Wariant dedukcyjny. Weryfikowanie teorii

Śledzenie procesu służące weryfikowaniu teorii pozwala poszukiwać potwierdzenia występowania pewnych mechanizmów łączących przy-czynę i skutek w określonej klasie przypadków⁷. Po skonceptualizowaniu mechanizmów następuje ich operacjonalizacja, to znaczy uwzględniają-ce kontekst przełożenie oczekiwań wynikających z teorii na przewidy-wania (specyficzne dla przypadku) dotyczące pewnych możliwych do zaobserwowania implikacji działania tych mechanizmów. Następnie występowanie tak sformułowanych mechanizmów jest weryfikowane na podstawie dowodów wywiedzionych z materiału empirycznego do-tyczącego jednego przypadku. Śledzenie procesu służące weryfikowaniu teorii nie daje odpowiedzi na to, czy dany mechanizm jest konieczny dla zaistnienia określonych rezultatów ani czy inne mechanizmy nie wyjaśniają rzeczywistości „lepiej”, a jedynie stwierdza, że poszukiwany mechanizm występuje lub też nie (ibidem: 14–16).

Jak wspomniano wyżej, śledzenie procesu to nie analityczna narracja:

nie zajmuje się serią empirycznych zdarzeń, lecz pewnymi teoretycz-nie skonceptualizowanymi mechanizmami przyczynowymi ( Beach,

7 Weryfikowane teorie mogą być zaczerpnięte z różnych źródeł, np. David Kuehn (2013) twierdzi, że śledzenie procesu może być użytecznym narzędziem dla empirycz-nego testowania dedukcyjnych twierdzeń wypracowanych przez teorię gier.

Pedersen 2013: 14–15). W przypadku tego wariantu kluczowe znaczenie mają zarówno odpowiednia konceptualizacja mechanizmów przyczyno-wych, jak i wybór przypadku, który będzie analizowany.

Biorąc pod uwagę wcześniejsze uwagi o dynamicznym konceptuali-zowaniu mechanizmów, należy uwzględnić, o ile to możliwe, aktorów w nich uczestniczących, to jak są oni strukturalnie uformowani, jak wy-bierają podejmowane przez siebie działania i jak ich zagregowane wybo-ry prowadzą do zbiorowego rezultatu ( Schimmelfennig 2015: 105–106).

W konceptualizacji mechanizmu przyczynowego należy mieć również na uwadze jego operacjonalizację, czyli możliwość sformułowania spe-cyficznych dla danego przypadku przewidywań dotyczących tego, ja-kich dowodów oczekujemy, jeżeli mechanizm ów faktycznie zaistniał.

Dodatkowo można uwzględnić to, co może być dowodem na wyjaśnie-nia alternatywne ( Beach, Pedersen 2013: 100–101).

Wybór przypadku powinien z kolei uwzględnić cel, jakim jest testo-wanie teorii. Z tej perspektywy właściwe może być wybranie tzw. przy-padku najmniej prawdopodobnego, bo znalezienie przy jego analizie dowodów na występowanie teoretycznie przewidzianego mechanizmu przyczynowego będzie silniejszym argumentem na rzecz uznania danej teorii za lepszą od konkurencyjnych (Schimmelfennig 2015: 105–106).

Z drugiej strony, gdy brakuje pewności co do samego związku przyczy-nowego, bardziej odpowiedni może się okazać przypadek najbardziej prawdopodobny (Beach, Pedersen 2013: 151–152).

Obserwacje, czyli surowe dane, nie stanowią gotowego materiału, który ujawni osobie prowadzącej badania, czy poszukiwane przez nią mechanizmy przyczynowe wystąpiły w danym przypadku czy nie. Mu -szą one zostać poddane krytycznej ocenie co do celności i zinterpre-towane w kontekście. Innymi słowy, dopiero obserwacje uzupełnione o wiedzę analizującej je osoby stają się materiałem dowodowym, który może służyć wyciąganiu wniosków (ibidem: 73).

Proces oceny materiału dowodowego można podzielić na etapy. Już podczas zbierania danych istotne jest wystrzeganie się stronniczo-ści, wprowadzającej systematyczny błąd do materiału empirycznego.

Następnie zebrane dane należy ocenić z wykorzystaniem wiedzy bada-cza, odpowiadając na pytania: O czym mówi dana obserwacja? Jakie jest

jej źródło? W jakim kontekście powstała? W dalszej kolejności należy określić trafność obserwacji, czyli stwierdzić, czy faktycznie dowodzi ona tego, czego chcemy dowieść, w tym czy obserwacje nie są obarczone błędem, zwłaszcza takim o charakterze systematycznym – wówczas konieczne jest krytyczne oszacowanie rozmiaru i kierunku tego błę-du przed dalszą interpretacją danych. Wreszcie konieczna jest ocena prawdopodobieństwa napotkania danego dowodu (zob. niżej na temat testów empirycznych), w czym ponownie istotna okazuje się znajomość kontekstu, z którego dane pochodzą (ibidem: 122–132).

