na wskaźnikach, tym większe ryzyko utraty kontaktu z rzeczywistym procesem uczenia się. Dlatego Evidence-Based Management nie powinno być rozumiane jako kultura nieustannego mierzenia, lecz jako kultura krytycznej interpretacji danych, świadomości ograniczeń metodologicznych oraz ciągłego odróżniania informacji administracyjnej od rzeczywistego dowodu jakości.

więcej

Halucynacje AI w edukacji

Rozwój sztucznej inteligencji w edukacji nie tylko zwiększa dostęp do informacji, ale również wprowadza nowe ryzyko epistemologiczne: halucynacje AI, czyli generowanie treści pozornie wiarygodnych, lecz niezakorzenionych w rzeczywistości. Artykuł analizuje to zjawisko w perspektywie Evidence-Based Management (EBMnt), wskazując, że problem ten nie jest wyłącznie technologiczny, lecz metodologiczny i decyzyjny. W szczególności zestawiono halucynacje AI z klasycznymi błędami naukowymi, takimi jak HARKing i p-hacking, pokazując, że wszystkie te zjawiska prowadzą do produkcji „dowodów pozornych”. W konsekwencji konieczna staje się redefinicja pojęcia dowodu oraz przesunięcie w kierunku zarządzania wiarygodnością informacji.

Wiarygodność

Edukacja przez długi czas operowała w warunkach niedoboru informacji. Kompetencją kluczową było jej wyszukiwanie i przyswajanie. Wraz z pojawieniem się narzędzi AI sytuacja uległa radykalnej zmianie — informacja stała się natychmiast dostępna, spersonalizowana i językowo dopracowana. Jednak to przesunięcie ujawniło nowy problem: nie brak wiedzy, lecz jej nadmiar w formie trudnej do odróżnienia od wiedzy rzetelnej. Halucynacje AI są tutaj symptomem głębszej zmiany — przejścia od problemu dostępności informacji do problemu jej wiarygodności.

Z perspektywy Evidence-Based Management szczególnie istotne jest to, że źródło informacji zaczyna symulować dowód. Odpowiedź generowana przez AI może spełniać wszystkie powierzchowne kryteria poprawności, jednocześnie nie posiadając empirycznego zakorzenienia.

Zjawisko epistemologiczne czy li tylko techniczne?

W praktyce edukacyjnej halucynacje AI ujawniają się w różnych formach: od subtelnych przesunięć znaczeń, przez błędne interpretacje, aż po całkowicie fikcyjne źródła. Jednak ich wspólną cechą nie jest fałsz sam w sobie, lecz jego wiarygodna forma. To właśnie ta forma stanowi kluczowy problem. Halucynacje AI są „pełne”, „dopowiedziane”, „przekonujące” — imitują strukturę wiedzy, a nie jej źródła. Z perspektywy EBMnt oznacza to konieczność przesunięcia: z oceny treści na ocenę procesu jej powstawania.

Takie podejście jest szczególnie istotne w obszarach wymagających specjalistycznych kompetencji — jak edukacja zdalna, rachunkowość, coaching czy rzemiosło — gdzie pozorna poprawność może prowadzić do realnych błędów decyzyjnych. W tych dziedzinach wiedza nie jest jedynie informacją, lecz podstawą działania, co czyni problem halucynacji szczególnie istotnym.

Halucynacje AI często traktowane są jako niedoskonałość technologii. Jednak ich istota jest głębiej zakorzeniona — przypominają znane z nauki błędy metodologiczne. Szczególnie istotne są tu dwa zjawiska:

• HARKing (Hypothesizing After the Results are Known) polega na formułowaniu hipotez dopiero po uzyskaniu wyników, a następnie przedstawianiu ich jako wcześniejszych założeń badawczych.
• p-hacking polega na manipulowaniu analizą danych (np. selekcją zmiennych lub prób), aby uzyskać statystycznie istotny wynik.

Na poziomie strukturalnym halucynacje AI działają analogicznie:

• wynik (odpowiedź) jest generowany jako pierwszy,
• uzasadnienie jest „dopisywane” wtórnie,
• całość prezentowana jest jako spójny, racjonalny proces.

Powstaje w ten sposób iluzja dowodu, która nie wynika ani z danych, ani z metodologii, lecz z dopasowania do oczekiwań odbiorcy.

Przykałd

Z kokpitu pilota

W lotnictwie od dawna wiadomo, że problemem nie jest wyłącznie brak informacji, lecz również ich nadmiar. Pilot funkcjonuje w środowisku, w którym wiele komunikatów pojawia się równocześnie, a ich znaczenie bywa różne: od krytycznego dla bezpieczeństwa po jedynie pomocnicze. Jeśli system nie odróżnia tego, co ważne, od tego, co tylko głośne, rośnie ryzyko błędu, opóźnienia reakcji i przeciążenia poznawczego.

Dlatego kokpity projektuje się tak, aby neutralizować chaos informacyjny. Służą temu m.in. hierarchizacja komunikatów, standaryzacja sygnałów, ograniczanie liczby bodźców w sytuacjach krytycznych, redundancja tylko tam, gdzie zwiększa bezpieczeństwo, oraz procedury wspierające szybkie rozpoznanie tego, co wymaga działania natychmiastowego. Celem nie jest dostarczenie maksymalnej liczby danych, lecz utrzymanie zdolności trafnej decyzji pod presją.

Ta logika ma dziś istotne znaczenie także w edukacji i zarządzaniu. W świecie nasyconym treściami generowanymi przez AI nie wystarczy zwiększać dostępu do informacji. Trzeba projektować środowisko poznawcze tak, aby wspierało selekcję, weryfikację i ocenę wiarygodności. Innymi słowy: nie chodzi o to, by widzieć więcej, lecz by trafniej rozpoznawać, co rzeczywiście ma znaczenie.

Wiedza (widźmy i wiedźmini) czy czary (czarownice i czarownicy)?

Evidence-Based Management zakłada integrację wielu źródeł dowodów. W klasycznym ujęciu głównym problemem była ich ograniczona dostępność lub zróżnicowana jakość. Współcześnie sytuacja ulega odwróceniu — wyzwaniem przestaje być brak informacji, a staje się nim ich nadprodukcja, w której coraz trudniej odróżnić wiedzę od jej symulacji. Halucynacje AI, podobnie jak znane z metodologii naukowej zjawiska HARKing i p-hacking, prowadzą do powstawania tego, co można określić jako dowody pozorne. Są to konstrukty, które przyjmują formę argumentu, posługują się językiem nauki i wpisują się w oczekiwania poznawcze odbiorcy, lecz nie posiadają rzeczywistego zakorzenienia w danych empirycznych. Ich siła nie wynika z prawdziwości, lecz z wiarygodnej formy.

W tym kontekście sztuczna inteligencja przestaje być źródłem wiedzy w klasycznym sensie. Staje się raczej generatorem możliwych narracji — hipotez językowych, które dopiero wymagają konfrontacji z badaniami naukowymi, danymi operacyjnymi, doświadczeniem praktycznym oraz wartościami interesariuszy. To właśnie ta integracja stanowi rdzeń Evidence-Based Management i jednocześnie podstawowy mechanizm obrony przed pozorną wiedzą.

Można powiedzieć, że współczesne zarządzanie wiedzą zaczyna przypominać wybór między dwoma porządkami: wiedzą rozumianą jako proces dochodzenia do prawdy oraz „czarami”, które tworzą jej przekonującą iluzję. W pierwszym przypadku mamy do czynienia z wysiłkiem weryfikacji, niepewnością i metodologiczną dyscypliną — z postawą bliższą „wiedźmom i wiedźminom”, którzy rozumieją naturę zjawisk, nawet jeśli nie są one w pełni uchwytne. W drugim pojawia się pokusa szybkiego efektu — „czarownic i czarowników”, dla których liczy się rezultat, niezależnie od jego epistemicznej podstawy. Halucynacje AI sytuują się niebezpiecznie blisko tego drugiego porządku. 

Produkują odpowiedzi, które działają — są spójne, przekonujące i użyteczne — ale niekoniecznie są prawdziwe. 

W efekcie dochodzi do przesunięcia, w którym decyzje mogą być podejmowane nie na podstawie dowodów, lecz na podstawie ich symulacji.

Z perspektywy praktyki zarządzania i dydaktyki oznacza to konieczność redefinicji relacji między danymi, interpretacją a decyzją. Szczególnie w środowisku cyfrowym łatwo dochodzi do sytuacji, w której narzędzie zaczyna zastępować proces poznawczy, a nie go wspierać. Doświadczenie pracy na styku przedsiębiorczości, edukacji i badań pokazuje, że technologia — choć niezwykle użyteczna — wymaga równoważenia przez rygor metodologiczny. W tym sensie nie wystarczy już zarządzać informacją. Konieczne staje się zarządzanie jej wiarygodnością.

Ostatecznie więc pytanie nie brzmi, czy korzystać z AI, lecz w jakim porządku epistemologicznym chcemy funkcjonować: czy w świecie wiedzy, która wymaga sprawdzania, czy w świecie czarów, które jedynie ją imitują.

Alex Andrews | pexels.com

Halucynacje jako test poznawczy

Zamiast traktować halucynacje AI wyłącznie jako zagrożenie, można je rozumieć jako narzędzie diagnostyczne. Ujawniają one bowiem nie tyle błędy samej technologii, ile słabości systemu edukacyjnego i decyzyjnego, w którym funkcjonują. W kontakcie z treściami generowanymi przez AI szybko okazuje się, czy użytkownik potrafi odróżnić informację od dowodu, czy rozumie proces powstawania wiedzy oraz czy jest w stanie rozpoznać błędy metodologiczne — zarówno te wynikające z ludzkich uproszczeń, jak i te generowane algorytmicznie. W tym sensie halucynacje AI pełnią funkcję swoistego „testu obciążeniowego” dla Evidence-Based Management. System, który rzeczywiście opiera się na integracji dowodów, zachowuje odporność; system, który jedynie deklaruje taką orientację, ulega iluzji wiarygodności.

