تعین ناقص و رئالیسم علمی
Publish place: Philosophical Investigations، Vol: 15، Issue: 34
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 448
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_PHILO-15-34_012
Index date: 26 September 2021
تعین ناقص و رئالیسم علمی abstract
ادعا می شود که تعین ناقص نظریه های علمی توسط شواهد تجربی، می تواند موضع رئالیسم علمی را از پای درآورد. رئالیست های علمی ضمن باور به صدق (تقریبی) نظریه های بالغ علمی معتقدند که ما می توانیم از رهگذر این نظریه ها نسبت به سطح مشاهده ناپذیر عالم دانش کسب کنیم. اما این اعتقاد با تکیه بر تز تعین ناقص به چالش کشیده شده است. گفته شده است که چون برای هر نظریه علمی نظریه های متعدد هم ارزی وجود دارد که علی رغم ارائه هستی شناسی های مختلف همگی به یک اندازه با شواهد مشاهدتی سازگارند، لذا هرگونه باور رئالیستی به صدق یکی از اینها خالی از پشتوانه معرفتی خواهد بود. رئالیست ها برای غلبه بر این چالش می بایست نشان دهند که ما راه های معرفتی غیر از تایید بی واسطه حاصله از شواهد مشاهدتی داریم که می تواند چنین تعین ناقصی را بشکند. ما در این مقاله سعی می کنیم بعد از شکافتن دقیق مسئله، نشان دهیم که امکان پاسخ به این مسئله با اتکا بر رویکردی که آن را «توسعه منابع تایید» می نامیم وجود دارد. مطابق این رویکرد، نظریات می توانند از منابع دیگری نیز تایید دریافت کنند. مهمترین منابعی که تاکنون در این زمینه معرفی شده اند عبارتند از: تایید غیرمستقیم و مزیت های نظری. پس از ارزیابی تایید غیرمستقیم، ما به نفع این ادعا استدلال خواهیم کرد که مزیت های نظری، به خصوص «توان تبیین گری»، بهتر می تواند در ورای نتایج تجربی به عنوان منبع تایید مورد نیاز رئالیست ها عمل نماید. البته به کارگیری مزیت های نظری همواره با چالش هایی روبه رو بوده است، ولی ما در بخش های پایانی مقاله نشان خواهیم داد که میتوان به این چالش ها پاسخ داد.
تعین ناقص و رئالیسم علمی Keywords:
تعین ناقص و رئالیسم علمی authors
جلال عبدالهی
دانش آموخته کارشناسی ارشد فلسفه علم، دانشگاه صنعتی شریف، تهران، ایران.
جواد اکبری تختمشلو
استادیار گروه فلسفه علم، دانشگاه صنعتی شریف، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :