DEFINICJE POJĘĆ NA EGZAMIN:

Ogólna metodologia nauk

semestr zimowy roku akademickiego 2022/2023

Prowadzący: dr hab. Radosław Sojak, prof. UMK

1. Cele: Kurs wprowadza w problematykę metodologiczną nauk społecznych na tle

ogólnej metodologii nauk. Nie przedstawia konkretnych metod i technik prowadzenia
badań, lecz ogólne - filozoficzne, poznawcze i moralne - racje dla prowadzenia tych
badań według określonych zasad.

Nacisk będzie położony na ukazanie specyfiki wiedzy naukowej, w tym humanistycznej,

przez jej skontrastowanie z innymi rodzajami wiedzy; na zrozumienie badawczego i
kulturowego znaczenia kryterium demarkacji wiedzy naukowej oraz na uchwycenie
podstawowych kwestii, takich jak: stosunek metodologii nauk do innych dziedzin nauki,
językowe uwikłania poznania, specyfika języka badawczego, relacje między teoria i
empirią, typy idealne i modele, spory: indywidualizm-holizm, naturalizm-antynaturalizm
metodologiczny, wyjaśnianie versus rozumienie. Analiza tych zagadnień ma służyć
przyswojeniu podstawowego instrumentarium dyscypliny umożliwiającego dalszą
samodzielną penetrację problematyki metodologicznej.

Celem jest uchwycenie tropów, uzyskanie ogólnej orientacji w naturze wiedzy o

społeczeństwie, zainspirowanie do postrzegania świata w kategoriach nie-potocznych;
wskazanie sposobów przechodzenia od konkretu i przyziemności do abstrakcji i
uniwersalności.

II. Egzamin - Egzamin składał się będzie z dwóch części. Część pisemna będzie
obejmowała pytania definicyjne dotyczące pojęć, z listy znajdującej się poniżej (definicji
tychże pojęć można szukać np. w podręcznikach wymienionych w literaturze):
Źródło

Encyklopedia filozofii nauki

Encyklopedia pwn i encyklopedia języka polskiego plus w niektorych chatGPTe

1. Wartości autoteliczne - wartości stanowiące cel sam w sobie.

ChatGPT:
"wartości autoteliczne" mogą być związane z koncepcją wartości, które same w
sobie są celem, a nie środkiem do osiągnięcia innego celu. "Autoteliczne"
pochodzi z greckiego słowa "auto" (samo) i "telos" (cel), co sugeruje, że te
wartości są swoim własnym celem.

2. Wartości instrumentalne - wartości służące realizacji innych wartości i celów.

chatGPT:

Termin odnosi się do wartości, które są postrzegane jako środki do osiągnięcia

innych celów lub wartości, a nie jako cele same w sobie. W kontekście etyki,
wartości instrumentalne są rozumiane jako te, które mają służyć jako narzędzia
do osiągania innych, wyższych celów moralnych lub wartościowych. Oznacza to,
że nie są one wartościami końcowymi, ale raczej środkami, które pomagają w
realizacji celów, które są uznawane za ważne. Przykłady wartości
instrumentalnych mogą obejmować różne cechy, postawy lub działania, które są
używane jako środki do osiągnięcia konkretnych celów. Na przykład, uczciwość
może być uznawana za wartość instrumentalną, gdyż może być postrzegana jako
środek do osiągnięcia zaufania lub harmonii społecznej. Wartości instrumentalne
są często kontrastowane z wartościami intrynsekicznymi, które są cenione same
w sobie, bez względu na ich użyteczność w osiąganiu innych celów. Wartości
instrumentalne są bardziej związane z praktycznym aspektem i skutecznością w
kontekście osiągania określonych celów.

3. Warunek niezbędny - def. Chat GPT:

Warunek niezbędny to pojęcie używane w metodologii nauk przyrodniczych oraz nauk

społecznych. Definicja metodologiczna warunku niezbędnego obejmuje kilka
kluczowych elementów:

Konieczność wystąpienia: Warunek niezbędny dla danego zjawiska oznacza, że jego

wystąpienie jest niezbędne dla wystąpienia danego zjawiska skutecznego. Innymi słowy,
jeśli warunek nie występuje, to zjawisko skuteczne również nie wystąpi.
Bezwarunkowość: Warunek niezbędny musi występować w każdej sytuacji, w której
pożądane zjawisko ma miejsce. Brak warunku niezbędnego oznacza, że danego zjawiska
skutecznego nie będzie.