Halucynacje AI, podobnie jak HARKing i p-hacking, mają wspólny mianownik: produkują obrazy rzeczywistości, które są przekonujące, lecz epistemicznie wątłe. Choć różnią się mechanizmem powstawania — od algorytmicznej predykcji po selektywną interpretację danych — prowadzą do tego samego rezultatu: erozji jakości decyzji. W konsekwencji zasadnicze przesunięcie nie dotyczy już samej technologii, lecz sposobu myślenia o wiedzy i jej roli w działaniu. Kluczowe staje się przejście od zarządzania informacją, rozumianego jako gromadzenie i przetwarzanie danych, do zarządzania wiarygodnością informacji, które zakłada ich nieustanną weryfikację i konfrontację z różnymi źródłami.

W świecie nasyconym treściami generowanymi przez AI Evidence-Based Management przestaje być jedną z wielu możliwych metod. Staje się warunkiem sensowności decyzji. Bez niego rośnie ryzyko działania w oparciu o to, co jedynie przypomina dowód, lecz nim nie jest. Ostatecznie więc problem nie sprowadza się do pytania, czy AI się myli, lecz do pytania znacznie bardziej wymagającego: czy system, w którym funkcjonujemy — edukacyjny, organizacyjny czy poznawczy — potrafi te błędy rozpoznać, zrozumieć i skorygować.

Źródło: M. Jabłoński, A. Jabłoński, P. Janulek, D. Dulęba, M. Glenszczyk,
TRAKTAT o zasadach zarządzania dowodowego – przyszłość zarządzania 2025, CeDeWu, s. 190.

więcej

Dominująca zmienna decyzyjna

W każdej poważnej decyzji istnieje pokusa, by zapytać o wszystko naraz. Czy interwencja działa? Czy jest opłacalna? Czy zostanie zaakceptowana? Czy jest zgodna z kulturą organizacyjną? Pytanie rozrasta się, puchnie, obejmuje kolejne wątki — aż przestaje być pytaniem, a staje się opisem niepokoju decydenta. W tym miejscu potrzebne jest pojęcie porządkujące: dominująca zmienna decyzyjna. 

Dominująca zmienna decyzyjna to ta kategoria rezultatu, która w danym procesie stanowi główne kryterium rozstrzygnięcia. Nie jest to jedyna zmienna brana pod uwagę, lecz ta, która organizuje strukturę pytania i wyznacza klasę podstawowych dowodów. To ona decyduje, czy analizujemy przede wszystkim skuteczność, mechanizm działania, opłacalność ekonomiczną czy akceptowalność społeczną rozwiązania. Bez jej wyraźnego wskazania proces dowodowy traci orientację epistemiczną.

W klasycznej EBM hierarchia dowodów była przez lata stabilna, ponieważ dominującą zmienną była najczęściej skuteczność kliniczna interwencji. W zarządzaniu sytuacja jest bardziej złożona: raz kluczowa jest efektywność operacyjna, innym razem redukcja ryzyka, jeszcze innym — trwałość zmiany kulturowej. Hierarchia dowodów nie może być zatem stała; rekonfiguruje się wokół dominującej zmiennej. To ona decyduje, czy większą wagę przypiszemy badaniom porównawczym, analizom jakościowym, modelom ekonomicznym czy danym systemowym. Brak identyfikacji dominującej zmiennej prowadzi do hybrydyzacji pytania i mieszania klas danych. Decydent zaczyna równocześnie oceniać skuteczność, koszty i preferencje interesariuszy, nie rozróżniając, która z tych kategorii ma charakter nadrzędny. W rezultacie powstaje syntetyczna narracja, lecz nie uporządkowana analiza. Dowody nie są ważone według adekwatności do celu, lecz według siły retorycznej.

Pytanie bez hierarchii zmiennych nie prowadzi do wiedzy, lecz do narracji

Dominująca zmienna decyzyjna pełni więc funkcję kompasu metodologicznego. Wskazuje, jaki typ danych ma pierwszeństwo, jakie narzędzia oceny jakości zastosować i według jakiego kryterium budować rekomendację. Pozostałe zmienne — koszt, wykonalność, akceptowalność — pozostają istotne, lecz mają charakter wspierający i są integrowane dopiero na etapie translacji w modelu Evidence-to-Decision. W praktyce oznacza to jedno: zanim rozpoczniemy wyszukiwanie dowodów, należy odpowiedzieć na pytanie, co w tej decyzji jest rzeczywiście rozstrzygające. Nie wszystko może być nadrzędne jednocześnie. Metodologiczna dyscyplina polega na przyjęciu tej hierarchii świadomie, jawnie i z uzasadnieniem. Dominująca zmienna decyzyjna nie upraszcza rzeczywistości — ona nadaje jej strukturę, bez której zarządzanie dowodowe przekształca się w uporządkowaną, lecz epistemicznie niespójną narrację.

więcej

Raport wg PRISMA 2000

Zgodnie z podejściem przyjętym w wytycznych PRISMA 2020, raport to dokument — w formie papierowej lub elektronicznej — który przedstawia rzetelnie udokumentowane informacje dotyczące konkretnego badania, procesu analitycznego lub wytworzonych danych. Może przyjmować różne formy, takie jak: artykuł naukowy, preprint, abstrakt konferencyjny, zapis w rejestrze badań, raport z badań klinicznych, rozprawa akademicka, nieopublikowany manuskrypt, dokument rządowy lub inny materiał zawierający istotne treści odnoszące się do badanego zjawiska. W PRISMA 2020 każdy z tych materiałów jest traktowany jako potencjalne źródło dowodów, które może zostać włączone do procesu przeglądu. W kontekście Systematycznego Przeglądu Literatury (SLR) raport stanowi podstawową jednostkę analizy, ponieważ:

• dostarcza dowodów pierwotnych lub wtórnych,
• dokumentuje metody, wyniki i wnioski badań,
• umożliwia ocenę jakości i wiarygodności źródeł,
• stanowi podstawę do syntetyzowania dowodów zgodnie z procedurami PRISMA 2020, w tym do tworzenia przeglądów narracyjnych, ilościowych lub mieszanych.

W ujęciu Evidence-Based Management (EBM) raport pełni funkcję:

• nośnika wiedzy opartej na dowodach,
• źródła wykorzystywanego w procesie podejmowania decyzji menedżerskich,
• materiału umożliwiającego ocenę wiarygodności, trafności i przydatności informacji dla praktyki organizacyjnej.

Artykuł jest jedynie jedną z możliwych form prezentacji wyników badań, natomiast raport odwołuje się do funkcji dokumentacyjnej — zawiera rzetelnie opisane metody, wyniki i wnioski, niezależnie od tego, czy przyjął formę artykułu, preprintu, rejestru badania, rozprawy czy dokumentu instytucjonalnego.

W obu podejściach — SLR i EBM — raport nie jest zatem jedynie tekstem informacyjnym. Jest transparentnym, uporządkowanym i metodycznie udokumentowanym sprawozdaniem z badania, które umożliwia ocenę jakości pracy badawczej, replikację lub ponowną interpretację wyników oraz ich wykorzystanie w procesach decyzyjnych opartych na dowodach.

Zgodnie z zasadami PRISMA 2020 każdy dokument raportujący wyniki badań — niezależnie od formy publikacji — powinien zawierać jasno opisane, przejrzyste i wystarczające do replikacji informacje dotyczące przebiegu procesu badawczego. PRISMA nie narzuca konkretnego układu (np. IMRaD), ale wymaga, aby raport umożliwiał odbiorcy ocenę wiarygodności i jakości badania.

Źródło

Page Matthew J., McKenzie Joanne E., Bossuyt Patrick M., Boutron Isabelle, Hoffmann Tammy C., Mulrow Cynthia D., Shamseer Larissa, Tetzlaff Jennifer M., Akl Elie A., Brennan Sue E., Chou Roger, Glanville Julie, Grimshaw Jeremy M., Hróbjartsson Asbjørn, Lalu Manoj M., Li Tianjing, Loder Elizabeth W., Mayo-Wilson Evan, McDonald Steve, McGuinness Luke A., Stewart Lesley A., Thomas James, Tricco Andrea C., Welch Vivian A., Whiting Penny, Moher David, The PRISMA 2020 statement: an updated guideline for reporting systematic reviews, „BMJ (Clinical research ed.)“, R. 372 2021, n71.

więcej

Proces ważenia dowodów: czynnik ludzki w zarządzaniu opartym na dowodach

Współczesne zarządzanie coraz częściej mierzy się z paradoksem: im więcej danych, tym mniej pewności, co naprawdę oznaczają. W erze algorytmizacji decyzji i automatyzacji procesów rośnie potrzeba powrotu do człowieka jako podmiotu interpretującego, a nie jedynie wykonawcy procedur. Evidence-Based Management (EBMnt) – zarządzanie oparte na dowodach – wyrasta z przekonania, że skuteczność decyzji organizacyjnych zależy nie od ilości informacji, lecz od umiejętności ich ważenia, czyli krytycznej oceny jakości, adekwatności i znaczenia w kontekście ludzkiego doświadczenia. W tym sensie czynnik ludzki nie jest już źródłem błędu, lecz integralnym składnikiem rzetelności epistemicznej. 

Jednocześnie współczesne praktyki społeczne, w tym zjawiska takie jak cancel culture czy presja poprawności ideologicznej, mogą ograniczać swobodę interpretacji i prowadzić do selektywnego dopuszczania dowodów zgodnych z dominującym nurtem myślenia. Artykuł podejmuje zatem problematykę ważenia dowodów jako procesu poznawczego, emocjonalnego i etycznego zarazem – procesu, w którym decyzje organizacyjne zyskują sens dopiero wtedy, gdy pozostają otwarte na różnorodność perspektyw i wolność refleksyjnego namysłu.

