ഇക്കണോമിക്സും സയൻസും പിന്നെ ഡാറ്റയും – വിഷ്ണു അജിത് എഴുതുന്നു

സാമൂഹ്യ വിഷയങ്ങളിൽ ഡാറ്റാ ആണ് എല്ലാം എന്ന തെറ്റിദ്ധാരണ ഒരുപാട് ആളുകളിൽ ഇപ്പോളും ഉണ്ട്. ഇതിൻ്റെ അർഥം ചരിത്രത്തിൽ മുമ്പ് എന്ത് സംഭവിച്ചു എന്ന് ഡാറ്റാ ഉപയോഗിച്ച് മനസ്സിലാക്കാൻ ശ്രമിക്കുന്നതിൽ യാതൊരു കാര്യവുമില്ല എന്ന് സ്ഥാപിക്കാൻ അല്ല, മറിച്ച് ഡാറ്റാ ഉപയോഗിക്കുന്നതിലെയും അത് വെച്ച് നിഗമനങ്ങൾ എത്തിച്ചേരുന്നത്തിലെയും പരിമിതികളെ കുറിച്ച് ഓർമപ്പെടുത്തുവാനും സാമൂഹ്യ വിഷയങ്ങളിൽ യുക്തിയുടെ പ്രധാന്യം വ്യക്തമാക്കുവാനും വേണ്ടി ആണ്. ഇത് തിരിച്ചറിഞ്ഞാൽ മാത്രമേ ചെറി പിക് ചെയ്തു കൊണ്ട് വരുന്ന ഡാറ്റകൾ ഉപയോഗിച്ച് എത്തുന്ന നിഗമനങ്ങളുടെ സത്യാവസ്ഥ മനസ്സിലാക്കാൻ സാധിക്കുക ഉള്ളൂ.

വിഷയങ്ങളുടെ സങ്കീർണത കാരണം എക്കണോമിക്സ് അടക്കം ഉള്ള സാമൂഹ്യ ശാസ്ത്ര വിഷയങ്ങളിൽ പലപ്പോളും വിദഗ്ധർക്ക് വരെ പരസ്പരം contradictory ആയിട്ടുള്ള അഭിപ്രായങ്ങൾ ഉണ്ടാകാറുണ്ട്. വളരെ വിപരീത അഭിപ്രായങ്ങൾ ഉള്ള ആളുകൾ പോലും അവരുടെ ഭാഗം സ്ഥാപിച്ചെടുക്കാൻ പാകത്തിന് ഡാറ്റയും പഠനങ്ങളും ലോജിക്കും ആയി വരുമ്പോൾ ആശയക്കുഴപ്പത്തിൽ ആകുന്നവർ പലപ്പോളും തങ്ങളുടെ ബയാസുകൾക്ക് അനുസരിച്ച ഡാറ്റയും പഠനങ്ങളും കൊണ്ട് വരുന്ന ആളുകളുടെ പഠനങ്ങൾ ശരി ആണെന്നും മറ്റുള്ളവ തെറ്റാണെന്നും കരുതി മുന്നോട്ട് പോകുക ആണ് ചെയ്യാറ്. അല്ലാത്ത പക്ഷം ഏത് ഭാഗം ആണ് ശരി എന്ന് മനസ്സിലാക്കാൻ കഴിയാത്തതിനാൽ രാഹുൽ ഈശ്വർ മോഡലിൽ അവരുടെ രണ്ടു വാദങ്ങളുടെയും മധ്യത്തിൽ ആണ് ശെരിയായ ഉത്തരം കിടക്കുന്നത് എന്ന് assume ചെയ്തു ഇരിക്കേണ്ടത് ആയും വരുന്നു. ഇത്തരം ആശയക്കുഴപ്പങ്ങൾ ഒഴിവാക്കി ഇരു വാദങ്ങളെയും പരിഗണിച്ചു കൃത്യമായ നിഗമനങ്ങളിൽ എത്തുവാൻ സാമ്പത്തിക ശാസ്ത്രത്തിന്റെ രീതിശാസ്ത്രങ്ങൾ (Methodology) മനസ്സിലാക്കേണ്ടത് അത്യാവശ്യം ആണ്.

