Естественные эксперименты в истории. Джеймс А. Робинсон. Читать онлайн. Newlib. NEWLIB.NET

Автор: Джеймс А. Робинсон
Издательство: АСТ
Серия:
Жанр произведения: История
Год издания: 2010
isbn: 978-5-17-098213-4
Скачать книгу
о[1]. Кроме того, при изучении птичьих сообществ, динозавров, эпидемий оспы, ледников или иных планет многие управляемые эксперименты, которые теоретически возможно было бы провести сегодня, тут же будут заклеймены как аморальные и незаконные; нельзя же, в самом деле, убивать птиц или растапливать ледники. Поэтому приходится разрабатывать иные способы «заниматься наукой», а именно наблюдать, описывать и объяснять мир вокруг нас, а затем располагать отдельные объяснения в рамках более широкой общей картины.

      В подобных ретроспективных дисциплинах часто оказывается полезным так называемый метод естественного эксперимента (natural experiment), он же сравнительный метод (comparative method). Этот подход заключается в сравнении – предпочтительно количественном и подкрепленном статистическим анализом – различных систем, схожих во многих отношениях, но различающихся как раз по тем параметрам, влияние которых мы и хотим изучить. Например, для изучения того, какое экологическое воздействие красногрудый дятел-сосун (sphyrapicus ruber) оказывает на родственный вид – соснового дятла-сосуна (sphyrapicus thyroideus), – можно сравнить горы, на которых водятся оба вида, с теми, на которых второй вид водится, а первый – нет.

      Эпидемиология как наука фактически вся построена на анализе подобных естественных экспериментов в человеческих популяциях. Например, мы выяснили, какие группы крови у человека обеспечивают резистентность к оспе, не с помощью управляемых экспериментов (например, участникам эксперимента с разными группами крови делали бы инъекции либо вируса оспы, либо контрольного раствора), а в результате наблюдений над носителями разных групп крови во время одной из последних эпидемий оспы, случившейся в Индии несколько десятилетий назад. Врачи, оказавшиеся в отдаленной деревне в момент начала эпидемии, определили группы крови у жителей и затем отследили, кто заболел или умер, а кто остался здоров[2].

      Конечно, естественный эксперимент имеет немало очевидных недостатков. Например, есть риск, что результат будет зависеть от неких дополнительных факторов, которые «экспериментатор» не позаботился принять во внимание; возможно также, что по-настоящему важными окажутся какие-то другие факторы, которые просто коррелируют с рассматриваемыми, а не сами эти последние. Подобные трудности вполне реальны – но не менее сложны и проблемы, которыми сопровождается проведение управляемого лабораторного эксперимента или нарративных исследований, не использующих сравнительный анализ. Существует огромное количество работ, посвященных тому, как избежать подобных ловушек[3].

      Рассмотрим, например, вопрос, который в настоящее время вызывает немалый практический интерес: способно ли курение вызвать рак? Можно написать трогательное, подробное, всеобъемлющее жизнеописание некоего конкретного курильщика, который действительно умер от рака, но это не докажет, что курение является причиной рака вообще или хотя бы в данном случае. Есть курильщики, которые не заболели раком, и есть некурящие, которые заболели. Всем нам уже известно, что существует еще много других факторов риска, помимо курения. Поэтому эпидемиологи постоянно собирают данные о тысячах или даже миллионах людей, обрабатывают их, отмечая не только фактор курения, но также особенности питания и многое другое, а затем проводят статистический анализ. Такие исследования приводят к ожидаемым и в настоящее время общепринятым выводам. Да, курение в значительной степени связано с некоторыми (но не со всеми) формами рака, однако с помощью статистического анализа можно также выявить множество других причин. Среди них: потребление жиров, клетчатки, антиоксидантов, воздействие солнечного излучения, отдельные загрязняющие вещества, определенные химикаты в пище и воде, многочисленные гормоны и сотни различных генов. Следовательно, ни один эпидемиолог даже не подумает, что можно выявить одну-единственную причину рака, просто рассказав историю конкретного пациента; однако путем сравнения и статистического анализа множества случаев можно достоверно определить множество причин рака. Аналогичные выводы и аналогичные сложности, с которыми еще предстоит разобраться, присущи и историческим явлениям, которые всегда имеют сразу несколько причин.

      Размышляя об этом, можно прийти к выводу, что сравнения, количественные методы и статистика играют неоспоримую роль «золотой середины» в изучении истории. Историки постоянно делают заявления о том, что нечто «изменилось (увеличилось или уменьшилось) с течением времени», «это случалось чаще, чем то», «этот человек сыграл более (или менее) важную роль, чем тот, или вел себя иначе, чем тот». Однако сделать подобное заявление, не подкрепив его цифрами и не выполнив соответствующего статистического анализа, – значит претендовать на выводы из сравнения, которого вы в действительности не делали. Уже в 1979 году историк Лоуренс Стоун напоминал об этом, говоря о важности числового выражения данных:

      Историкам уже не отделаться словами «более», «менее», «растет», «снижается», которые логически предполагают количественное сравнение; теперь им необходимо предоставить четкое статистическое обоснование своих утверждений. Требование количественных показателей сделало аргументы, основанные


<p>1</p>

Эрнст Майр не раз с глубокой проницательностью писал о различиях между историческими и неисторическими науками. См., например: Ernst Mayr. This Is Biology: The Science of the Living World. Cambridge, MA, 1997.

<p>2</p>

F. Vogel, N. Chakravartti. ABO Blood Groups and Smallpox in a Rural Population of West Bengal and Bihar (India) // Human Genetics. 1966. № 3. P. 166–180.

<p>3</p>

Сложности при выявлении причинно-следственных связей в естественных экспериментах обсуждают, среди прочих: Jared Diamond. Overview: Laboratory Experiments, Field Experiments, and Natural Experiments // Community Ecology / eds. Jared Diamond and Ted Case. New York, 1986. P. 3–22; William Shadish, Thomas Cook, and Donald Campbell. Experimental and Quasi-experimental Designs for Generalized Causal Inference. Boston, 2002; Comparative Historical Analysis in the Social Sciences / eds. James Mahoney and Dietrich Rueschermeyer. New York, 2003; Joshua Angrist and Jorn-Steffan Pischke. Mostly Harmless Econometrics: An Empiricist’s Companion. Princeton, New Jersey, 2008; Guido Imbens and Donald Rubin. Causal Inference in Statistics, and in the Social and Biomedical Sciences. Cambridge, 2008; Thad Dunning. Improving Causal Inference: Strengths and Limitations of Natural Experiments // Political Research Quarterly. 2008. № 61. P. 282–293.