Relacja przyczynowo - skutkowa: Istnieje pewna relacja przyczynowo - skutkowa między

warunkiem niezbędnym a zjawiskiem skutecznym. Wprowadzenie warunku
niezbędnego jest konieczne dla zaistnienia danego efektu.

Wpływ jednostronny: Warunek niezbędny ma jednostronny wpływ na zjawisko

skuteczne. Oznacza to, że wprowadzenie warunku jest wystarczające do wystąpienia
danego efektu, ale samo wystąpienie efektu nie oznacza konieczności występowania
warunku niezbędnego.

Przykładowo, dla danego zjawiska A, warunek B może być uznany za warunek

niezbędny, jeśli i tylko jeśli A występuje zawsze w obecności B i nigdy bez B.

Zastosowanie tego pojęcia jest często używane w analizie przyczynowo - skutkowej oraz
w konstruowaniu teorii naukowych, aby zrozumieć, jakie warunki są konieczne dla
wystąpienia określonych efektów.

4. Warunek wystarczający -
def. chatGPT
Warunek wystarczający to pojęcie stosowane w metodologii nauk przyrodniczych
oraz nauk społecznych, które odnosi się do sytuacji, w której spełnienie
określonego warunku jest wystarczające do wywołania określonego efektu.
Definicja metodologiczna warunku wystarczającego obejmuje kilka kluczowych
elementów:
-Samoistność: Jeśli warunek wystarczający jest spełniony, to efekt musi wystąpić.
Innymi słowy, spełnienie warunku samoistnie prowadzi do wystąpienia efektu.

-Jednostronność wpływu: Wprowadzenie warunku wystarczającego jest

wystarczające do wywołania efektu, ale samo wystąpienie efektu nie implikuje
konieczności występowania warunku. W przeciwieństwie do warunku
niezbędnego, warunek wystarczający nie musi być jedynym sposobem na
uzyskanie efektu.
-Wystarczalność w różnych kontekstach: Warunek wystarczający powinien działać
jako skuteczna przyczyna efektu w różnych warunkach i sytuacjach.

Przykładowo, jeśli warunek B jest warunkiem wystarczającym dla efektu A, to gdy

tylko B jest spełnione, można oczekiwać, że A wystąpi. Jednakże, A może wystąpić
także w innych okolicznościach, które niekoniecznie muszą zawierać spełnienie
warunku B.

Zastosowanie pojęcia warunku wystarczającego jest przydatne w analizie

przyczynowo - skutkowej oraz w konstruowaniu teorii naukowych, aby
 zrozumieć, jakie warunki są wystarczające do wywołania określonych efektów.

5. Weryfikacja - [łac.], sprawdzanie,

metodol. procedura zmierzająca do rozstrzygnięcia czy dane zdanie jest prawdziwe, czy też
fałszywe;
w wąskim znaczeniu — konfirmacja, czyli procedura zmierzająca do potwierdzenia
prawdziwości danego zdania (w odróżnieniu od falsyfikacji, zmierzającej do obalenia
go); w sensie log. weryfikacja danego zdania (twierdzenia, hipotezy) polega na
wyprowadzeniu zeń jego log. następstw i badaniu ich prawdziwości; w naukach
empirycznych mówi się zwykle o stopniu weryfikacji (potwierdzenia) hipotezy ze
względu na przyjęte zdania podstawowe, czyli o jej weryfikacji częściowej, względnej (w
odróżnieniu od weryfikacji absolutnej, tj. zupełnej); pewniejsze wyniki poznawcze daje
metoda falsyfikacji; pot. sprawdzenie prawdziwości czegoś, stwierdzenie czyichś
kwalifikacji.

6. Wnioskowanie redukcyjne - log. dobieranie do zdania uznanego za prawdziwe

(tj. do następstwa) takiego zdania (tj. racji), z którego to pierwsze logicznie wynika;

redukcja jest rodzajem wnioskowania zawodnego, w którym prawdziwość przesłanek

nie gwarantuje prawdziwości wniosku; kierunek tego wnioskowania jest niezgodny z
kierunkiem wynikania logicznego.
dobieranie do zdania uznanego za prawdziwe takiego zdania, z którego to pierwsze
logicznie wynika.

