Standardy stawiania pytań

Evidence-Based Management (EBM) to podejście, które kładzie nacisk na podejmowanie decyzji opartych na najlepszych dostępnych dowodach naukowych. Kluczowym elementem tego podejścia jest umiejętne stawianie pytań, które pozwalają na precyzyjne określenie problemów i poszukiwanie rozwiązań. Wśród popularnych struktur stosowanych w stawianiu pytań wyróżniają się PICO, PICOSS, SPICE, ECLIPSE oraz inne warianty, które pomagają uporządkować proces myślowy i zapewnić trafność analiz.

Struktura PICO

Model PICO (Patient/Problem, Intervention, Comparison, Outcome) wywodzi się z medycyny opartej na dowodach (EBM), ale jest równie skuteczny w zarządzaniu. Struktura PICO pomaga formułować pytania badawcze poprzez rozłożenie problemu na cztery kluczowe elementy:

• P (Problem/Population): Jakie jest główne zagadnienie lub populacja, która wymaga analizy? Np. "pracownicy w dziale sprzedaży o wysokim poziomie wypalenia zawodowego".

• I (Intervention): Jakie działania lub strategie mają zostać ocenione? Np. "wdrożenie programu mentoringowego".

• C (Comparison): Czy istnieje alternatywa dla proponowanego podejścia? Np. "standardowe szkolenia".

• O (Outcome): Jakie są oczekiwane wyniki? Np. "zmniejszenie poziomu wypalenia zawodowego i poprawa wyników pracy".

Przykładowe pytanie PICO w kontekście zarządzania mogłoby brzmieć:

"Czy wdrożenie programu mentoringowego (I) w porównaniu do standardowych szkoleń (C) poprawi wyniki pracy i zmniejszy poziom wypalenia zawodowego (O) wśród pracowników działu sprzedaży (P)?"

Rozszerzona struktura PICOSS

PICOSS (Population, Intervention, Comparison, Outcome, Setting, Study Design) stanowi rozwinięcie modelu PICO, umożliwiając uwzględnienie dodatkowych czynników kontekstowych:

• S (Setting): Gdzie prowadzone będą badania? Np. "międzynarodowe firmy z sektora technologicznego".

• S (Study Design): Jakiego rodzaju badania będą prowadzone? Np. "randomizowane badania kontrolowane" lub "badania przekrojowe".

Dodanie tych elementów jest szczególnie ważne, gdyż uwzględnia uwarunkowania organizacyjne oraz metodyczne, co podnosi jakość i wiarygodność wyników.

Alternatywne struktury: SPICE i ECLIPSE

W literaturze dotyczącej EBM można spotkać również inne struktury, takie jak:

• SPICE (Setting, Perspective, Intervention, Comparison, Evaluation): Skupia się na perspektywie interesariuszy i ocenie wyników. Jest stosowana do oceny skuteczności procesów lub strategii organizacyjnych.

• ECLIPSE (Expectation, Client group, Location, Impact, Professionals, SErvice): Odpowiednia dla pytań związanych z usługami i organizacją pracy. Pozwala na analizę efektów oczekiwanych przez klientów oraz wpływu na usługi.

Każda z tych struktur jest równoważnym standardem, a ich zastosowanie zależy od charakteru badanego problemu i kontekstu organizacyjnego. Wybór odpowiedniej struktury powinien być dostosowany do specyfiki pytań badawczych i celów analizy.

Zastosowanie struktur w Evidence-Based Management

Stawianie pytań w oparciu o standardowe modele, takie jak PICO, PICOSS, SPICE czy ECLIPSE, pozwala na systematyczne podejście do rozwiązywania problemów. Kluczowe korzyści to:

1. Precyzja: Wyraźnie zdefiniowanie problemu i oczekiwań.

2. Efektywność: Skrócenie czasu potrzebnego na zebranie odpowiednich dowodów.

3. Wiarygodność: Wsparcie decyzji przez solidne podstawy naukowe.

Przykłady zastosowania obejmują m.in. analizę skuteczności strategii zarządzania zmianą, ocenę wdrożeń technologicznych czy optymalizację procesów HR.

Zdjęcie dodane przez Nathan Cowley: https://www.pexels.com

Podsumowanie

Wprowadzenie struktur takich jak PICO, PICOSS, SPICE czy ECLIPSE do procesu decyzyjnego w zarządzaniu wspiera rozwój organizacji w oparciu o sprawdzone dowody. Odpowiednio postawione pytania pomagają uniknąć subiektywnych decyzji i skupić się na rozwiązaniach, które są najbardziej efektywne i dostosowane do potrzeb organizacji. Dlatego też standardy stawiania pytań powinny stać się nieodłącznym elementem praktyki Evidence-Based Management.

więcej

Kanwa Evidence-Based Management

Kanwa Evidence-Based Management (EBM) to narzędzie, które pomaga w zorganizowany sposób przeprowadzić proces podejmowania decyzji w organizacji. Opiera się na analizie rzetelnych danych i dowodów pochodzących z różnych źródeł, takich jak badania naukowe, dane organizacyjne, opinie ekspertów oraz wartości czy oczekiwania interesariuszy. Umożliwia menedżerom podejmowanie skutecznych, przemyślanych i uzasadnionych decyzji, które zwiększają efektywność i trafność działań w organizacji.