നാച്ചുറൽ സയൻസിൻ്റെ രീതിശാസ്ത്രം

സാമൂഹ്യ ശാസ്ത്രത്തിന്റെ രീതിശാസ്ത്രങ്ങളെ കുറിച്ച് അറിയുന്നതിന് മുന്നേ ഫിസിക്സ്, കെമിസ്ട്രി തുടങ്ങിയ നാച്ചുറൽ സയൻസ് വിഷയങ്ങളിലെ രീതിശാസ്ത്രം (Methodology in Natural Science) എങ്ങിനെ ആണ് എന്ന് ചെറുതായി ഒന്ന് മനസിലാക്കാം. എങ്ങിനെ ആണ് പ്രകൃതിയിലെ പ്രതിഭാസങ്ങളെ കുറിച്ചുള്ള അറിവുകൾ നമ്മൾ ശേഖരിക്കുന്നത്? അതിനു ശാസ്ത്രം പ്രധാനമായും ആശ്രയിക്കുന്നത് പരീക്ഷണ നിരീക്ഷണങ്ങളിലൂടെ ലഭിക്കുന്ന തെളിവുകളെ ആണ് (Empirical Evidence). ഉദാഹരണത്തിന് എങ്ങിനെ ആണ് പ്രകൃതിയിലെ ഏതെങ്കിലും 2 വസ്തുക്കൾ (ഉദാ: സോഡിയവും വെള്ളവും) തമ്മിൽ മിശ്രണം ചെയ്യുമ്പോൾ എന്ത് സംഭവിക്കും എന്ന് മനസ്സിലാക്കാൻ സാധിക്കുക? എന്ത് സംഭവിക്കും എന്നതിനെ കുറിച്ച് നമ്മുടെ അനുഭവങ്ങളും മുൻ ധാരണകളും എല്ലാം ഉപയോഗിച്ച് അനുമാനങ്ങൾ നടത്താം എങ്കിലും ആ അനുമാനങ്ങൾ ശരി ആണോ അല്ലയോ എന്നത് നമ്മൾ അവ മിശ്രണം ചെയ്തു പരീക്ഷിച്ചു നോക്കാതെ അത് അറിയാൻ പറ്റില്ല. ഇനി ഇത്തരം പരീക്ഷണങ്ങളിലൂടെ നമ്മൾ കണ്ടെത്തിയ കാര്യം എല്ലായിടത്തും എല്ലായ്‌പോഴും ശരിയാകും എന്ന് ഉറപ്പിക്കാൻ കഴിയുമോ? ഇല്ല എന്നാണ് ഉത്തരം. നമ്മളുടെ അനുമാനങ്ങൾ അപ്പോളും ഒരു ഹൈപോതെസിസ് മാത്രം ആയിരിക്കും. കാരണം നമ്മൾ കണ്ടെത്തിയ ആ നിരീക്ഷണം സംഭവിച്ചത് മറ്റ് ചില പ്രത്യേക സാഹചര്യങ്ങൾ കൂടെ fulfill ചെയ്തത് കൊണ്ട് കൂടെ ആയിരിക്കാൻ സാധ്യത അപ്പോളും ഉണ്ട്. അത് കൊണ്ട് തന്നെ ഇന്നും തുടർന്ന് കൊണ്ടിരിക്കുന്ന ഇത്തരം പരീക്ഷണ നിരീക്ഷണ trial and error process വഴി ആണ് നമ്മൾ ശാസ്ത്രത്തിന്റെ കാര്യത്തിൽ നിഗമനങ്ങളിൽ എത്തി ചേരുന്നത്. അത് കൊണ്ട് ആണ് പണ്ട് പറഞ്ഞ ശരികളെ മാറ്റി കൂടുതൽ മെച്ചപ്പെട്ട ശരികളിലേക്ക് എത്തി ചേരാൻ കഴിയുന്നതും കൂടുതൽ കണ്ടെത്തലുകൾ നടത്താൻ സാധിക്കുന്നതും. അങ്ങിനെ നിരീക്ഷണങ്ങൾക്ക് ശേഷം നമ്മൾ എത്തുന്ന അറിവുകളെ “A posteriori knowledge” എന്നും ഇങ്ങനെ അറിവ് കണ്ടെത്തുന്ന രീതിയെ “empiricism” എന്നുമാണ് സാങ്കേതികമായി വിളിക്കുന്നത്. പരീക്ഷണ നിരീക്ഷണങ്ങൾക്ക് ശേഷം മാത്രം നിഗമനകളിലേക്ക് എത്തിച്ചേരുന്നത് കൊണ്ട് തന്നെ എല്ലായ്പ്പോഴും ശരി ആകും എന്ന് പൂർണമായും നമുക്ക് പറയാൻ സാധിക്കുക ഇല്ല. മറിച്ച് ഭാവിയിൽ നിരീക്ഷണങ്ങൾ വഴി തെറ്റാണെന്ന് തെളിയിക്കപ്പെടാൻ സാധ്യത ഉള്ള ഹൈപോതെസിസുകൾ മാത്രം ആയി മാത്രമേ ഇത്തരം അറിവുകളെ നമുക്ക് പരിഗണിക്കാൻ സാധിക്കുക ഉള്ളൂ. എന്നിരുന്നാലും നാച്ചുറൽ സയൻസ് വിഷയങ്ങളിൽ മാനവരാശിയുടെ തന്നെ ഗതി മാറ്റി മറിച്ച വളരെ വിപ്ലവകരമായ ഒട്ടനവധി അറിവുകൾ നേടുവാൻ ഈ empirical മെത്തേഡുകൾ വഴി നമുക്ക് സാധിച്ചിട്ടുണ്ട് എന്നത് തർക്കരഹിതമായ വസ്തുത ആണ്.