7. Wskaźnik - metodol. cecha przedmiotu lub zjawiska połączona z pewną inną cechą
takim stałym związkiem, że wystąpienie jej pozwala (bezwyjątkowo lub statystycznie)
stwierdzić obecność lub przewidzieć zaistnienie tej innej cechy.
to, co ukazuje, ujawnia coś.

8. Wyjaśnienie - z perspektywy metodologicznej odnosi się do procesu lub

działania mającego na celu rozjaśnienie, zrozumienie lub ułatwienie zrozumienia
pewnego zjawiska, faktu lub koncepcji. W kontekście badań naukowych i analizy
danych, wyjaśnianie ma na celu ujawnienie przyczyn, relacji przyczynowo-
skutkowych lub mechanizmów leżących u podstaw danego zjawiska.
Podstawowe cechy definicji "wyjaśnienia" to:
- Rozjaśnienie: Proces ten ma na celu zwiększenie przejrzystości i jasności
związanej z danym tematem, umożliwiając lepsze zrozumienie dla osób
zainteresowanych.
- Zrozumienie przyczyn i skutków: Wyjaśnianie zwykle obejmuje identyfikację
przyczyn lub skutków danego zjawiska, co przyczynia się do lepszego
zrozumienia jego istoty.
 - Eliminowanie niejasności: Proces wyjaśniania dąży do eliminacji niejasności,
wątpliwości czy błędnych interpretacji, dostarczając jasnych informacji i
interpretacji.
- Zastosowanie w kontekście naukowym: W naukach przyrodniczych, społecznych,
czy humanistycznych wyjaśnianie odnosi się do metodologicznych prób
zrozumienia oraz interpretacji zjawisk, wyników badań czy teorii.

Przykłady zastosowania terminu "wyjaśnienie" w badaniach naukowych obejmują

dostarczanie przyczyn danego zjawiska, tłumaczenie obserwowanych wyników
eksperymentów, analizę relacji przyczynowo - skutkowych czy też rozwinięcie
teoretycznych podstaw danego zagadnienia. Wyjaśnienia mają na celu wprowadzenie
jasności, co pozwala na lepsze zrozumienie badanych aspektów rzeczywistości.

9. Zależność - związek zachodzący między rzeczami lub zjawiskami.

chatGPT:
Definicja metodologiczna "zależności" zazwyczaj odnosi się do określenia, jak
jedna zmienna, czynnik lub zjawisko wpływa na drugą, i w jaki sposób ta
interakcja może być opisana, zrozumiana lub zmierzona. W zależności od
kontekstu, pojęcie "zależności" może mieć różne znaczenia. Oto ogólna definicja
metodologiczna: Zależność:
>Definicja ogólna: W kontekście metodologii naukowej, zależność oznacza relację
między dwoma lub więcej zmiennymi, w wyniku której zmiana jednej zmiennej
wiąże się z określoną zmianą w drugiej zmiennej.
>Zmienna niezależna i zmienna zależna: Zależność często jest analizowana w
kontekście zmiennych niezależnych (czynniki, które uważamy za wpływające) i
zmiennych zależnych (te, które są obiektami pomiaru lub obserwacji).
>Charakter zależności: Zależności mogą mieć różny charakter, obejmując
zależności liniowe, nieliniowe, przyczynowe, skorelowane itp.
>Mierzenie zależności: W naukach empirycznych zależności często są badane za
pomocą różnych metod statystycznych, takich jak analiza regresji, korelacja czy
eksperymenty kontrolowane.
Przykłady zastosowań pojęcia "zależności" obejmują analizę związku między
paleniem papierosów a ryzykiem zachorowania na raka płuc, zależność między
poziomem edukacji a dochodami, czy zależność między ilością światła
słonecznego a wzrostem roślin. W naukach społecznych i przyrodniczych
zrozumienie zależności między różnymi czynnikami jest istotne dla rozwijania
teorii, formułowania hipotez i podejmowania wniosków na podstawie danych
empirycznych.