Kanwa Evidence-Based Management (EBM)

^{Umożliwia menedżerom podejmowanie skutecznych, przemyślanych i uzasadnionych decyzji.}

1. Pytanie problemowe Zidentyfikowanie kluczowego problemu lub wyzwania menedżerskiego. Etap ten polega na: Dokładnym zrozumieniu kontekstu organizacyjnego i sytuacji, w której pojawia się problem. Formułowaniu pytania w sposób jasny i precyzyjny, aby umożliwić ukierunkowane poszukiwanie dowodów. Ustaleniu, jakie cele chcemy osiągnąć i jakie kryteria będą świadczyły o sukcesie w rozwiązaniu problemu. Zapewnieniu, że pytanie jest istotne dla interesariuszy i wpisuje się w strategiczne cele organizacji.		2. Dane i dowody Gromadzenie dowodów z 6 źródeł: Badania naukowe: Przegląd literatury naukowej, takich jak artykuły recenzowane, metaanalizy i raporty badawcze. Ważne jest uwzględnienie badań dotyczących zachowań organizacyjnych i specyfiki lokalnych oraz globalnych rynków. Szara literatura: Raporty rządowe, białe księgi, materiały konferencyjne oraz opracowania organizacji branżowych, które często dostarczają najnowszych danych praktycznych. Dane organizacyjne: Wewnętrzne dane firmy, w tym raporty operacyjne, wyniki finansowe, analizy KPI czy dane o satysfakcji pracowników i klientów, pomagają określić bieżące wyzwania i trendy. Opinie ekspertów: Rekomendacje praktyków i specjalistów branżowych, którzy mogą dostarczyć pogłębionych spostrzeżeń opartych na doświadczeniu zawodowym. Ważne jest krytyczne podejście, aby uniknąć wpływu uprzedzeń. Wartości i oczekiwania interesariuszy: Zrozumienie potrzeb i priorytetów osób zaangażowanych w proces decyzyjny, zarówno wewnątrz, jak i na zewnątrz organizacji. Uwzględnienie ich punktu widzenia buduje zaangażowanie i akceptację wdrażanych rozwiązań. Aspekty kulturowe: Analiza norm, wartości, przekonań i praktyk charakterystycznych dla organizacji, branży oraz szerszego środowiska, w którym funkcjonuje firma.
3. Analiza danych Analiza zgromadzonych dowodów z wykorzystaniem metod ilościowych i jakościowych.		4. Wnioski i rekomendacje Opracowanie i priorytetyzacja rekomendacji opartych na danych.
5. Implementacja Wdrożenie rekomendacji w praktyce oraz monitorowanie efektów.

CC BY-NC-ND 4.0

Kanwa Evidence-Based Management (EBM) to narzędzie, które pomaga w zorganizowany sposób przeprowadzić proces podejmowania decyzji w organizacji.

Jak zacytować ten post w APA7?

Janulek, P. (2024, December 25). Kanwa Evidence-Based Management. Konfraternia Naukowa Badań Dowodowych. https://badania-naukowe.blogspot.com/2024/12/kanwa-evidence-based-management.html

więcej

Publikacyjny bias: przyczyny, skutki i jak go minimalizować

Publikacyjny bias (ang. publication bias) to zjawisko, które występuje, gdy wyniki badań naukowych nie są publikowane lub są publikowane w sposób, który faworyzuje pewne wyniki. Ten typ błędu może prowadzić do wypaczenia obrazu całego badania naukowego, co ma poważne konsekwencje zarówno dla naukowców, jak i dla opinii publicznej. Publikacyjny bias ma duże znaczenie szczególnie w kontekście metaanaliz, które zbierają i analizują wyniki wielu badań, a także przy podejmowaniu decyzji na podstawie dostępnych danych.

Przyczyny publikacyjnego biasu

1. Preferencja dla wyników pozytywnych
   Jedną z głównych przyczyn publikacyjnego biasu jest preferencja dla wyników pozytywnych lub statystycznie istotnych. W badaniach naukowych częściej publikowane są wyniki, które wykazują efekty lub związki pomiędzy badanymi zmiennymi. Z kolei wyniki neutralne lub negatywne (które nie pokazują oczekiwanego efektu) są mniej chętnie publikowane, ponieważ nie są uznawane za interesujące.

2. Czynniki finansowe i interesy
   Często to sponsorzy badań (np. firmy farmaceutyczne) mogą wywierać wpływ na decyzje o publikacji wyników. Badania, które nie są zgodne z oczekiwaniami sponsorów, mogą nie zostać opublikowane lub zostać opóźnione. Takie praktyki są szczególnie problematyczne w obszarach medycyny i nauk społecznych, gdzie wyniki badań mogą mieć duże konsekwencje.