Tolerancja w zarządzaniu zasobami ludzkimi stała się jednym z najczęściej przywoływanych pojęć w organizacyjnym dyskursie. W świecie, w którym różnorodność, inkluzywność i wrażliwość kulturowa stały się fundamentem współczesnych polityk HR, coraz wyraźniej widać potrzebę odejścia od moralizującej retoryki na rzecz metodycznego myślenia. W duchu Evidence-Based Management (EBMnt) tolerancja przestaje być deklaracją wartości, a staje się procesem poznawczym – praktyką ważenia dowodów i świadomego integrowania różnych źródeł wiedzy. Rzetelność w tym kontekście oznacza zdolność nie tylko do rozróżniania faktu od opinii, lecz także do rozumienia ich wzajemnych zależności. Tolerancja jako metoda to sztuka łączenia empirycznej weryfikacji z empatycznym rozumieniem.

Ważenie dowodów jako fundament rzetelności

Metodyka EBMnt zakłada, że żadna decyzja menedżerska, w tym decyzja dotycząca zarządzania różnorodnością, nie może być uzasadniona jednym rodzajem dowodów. Wymaga ona równoczesnego uwzględnienia danych empirycznych, wyników badań, obserwacji organizacyjnych, doświadczenia ekspertów oraz wartości, które kierują ludźmi w miejscu pracy. Tolerancja w HR – jeśli ma być rzeczywista, a nie symboliczna – musi opierać się na takim procesie ważenia. Oznacza to, że każda perspektywa, nawet ta niezgodna z dominującym dyskursem inkluzywności, powinna być analizowana w świetle jej faktycznego wpływu na jakość relacji, zaufanie i dobrostan zespołu. Rzetelność polega tutaj nie na przyznaniu racji wszystkim, lecz na uczciwym ważeniu racji każdej strony.

Ważenie dowodów stanowi kluczowy etap metodologiczny w procesie poznawczym i decyzyjnym, zwłaszcza w kontekście nauk społecznych i psychologii opartej na dowodach. Oznacza ono nie tylko ocenę siły empirycznej danego materiału, lecz także jego relewantności wobec pytania badawczego oraz zgodności z przyjętym paradygmatem naukowym. 

Metodologiczne ważenie dowodów wymaga rozróżnienia między faktami wynikającymi z badań naukowych a interpretacjami o charakterze normatywnym czy światopoglądowym. 

Rzetelne procedury oceny dowodów powinny być transparentne, replikowalne i odporne na wpływy pozamerytoryczne, takie jak presja środowiskowa czy ideologiczna. 

Z perspektywy metodologii nauk empirycznych, eliminowanie głosu badacza ze względu na kontrowersyjność tematów, które bada lub komentuje, stanowi zakłócenie procesu ważenia dowodów, gdyż przenosi kryterium oceny z jakości argumentów na ocenę osoby je przedstawiającej. Właściwe ważenie dowodów wymaga zachowania metodologicznej autonomii nauki, opartej na rozróżnieniu pomiędzy dowodem, opinią i emocją społeczną, tak aby proces poznawczy pozostawał odporny na naciski ideologiczne i zachowywał priorytet rzetelności empirycznej nad oceną światopoglądową.

Rzetelność między inkluzywnością a różnicą

Współczesne programy inkluzywności często promują ideę otwartości na różnorodność, lecz w praktyce bywają zdominowane przez jednoznaczne interpretacje tego, co uznaje się za dopuszczalne.

W kontekście EBMnt inkluzywność nabiera sensu dopiero wtedy, gdy obejmuje również gotowość do rozmowy z tymi, którzy mają wątpliwości wobec jej form lub tempa wprowadzania. 

Rzetelne podejście badawcze nie polega na eliminowaniu głosów sprzeciwu, ale na analizie ich podstaw – czy wynikają z braku informacji, z różnicy kulturowej, czy z odmiennego rozumienia sprawiedliwości. Tolerancja, w tym sensie, jest umiejętnością zachowania poznawczej równowagi między wartościami wspólnotowymi a poszanowaniem autonomii myślenia jednostki. Oznacza zdolność do bycia w dialogu z różnicą, a nie do jej administracyjnego unieważnienia.

Czynnik ludzki jako zmienna epistemiczna

Fot. Karola G | www.pexels.com

Tradycyjne modele zarządzania postrzegały czynnik ludzki głównie jako element niepewności, który utrudnia racjonalne planowanie i kontrolę. Podejście EBMnt redefiniuje tę kategorię: człowiek nie jest już zakłóceniem systemu, lecz jego poznawczym centrum. To ludzie – ze swoimi emocjami, przekonaniami i doświadczeniami – nadają sens danym, przekształcając je w wiedzę. W badaniu tolerancji i inkluzywności w organizacjach czynnik ludzki staje się więc zmienną epistemiczną, czyli czynnikiem wpływającym na sposób interpretacji dowodów. Obejmuje on nie tylko kompetencje poznawcze, ale także zdolność do autorefleksji i uważności emocjonalnej. Rzetelność w HR oznacza zatem gotowość do uwzględniania emocji jako części procesu decyzyjnego, a nie jego przeszkody. To właśnie dzięki emocjom organizacja może rozumieć swoje dane w kontekście ludzkiego doświadczenia.

Tolerancja jako kompetencja poznawcza organizacji

W kontekście EBMnt tolerancja nie jest postawą bierną ani gestem grzeczności – staje się kompetencją poznawczą, zdolnością do współistnienia wielości perspektyw bez utraty spójności działania. Wymaga to kultury organizacyjnej, która ceni krytyczne myślenie, dopuszcza niepewność i zachęca do pytań o sens przyjętych założeń. Tolerancja w takim ujęciu jest formą intelektualnej dojrzałości, która pozwala na tworzenie polityk HR nie z pozycji przekonań, lecz z pozycji rozumienia. Oznacza również umiejętność przekładania danych empirycznych na praktyki społeczne z zachowaniem wrażliwości na ludzką różnorodność. W tym sensie tolerancja jest nie tylko narzędziem etycznym, ale także poznawczym – środkiem do budowania organizacji uczącej się, refleksyjnej i zdolnej do samokorekty.

Checklista ważenia dowodów

Ważenie dowodów to nie tylko procedura decyzyjna: wymaga odwagi, by uznać, że żadne dane — nawet te z AI — nie są neutralne, a żaden człowiek nie jest wolny od błędu. Rzetelność w EBMnt polega na umiejętności utrzymania równowagi między logiką a ludzkim rozumieniem.

1. Identyfikacja problemu decyzyjnego

1. Czy problem został jasno zdefiniowany w języku faktów, a nie opinii?
2. Czy rozumiemy, jakie pytanie badawcze lub decyzyjne naprawdę chcemy rozwiązać?
3. Czy unikamy błędu „rozwiązywania nie tego problemu”, który wydaje się łatwiejszy?

2. Gromadzenie dowodów z różnych źródeł

1. Czy zebraliśmy dane z czterech kluczowych obszarów EBMnt: badań naukowych, danych organizacyjnych, doświadczenia ekspertów i wartości interesariuszy?
2. Czy uwzględniono źródła automatyczne (AI, systemy analityczne) oraz ludzkie obserwacje?
3. Czy istnieje ryzyko nadmiernego zaufania danym z algorytmów lub modelom predykcyjnym bez ich interpretacji kontekstowej?

3. Ocena wiarygodności dowodów

1. Jakie są źródła danych – pierwotne, wtórne, syntetyczne (AI)?
2. Czy dane zostały zweryfikowane pod kątem błędów poznawczych, biasów lub manipulacji kontekstem?
3. Czy istnieje możliwość potwierdzenia wyników przez niezależne źródła?

4. Ważenie dowodów

1. Jakie znaczenie przypisujemy każdemu rodzajowi dowodów w kontekście danej decyzji?
2. Czy dowody są aktualne, reprezentatywne i spójne z kontekstem organizacyjnym?
3. Czy głos praktyków (np. liderów zespołów) został uwzględniony na równi z analizą danych ilościowych?
4. Czy proces ważenia był transparentny — czy można go uzasadnić przed innymi interesariuszami?

5. Integracja automatyzacji i czynnika ludzkiego

1. Czy decyzje wspierane przez AI są rozumiane, a nie tylko akceptowane?
2. Czy model lub system decyzyjny został poddany interpretacji przez człowieka (explainable AI)?
3. Czy uwzględniono wpływ emocji, wartości i intuicji w interpretacji dowodów?
4. Czy „czynnik ludzki” jest traktowany jako źródło wiedzy, a nie zakłócenie?

6. Refleksja i decyzja

1. Czy proces ważenia dowodów doprowadził do decyzji, która jest etyczna, transparentna i uzasadniona?
2. Czy dokumentujemy, jaką wagę przypisano poszczególnym dowodom?
3. Czy zespół potrafi uzasadnić swoją decyzję w oparciu o fakty, nie tylko o przekonania?
4. Czy po decyzji planujemy ewaluację skutków — sprawdzenie, czy dowody rzeczywiście przewidziały efekty?

7. Uczenie się z decyzji

1. Czy proces ważenia dowodów został omówiony w zespole po fakcie (debriefing)?
2. Czy organizacja potrafi wprowadzić korekty do sposobu analizy dowodów na przyszłość?
3. Czy wnioski z tego procesu są włączane do wiedzy organizacyjnej (learning loop)?