10. Zdania analityczne -

1) w znaczeniu tradycyjnym (I. Kant) — zdanie, w którym treść orzecznika jest zawarta w
treści podmiotu i tym samym nie rozszerza naszej wiedzy o podmiocie;

2) w znaczeniu ogólnym, przyjętym współcześnie — zdanie, którego prawdziwość

gwarantują konwencje terminologiczne (a więc prawdziwe a priori, nie wymagające
uzasadnienia przez doświadczenie); zdania takiego nie można odrzucić, nie naruszając
reguł znaczeniowych języka, w którym jest ono sformułowane.

zdanie, któremu nie można zaprzeczyć bez naruszenia reguł znaczeniowych

11. Zdania syntetyczne - log., filoz. w znaczeniu tradycyjnym (I. Kant) zdanie, w którym
treść orzecznika wykracza poza treść podmiotu i tym samym rozszerza zakres naszej
wiedzy o podmiocie, wymaga więc uzasadnienia w doświadczeniu.

12. Zmienna - wielkość, która może przyjmować każdą wartość z danego zbioru
liczb.

chatGPT:

W metodologii naukowej, termin "zmienna" odnosi się do symbolicznego

przedstawienia cechy, właściwości, czy wartości, która może się różnić w różnych
warunkach lub w różnych przypadkach w ramach badania naukowego. Zmienna
to element, który można mierzyć, kontrolować, manipulować lub obserwować w
trakcie eksperymentu lub analizy danych.
Oto ogólna definicja metodologiczna "zmiennej":
Zmienna:
> Symboliczne przedstawienie: Zmienna jest symbolicznym odwzorowaniem
cechy, właściwości, czy wartości, która może ulegać zmianom.
>Zmienność: Charakteryzuje się zdolnością do przyjmowania różnych wartości,
co sprawia, że może być obiektem analizy lub manipulacji w badaniu naukowym.
>Typy zmiennych: W zależności od charakterystyki, zmienne mogą być
klasyfikowane jako zmienna niezależna (czynnik manipulowany) i zmienna
zależna (czynnik mierzony w odpowiedzi na manipulacje).
>Mierzenie: Zmienna może być mierzona w różny sposób, w tym poprzez skalę
pomiarową, czy to nominalną, porządkową, ilorazową czy przedziałową, w
zależności od rodzaju informacji, jaką dostarcza.
>Różnice między obiektami lub sytuacjami: Zmienna może oznaczać różnice
między różnymi obiektami, jednostkami badawczymi, bądź sytuacjami w ramach
badania.
Przykłady zmiennych obejmują wiek, płeć, temperaturę, poziom wykształcenia,
czas reakcji, ilość substancji chemicznej, i wiele innych. Zmiennych używa się do
 formułowania hipotez, projektowania eksperymentów, analizy danych i budowy
modeli w naukach społecznych i przyrodniczych.

13. Zmienna zależna - wielkość zmienna zależna od innej zmiennej.

chatGPT:
W metodologii naukowej, "zmienna zależna" to zmienna, która jest obiektem
pomiaru, obserwacji lub analizy w trakcie badania. Jest to zmienna, której
wartość jest zakładana lub przewidywana w zależności od manipulacji zmiennymi
niezależnymi lub eksperymentalnymi. W skrócie, zmienna zależna to ta, która
zależy od innych zmiennych w danym badaniu.
Oto definicja metodologiczna "zmiennej zależnej":
>Obiekt pomiaru lub obserwacji: Zmienna zależna to cecha, właściwość lub
wartość, którą badacz zamierza zbadać, zmierzyć lub obserwować w trakcie
eksperymentu lub badania naukowego.
>Zależność od innych zmiennych: W kontekście badania, zmienna zależna jest
zakładana lub przewidywana w wyniku manipulacji zmiennymi niezależnymi lub
eksperymentalnymi.
>Reakcja na zmienne niezależne: W eksperymencie, zmienna zależna reaguje lub
zmienia się w odpowiedzi na manipulacje dokonywane na zmiennych
niezależnych.
>Mierzalność: Zmienna zależna musi być mierzalna w sposób umożliwiający
naukową analizę i wnioskowanie.
Przykłady zmiennych zależnych obejmują wyniki testów, czas reakcji, poziomy
stresu, ilość substancji chemicznych w organizmach, itp. Zmienna zależna jest
jednym z kluczowych elementów eksperymentu, ponieważ pozwala na badanie
wpływu manipulowanych zmiennych niezależnych na konkretny efekt czy
reakcję.