3. Preferencje czasopism
   Czasopisma naukowe często preferują publikację badań, które przedstawiają nowe i innowacyjne wyniki. Badania, które potwierdzają znane teorie lub wykazują brak efektu, są mniej atrakcyjne dla redakcji, co może prowadzić do ich odrzucenia. Czasopisma mogą także być bardziej skłonne do publikowania badań, które pasują do aktualnych trendów naukowych.

4. Obawa przed negatywną oceną
   Naukowcy mogą czuć presję, by publikować tylko badania, które wykazują "sensacyjne" wyniki. Obawa przed odrzuceniem badań o negatywnych lub neutralnych wynikach prowadzi do zniekształcenia obrazu całej dziedziny naukowej. Takie zjawisko jest szczególnie widoczne wśród młodszych badaczy, którzy chcą zwiększyć swoje szanse na uznanie i karierę.

Skutki publikacyjnego biasu

1. Zniekształcenie obrazu wiedzy
   Publikacyjny bias prowadzi do tego, że niepełne dane trafiają do publicznego obiegu. W efekcie nauka rozwija się na podstawie fragmentarycznych informacji, które mogą prowadzić do błędnych wniosków i decyzji. Badania, które nie wykazują oczekiwanego efektu, są pomijane, co zniekształca ogólny obraz badanego zjawiska.

2. Wypaczenie metaanaliz
   Metaanalizy, które są podstawowym narzędziem do podsumowywania wyników wielu badań, mogą być poważnie wypaczone, jeśli uwzględniają tylko badania z pozytywnymi wynikami. Taki proces prowadzi do "nadinterpretacji" efektów, które mogą nie być tak silne, jak to się wydaje. Z kolei brak uwzględnienia badań o negatywnych wynikach może prowadzić do nadmiernej pewności co do skuteczności danego rozwiązania.

3. Zmniejszenie zaufania do nauki
   Kiedy publikacyjny bias staje się publicznie znany, może to prowadzić do utraty zaufania do nauki i jej instytucji. Społeczeństwo może zacząć wątpić w obiektywność naukowców i badań, co wpływa na postrzeganą wartość nauki w debacie publicznej.

4. Opóźnienie postępu naukowego
   Jeśli tylko niektóre wyniki są publikowane, to może dojść do sytuacji, w której niewłaściwe lub niewystarczające rozwiązania są uznawane za "prawdziwe". W konsekwencji proces naukowy zostaje opóźniony, ponieważ badacze nie mają pełnej wiedzy o istniejących rozwiązań lub efektach.

Jak minimalizować publikacyjny bias?

1. Rejestracja badań przed rozpoczęciem
   Aby zmniejszyć publikacyjny bias, badania powinny być rejestrowane przed rozpoczęciem w odpowiednich rejestrach. Dzięki temu wszyscy zainteresowani mają wgląd w zaplanowane badania, a także w wyniki, niezależnie od tego, czy są pozytywne, czy negatywne.

2. Publikacja wyników negatywnych
   Zachęcanie do publikowania wyników negatywnych jest kluczowe. Czasopisma i naukowcy powinni dążyć do równowagi w publikowanych badaniach, uwzględniając również te, które nie wykazują statystycznie istotnych efektów.

3. Zwiększenie przejrzystości w publikacjach
   Zwiększenie transparentności procesu publikacji poprzez szczegółowe przedstawienie metodologii, danych oraz wyników badania pomoże w zmniejszeniu publikacyjnego biasu. Naukowcy powinni dążyć do pełnej dostępności swoich danych i wyników, aby umożliwić ich weryfikację przez innych badaczy.

4. Wspieranie niezależnych źródeł finansowania
   Warto promować badania finansowane przez niezależne źródła, które nie mają interesu w prezentowaniu określonych wyników. Dodatkowo, należy zwiększyć dostępność funduszy na badania, które nie muszą odpowiadać na konkretne zapotrzebowanie rynku.

Podsumowanie

Publikacyjny bias stanowi istotne wyzwanie dla współczesnej nauki i naukowców. Choć jego istnienie jest nieuniknione, istnieją liczne sposoby na jego minimalizowanie. Poprzez zwiększenie transparentności, rejestrację badań i publikowanie wyników negatywnych, możemy dążyć do bardziej rzetelnych i obiektywnych wniosków naukowych. Ważne jest, aby wszyscy uczestnicy procesu naukowego, od badaczy po czasopisma, podejmowali świadome kroki na rzecz eliminacji publikacyjnego biasu, aby badania były jak najbardziej rzetelne i obiektywne.

więcej

Kanwa Procesu Systematycznego Przeglądu Literatury (SLR)

Zaletą kanwy jest jej prostota i przejrzystość, ponieważ skupia się na kluczowych elementach procesu na jednej stronie.

Kanwa Procesu Systematycznego Przeglądu Literatury (SLR)

^{Narzędzie, które pomaga w zorganizowany sposób przeprowadzić SLR.}

Etap 1: Określenie pytania badawczego Określenie głównego pytania badawczego Skompletowanie zespołu Identyfikacja obszaru tematycznego Zdefiniowanie zakresu i granic przeglądu literatury	Etap 2: Wybór kryteriów włączenia/wyłączenia Określenie kryteriów jakościowych i tematycznych Ustalenie kryteriów daty publikacji, języka, rodzaju publikacji Definicja metodologii badawczej	Etap 3: Wyszukiwanie literatury Wyszukiwanie artykułów w bazach danych Selekcja publikacji na podstawie ustalonych kryteriów Rejestracja wyników wyszukiwania	Etap 4: Selekcja i ocena jakości Przegląd i selekcja pełnych tekstów Ocena jakości metodologii badań Weryfikacja ryzyka biasu	Etap 5: Analiza danych Analiza jakościowa i/lub ilościowa wyników badań Podsumowanie i kategoryzacja wyników Identyfikacja trendów i luk badawczych
Etap 6: Wnioski i publikacja Podsumowanie wyników przeglądu literatury Wnioski z analizy i sugestie na przyszłość Przygotowanie raportu końcowego Przesłanie artykułu do czasopisma naukowego Publikacja wyników przeglądu

CC BY-NC-ND 4.0

Kanwa procesu Systematycznego Przeglądu Literatury (SLR) to narzędzie, które pomaga w zorganizowany sposób przeprowadzić przegląd istniejącej literatury na określony temat.

więcej

Szkolenie pt. Efektywne zarządzanie bibliografią

Istotnym elementem każdego procesu badawczego, występującym na niemal każdym etapie pracy naukowca, jest przegląd i analiza literatury przedmiotu. Celem szkolenia jest zwrócenie uwagi na to, jak zorganizować literaturę z wykorzystaniem baz danych w połączeniu z nowoczesnymi narzędziami technologicznymi, takimi jak menedżery bibliografii (RMS, Reference Management Software). Takie działania, które wkrótce staną się stałym elementem metodologii badań naukowych, powinny mieć szczególne znaczenie w dyscyplinie nauk o zarządzaniu i jakości, której głównym celem jest poszukiwanie coraz to nowszych rozwiązań wpływających na lepszą organizację oraz większą efektywność wykonywanych zadań i prac.

Program ramowy:

1. Citavi: instalacja programu i współpraca z wtyczkami do Adobe i WORD,
2. Citavi: automatyzacja tworzenia kopii projektu,
3. Citavi: dodawanie i opisywanie źródeł publikacji offline,
4. Citavi: dodawanie i opisywanie źródeł za pomocą numeru DOI, ISBN,
5. Citavi: dodawanie i opisywanie źródeł z pliku pdf,
6. Citavi: wyszukiwanie w bazach danych lub katalogach,
7. Citavi: importowanie i eksportowanie źródeł pomiędzy Citavi, ORCID i Google Scholar,
8. Przeglądarka Chrome: dodawanie publikacji za pomocą Citavi Picker,
9. WORD: osadzanie cytowań ze źródeł w stylu Oxford Referencing System, Harvard Referencing System: konwersja cytowań w tekście na cytowania w przypisach dolnych i odwrotnie.

Zamawiam indywidualnie
Grupowo
Krótki poradnik

Cena: do uzgodnienia lub barter
Język szkolenia: polski

Certyfikat na podstawie § 23 ust. 4 Rozporządzenia Ministra Edukacji i Nauki z dnia 6 października 2023 r. w sprawie kształcenia ustawicznego w formach pozaszkolnych (Dz. U. z 2023 r., poz. 2175).

Trener: Piotr Janulek, doktor nauk. Przedsiębiorca od 1997 roku, budujący mosty między edukacją a biznesem. Prowadzi platformę akademia-nauki.eu, skupiającą się na rachunkowości, komunikacji i rozwoju osobistym. Interesuje się mediami społecznościowymi, rachunkowością, innowacyjnymi modelami biznesowymi i zarządzaniem opartym na dowodach.

więcej

Analiza eksperymentu Maxa Ringelmanna

Badania naukowe są podstawą postępu w nauce, jednak pytanie, czy należy je przeprowadzać indywidualnie czy zespołowo, pozostaje aktualne. Nie inaczej jest w naukach społecznych. Słowo społeczne pełni tu rolę... przedmiotową.

Eksperyment Maxa Ringelmanna z 1913 roku — przeciągania liny, może służyć jako punkt wyjścia do analizy wpływu grupy na efektywność pracy badawczej. Badanie to ujawnia interesujące zjawisko związane z rozmyciem odpowiedzialności, które może mieć kluczowe znaczenie w kontekście zespołów (także badawczych). Warto również rozważyć, jakie psychologiczne mechanizmy mogą wpływać na wyniki badań w grupie, w tym zastosowanie teorii związanych z motywacją oraz dynamiką grupową.

