写作指导

真值表及其在论证中的运用

时间：2023-08-07 21:10 所属分类：写作指导 点击次数：

　　实证研究中，很多人常常因为忽略某个重要变量，使得论文论证逻辑不完整。这些重要变量的忽略，一方面可能是因为研究者从未想象过，另一方面也可能是资料过于繁杂，不得不放弃某些变量。这种情况下，论文可能因为“误入歧途”，被质疑没有价值。针对这一情况，美国社会学家霍华德·S.贝克尔在其著作《社会学家的窍门：当你做研究时你应该想些什么?》中提出使用真值表生成各种可能性组合的清单，帮助研究者完善自己研究的成果。

　　一、论文论证过程中存在的不完整现象

　　在使用传统调查方法的分析程序时，很多研究者会遇到很多问题。比如有研究者评估某个或某些自变量对于某一因变量变化的“贡献”：种族对升迁机会有x%的贡献，而教育则解释了y%的贡献，资历则有z%的贡献(诸如此类还有其他数据的几个变量)。这些数字很难靠直觉理解，教育解释了y%的升迁机会，却没有说明这个“解释”是如何发生的。或者说这些分析要回答的问题经常不是人们想要问的。因为我们要找的是现象的状况，而不是某个结果的个别“贡献”。虽然了解到某些变量对于升迁的贡献，我们却并不知道年龄、性别、种族及其他特质如何组合，才可以让人们得到符合科层体系规则的升迁机会。

　　同样，在历史分析中，分析大量案例的方法并不管用，也无法发挥作用，因为国家数量不够。所以很多研究者选择用更整体性的方式重新定义问题，这样就会产生足够的样本，但同时也会失去原本问题的特殊性。比如研究俄国革命、经济大萧条等特定事件对科学发展的影响，此类研究有很多，也已经形成了对这些事件事无巨细的知识。但实际上，这些思路只想找到待解释问题的一个答案，而在整体的语境中，因果关系是同时发生的，待解释的事件可能产生于多种因果关系条件组合当中的任何一种组合。

　　二、使用真值表让论证更完整

　　很多时候，研究者未考虑到论证的完整性，是因为操作层面存在难题。比如，质性观察分析会遇上数量庞大、充满变化的特殊事件，无法把它们视作独立的描述性特质，或按它们的交互关系进行处理。在这种情况下，借助“真值表”提出较高层次的描述性概念，把少数相关特质合并成一个类型，依据单一原则判断，就能将大量的特殊观察归总到这些概念下。

　　我们可以在很多地方找到关于真值表概念与程序的简单解释。以讨论“谓语”开始，如果对象属于某种类别，就会有成对的“谓语”。比如说对象是一个鸡蛋，这个鸡蛋不是生的就是熟的，两者不能同时成立，而不能皆不成立。具体步骤如下：

　　1.决定你想调查的结果，以及要用哪些“变量”来“解释”结果。

　　2.把每个变量与结果都定义为分类变量，通常以是否具有某些要素来界定。你可以把它们处理成二元变量(如白人或非白人)，也可以把几个可能性中的每一个，都处理成是否具有某个类别的变量(白人或非白人、黑人或非黑人、亚裔或非亚裔等等)。

　　3.制作一个数据矩阵，也就是包含行与列的表格，提供空格容纳所有变量组合。这种形式是处理定量数据的标准做法，也可以轻易地转化用于质性数据。

　　4.将数据矩阵的格式，变为真值表的形式，列出具有或缺乏这些特质的所有可能组合。

　　5.两种状况之间的差异，如果不会影响结果，就不能成为解释情况之所以不同的原因，那么这些差异就不需要考虑。比如，如果工会成员绝大多数属于同一种族，成功地进行了罢工行动，而其他成员来自不同种族的工会组织，也成功地进行了罢工，那么工会成员是单一还是多种族的，就不能成为罢工成功的成因。依照这个规则，把真值表“减为最小”。

　　6.用最少的必要变量组合，建立一个恰当的结果解释，移除那些在逻辑上非必要的变量组合。

　　比如，研究者认为成功的罢工行动(记为S)有三个主要成因：这个产业的产品有繁荣市场，用A表示;其他工会的罢工会造成威胁，用B表示;以及大笔罢工基金，以C来表示。缺少某个条件则以小写字母表示。具备或缺少这三个成因有八种可能的组合：Abc，aBc，abC，AbC，ABc，aBC，abc，ABC，只有四种(在这个假设的例子中)能导致罢工成功(AbC，aBc，Abc，ABC)。那么把这些抽象的编码用名字还原：当出现繁荣的市场和大笔罢工基金，虽然没有其他工会罢工的威胁，罢工会成功;或者，当既没有繁荣的市场，也没有大笔罢工基金，却又有其他工会罢工的威胁时，罢工会成功……