بازاندیشی علیت در علوم اجتماعی: گذار از پارادایم خطی به منطق ترکیبی و نامتقارن با تمرکز بر FsQCA

نوع مقاله : مقاله پژوهشی

نویسنده

گروه جامعه‌شناسی دانشکده علوم اجتماعی، دانشگاه علامه طباطبائی، تهران، ایران

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

• روش شناسی علوم اجتماعی

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

Department of Sociology, Allameh Tabataba’i University, Tehran, Iran

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; as a result, causality is often assumed to be probabilistic, linear, and symmetric, and limited to answering “under what conditions” questions. In contrast, set-based logic redefines causality in terms of necessary and sufficient relations, allowing for the analysis of causal combinations, multipath ways, and asymmetries of relationships. By recognizing empirical heterogeneity and maintaining sensitivity to degree differences between cases, this approach strengthens the link between theory, conceptualization, and empirical analysis. The methodological framework FsQCA is introduced as an operational embodiment of this set-based logic. Using fuzzy sets, FsQCA allows for the simultaneous analysis of necessary conditions and sufficient combinations, examining causal multipaths, and confronting causal asymmetries. However, the success of this approach depends on a clear theoretical framework, precise conceptual calibration, and correct definition of sets and conditions, and reducing it to a software tool can reduce its explanatory capacity. The paper also analyzes the methodological implications of the transition from linear and symmetric causality to combined and asymmetric causality. This transition not only redefines research questions and the role of theory, but also transforms the concept of generalization and explanatory validity in multi-layered and complex social analysis. Finally, the paper argues that improving the quality of social research requires, above all, a rethinking of the logic of explanation, and that FsQCA, within the theoretical framework and given its limitations, allows for the production of more realistic and theoretically richer explanations.

کلیدواژه‌ها English