ഇക്കണോമിക്സിലെ അറിവുകൾ

എന്നാൽ എക്കണോമിക്സ് അടക്കമുള്ള സാമൂഹ്യ ശാസ്ത്ര വിഷയങ്ങളിലും നാച്ചുറൽ സയൻസിലേതു പോലെ empirical രീതിശാസ്ത്രം തന്നെ ആണോ ഉപയോഗിക്കേണ്ടത്? എക്കണോമിക്സിലെ അറിവുകളിൽ പരീക്ഷണ നിരീക്ഷണങ്ങളാൽ തെറ്റാണെന്ന് തെളിയിക്കാൻ സാധിക്കുന്ന ഹൈപോതെസിസുകൾ മാത്രമാണോ ഉള്ളത്? അത് പരിശോധിക്കാൻ. എക്കണോമിക്സിൽ ഉള്ള “സത്യങ്ങൾ” എന്ന് പറയപ്പെടുന്ന ചില പ്രസ്താവനകൾ ഉദാഹരണമായി എടുക്കാം:

a) Whenever two people A and B engage in a voluntary exchange, they must both expect to profit from it. And they must have reverse preference orders for the goods and services exchanged so that A values what he receives from B more highly than what he gives to him, and B must evaluate the same things the other way around. (എപ്പോഴെല്ലാം രണ്ടു വ്യക്തികൾ സ്വമേധയാ ഒരു ഇടപാടിൽ (Voluntary Exchange) ഏർപ്പെടുന്നുവോ അപ്പോളെല്ലാം അവർ രണ്ടുപേരും ലാഭം പ്രതീക്ഷിക്കുന്നു. അതായത്, അവർക്ക് ഈ ഇടപാടിലൂടെ ലഭിക്കുന്ന സാധന സേവനങ്ങളെ അവർ വിട്ടു കൊടുക്കുന്ന സാധന സേവനകളെക്കാൾ അവർ വിലമതിക്കുന്നു)

b) Whenever an exchange is not voluntary but coerced, one-party profits at the expense of the other. (എപ്പോഴെല്ലാം വ്യക്തികൾ തമ്മിലുള്ള ഇടപാടുകളിൽ ബലപ്രയോഗം വരുന്നുവോ അപ്പോഴെല്ലാം ബലപ്രയോഗം നടത്തുന്ന വ്യക്തി ലാഭവും ബലം പ്രയോഗിക്കപ്പെടുന്ന വ്യക്തി നഷ്ടവും ആയിരിക്കും പ്രതീക്ഷിക്കുന്നത്.)