Zakończenie: rzetelność, która pozostaje ludzka

Rzetelność w HR, rozumiana w duchu Evidence-Based Management, nie ogranicza się do metodologicznej precyzji. Jej istotą jest zdolność do utrzymania równowagi między nauką a człowiekiem, między danymi a doświadczeniem, między dowodem a zrozumieniem. Ważenie dowodów w obszarze tolerancji i inkluzywności nie jest zatem tylko procesem analitycznym, lecz również etycznym i emocjonalnym – wymaga świadomości, że za każdym zbiorem danych kryją się ludzie, ich wrażliwość i ich poczucie godności. Czynnik ludzki, zamiast być błędem pomiaru, staje się kryterium sensu decyzji. Organizacja, która rozumie tę zasadę, przestaje traktować tolerancję jako formalny obowiązek, a zaczyna postrzegać ją jako przestrzeń rzetelnego poznania. Wówczas zarządzanie oparte na dowodach przestaje być techniką, a staje się kulturą — kulturą, w której dowody są ważone przez rozum, ale interpretowane przez człowieka.

więcej

EFT (opukiwanie) – czy to metoda naukowa? Analiza z perspektywy Evidence-Based Management

W ostatnich latach metoda Emotional Freedom Techniques (EFT), znana szerzej jako „opukiwanie”, zyskała ogromną popularność w środowiskach rozwoju osobistego i psychoterapii alternatywnej. Jej zwolennicy twierdzą, że poprzez delikatne opukiwanie punktów akupresurowych w połączeniu z afirmacjami można „uwolnić blokady energetyczne” i w ten sposób złagodzić stres, lęk, ból czy objawy traumy. Brzmi obiecująco – ale czy rzeczywiście EFT ma naukowe podstawy? Przyjrzyjmy się temu w duchu Evidence-Based Management of Novel Treatments (EBMnt), czyli zarządzania innowacyjnymi metodami w oparciu o dowody naukowe i krytyczną ocenę źródeł.

Co to jest EBMnt i dlaczego jest ważne

EBMnt to podejście wywodzące się z medycyny opartej na dowodach (EBM) i z zarządzania opartego na faktach (Evidence-Based Management). Zakłada ono, że każda nowa metoda – zanim zostanie wdrożona do praktyki – powinna być oceniona pod kątem jakości dowodów, siły efektu, ryzyka oraz zgodności z uznanymi standardami. Innymi słowy, nie wystarczy, że coś „działa” w subiektywnym odczuciu; konieczne jest potwierdzenie skuteczności i bezpieczeństwa w badaniach o wysokiej jakości.

Co mówią badania o EFT

W literaturze naukowej istnieje już kilkadziesiąt badań dotyczących EFT, w tym metaanalizy i przeglądy systematyczne. Niektóre z nich wskazują na potencjalnie korzystne efekty stosowania tej metody w zakresie redukcji stresu, lęku czy objawów pourazowych. Przykładem może być metaanaliza Clond (2016), która wykazała umiarkowane efekty w obniżaniu poziomu lęku, oraz prace Church i współautorów (2018), sugerujące, że EFT może wpływać na reakcje fizjologiczne związane z kortyzolem i stresem.

Jednak większość tych badań ma ograniczoną moc dowodową. Często są to badania o niewielkich próbach, prowadzone przez osoby zaangażowane w popularyzację metody, bez odpowiednich grup kontrolnych i długoterminowej obserwacji. Metodologia nie zawsze spełnia rygory, jakie obowiązują w badaniach klinicznych. W efekcie trudno jest jednoznacznie stwierdzić, że to właśnie „opukiwanie meridianów” odpowiada za uzyskane rezultaty – równie dobrze mogą one wynikać z elementów relaksacji, ekspozycji lub autosugestii.

Status EFT w wytycznych klinicznych

Najbardziej wiarygodnym testem dla każdej metody terapeutycznej jest jej obecność (lub brak) w oficjalnych wytycznych klinicznych uznanych instytucji. W przypadku EFT sytuacja jest jednoznaczna: żadna z wiodących organizacji psychologicznych ani medycznych nie uznaje jej obecnie za metodę opartą na dowodach.

Według American Psychological Association (APA) EFT nie figuruje w rejestrze terapii o potwierdzonej skuteczności w leczeniu PTSD. W oficjalnym dokumencie Clinical Practice Guideline for the Treatment of PTSD in Adults (2023) wskazano jedynie terapie oparte na ekspozycji i poznawcze (m.in. PE, CPT, EMDR).

National Institute for Health and Care Excellence (NICE) w Wielkiej Brytanii umieścił EFT w sekcji „recommendations for research” w wytycznej NG116 (2018). Oznacza to, że metoda jest uznana za wartą dalszych badań, ale nie zalecaną klinicznie w leczeniu PTSD, lęku ani depresji.

Również VA/DoD Clinical Practice Guideline z 2023 roku – opracowana przez amerykański Departament Weteranów i Departament Obrony – nie rekomenduje EFT w leczeniu stresu pourazowego u weteranów. Wskazuje natomiast na terapię poznawczo-behawioralną i ekspozycyjną jako interwencje pierwszego wyboru.

Z kolei Australian Psychological Society (APS) nie wymienia EFT w przeglądach terapii opartych na dowodach. Metoda pojawia się jedynie w publikacjach popularnych jako przykład techniki „komplementarnej”, a nie terapii rekomendowanej klinicznie.

Podsumowując, w żadnych oficjalnych wytycznych EFT nie ma statusu terapii evidence-based. Najczęściej jest klasyfikowana jako metoda eksperymentalna, alternatywna lub komplementarna, wymagająca dalszej walidacji.

Mechanizm działania – nauka czy metafora?

Zwolennicy EFT utrzymują, że opukiwanie aktywuje przepływ energii wzdłuż tzw. meridianów, znanych z medycyny chińskiej. Problem polega na tym, że współczesna nauka nie potwierdziła istnienia takich struktur biologicznych. Nie ma dowodów na to, że „blokady energetyczne” istnieją w sensie fizjologicznym. Z perspektywy psychologicznej prawdopodobne jest, że skutki EFT wynikają z mechanizmów znanych z terapii poznawczo-behawioralnych – ekspozycji na trudne emocje, regulacji oddechu, autosugestii i relaksacji.

W tym sensie EFT może działać, ale nie dlatego, że „odblokowuje energię”, lecz dlatego, że uczy ciało i umysł reagować inaczej na stres. To ważne rozróżnienie, które odróżnia naukową interpretację od metaforycznej.

Wnioski w duchu EBMnt

Z perspektywy Evidence-Based Management of Novel Treatments metoda EFT może być uznana za innowacyjną interwencję wspierającą, jednak nie spełnia kryteriów terapii opartej na dowodach naukowych. Wdrożenie jej w praktyce organizacyjnej czy terapeutycznej wymaga zachowania transparentności wobec klientów oraz systematycznego monitorowania efektów. Powinna być stosowana jako technika pomocnicza – na przykład w obszarze redukcji stresu lub poprawy samoregulacji emocjonalnej – a nie jako substytut terapii klinicznej.

Zarządzanie oparte na dowodach zakłada, że decyzje dotyczące stosowania innowacyjnych metod nie mogą opierać się na intuicji czy modzie, lecz na analizie jakości badań, rekomendacji i ryzyka. W przypadku EFT dane naukowe są nadal niejednoznaczne. Odpowiedzialny lider, terapeuta czy instytucja powinni więc stosować zasadę ostrożności: eksperymentować, ale nie obiecywać więcej, niż potwierdzają fakty.

Źródła

1. American Psychological Association – Clinical Practice Guideline for the Treatment of PTSD in Adults

2. National Institute for Health and Care Excellence (NICE) – Post-traumatic stress disorder: management (NG116)

3. NICE – Research recommendation: What is the clinical and cost-effectiveness of Emotional Freedom Techniques (EFT) for the treatment of PTSD in adults?

4. U.S. Department of Veterans Affairs / Department of Defense – VA/DoD Clinical Practice Guideline for the Management of PTSD

5. Australian Psychological Society – Evidence-based Psychological Interventions: A Literature Review

6. Church, D., Stapleton, P., Dawson, R., & Feinstein, D. – Clinical EFT as an evidence-based practice for the treatment of psychological and physiological conditions: A systematic review

7. Clond, M. – Emotional Freedom Techniques for anxiety: A systematic review with meta-analysis

8. Feinstein, D. – Energy psychology: Efficacy, speed, mechanisms

więcej

Dowody w kodzie XML: jak FA(3) i KSeF 2.0 uczą przedsiębiorców zarządzania opartego na na dowodach

Wdrożenie standardu FA(3) w ramach Krajowego Systemu e-Faktur (KSeF 2.0) staje się dla polskich przedsiębiorców laboratorium zarządzania opartego na dowodach. Artykuł pokazuje, że nowa generacja faktury ustrukturyzowanej nie jest tylko techniczną zmianą formatu danych, ale katalizatorem głębszej transformacji procesowej i kulturowej. Na przykładzie wdrożeń FA(3) autor wskazuje nowy obszar badań, nad tym jak precyzyjne dane, automatyczne walidacje i integracje API wymuszają spójność procesów, eliminują błędy interpretacyjne i budują fundamenty skutecznych decyzji. W tekście przedstawiono paradoks automatyzacji — moment, w którym technologia, zamiast upraszczać, ujawnia chaos poznawczy organizacji — oraz pokazano, jak myślenie evidence-based (EBMnt) może przekształcić tę trudność w przewagę strategiczną.

W 2025 roku polscy przedsiębiorcy znaleźli się w punkcie, w którym technologia podatkowa przestała być domeną księgowych, a zaczęła dotykać strategii zarządzania. FA(3) — nowy format faktury ustrukturyzowanej w ramach KSeF 2.0 — nie jest tylko aktualizacją pliku XML. To poligon, na którym spotykają się dane, dowody i decyzje.

Problem, który z pozoru wydaje się techniczny, w rzeczywistości jest głęboko zarządczy: czy organizacja potrafi podejmować decyzje oparte na dowodach (EBMnt), gdy dowodem staje się każdy zapis w systemie fakturowym?

