بررسی ساختار منطقی استدلال های استقرایی در داده کاوی و اعتبار معرفت شناختی داده های کلان

گسترش فناوری های دیجیتال، توسعه الگوریتم های داده کاوی و افزایش حجم داده های تولیدشده در محیط های اجتماعی، اقتصادی، علمی و سازمانی، پرسش های بنیادینی درباره ساختار منطقی استدلال های استقرایی و اعتبار معرفت شناختی نتایج حاصل از تحلیل داده های کلان مطرح کرده است. داده کاوی با بهره گیری از روش های آماری، الگوریتم های یادگیری ماشین و فنون کشف الگو، می کوشد روابط پنهان، روندهای تکرارشونده و ساختارهای معنادار موجود در مجموعه های داده را شناسایی کند؛ اما کشف یک الگوی آماری لزوما به معنای دستیابی به معرفت معتبر، کشف رابطه علی یا اثبات یک گزاره عمومی نیست. مسئله اصلی این پژوهش، بررسی چگونگی شکل گیری استدلال استقرایی در فرایند داده کاوی، ارزیابی شرایط منطقی تعمیم از داده های محدود به گزاره های کلی و تحلیل معیارهایی است که می توانند اعتبار معرفت شناختی نتایج حاصل از داده های کلان را تقویت یا تضعیف کنند. پژوهش حاضر با رویکرد کیفی، روش توصیفی تحلیلی و مطالعه اسنادی، مفاهیم مرتبط با استقرا، احتمال، تعمیم آماری، سوگیری داده ها، استنتاج علی، ابطال پذیری و تبیین علمی را بررسی می کند. یافته های تحلیلی نشان می دهد که اعتبار استدلال های استقرایی در داده کاوی صرفا تابع حجم داده ها نیست، بلکه به کیفیت و نمایندگی داده ها، تناسب روش تحلیل با پرسش پژوهش، شفافیت مفروضات، کنترل خطاهای آماری، قابلیت بازتولید نتایج و امکان آزمون مستقل فرضیه ها وابسته است. همچنین، الگوریتم های پیچیده و الگوهای پیش بینی دقیق، بدون تبیین مناسب و بررسی شواهد مستقل، به تنهایی تضمین کننده اعتبار معرفتی نیستند. نتیجه پژوهش آن است که داده های کلان ظرفیت گسترش معرفت تجربی را دارند، اما این ظرفیت زمانی به معرفت موجه و قابل اعتماد تبدیل می شود که فرایند استنتاج از اصول منطقی، معیارهای روش شناختی و الزامات انتقادی معرفت شناسی پیروی کند.

کلیدواژه ها:

استدلال استقرایی ، داده کاوی ، داده های کلان ، معرفت شناسی ، استنتاج آماری ، یادگیری ماشین ، اعتبار علمی ، سوگیری داده ها ، رابطه علی