Eksperyment Maxa Ringelmanna

Max Ringelmann przeprowadził eksperyment, w którym porównywał efektywność indywidualnego i grupowego przeciągania liny. Wyniki pokazały, że uczestnicy, którzy przeciągali linę w grupie, wykazywali mniejszą siłę niż ci, którzy brali udział w indywidualnych zawodach. Zjawisko to, nazwane efektem Ringelmanna, wskazuje na spadek wysiłku w sytuacji grupowej, co wynika z „rozmycia odpowiedzialności”. Kiedy ludzie pracują razem, często czują, że ich indywidualny wkład nie jest kluczowy dla końcowego wyniku. To może prowadzić do obniżenia zaangażowania i, w konsekwencji, gorszej efektywności grupy.

Zdjęcie dodane przez Ron Lach: pexels.com/pl-pl/zdjecie/osoba-trzymajaca-liny-9462995/

Inne modele psychologiczne

Analizując wpływ pracy zespołowej na badania naukowe, warto uwzględnić inne dwa modele psychologiczne, które mogą wyjaśniać, dlaczego praca w grupie może prowadzić do mniejszego zaangażowania:

1. Teoria rozmycia odpowiedzialności (Latané, Williams i Harkins, 1979)

   Zgodnie z teorią rozmycia odpowiedzialności, gdy ludzie pracują w grupie, mają tendencję do zmniejszenia swojego wysiłku, ponieważ czują, że ich indywidualny wkład nie będzie miał decydującego wpływu na wynik. Efekt ten jest szczególnie wyraźny, gdy członkowie grupy nie mają wyraźnie przypisanej roli lub odpowiedzialności. W badaniach naukowych, gdzie każdy członek zespołu wnosi swoją część wiedzy i umiejętności, brak indywidualnej odpowiedzialności za całość projektu może prowadzić do obniżonej motywacji i mniejszego zaangażowania w zadanie.

2. Teoria społecznego dowodu słuszności (Cialdini, 1984)

   Zgodnie z tą teorią, ludzie w grupie często kierują się zachowaniem innych członków, szczególnie w sytuacjach, gdy nie są pewni, jak się zachować. W kontekście badań naukowych może to prowadzić do sytuacji, w której członkowie grupy wpasowują się w oczekiwania i standardy innych badaczy, co może prowadzić do mniejszej kreatywności i oryginalności w pracy. Zamiast aktywnie angażować się w poszukiwania nowe rozwiązania, badacze mogą polegać na zachowaniach i metodach, które są już stosowane przez innych, przez co ich indywidualny wkład staje się mniejszy.

Praca indywidualna a współpraca zespołowa

Na podstawie efektu Ringelmanna oraz wspomnianych teorii psychologicznych, można wyciągnąć wnioski dotyczące zalet i wad pracy indywidualnej oraz zespołowej w badaniach naukowych.

1. Korzyści pracy indywidualnej:

   Praca w pojedynkę może zapewnić pełną kontrolę nad procesem badawczym. Badacz samodzielnie podejmuje decyzje dotyczące metodologii, analizy danych oraz kierunku badań. Ponadto, może to sprzyjać głębszemu zrozumieniu tematu, ponieważ badacz ma większą swobodę w zgłębianiu szczegółowych zagadnień. Dodatkowo, brak wpływu zewnętrznych oczekiwań umożliwia większą kreatywność i niezależność.

2. Korzyści współpracy w grupie:

   Z kolei współpraca w zespole badawczym umożliwia wymianę pomysłów, integrację różnych specjalistycznych umiejętności i doświadczeń, co może prowadzić do bardziej wszechstronnych i dokładnych badań. Jednak, jak pokazuje efekt Ringelmanna, kluczowe jest, aby zespół był dobrze zorganizowany, a odpowiedzialność za wyniki jasno określona, aby uniknąć rozmycia odpowiedzialności i spadku zaangażowania.

Zasada dwóch pizz

W kontekście organizacji efektywnych zespołów badawczych, warto również wspomnieć o tzw. zasadzie dwóch pizz, której autorem jest Jeff Bezos, założyciel Amazonu. Zasada ta mówi, że zespoły powinny mieć tyle członków, ile można nakarmić dwoma pizzami. Oznacza to, że zespół powinien liczyć od 4 do 6 osób, aby był wystarczająco mały, by umożliwić efektywną komunikację i współpracę, ale także wystarczająco duży, by posiadać różnorodne umiejętności i perspektywy. W kontekście badań naukowych, zasada ta podkreśla znaczenie utrzymywania małych, zwinnych grup, które mogą szybko podejmować decyzje i skupić się na konkretnych zadaniach, minimalizując ryzyko spadku zaangażowania i rozmycia odpowiedzialności.

 Odpowiedzialnie, razem – każda siła ma znaczenie.