Dane zamiast deklaracji

W tradycyjnym podejściu faktura była potwierdzeniem transakcji — papierowym śladem. W FA(3) staje się elementem ekosystemu danych, który komunikuje się bezpośrednio z państwowym rejestrem, ERP czy bankiem. To już nie dokument, lecz zdarzenie w czasie rzeczywistym.
W tym świecie nie ma miejsca na „na końcu miesiąca zobaczymy”. Dane są natychmiast weryfikowalne, a błędne mapowanie pól czy złe metadane oznaczają natychmiastowy chaos w analizie cash flow i raportowaniu.

Paradoks automatyzacji

FA(3) miał ułatwić życie — i faktycznie zautomatyzuje wiele procesów. Ale równocześnie wymaga, by organizacja wiedziała, co naprawdę wie o swoich fakturach. W jednej z firm (fikcyjny, ale realny przypadek modelowy) wdrożenie FA(3) ujawniło, że różne działy operują czterema różnymi definicjami „momentu sprzedaży”. Dopiero integracja z KSeF wymusiła wspólne zdefiniowanie procesu — nie dlatego, że ktoś kazał, ale dlatego, że system nie przyjął sprzecznych danych.

Evidence-Based Management w akcji

Zarządzanie oparte na dowodach (EBMnt) zakłada, że każda decyzja biznesowa powinna być osadzona w czterech rodzajach źródeł:

1. w najlepszych dostępnych danych naukowych, 
2. w danych organizacyjnych, 
3. w profesjonalnym osądzie menedżerów oraz
4. w wartościach i kontekście interesariuszy. 

To nie jest teoria z podręcznika — to mapa, którą FA(3) właśnie ożywia w praktyce.

Dane naukowe pokazują, że automatyzacja fakturowania potrafi zmniejszyć koszty administracyjne. Ok, ale czy zastanawiałeś się, ile dokładnie możesz zaoszczędzić dzięki automatyzacji fakturowania w swojej firmie? Jak wysoka jest jakość danych wejściowych w Twoim CRM i systemie finansowym — ile z nich jest spójnych, a ile zawiera błędy? Czy różnice między systemami generują dodatkową pracę ręczną, której można by uniknąć? Jak dużo czasu zajmuje poprawianie nieprawidłowych faktur i jakie koszty generuje ta interwencja? Które pola danych możesz automatyzować bez ryzyka utraty dokładności i kontroli? Jakie badania naukowe pokazują rzeczywisty wpływ automatyzacji fakturowania na koszty administracyjne? Jaką metodologię stosowano w takich badaniach i jakie kryteria jakości danych brano pod uwagę? Czy istnieją analizy porównujące skuteczność różnych sposobów integracji CRM z systemami finansowymi w kontekście FA(3) i KSeF 2.0? Jakie wskaźniki warto mierzyć, aby ocenić, czy automatyzacja faktycznie przynosi obniżenie kosztów i zwiększenie efektywności? Jak zaprojektować własne badanie w organizacji, żeby w sposób wiarygodny oszacować wpływ FA(3) na procesy finansowe? Te pytania mają skłonić do sięgnięcia do literatury lub opracowania własnego projektu badawczego, zanim wyciągnie się wnioski o efektywności automatyzacji fakturowania.

Dane organizacyjne to drugi filar. W FA(3) nabierają one wyjątkowego znaczenia, bo każda faktura staje się staje się węzłem informacji o przebiegu całego procesu (narzędziem monitorowania i analizy procesu) — od zamówienia po płatność. Przedsiębiorstwa, które potraktuję te dane jako element wiedzy o sobie, a nie wyłącznie obowiązek raportowy, zaczną wykorzystywać je do prognozowania płynności finansowej, monitorowania rotacji dostawców czy analizy czasu obiegu dokumentu.

Trzecie źródło, profesjonalny osąd menedżerów, to moment, w którym technologia spotyka człowieka. Decyzja o tym, czy wdrażać KSeF samodzielnie, czy korzystać z integratora, wymaga nie tylko znajomości technologii, ale też oceny kompetencji zespołu i ryzyka przestoju. Gdyby spółka IT zdecydowała się wdrożyć system samodzielnie, mogłaby osiągnąć szybki sukces, ale równie dobrze mogłaby napotkać opóźnienia, jeśli zespół nie byłby wystarczająco przygotowany. W przypadku firmy produkcyjnej podobna decyzja mogłaby skutkować dwumiesięcznym paraliżem fakturowania, opóźnieniami w płatnościach lub koniecznością częściowej korekty procesów. W innych scenariuszach możliwe jest stopniowe wdrożenie z minimalnym ryzykiem lub skorzystanie z partnera zewnętrznego, co mogłoby przyspieszyć adaptację, ale zwiększyć koszty. W każdym z tych przypadków automatyzacja nie zastępuje osądu menedżerów — raczej testuje ich zdolność do przewidywania skutków i wyboru najlepszego scenariusza.

Czwartym obszarem jest kontekst interesariuszy. FA(3) unaocznia, że „faktura” nie znaczy tego samego dla wszystkich. Dla księgowego to dowód księgowy, dla handlowca — potwierdzenie zamknięcia transakcji, a dla dyrektora finansowego — element cash flow. Wymóg jednolitego zapisu danych zmusza te światy do dialogu i ustalenia wspólnego języka. W modelowej organizacji taki dialog zakończy się powstaniem zespołu „Data Alignment Team”, który czuwa nad spójnością pojęć w całym przedsiębiorstwie.

Dowód, który zmienia kulturę

Najciekawsze w FA(3) jest to, że zmusza do myślenia dowodowego. Nie da się już dowolnie opisać faktury — trzeba ją precyzyjnie zdefiniować. Nie da się poczekać na podpis czy poprawkę — system przyjmuje lub odrzuca natychmiast. Nie można pomylić się o dwa dni, bo daty są walidowane automatycznie. W tym rygorze kryje się ogromna wartość: organizacje, które nauczą się działać w środowisku dowodowym, będą nie tylko szybciej i sprawniej rozliczać transakcje, ale też trafniej podejmować decyzje strategiczne.

Nie faktura, lecz lekcja

FA(3) nie jest końcem cyfryzacji — to jej dojrzała forma. Wymusza porządek, ale w zamian daje przejrzystość. Dla przedsiębiorcy, który jeszcze dziś postrzega KSeF 2.0 jako obowiązek, już jutro może okazać się, że zyskał bezcenne źródło danych o własnym biznesie: kto naprawdę generuje największe przychody, gdzie ginie marża, które procesy najbardziej obciążają zespół. 

W epoce, w której dane stają się dowodem, a dowód — decyzją, faktura przestaje być zwykłym papierem. 

Informacje w niej zawarte stają się wiarygodnym dowodem przebiegu procesów biznesowych, pozwalającym na podejmowanie świadomych decyzji. W efekcie faktura przekształca się w punkt zwrotny w kulturze zarządzania, który umożliwia monitorowanie, analizę i optymalizację działań w organizacji.

Źródło: 

1. Janulek P., Co to jest struktura logiczna FA(3). https://ksiegowyinternetowy.blogspot.com/2025/10/co-to-jest-struktura-logiczna-fa3.html [2025-10-08]
2. Janulek, P. (2025, październik). KSeF 2.0 – co to oznacza dla Twojej firmy, zespołu i systemów? [Wydarzenie online]. Facebook. https://www.facebook.com/events/
3. https://ksef.podatki.gov.pl/ [2025-10-08]

więcej

Używalność EBMnt w perspektywie prakseologicznej

Z perspektywy prakseologii, rozumianej za Kotarbińskim jako nauka o sprawnym działaniu, każdy system zarządzania jest wart tyle, ile jego zdolność do skutecznego i ekonomicznego osiągania celów. Evidence-Based Management nowej translacji (EBMnt) stanowi w tym sensie próbę połączenia racjonalności naukowej z racjonalnością praktyczną — próbę, która wychodzi naprzeciw kryzysowi efektywności współczesnych organizacji.

1. Od racji działania do dowodu działania

EBMnt, w przeciwieństwie do klasycznego Evidence-Based Management, nie koncentruje się wyłącznie na wykorzystaniu „dowodów naukowych” jako zewnętrznego źródła legitymizacji decyzji. Nowa translacja zakłada, że dowód sam w sobie jest formą działania — interakcją między danymi, kontekstem i interpretacją. 

W ujęciu prakseologicznym dowód staje się nie tylko informacją, ale także narzędziem usprawniającym działanie. 

Jego używalność mierzy się nie stopniem obiektywności, lecz zdolnością do zwiększania skuteczności decyzji w określonym systemie działania.

2. Sprawność systemowa zamiast racjonalności proceduralnej

Prakseologia odróżnia skuteczność od sprawności — ta druga zawiera także elementy ekonomiczności, celowości i harmonii środków. EBMnt odpowiada temu rozróżnieniu, przesuwając punkt ciężkości z metodologicznej poprawności na systemową używalność. Dane, fakty i modele nie są tu „świętością”, lecz materiałem do praktycznej translacji — do przetworzenia w wiedzę użyteczną. Skuteczne zastosowanie EBMnt nie wymaga więc idealnej bazy dowodów, lecz zdolności do ich reinterpretacji w kontekście konkretnej decyzji. W tym sensie EBMnt staje się narzędziem samoregulującym system działania — nie przepisem, lecz heurystyką sprawności.

3. Używalność jako miara wartości dowodu

W ujęciu prakseologicznym wartość każdego środka mierzy się jego przydatnością do celu. EBMnt redefiniuje „dowód” nie jako element prawdy, ale jako zasób działania. Dowód użyteczny to taki, który umożliwia szybsze, trafniejsze lub bardziej adekwatne działanie. EBMnt wprowadza tu zasadę translacyjności: dowód naukowy musi zostać przetłumaczony na język operacyjny organizacji, uwzględniający lokalne konteksty, ograniczenia i kulturę. Dopiero wówczas może wejść w obieg sprawnego działania.

