نوع مقاله : مقاله پژوهشی
نویسنده
تهران، خ شریعتی، نبش بزرگراه همت، خ داود گل نبی (کتابی)، دانشکده علوم اجتماعی دانشگاه علامه طباطبائی
چکیده
این مقاله با بازاندیشی در منطق علیت در علوم اجتماعی، محدودیتهای رویکردهای متغیرمحور در تحلیل پدیدههای پیچیده و زمینهمند را بررسی میکند. رویکردهای متغیرمحور علیت را عمدتاً بر اساس همبستگی یا اثر آماری میان متغیرها تعریف کرده و آن را خطی، تقارنی و عمدتاً احتمالی میدانند؛ امری که پاسخ به پرسشهای «تحت چه شرایطی» را محدود میسازد. در مقابل، منطق مجموعهمحور علیت با تمرکز بر روابط لازم و کافی، امکان تحلیل ترکیبهای علّی، چندمسیرگی و نامتقارنی روابط را فراهم میآورد. این منطق با به رسمیت شناختن ناهمگنی تجربی و حساسیت به تفاوتهای درجهای میان موارد، پیوند میان نظریه، مفهومپردازی و تحلیل تجربی را تقویت میکند. چارچوب FsQCA بهعنوان صورتبندی عملیاتی این منطق معرفی میشود که با استفاده از مجموعههای فازی، تحلیل همزمان شرایط لازم و ترکیبهای کافی را ممکن میسازد. با این حال، کاربست موفق آن مستلزم چارچوب نظری روشن، کالیبراسیون مفهومی دقیق و تعریف صحیح مجموعههاست. مقاله نشان میدهد گذار از علیت خطی به علیت ترکیبی، پیامدهای مهمی برای پرسشهای پژوهشی، تعمیم و اعتبار تبیینی دارد و میتواند به تولید تبیینهای واقعبینانهتر و نظری غنیتر در پژوهش اجتماعی بینجامد.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Rethinking Causality in the Social Sciences: Moving from a Linear Paradigm to Combinatorial and Asymmetric Logic with a Focus on FsQCA
نویسنده [English]
- Ismail Aalizad
Associate Professor of Sociology, Faculty of Social Sciences, Allameh Tabataba'i University.
چکیده [English]
This article examines the limitations of variable-based approaches to the analysis of complex and contextual phenomena by rethinking the logic of causality in the social sciences. Variable-based approaches define causality primarily in terms of correlations or statistical effects between variables and consider it to be linear, symmetric, and largely probabilistic, which limits the ability to answer “under what conditions” questions. In contrast, set-based causality logic, by focusing on necessary and sufficient relationships, allows for the analysis of causal combinations, multipaths, and asymmetries of relationships. By recognizing empirical heterogeneity and being sensitive to degree differences between cases, this logic strengthens the link between theory, conceptualization, and empirical analysis. The FsQCA framework is introduced as an operational formulation of this logic that uses fuzzy sets to enable the simultaneous analysis of necessary conditions and sufficient combinations. However, its successful application requires a clear theoretical framework, precise conceptual calibration, and correct definition of sets. The paper shows that the transition from linear to mixed causality has important implications for research questions, generalizability, and explanatory validity, and can lead to the production of more realistic and theoretically richer explanations in social research.
کلیدواژهها [English]
- Combinatorial Causality
- Asymmetric Causality
- Set-Oriented Logic
- Fuzzy Algebra
- FsQCA
- Fuzzy Calibration
)