c) Law of diminishing marginal utility: Whenever the supply of a good increases by one additional unit, provided each unit is regarded as of equal serviceability by a person, the value attached to this unit must decrease. For this additional unit can only be employed as a means for the attainment of a goal that is considered less valuable than the least valued goal satisfied by a unit of such good if the supply were one unit shorter (എപ്പോഴെല്ലാം ഒരേ പോലെ കരുതപ്പെടുന്ന ഒരു സാധന/സേവനത്തിന്റെ സപ്ലൈ ഒരു യൂണിറ്റ് കൂടുന്നോ അപ്പോളെല്ലാം അധികമായി വന്ന ആ യൂണിറ്റിന് ഒരാൾ നൽകുന്ന മൂല്യം കുറഞ്ഞിരിക്കും. കാരണം ഈ അധിക യൂണിറ്റിന്, ഇത് ഇല്ലാതെ ഇരിക്കുമ്പോൾ ഉള്ള അവസ്ഥയിൽ ഒരു മനുഷ്യന് satisfy ചെയ്യാൻ കഴിയുന്ന ഏറ്റവും മൂല്യം കുറഞ്ഞ ആവശ്യത്തേക്കാളും മൂല്യം കുറഞ്ഞ ആവശ്യം മാത്രമേ satisfy ചെയ്യാൻ കഴിയുക ഉള്ളൂ)

d) എപ്പോഴെല്ലാം മിനിമം വേതനം മാർക്കറ്റിൽ ലഭ്യമായ വേതനത്തെക്കാൾ ഉയർത്തി വെക്കുന്നുവോ, അപ്പോഴെല്ലാം മാർകെറ്റിൽ സൃഷ്ടിക്കപ്പെടുന്ന തൊഴിലവസരങ്ങൾ ഈ മിനിമം വേതന നിയമം ഇല്ലാതെ ഇരുന്നെങ്കിൽ ഉണ്ടാകുമായിരുന്ന തൊഴിലവസരങ്ങളെക്കാൾ കുറവ് ആയിരിക്കും.

മുകളിൽ പറഞ്ഞ പ്രസ്താവനകളുടെ ശരി തെറ്റുകൾ തെളിയിക്കുന്നത് മുൻപ് ഫിസിക്സ് ലെയും കെമിസ്ട്രിയിലെയും വിശദീകരിച്ച “a posteriori” രീതി ശാസ്ത്രം ഉപയോഗിച്ച് തന്നെ ആണോ? മുകളിൽ പറഞ്ഞ പ്രസ്താവനകൾ സയൻസിൽ ഉള്ളത് പോലെ വെറും ഹൈപോതെസിസ് മാത്രം ആണോ? Natural Science വിഷയങ്ങളിൽ എന്ന പോലെ ഈ പ്രസ്താവനകളും ശരി ആണോ എന്ന് ഉറപ്പു വരുത്താനും കൂടുതൽ മെച്ചപ്പെട്ട ശരികളിലേക്ക് എത്താനും മനുഷ്യരുടെ പ്രവർത്തികൾ അനന്തമായ trial and error പ്രക്രിയ വഴി നിരീക്ഷിക്കേണ്ട ആവശ്യം ഉണ്ടോ? ഇല്ല എന്ന് ആണ് ഉത്തരം. നെറ്റി ചുളിക്കാൻ തുടങ്ങുന്നതിനു മുന്നേ തുടർന്നും വായിക്കുക.

ഒരു ഇടപാട് അഥവാ Exchange എന്താണ് എന്നുള്ള നമ്മുടെ മനസ്സിലാക്കലിൽ നിന്ന് തന്നെ രണ്ടു വ്യക്തികൾ സ്വമേധയാ ഇടപാട് നടത്തുമ്പോൾ അവർ കൈമാറ്റം ചെയ്യുന്ന സാധന/സേവനങ്ങൾക്ക് അവർ കല്പിക്കുന്ന മൂല്യം വിപരീത ദിശയിൽ ആണ് എന്നത് അർത്ഥ ശങ്ക ഇല്ലാതെ തന്നെ മനസ്സിലാക്കാൻ കഴിയും. അത് പോലെ തന്നെ, അവിടെ ഒരു ബലപ്രയോഗം വരുമ്പോൾ ഉള്ള നിഗമനവും മറ്റൊന്ന് ആണ് എന്ന് പറയാൻ നമ്മുടെ common sense അനുവദിക്കില്ല. ലക്ഷക്കണക്കിന് വർഷങ്ങൾക്ക് മുന്നേയും ഇത് അങ്ങിനെ ആയിരുന്നു, ഇന്നും ഇനിയും ലക്ഷക്കണക്കിന് വർഷങ്ങൾ കഴിഞ്ഞാലും അത് അങ്ങിനെ തന്നെ ആയിരിക്കുകയും ചെയ്യും. സ്വമേധയാ നടത്തുന്ന ഇടപാടിലും ബലപ്രയോഗം നടത്തുന്ന ഇടപാടിലും “എല്ലായ്പ്പോഴും” ഈ പ്രസ്താവനകൾ ശരി തന്നെ ആയിരിക്കും.