4. Błędy poznawcze jako zakłócenia sprawności

Z perspektywy prakseologicznej błędy poznawcze i halucynacje decyzyjne (np. wynikające z nadmiernego zaufania do AI lub danych) stanowią nie tyle problem epistemiczny, ile problem sprawności. EBMnt, dzięki swojej translacyjnej naturze, umożliwia identyfikowanie tych błędów jako zakłóceń przepływu informacji w systemie działania. W tym sensie używalność EBMnt polega na zdolności do samokorekty — do przywracania harmonii między intencją, środkiem i rezultatem.

5. Ku prakseologii dowodowego działania

EBMnt można postrzegać jako projekt prakseologii drugiego rzędu: zamiast analizować, jak działać sprawnie, pyta jak działać dowodowo. Działanie dowodowe nie polega na gromadzeniu danych, lecz na projektowaniu decyzji w taki sposób, by ich skuteczność była obserwowalna, mierzalna i odtwarzalna. Tym samym EBMnt realizuje zasadę prakseologiczną sprzężenia zwrotnego — każda decyzja jest jednocześnie eksperymentem, a każde doświadczenie zasila system dowodowy organizacji.

Zakończenie

Używalność EBMnt nie polega na tym, że dostarcza on lepszych dowodów, lecz że pozwala lepiej działać z dowodami. W logice prakseologicznej jest to przejście od myślenia o „wiedzy jako zasobie” do myślenia o „dowodzie jako procesie”. W tym sensie EBMnt nie jest teorią zarządzania, lecz technologią sprawności — mechanizmem, który czyni działanie bardziej samoświadomym, a przez to bardziej skutecznym.

więcej

Decyzjofonia, legitomgła i przejrzystoza

Te trzy pojęcia — choć brzmią groteskowo — opisują realne napięcia w kulturze decyzyjnej. Warto je potraktować nie jako żart językowy, lecz jako punkty wyjścia do badań empirycznych. Bo jeśli chcemy projektować lepsze praktyki — w zarządzaniu, komunikacji, dziennikarstwie danych — musimy najpierw nazwać to, co dziś działa źle.

Proponujemy trzy pojęcia — karkołomne, pionierskie, ale trafne — które mogą pomóc uchwycić napięcia współczesnej kultury decyzyjnej: decyzjofonia (decisionophony), legitomgła (legitfog) i przejrzystoza (transparencosis).

Decyzjofonia: nadprodukcja bez uzasadnienia

Decyzjofonia to stan, w którym decyzje mnożą się w rytmie komunikatów, ale ich sens tonie w hałasie. Organizacje, instytucje i liderzy podejmują działania, publikują stanowiska, ogłaszają zmiany — ale bez jasnego uzasadnienia, bez źródeł, bez kontekstu. W efekcie odbiorcy nie wiedzą, czy decyzja jest trafna, czy tylko efektowna. Warto zbadać, jak decyzjofonia wpływa na zaufanie, efektywność i zdolność do uczenia się w organizacjach.

Legitomgła: rozmycie legitymacji

Legitomgła to zjawisko, w którym decyzje są formalnie poprawne, ale ich uzasadnienie jest nieczytelne. Dane są ukryte, źródła niejawne, język technokratyczny. Decyzja „jest”, ale nie wiadomo przez kogo, na jakiej podstawie i po co. To nie tylko problem komunikacyjny — to kryzys legitymacji. Badania nad legitomgłą mogłyby pokazać, jak różne grupy odbiorców (np. pracownicy, obywatele, klienci) rozpoznają i oceniają przejrzystość decyzji.

Przejrzystoza: pozorna transparentność

Przejrzystoza to choroba organizacyjna, w której wszystko jest „transparentne”, ale nic nie jest dostępne. Deklaracje otwartości mnożą się, ale dane są nieczytelne, raporty niekompletne, a procesy decyzyjne zamknięte. To zjawisko wymaga krytycznej analizy: jak rozpoznać przejrzystość pozorną, jakie są jej symptomy i jak ją mierzyć? Przejrzystoza może być szczególnie groźna w instytucjach publicznych, gdzie deklaracje mają zastępować realne działania.

W świecie, który produkuje decyzje szybciej niż potrafi je uzasadnić, rośnie potrzeba nie tylko nowych narzędzi analitycznych, ale też nowego języka. Bo jak opisać zjawiska, które są powszechne, ale wciąż wymykają się klasyfikacji? 

więcej

Odpowiedź na kryzys zaufania do decyzji: Data journalism

W świecie, w którym decyzje podejmowane są szybciej niż kiedykolwiek, a dostęp do informacji jest niemal nieograniczony, rośnie paradoks: mimo nadmiaru danych, zaufanie do decyzji — zarówno politycznych, biznesowych, jak i medialnych — spada. Ludzie coraz częściej pytają: „Na jakiej podstawie to zostało ustalone?”, „Czy to jest prawda?”, „Kto to sprawdził?”. W tym kontekście data journalism i Evidence-Based Management nie są tylko technikami — są odpowiedzią na kryzys legitymacji (deficyt przejrzystości).

Data journalism, czyli dziennikarstwo oparte na danych, powstało jako reakcja na rosnącą potrzebę przejrzystości w mediach. Zamiast opierać się na opiniach czy pojedynczych relacjach, dziennikarze analizują zbiory danych, pokazują wzorce, wizualizują zależności i ujawniają systemowe problemy. To nie tylko forma narracji — to metoda weryfikacji.

Evidence-Based Management, z kolei, to podejście do zarządzania, które zakłada, że decyzje powinny być podejmowane na podstawie najlepszych dostępnych dowodów: badań naukowych, danych organizacyjnych, doświadczenia praktyków i wartości interesariuszy. To nie jest moda — to konieczność w świecie, gdzie intuicja bywa zawodna, a presja decyzyjna ogromna.

W świecie, gdzie każdy może mówić wszystko — liczy się tylko to, co można pokazać.

Obie praktyki — dziennikarstwo danych i EBMnt — odpowiadają na ten sam problem: jak podejmować decyzje, które są nie tylko skuteczne, ale też uzasadnione? Jak budować zaufanie w świecie, w którym każdy może mówić wszystko, ale nie każdy potrafi pokazać, skąd to wie?

Fot. Mido Makasardi | pexels.com

Wspólnym mianownikiem jest metodologia. Zarówno dziennikarz, jak i menedżer muszą umieć formułować pytania badawcze, dobierać źródła, analizować dane i komunikować wyniki w sposób zrozumiały. Muszą też być gotowi na rewizję — bo dane nie są dogmatem, lecz punktem wyjścia do rozmowy.

W praktyce, data journalism może wspierać EBMnt w wielu obszarach: raporty o rynku pracy mogą pomóc działom HR w projektowaniu polityki zatrudnienia; analizy budżetowe publikowane przez media mogą zwiększać presję na transparentność w sektorze publicznym; wizualizacje dotyczące zdrowia psychicznego mogą wpływać na decyzje strategiczne w firmach.

Ale to działa też w drugą stronę. Organizacje, które stosują EBMnt, generują dane, które mogą zasilać dziennikarstwo danych. Tworzy się ekosystem, w którym decyzje są nie tylko podejmowane, ale też komunikowane w sposób przejrzysty, weryfikowalny i odpowiedzialny.

Schemat stworzony przy użyciu Microsoft Copilot (2025), na podstawie instrukcji autora.

W świecie, w którym zaufanie jest walutą, a dane są surowcem, data journalism i Evidence-Based Management nie konkurują ze sobą. One mówią tym samym językiem — językiem faktów, który pozwala budować decyzje, które mają sens.

więcej

Neuroróżnorodność w rekrutacji: empatia, kompetencje i granice pseudonauki

Dyskusje o neuroróżnorodności w miejscu pracy coraz częściej pojawiają się w kontekście rekrutacji. To pozytywny sygnał — rośnie świadomość, że osoby neuroatypowe (np. z ADHD, autyzmem, dysleksją) mogą funkcjonować inaczej, ale równie skutecznie. Jednak czasem ta rozmowa skręca w stronę, która bardziej przypomina pseudonaukę niż profesjonalne podejście oparte na faktach.

Wyobraźmy sobie sytuację: kandydat w rozmowie rekrutacyjnej odpowiada zdawkowo, nie na temat, trudno nawiązać kontakt. W komentarzach pojawiają się głosy: „Może ta osoba jest neuroatypowa, bądź bardziej wyrozumiała!” albo „Nie przyszło Ci do głowy, że to może być autyzm?”. Intencja — empatia — jest cenna. Ale czy wystarczy, by zignorować wymagania stanowiska?

Tu właśnie pojawia się napięcie między dwoma podejściami. Z jednej strony mamy reakcje emocjonalne, często oparte na domniemaniach, które zakładają, że każde nietypowe zachowanie musi wynikać z neuroróżnorodności. Z drugiej strony — profesjonalne podejście, które nie ignoruje empatii, ale opiera się na faktach, obserwacjach i wymaganiach konkretnej roli.

Pseudonaukowe podejście zakłada, że nietypowe zachowanie to automatycznie sygnał neuroatypowości. W efekcie może prowadzić do faworyzowania kandydatów na podstawie przypuszczeń, a nie kompetencji. Co gorsza, może też prowadzić do niesprawiedliwego traktowania innych kandydatów, którzy nie wpisują się w ten schemat. To podejście ignoruje realne potrzeby stanowiska i odrzuca obiektywne kryteria oceny.

Empatia nie polega na rezygnacji z kryteriów — polega na mądrym ich zastosowaniu.

Z kolei podejście oparte na EBM — Evidence-Based Management — nie zakłada przyczyn bez dowodów. Jeśli komunikacja jest trudna, rekruter może dostosować formę rozmowy (np. pytania pisemne, zadania praktyczne), ale nadal ocenia realne kompetencje. Empatia nie wyklucza profesjonalizmu. Wręcz przeciwnie — pozwala stworzyć warunki, w których każdy kandydat może pokazać swoje mocne strony, bez obniżania standardów.