2.1.1. Wnioskowanie bayesowskie

Process tracing to studium pojedynczego przypadku, stąd też ujęcia przyczynowości charakterystyczne dla metod statystycznych, bazujące na korelacjach i prawdopodobieństwie, nie mają tu sensu. Jako że nie da się zaobserwować przyczynowości samej w sobie, konieczne jest zasto-sowanie pewnych sposobów wnioskowania, zwłaszcza oceny znaczenia dowodów empirycznych ( Burnham et al. 2008: 171, 185; por.  Kittel, Kuehn 2013: 2). Beach i Pedersen proponują podejście bayesowskie, odchodzące od popperowskiego falsyfikacjonizmu. W tym modelu wnioskowania pojedyncze dowody zwiększają lub zmniejszają przeko-nanie o prawdziwości danej teorii. Możliwe jest zatem nie tylko obalanie teorii, lecz również dowodzenie ich prawdziwości – nigdy jednak nie można uzyskać pewności co do dowiedzenia bądź obalenia danej teorii.

Każdy kolejny dowód, w zależności od tego, na ile jest specyficzny dla weryfikowanej hipotezy, może w różnym stopniu wpłynąć na pewność co do jej słuszności (Beach, Pedersen 2013: 25, 28, 83–87).

Kluczowe zatem jest to, jakim testom poddajemy hipotezy – im testy są silniejsze, to znaczy pewniejsze i bardziej unikalne, tym silniejsze przekonanie o występowaniu lub niewystępowaniu danego mechanizmu przyczynowego (lub jego części składowej) uzyskujemy. W uprosz-czeniu można powiedzieć, że im bardziej materiał dowodowy jest nie typowy i zaskakujący, tym lepiej dla wartości poznawczej badania (ibi dem: 96–97). Ten tok rozumowania można przełożyć na postać licz bową, co oddaje następujący wzór:

 

   

   

 

 p h   .

p h e

p e h

p h p h

p e h

W powyższym wzorze p(h) oznacza przekonanie o prawdziwości hi-potezy przed uwzględnieniem dowodu, a p(h|e) po jego uwzględnieniu.

Dalej p e h i   p e  oznaczają prawdopodobieństwo znalezienia h dowodu, gdy dana hipoteza jest, odpowiednio, prawdziwa bądź nie-prawdziwa (ich suma zawsze wynosi 1). Wreszcie p to uprzednie h przekonanie o nieprawdziwości weryfikowanej hipotezy, wynoszące zawsze 1 – p(h) (ibidem: 84–85).

Powyższe działanie można zilustrować przykładem odnoszącym się do tematyki tej książki. Niech testowana hipoteza brzmi: „Socjaliza -cja wpływa na lojalność reprezentantów państw w organach Rady”, jej p(h) = 0,2 , a p = 0,8. Znalezionym dowodem może być np. zaku-h lisowe uzgadnianie przez reprezentantów państw w organach Rady spo-sobu postępowania wobec swoich przełożonych w stolicach. Możemy przyjąć, że p e  = 0,3 (uznając, że takie działania mogą mieć jedynie h pozorny charakter), zaś p e h = 0,7. Wówczas: 

 

0,7

p h e   

 

Uprzednie przekonanie o wartości hipotezy ma nieuchronnie su-biektywny charakter, jednak – jak twierdzą Beach i Pedersen (ibidem:

98–99) – nawet różne przekonania wyjściowe co do wartości p(h) po odpowiednio wnikliwym procesie badawczym powinny doprowadzić do takich samych p(h|e)⁸, czyli przekonań o prawdziwości hipotezy po uwzględnieniu dowodów.

Testy empiryczne w śledzeniu procesu mają wychwytywać podda-jące się obserwacji przejawy przekazywania „sił przyczynowych” przez

8 Twierdzenie to wydaje się jednak mieć sens jedynie dla bliższych pozytywizmowi niż interpretatywizmowi ujęć epistemologicznych.

teoretyzowane mechanizmy. Jak wspomniano wyżej, testy te mogą się charakteryzować różnym poziomem unikalności i pewności, co pozwala wyróżnić ich cztery główne rodzaje (ibidem: 101–102; zob. tabela 4)⁹. Tabela 4. Rodzaje testów empirycznych w śledzeniu procesu

Unikalność testu

niewystarczający wystarczający

Pewność testu konieczny hoop doubly-decisive

niekonieczny straw-in-the-wind smoking gun Źródło: Beach, Pedersen 2013: 103.

Zdaniem Beacha i Pedersena (ibidem: 104–105) z tych czterech testów najbardziej użyteczne są testy konieczne niewystarczające, po-zwalające odrzucać mechanizmy przyczynowe, gdy brak dowodów na ich występowanie.

Znaczenie bayesianizmu dla innych wariantów śledzenia procesu nie jest takie jak dla służącego weryfikowaniu teorii, jednak pozostaje w mocy jedno z jego głównych założeń: niektóre dowody są ważniej-sze od innych ( Bennett, Checkel 2015a: 16–17). Dowody są istotne wówczas, gdy zwiększają lub zmniejszają przekonanie o zaistnieniu pewnego faktu, który ma znaczenie dla dociekań. Beach i Pedersen (2013:  99–100) wyróżniają cztery rodzaje materiału dowodowego:

(1) wzorzec (pattern), odnoszący się do statystycznej regularności; (2) sekwencja (sequence), gdzie istotne są czasowe i przestrzenne następstwa;

(3) ślad (trace), gdzie liczy się istnienie dowodu samo w sobie; (4) relacja (account), czyli zawartość materiału empirycznego, taka jak rozmowa czy protokół z obrad.

9 Beach i Pedersen, jak również Bennett i Checkel bazują tu na publikacji Stephena Van Every (1997).