14. Zamienna niezależna - zmienna, której wartość można dowolnie zmieniać.

W metodologii naukowej, "zmienna niezależna" to zmienna, która jest

manipulowana, kontrolowana lub zmieniana w celu zbadania jej wpływu na inną
zmienną, zwana zmienną zależną. Zmienna niezależna to taka, która stanowi
przyczynę zmiany lub różnic w zmiennych zależnych w trakcie eksperymentu lub
badania naukowego.
Oto definicja metodologiczna "zmiennej niezależnej":
>Manipulacja lub kontrola: Zmienna niezależna to zmienna, którą badacz celowo
manipuluje, kontroluje lub zmienia w trakcie eksperymentu w celu zbadania jej
wpływu na inne zmienne.
>Przyczynowość: Zmienna niezależna jest traktowana jako potencjalna przyczyna
 zmian lub różnic w zmiennych zależnych. Manipulowanie tą zmienną pozwala na
wnioskowanie o ewentualnych przyczynach obserwowanych efektów.
> Wpływ na zmienną zależną: Badacz zakłada, że zmiany w zmiennych
niezależnych będą miały wpływ na zmienną zależną, co można badać, mierzyć
lub obserwować.
>Zmienny kontrolowana: W eksperymencie zmienna niezależna jest
kontrolowana, aby wykluczyć wpływ innych czynników na wyniki badania.

Przykłady zmiennych niezależnych obejmują manipulację warunkami

eksperymentalnymi, zmiany wartości danego czynnika, wprowadzenie nowych
warunków czy też kontrolowanie różnych poziomów danej cechy. Zmienna
niezależna jest kluczowym elementem w projektowaniu eksperymentów,
ponieważ pozwala na badanie przyczynowości i zrozumienie, jakie czynniki mogą
wpływać na określone efekty czy zjawiska.

15. Związek przyczynowy - związek zachodzący między przyczyną a skutkiem. Jest

to związek pomiędzy dwoma stanami rzeczy w świecie zewnętrznym, w których
jeden to przyczyna, a drugi to skutek.

Definicja AI:
Związek przyczynowy to koncepcja z zakresu metodologii nauk przyrodniczych,
zwłaszcza nauk społecznych, która odnosi się do relacji przyczynowo – skutkowej
pomiędzy dwoma zjawiskami. Definicja metodologiczna związku przyczynowego
obejmuje kilka kluczowych elementów:

Konsekwencja przyczynowa: Istnieje przekonanie, że zmiana w jednym zjawisku

(przyczyna) powoduje bezpośrednią reakcję lub zmianę w drugim zjawisku (skutek).
Innymi słowy, istnieje pewna regularność i powtarzalność w tym, jak jedno zjawisko
wpływa na drugie.
>Wykluczenie innych możliwych przyczyn: Aby stwierdzić istnienie związku
przyczynowego, konieczne jest wykluczenie alternatywnych przyczyn mogących
powodować ten sam skutek. To oznacza, że można wykluczyć wpływ innych czynników
jako przyczyny obserwowanej zmiany.
>Sekwencja czasowa: Przyczyna musi poprzedzać skutek w czasie. Innymi słowy, zmiana
w przyczynie musi wystąpić przed wystąpieniem zmiany w skutku.
>Stabilność związku: Związek przyczynowy powinien być stosunkowo stabilny i
powtarzalny w różnych warunkach i sytuacjach. To oznacza, że obserwowany związek
nie może być wynikiem przypadkowego zbiegu okoliczności.
>Mechanizm przyczynowy: Preferowane jest, aby istniał jasny mechanizm wyjaśniający,
dlaczego i w jaki sposób przyczyna prowadzi do skutku. To pomaga w zrozumieniu
procesu, który zachodzi między przyczyną a skutkiem.
Wprowadzenie tych kryteriów ma na celu zminimalizowanie błędów interpretacyjnych i
umożliwienie naukowcom wyciągania trafnych wniosków dotyczących relacji
przyczynowo - skutkowej między zjawiskami. W praktyce jednak, w niektórych
dziedzinach nauki, ustanowienie jednoznacznego związku przyczynowego może być
trudne i wymaga starannej analizy danych i dowodów.