Warto więc pamiętać, że:

• neuroróżnorodność nie zwalnia z oceny kompetencji,
• empatia nie oznacza rezygnacji z wymagań,
• profesjonalizm nie wyklucza zrozumienia.

Fot. Tara Winstead | pexels.com

Rekrutacja to nie test neurotypu, lecz ocena dopasowania do roli. Jeśli komunikacja jest kluczowa, to musi być oceniana. Jeśli nie jest — można ją obejść, ale nie ignorować. I choć ciekawość co do neuroatypowości może się pojawić, nie może wpływać na decyzję, jeśli nie ma związku z kompetencjami.

Dla menedżera HR podejście oparte na EBM (Evidence-Based Management) to nie tylko narzędzie oceny, ale sposób na budowanie sprawiedliwego i skutecznego procesu rekrutacyjnego. Dzięki EBM można projektować rozmowy kwalifikacyjne tak, by były bardziej trafne diagnostycznie — czyli faktycznie mierzyły to, co ma znaczenie dla danego stanowiska. Zamiast polegać na intuicji czy stereotypach, menedżer korzysta z danych, obserwacji i sprawdzonych metod, by ocenić kompetencje kandydata. To podejście pozwala też lepiej dokumentować decyzje rekrutacyjne, co jest szczególnie ważne w kontekście zgodności z przepisami prawa pracy i polityką równego traktowania. W praktyce EBM pomaga oddzielić to, co istotne (np. zdolność do współpracy, rozwiązywania problemów), od tego, co powierzchowne (np. styl komunikacji odbiegający od normy), dając szansę każdemu kandydatowi na uczciwą ocenę.

Zanim zaprojektujesz proces rekrutacyjny, zapoznaj się z aktualnymi badaniami dotyczącymi skutecznych metod oceny kompetencji, wpływu neuroróżnorodności na funkcjonowanie zawodowe oraz praktyk HR wspierających inkluzywność. Korzystaj z recenzowanych źródeł (np. Sustainability, Equality, Diversity and Inclusion, Academy of Management Review) oraz studiów przypadków firm wdrażających programy neuroinkluzji. Ten etap pozwala uniknąć błędnych założeń, pseudonaukowych uproszczeń i nieświadomej dyskryminacji. To także punkt wyjścia do tworzenia narzędzi oceny, które są trafne, sprawiedliwe i zgodne z aktualną wiedzą.

W tym sensie neuroróżnorodność nie jest wymówką — jest zaproszeniem do mądrzejszego projektowania procesów rekrutacyjnych. Takich, które nie bazują na domysłach, lecz na sprawdzonych danych. Które nie ulegają emocjom, lecz opierają się na świadomej obserwacji. Które nie dryfują w stronę pseudonauki, lecz zakorzeniają się w rzetelnej, empatycznej praktyce.

więcej

Leksykon jako narzędzie zarządzania wiedzą w Evidence-Based Management

Evidence-Based Management (EBM) zakłada podejmowanie decyzji w oparciu o najlepsze dostępne dowody — empiryczne, eksperckie i kontekstowe. W tym procesie niezbędne jest narzędzie, które porządkuje pojęcia, umożliwia ich jednoznaczną interpretację i wspiera komunikację międzydziedzinową. Leksykon, jako uporządkowany zbiór terminów, definicji i kontekstów, może pełnić rolę epistemicznego interfejsu między teorią a praktyką.

Leksykon w kontekście Evidence-Based Management nie jest jedynie narzędziem porządkującym terminologię — stanowi on fundamentalny komponent systemu zarządzania wiedzą, który integruje logikę poznania z praktyką organizacyjną. Jego funkcja wykracza poza klasyczne rozumienie słownika: leksykon nie tylko definiuje pojęcia, lecz także organizuje ich znaczenia w sposób zgodny z paradygmatem dowodowym, umożliwiając ich zastosowanie w procesach decyzyjnych, komunikacyjnych i regulacyjnych.

Z epistemologicznego punktu widzenia, leksykon pełni rolę stabilizatora znaczeń w środowisku poznawczo złożonym. W praktyce EBM, gdzie decyzje podejmowane są na podstawie danych empirycznych, ekspertyz i kontekstu organizacyjnego, precyzyjne rozumienie pojęć jest warunkiem koniecznym trafności i skuteczności działania. Leksykon umożliwia redukcję niejednoznaczności, wspiera interpretację danych oraz pozwala na rekonstrukcję intencji komunikacyjnych w sposób zgodny z logiką dowodu. W tym sensie stanowi on narzędzie epistemicznego porządku — nie tylko opisuje rzeczywistość, lecz także ją współtworzy poprzez selekcję, klasyfikację i profilowanie znaczeń.

Z perspektywy teorii systemów, leksykon można traktować jako subsystem organizacyjny, który reguluje przepływ informacji między aktorami instytucjonalnymi. W organizacjach opartych na dowodach, takich jak instytucje publiczne, NGO czy zespoły projektowe, leksykon pełni funkcję semantycznego interfejsu — umożliwia komunikację między subsystemami (np. prawnym, medycznym, administracyjnym) poprzez standaryzację języka i struktur pojęciowych. Dzięki temu możliwe jest nie tylko uspójnienie komunikacji, lecz także zwiększenie efektywności operacyjnej i zgodności regulacyjnej. Leksykon działa tu jako mechanizm redukcji złożoności — upraszcza środowisko decyzyjne, umożliwiając szybkie rozpoznanie i zastosowanie właściwych procedur, norm i interpretacji.

Warto również podkreślić, że leksykon w EBM nie jest strukturą statyczną. Jako narzędzie systemowe, powinien być projektowany w sposób otwarty, umożliwiający jego aktualizację, adaptację i rozszerzanie w odpowiedzi na zmieniające się warunki organizacyjne, prawne i społeczne. W tym sensie leksykon staje się nie tylko repozytorium wiedzy, lecz także mechanizmem organizacyjnego uczenia się — dokumentuje ewolucję praktyk, ujawnia napięcia definicyjne i wspiera procesy refleksji nad standardami działania.

Epistemologiczne podstawy leksykonu

Leksykon w EBM nie jest jedynie narzędziem językowym — jego struktura i funkcje wynikają z określonego modelu poznania:

• Poznanie jako system interpretacyjny: W ujęciu konstruktywistycznym znaczenie pojęć jest konstruowane w interakcji między podmiotem poznającym a kontekstem działania. Leksykon porządkuje te konstrukty, nadając im stabilność operacyjną.
• Redukcja niejednoznaczności: W środowiskach decyzyjnych (np. prawo pracy, świadczenia społeczne, NGO) pojęcia często funkcjonują w sposób wieloznaczny. Leksykon pełni funkcję epistemicznego filtra, który redukuje niejednoznaczność i wspiera trafność decyzji.
• Odzwierciedlenie logiki dowodu: Hasła leksykonu powinny być konstruowane zgodnie z zasadami logiki formalnej i empirycznej — tj. zawierać przesłanki, źródła, konteksty użycia i potencjalne ograniczenia interpretacyjne.

Teoria systemów a funkcja leksykonu

Z perspektywy teorii systemów (np. Niklas Luhmann, Stafford Beer), leksykon można traktować jako subsystem zarządzania wiedzą w organizacji:

• System komunikacyjny: Leksykon organizuje przepływ informacji między aktorami systemu — np. między działem HR a działem prawnym, między NGO a instytucją publiczną.
• Redukcja złożoności: Leksykon redukuje złożoność środowiska decyzyjnego poprzez standaryzację pojęć i ich interpretacji.
• Autopojeza semantyczna: Systemy społeczne wytwarzają własne znaczenia. Leksykon dokumentuje i porządkuje te znaczenia, umożliwiając ich replikację i transfer między kontekstami.

Struktura hasła leksykonowego

Każde hasło powinno zawierać:

1. Formę hasłową: np. „świadczenie rehabilitacyjne”, „refundacja składek ZUS”, „NGO”.
2. Definicję:
   • klasyczną: zgodną z aktami prawnymi,
   • kognitywną: jak pojęcie funkcjonuje w praktyce,
   • systemową: jak pojęcie wpływa na przepływ informacji i decyzji w organizacji.
3. Profilowanie znaczeniowe: np. „świadczenie rehabilitacyjne” w kontekście medycznym oznacza kontynuację leczenia, a w kontekście prawnym — świadczenie wypłacane przez ZUS po zakończeniu zasiłku chorobowego.
4. Źródła:
   • systemowe: ustawy, rozporządzenia,
   • tekstowe: publikacje naukowe, raporty,
   • ankietowe: badania opinii praktyków.
5. Kwalifikatory: np. etymologia, gramatyka, konotacje, przykłady użycia w dokumentach urzędowych.

Przykładowe hasła

1. Refundacja składek ZUS
   Definicja klasyczna: Zwrot części składek na ubezpieczenia społeczne finansowanych przez pracodawcę, możliwy w przypadku zatrudnienia osoby z orzeczeniem o niepełnosprawności.
   Źródło: Ustawa z dnia 27 sierpnia 1997 r. o rehabilitacji zawodowej i społecznej oraz zatrudnianiu osób niepełnosprawnych.
   Profilowanie: W praktyce może oznaczać zarówno zwrot miesięczny, jak i roczny, zależnie od formy zatrudnienia i rodzaju niepełnosprawności.

2. NGO (organizacja pozarządowa)
   Definicja: Podmiot działający w sferze pożytku publicznego, niezależny od administracji rządowej, często wykorzystywany jako forma organizacyjna w projektach społecznych i edukacyjnych.
   Profilowanie: W kontekście EBM NGO może pełnić rolę operatora projektów badawczych, edukacyjnych lub świadczeniowych, np. w zakresie aktywizacji zawodowej osób z niepełnosprawnościami.