Podsumowanie

Eksperyment Maxa Ringelmanna oraz modele psychologiczne, takie jak teoria rozmycia odpowiedzialności i teoria społecznego dowodu słuszności, ukazują, że badania naukowe prowadzone w grupie mogą napotkać pewne trudności związane z motywacją i zaangażowaniem członków zespołu. W pracy indywidualnej badacz ma pełną kontrolę nad projektem, co sprzyja większemu zaangażowaniu. Niemniej jednak, w przypadku złożonych badań, współpraca w zespole może przynieść lepsze efekty, pod warunkiem, że każdy członek grupy będzie odpowiedzialny za swój wkład i zaangażowanie. Ostatecznie, kluczem do sukcesu może być odpowiednia organizacja pracy zespołowej oraz jasny podział odpowiedzialności.

Źródła:

1. https://agilehunters.com/prozniactwo-spoleczne/ [2024-12-25]
2. Elizabeth Mieczkowski, Cameron Turner, Natalia V´elez, Thomas L. Griffiths, Many Hands Don’t Always Make Light Work: Explaining Social Loafing via Multiprocessing Efficiency, „Proceedings of the Annual Meeting of the Cognitive Science Society“ (2024), s. 5958–6005, https://cocosci.princeton.edu/papers/mieczkowski2024explaining.pdf.

więcej

Normy Mertona i Kontrnormy Mitroffa a prawdziwa nauka

Realia nauk o zarządzaniu i jakości opierają się na solidnych fundamentach metodologicznych, które zapewniają rzetelność, obiektywizm i skuteczność procesów badania i nauki. Normy Mertona, stworzone przez Roberta Mertona, wprowadziły zasady, które stanowią fundament dla naukowego podejścia do badań w różnych dziedzinach. Jednak w kontekście naszej dyscypliny, pojawia się również potrzeba rozważenia kontrnorm, zaproponowanych przez Iana Mitroffa, które odnoszą się do praktycznych wyzwań, jakie mogą wystąpić w rzeczywistości organizacyjnej. Artykuł ten omawia zastosowanie norm Mertona oraz kontrnorm Mitroffa w kontekście nauk o zarządzaniu i jakości, wskazując ich znaczenie w zapewnieniu efektywności procesów organizacyjnych.

Normy Mertona

Robert Merton przedstawił cztery kluczowe zasady (tutaj ukazano ich pięć, jako późniejszy wariant), które odgrywają kluczową rolę w nauce i badaniach, a ich zastosowanie w obszarze zarządzania i jakości może stanowić fundament efektywnego podejścia do innowacji, rozwoju i doskonalenia procesów. W kontekście zarządzania, zasady te pomagają w zapewnieniu rzetelności i przejrzystości podejmowanych decyzji oraz utrzymaniu wysokiego standardu jakości nauki.

1. Uniwersalizm

Zasada uniwersalizmu zakłada, że wyniki i decyzje w zakresie zarządzania jakością oraz procesów organizacyjnych powinny być oceniane na podstawie jednolitych, obiektywnych kryteriów, niezależnie od tożsamości osoby podejmującej decyzję. W praktyce oznacza to, że metody oceny jakości i efektywności zarządzania muszą być uniwersalne, aby były stosowane w różnych kontekstach i organizacjach.

2. Obiektywizm

Zasada obiektywizmu oznacza, że decyzje oparte na wynikach pomiarów i analiz powinny być podejmowane niezależnie od osobistych preferencji, interesów czy presji zewnętrznych. Obiektywizm gwarantuje, że procesy oceny i doskonalenia będą przeprowadzone zgodnie z rzeczywistymi danymi, a nie subiektywnymi opiniami.

3. Sceptycyzm

Sceptycyzm naukowy oznacza, że wszystkie rozwiązania i procesy muszą być regularnie oceniane i poddawane weryfikacji, nawet jeśli zostały uznane za skuteczne w przeszłości. Zasada sceptycyzmu pozwala organizacjom unikać stagnacji i dostosowywać się do zmieniających się warunków rynkowych, technologicznych czy społecznych.

4. Organizowanie

Zasada organizowania odnosi się do współpracy w ramach społeczności naukowej, ale w kontekście zarządzania i jakości ma to również wymiar organizacyjny. Oznacza to, że procesy zarządzania jakością i innowacji muszą być realizowane w sposób zespołowy, z wymianą informacji i wspólnym dążeniem do doskonałości.

5. Dostępność publiczna
Wiedza naukowa powinna być dostępna dla wszystkich. Wyniki badań muszą być publikowane i udostępniane szerokiej społeczności naukowej, aby mogły być dalej analizowane, krytykowane i rozwijane.

Zdjęcie dodane przez Pixabay: https://www.pexels.com/

Kontrnormy Mitroffa

Chociaż normy Mertona stanowią teoretyczny ideał, rzeczywiste procesy nauki często napotykają na wyzwania, które prowadzą do stosowania kontrnorm, zaproponowanych przez Iana Mitroffa. Mitroff zwrócił uwagę na fakt, że w praktycenie zawsze przestrzega tych norm, co może prowadzić do wprowadzenia nowych zasad, które lepiej odzwierciedlają złożoność współczesnych organizacji.

1. Relatywizm

Mitroff wskazuje na relatywizm, który pojawia się w praktyce organizacyjnej, gdy wyniki badań czy decyzje dotyczące jakości są oceniane przez pryzmat interesów danej organizacji. Zamiast uniwersalnych kryteriów oceny, decyzje mogą być podejmowane na podstawie lokalnych, politycznych czy ekonomicznych uwarunkowań.

2. Subiektywizm

Subiektywizm może występować, gdy decyzje dotyczące oceny jakości opierają się na preferencjach i osobistych przekonaniach osób odpowiedzialnych za procesy. Zamiast stosowania obiektywnych narzędzi oceny, procesy mogą być kształtowane przez subiektywne opinie menedżerów lub liderów projektów.

3. Dogmatyzm

Dogmatyzm oznacza opieranie się na wcześniej przyjętych rozwiązaniach, bez weryfikowania ich skuteczności w nowych warunkach. W organizacjach, które stosują dogmatyczne podejście, istnieje silna tendencja do utrzymywania starych metod, mimo pojawiających się nowych wyzwań.

4. Izolacjonizm

Brak współpracy między działami organizacji w zakresie doskonalenia jakości i prowadzenia badań prowadzi do niespójności procesów i rozbieżnych podejść.

5. Dostępność publiczna
Dostępność publiczna wyników badań może być ograniczona w przypadkach ochrony danych wrażliwych, własności intelektualnej lub interesów komercyjnych, co uniemożliwia ich pełną publikację.

Zakończenie

Normy Mertona i kontrnormy Mitroffa dostarczają cennych wskazówek na temat tego, jak każda nauka, w tym także o zarządzaniu i jakości powinna być prowadzona. Podczas gdy zasady Mertona stanowią idealny wzorzec dla dążenia do obiektywności, uniwersalizmu i przejrzystości, kontrnormy Mitroffa przypominają o realiach, w których organizacje muszą dostosowywać swoje podejście do zmieniających się warunków rynkowych, technologicznych i politycznych. Zrozumienie tych dwóch perspektyw pozwala na lepsze zarządzanie, zapewniając równowagę między idealnym podejściem naukowym a wymaganiami praktyki biznesowej.

więcej

Pseudonauka a paranauka i protonauka vs Evidence-Based Management: jak rozróżniać i stosować rzetelne podejścia w zarządzaniu

Współczesny świat zarządzania staje w obliczu ogromnej ilości danych i teorii, które mają wspierać podejmowanie decyzji. Jednak nie wszystkie podejścia opierają się na solidnych podstawach naukowych. Często można spotkać teorie, które wydają się wiarygodne, ale po bliższym zbadaniu okazują się być pseudonaukowe, paranaukowe lub protonaukowe. Rozróżnienie tych podejść oraz zrozumienie, jak wykorzystywać podejście oparte na dowodach (Evidence-Based Management, EBM) w zarządzaniu, jest kluczowe dla podejmowania skutecznych decyzji. Aby lepiej zrozumieć te różnice, warto przyjrzeć się przykładom takich kontrowersyjnych teorii, jak wędrujące RNA i struktura wody, oraz ich odniesieniu do praktyki zarządzania.

Wierzymy, że w erze łatwego dostępu do informacji i częstego natrafiania na pseudonaukowe teorie, nasza rola jako zespołu odpowiedzialnych profesjonalistów polega na stanowczym odróżnianiu nauki od pseudonauki, paranauki i protonauki.

Pseudonauka, paranauka i protonauka

Pseudonauka

Pseudonauka to zestaw teorii lub twierdzeń, które prezentują się jako naukowe, ale nie opierają się na rzetelnych dowodach i nie spełniają podstawowych standardów metodologicznych. W pseudonauce często brakuje odpowiedniej weryfikowalności wyników, a hipotezy są niesprawdzalne lub wykluczone przez eksperymentalne dowody.

Przykład w zarządzaniu: pomysł, że organizacja może osiągnąć sukces wyłącznie dzięki tzw. „sekretnej formule”, która jest oparta na niezweryfikowanych przemyśleniach lub popularnych, ale niepotwierdzonych pomysłach (np. manipulacja „energią organizacyjną”).

Paranauka

Paranauka to dziedzina, która nie jest w pełni uznawana przez główny nurt nauki, ale wciąż pozostaje w sferze zainteresowań naukowych. Często charakteryzuje się tym, że nie spełnia standardów, które umożliwiłyby jej uznanie za pełnoprawną naukę, ale może być pomocna w niektórych przypadkach badawczych lub eksperymentalnych.

Przykład w zarządzaniu: teorie oparte na popularnych, lecz niepotwierdzonych badaniach, które np. sugerują, że pewne techniki motywacyjne (takie jak afirmacje lub terapia „dźwiękami”) mogą mieć skuteczność w zarządzaniu organizacjami, mimo że nie zostały one w pełni potwierdzone w badaniach nad efektywnością zarządzania.

Protonauka

Protonauka to obszar, który znajduje się na granicy nauki i pseudonauki, ale ma potencjał do dalszego rozwoju i może prowadzić do powstania prawdziwej nauki. Protonauka nie spełnia jeszcze wszystkich wymagań naukowych, ale badania w tym obszarze mogą dostarczyć nowych narzędzi do zrozumienia zjawisk.

Przykład w zarządzaniu: badania nad psychologią organizacyjną, które zaczynają badać subiektywne czynniki wpływające na wydajność pracowników, ale wciąż nie są w pełni potwierdzone, np. badanie wpływu „odczuć pracownika” na jego wyniki, które wymaga dalszego sprawdzenia w różnych kontekstach organizacyjnych.

Zdjęcie dodane przez Abby Chung: https://www.pexels.com

Wędrujące RNA i struktura wody

Wędrujące RNA jest przykładem pseudonauki, ponieważ teoria ta nie znajduje potwierdzenia w badaniach eksperymentalnych i nie spełnia wymagań metodologicznych nauki. Propozycje mówiące o tym, że RNA może wędrować swobodnie między komórkami w sposób niezwiązany z istniejącymi mechanizmami biologicznymi, są przykładem spekulacji, które nie mają solidnych podstaw naukowych. Z perspektywy EBM, takie teorie nie miałyby miejsca w procesie podejmowania decyzji, ponieważ nie opierają się na rzetelnych dowodach.

Zastosowanie w zarządzaniu: stosowanie teorii, które nie mają solidnych dowodów naukowych, może prowadzić do błędnych decyzji zarządu. Na przykład wdrażanie niepotwierdzonych metod motywacyjnych czy rozwoju, które mogą okazać się nieefektywne, zamiast wykorzystywania sprawdzonych metod zarządzania opartych na dowodach.

Teorie dotyczące struktury wody, które sugerują, że woda ma „pamięć” i może przechowywać informacje (np. w kontekście homeopatii), są klasycznym przykładem paranauki. Chociaż badania nad wodą i jej właściwościami są fascynujące, istnieje kilka niepewnych dowodów na potwierdzenie tej teorii . Woda może mieć pewne struktury, które są interesującym obszarem badań, ale twierdzenia wykraczające poza solidne dowody naukowe, takie jak przechowywanie informacji, są spekulacjami.

Zastosowanie w zarządzaniu: podobnie jak w przypadku pseudonauki, wykorzystanie teorii, które nie są potwierdzone dowodami, może prowadzić do nieefektywnych rozwiązań w organizacjach. W zarządzaniu, wykorzystanie niepotwierdzonych teorii (np. „energetycznych” właściwości wody w terapii organizacyjnej) może prowadzić do wydawania zasobów na nieefektywne lub wręcz szkodliwe praktyki.

Evidence-Based Management (EBM) – rzetelne podejście w zarządzaniu

Evidence-Based Management (EBM) to podejście, które opiera się na gromadzeniu i analizowaniu danych, wykorzystaniu wiarygodnych badań naukowych i eksperymentalnych dowodów w podejmowaniu decyzji zarządu. W EBM, decyzje są podejmowane na podstawie najlepszych dostępnych dowodów, które są rzetelne, sprawdzone i potwierdzone w badaniach naukowych.

Zalety EBM:

• Zwiększa skuteczność decyzji zarządu, ponieważ opiera się na faktach, a nie spekulacjach.
• Umożliwia wykorzystanie sprawdzonych metod, które zwiększają efektywność organizacji.
• Minimalizuje ryzyko popełniania błędów wynikających z błędnych przekonań lub niezweryfikowanych teorii.

Przykład w zarządzaniu: zastosowanie w badaniach skuteczności szkoleń zawodowych na podstawie danych zebranych w badaniach eksperymentalnych, które pokazują, które metody szkoleniowe są najbardziej efektywne.

Podsumowanie

W kontekście zarządzania, kluczowe jest rozróżnienie pomiędzy pseudonauką, paranauką, protonauką a rzetelnym podejściem opartym na dowodach. W ramach Evidence-Based Management (EBM), decyzje powinny opierać się na solidnych badaniach naukowych, które zostały potwierdzone eksperymentalnie i są powtarzalne. Stosowanie pseudonauki czy paranauki w podejmowaniu decyzji może prowadzić do błędów, nieefektywności, a nawet strat finansowych. W związku z tym, należy zawsze kierować się sprawdzonymi danymi, które opierają się na solidnych podstawach naukowych.

Polecam Pseudonaukowe metody leczenia: https://coachsworkshop.blogspot.com/2024/12/kary-administracyjne-za-pseudonaukowe.html

więcej