3. Świadczenie rehabilitacyjne
   Definicja: Świadczenie wypłacane przez ZUS osobie, która po zakończeniu okresu zasiłku chorobowego nadal wymaga leczenia i nie jest zdolna do pracy.
   Źródło: Ustawa z dnia 25 czerwca 1999 r. o świadczeniach pieniężnych z ubezpieczenia społecznego w razie choroby i macierzyństwa.
   Profilowanie: W praktyce często mylone z zasiłkiem chorobowym; wymaga odrębnego wniosku i zaświadczenia lekarskiego.

Interdyscyplinarne podstawy leksykonu

Projektowanie leksykonu w EBM angażuje wiele dyscyplin naukowych:

• Epistemologia: konstrukcja znaczeń, logika dowodu, kontekstualność wiedzy.
• Teoria systemów: organizacja przepływu informacji, redukcja złożoności, semantyczna autopojeza.
• Semiotyka: kodowanie i dekodowanie znaczeń, intertekstualność.
• Linguistyka kognitywna: profilowanie pojęciowe, metafory organizacyjne.
• Zarządzanie wiedzą: ontologie, pamięć organizacyjna, inżynieria informacji.
• Prawo: definicje legalne vs. operacyjne, hermeneutyka regulacyjna.
• Socjologia organizacji: instytucjonalizacja znaczeń, konflikty definicyjne.
• Psychologia poznawcza: ergonomia informacji, schematy poznawcze.

Podsumowując, leksykon w zarządzaniu opartym na dowodach to narzędzie o charakterze epistemologicznym, komunikacyjnym i systemowym. Jego opracowanie wymaga interdyscyplinarnej współpracy, precyzji redakcyjnej oraz głębokiego zrozumienia logiki poznania i funkcjonowania organizacji. W efekcie leksykon nie tylko porządkuje język praktyki zawodowej, lecz także wspiera racjonalność decyzji, transparentność komunikacji i trwałość instytucjonalnych struktur wiedzy.

Bibliografia

1. Bartmiński, Jerzy (2020): In search of an ethnolinguistic paradigm: A glossary of key terms and concepts. w: Juzn Filol 76 (2), s. 79–103. DOI: 10.2298/JFI2002079B.
2. Gajda, Stanisław (2017): Język w nauce (w perspektywie filozoficzno-lingwistycznej). w: Parezja (2(8)), s. 9–20. DOI: 10.15290/parezja.2017.08.02.
3. Uździcka, Marzanna (2017): O nowym pojęciu glosariusza (na materiale literatury fantasy). Rekonesans badawczy. w: Stylistyka (26), s. 269–289. DOI: 10.25167/Stylistyka26.2017.17.

więcej

Wizioner, który ukształtował przyszłość wydawnictw naukowych: Bruce Rosenblum

Gdy pięć największych organizacji zrzeszających wydawców naukowych po raz pierwszy w historii połączyło siły, aby stworzyć wspólną nagrodę, wybór patrona był oczywisty. Nagroda Rosenbluma za Wpływ Publikacji Naukowych honoruje pamięć Bruce'a Rosenbluma — człowieka, którego wizja i determinacja na zawsze zmieniły sposób, w jaki komunikujemy się w świecie nauki.

Pionier cyfryzacji

Bruce Rosenblum należał do grona tych rzadkich innowatorów, którzy potrafili dostrzec potencjał nowych technologii na długo przed tym, jak stały się one standardem. W czasach, gdy świat akademicki dopiero zaczynał eksperymentować z możliwościami internetu, Rosenblum już pracował nad rozwiązaniami, które miały fundamentalnie zmienić sposób publikowania i udostępniania wiedzy naukowej.

Jego najważniejszym osiągnięciem była praca nad definicjami typów dokumentów (DTD) — może nie brzmi to spektakularnie dzisiaj, ale w latach 90. było to przełomowe podejście do strukturyzowania informacji cyfrowej. To właśnie te pozornie techniczne rozwiązania stały się fundamentem, na którym zbudowano współczesny ekosystem publikacji naukowych.

Wizja bez standardów to tylko marzenie; standardy bez wizji to tylko biurokracja

Bruce Rosenblum był wieloletnim prezesem firmy Inera (twórcy narzędzi Edifix i eXtyles), członkiem zarządu NISO i siłą napędową standardów JATS oraz STS, który po diagnozie stwardnienia zanikowego bocznego w 2017 roku stał się także adwokatem świadomości niepełnosprawności i wspierania badań nad SLA, pozostawiając po sobie dziedzictwo pioniera XML-a i DTD w wydawnictwach naukowych, mentora dla wielu pokoleń specjalistów branży oraz człowieka o niezwykłej odwadze i determinacji w obliczu przeciwności losu.

Bruce Rosenblum | doi.org

Księga standardów XML

Gdy większość branży wydawniczej wciąż myślała w kategoriach tradycyjnego druku, Rosenblum już propagował standardy XML. Rozumiał, że przyszłość publikacji naukowych leży w strukturyzowanych, wzajemnie połączonych danych, które mogą być łatwo wyszukiwane, analizowane i udostępniane.

Jego wysiłki w zakresie promocji XML-a nie były jedynie techniczną fascynacją — to była wizja świata, w którym wiedza naukowa stanie się bardziej dostępna, a komunikacja między badaczami będzie płynniejsza i efektywniejsza. Dziś, gdy każdego dnia korzystamy z zaawansowanych systemów wyszukiwania publikacji, zarządzania referencjami czy analiz bibliometrycznych, trudno wyobrazić sobie, że ktoś musiał najpierw stworzyć techniczne podstawy dla tych rozwiązań.

Rosenblum nie ograniczał się jednak do samej technologii. Równie ważną częścią jego dziedzictwa było wdrażanie zaawansowanych praktyk redakcyjnych, które podnosiły jakość i spójność publikacji naukowych. W czasach, gdy proces wydawniczy często polegał na improwizacji, on wprowadzał systematyczne, oparte na standardach podejście do edycji i przygotowania tekstów naukowych.

Pierwsza Nagroda Rosenbluma

Nie przypadkiem pierwszą Nagrodą Rosenbluma za Wpływ Publikacji Naukowych wyróżniono system DOI (Digital Object Identifier) for Scholarly Publishing. To doskonały przykład tego, jak wizja Rosenbluma przekształciła się w praktyczne rozwiązania, które dziś są niezbędne dla funkcjonowania nauki.

DOI, wdrożony przez Crossref, stał się w ciągu ostatnich trzech dekad fundamentalną infrastrukturą łączności dla publikacji naukowych. Zapewnia trwałą identyfikację i możliwość wyszukiwania obiektów badawczych, niezależnie od zmian w strukturze sieci. To właśnie ten rodzaj myślenia — o trwałości, interoperacyjności i dostępności — charakteryzował podejście Rosenbluma do technologii wydawniczych.

Dziedzictwo

Współpraca pięciu czołowych organizacji branżowych — ALPSP, AUPresses, NISO, SSP i STM — przy tworzeniu tej nagrody to samo w sobie historyczne wydarzenie. Po raz pierwszy w historii te organizacje połączyły siły w tak ambitnym przedsięwzięciu. To świadectwo tego, jak daleko sięga wpływ pracy Rosenbluma — jego wizja nie tylko przekształciła technologie, ale także sposób myślenia całej branży o współpracy i standardach.

Nagroda nie wyróżnia konkretnych osób czy organizacji, nie wiąże się też z nagrodą pieniężną. Zamiast tego honoruje elementy ekosystemu, które umożliwiają produkcję, rozpowszechnianie i współpracę niezbędną dla komunikacji naukowej. To podejście również odzwierciedla filozofię Rosenbluma — koncentrację na systemowych rozwiązaniach, które służą całej społeczności naukowej.

Lekcja

W kontekście współczesnych wyzwań związanych z Evidence-Based Management, dziedzictwo Bruce'a Rosenbluma nabiera szczególnego znaczenia dla zarządzania organizacjami naukowymi i wydawniczymi. Jego wizja standaryzacji i systematyzacji procesów wydawniczych znajduje dziś odzwierciedlenie w metodach zarządzania opartych na danych i dowodach naukowych. Systemy takie jak DOI nie tylko ułatwiają zarządzanie zasobami publikacyjnymi, ale także dostarczają menedżerom wydawnictw naukowych solidnych metryk do podejmowania decyzji strategicznych opartych na faktach, a nie intuicji.

Bariera przeciw negacjonizmowi w zarządzaniu

W obliczu narastającego negacjonizmu naukowego w praktykach zarządzania organizacjami, infrastruktura stworzona przez pionierów takich jak Rosenblum staje się fundamentem dla evidence-based leadership. Standaryzowane procesy, trwałe systemy identyfikacji i strukturyzowane dane umożliwiają menedżerom weryfikację skuteczności różnych strategii i przeciwdziałanie podejmowaniu decyzji opartych na modach zarządczych czy pseudonaukowych teoriach. Gdy świat biznesu bombardowany jest niesprawdzonymi metodami zarządzania, solidne systemy dokumentacji i śledzenia wyników stanowią niezbędne narzędzie dla odpowiedzialnych liderów.

Nagroda Rosenbluma za Wpływ Publikacji Naukowych to więcej niż honor dla przeszłych osiągnięć — to zobowiązanie do kontynuowania pracy nad innowacjami, które w erze EBM i walki z negacjonizmem sprawią, że komunikacja naukowa i praktyki menedżerskie staną się jeszcze bardziej oparte na dowodach, weryfikowalne i odporne na manipulacje. Tak jak Rosenblum budował fundamenty dla cyfrowej rewolucji w nauce, dziś musimy budować infrastruktury zarządzania, które ochronią organizacje przed podejmowaniem decyzji opartych na fałszywych przesłankach i niesprawdzonych teoriach.

Źródła

1. Nagroda Rosenbluma za Wpływ na Wydawnictwa Naukowe (Scholarly Publishing Impact), https://rosenblumaward.org/
2. Remembering Bruce Rosenblum, https://www.niso.org/niso-io/2023/12/remembering-bruce-rosenblum

więcej