Law of marginal utility യുടെ കാര്യത്തിലും ഇതേ കാര്യം തന്നെ ആണ് സംഭവിക്കുന്നത്. കാരണം ഏതൊരു മനുഷ്യനും അയാൾക്ക് കൂടുതൽ സംതൃപ്തി (Satisfaction) നൽകുന്നത് എന്താണോ അതാണ് അയാൾക്ക് കുറവ് സംതൃപ്തി നൽകുന്ന കാര്യത്തേക്കാൾ “എല്ലായ്‌പ്പോഴും” തിരഞ്ഞെടുക്കുക എന്ന നിഷേധിക്കാനാകാത്ത യാഥാർഥ്യത്തിൽ നിന്ന് തന്നെ ഒരേ പോലെ ഉള്ള സാധന സേവനങ്ങളുടെ അധികമായി വരുന്ന സപ്ലൈ അതിന്റെ Marginal Utility കുറയ്ക്കും എന്നത് യുക്തിപരമായി അനുമാനിക്കാൻ സാധിക്കും. അത്കൊണ്ട് തന്നെ സദാ സമയവും എതിരായ ഒരു നിരീക്ഷണം വന്നാൽ തെറ്റാണെന്ന് തെളിയിക്കപ്പെടാവുന്ന തരത്തിൽ ഉള്ള വെറും ഹൈപോതെസിസ് മാത്രം ആയി അതിനെ കാണാൻ കഴിയുക ഇല്ല എന്ന് മാത്രമല്ല ഓരോ വ്യക്തിയ്ക്കും തികച്ചും വ്യക്തിപരമായ അവരുടെ satisfaction നിരീക്ഷിച്ചു കൊണ്ട് എത്രത്തോളം എന്നത് കൃത്യമായി കണക്കു കൂട്ടി എടുക്കാൻ ശ്രമിക്കുക എന്നത് തന്നെ പരമ വിഡ്ഢിത്തവും അസാധ്യവും ആയ കാര്യം ആണ്. അതുപോലെ തന്നെ മിനിമം വേതന നിയമങ്ങളുടെ കാര്യത്തിലും അത്തരം നിയമങ്ങൾ ഒരു സ്ഥലത്തു നടപ്പിലാക്കി നോക്കാതെ തന്നെ അതിന്റെ പരിണിതഫലങ്ങൾ എന്തൊക്കെ ആയിരിക്കും എന്ന് യുക്തിപരമായി അനുമാനിക്കാൻ സാധിക്കും (മിനിമം വേതനത്തെ കുറിച്ച വിശദമായി പ്രതിപാദിച്ച മറ്റൊരു ലേഖനത്തിന്റെ ലിങ്ക് താഴെ കൊടുക്കുന്നു). യഥാർത്ഥ ലോകത്ത് നടക്കുന്ന ഇത്തരം കാര്യങ്ങൾ എല്ലാം നമുക്ക് നമ്മുടെ യുക്തി (Logic) ഉപയോഗിച്ച് തന്നെ അനുമാനിച്ചെടുക്കാൻ സാധിക്കുന്നവ ആണ്. അത് കൊണ്ട് തന്നെ ഈ പറഞ്ഞ പ്രസ്താവനകളെ Natural Science ഇൽ എന്ന പോലെ ഹൈപോതെസിസ് മാത്രം ആയി കണക്കാക്കുന്നത് യുക്തിഹീനമാണ്.

മുകളിൽ പറഞ്ഞ പ്രസ്താവനകൾ എല്ലാം തന്നെ യഥാർഥ ലോകവുമായി അത്യന്തം പൊരുത്തപ്പെടുന്ന അറിവുകൾ ആണ്. എന്നാൽ നമ്മൾ ഇവിടെ എത്തി ചേർന്നിട്ടുള്ള അറിവുകൾ ഒന്നും തന്നെ നാച്ചുറൽ സയൻസിൽ കണ്ടെത്തിയ അറിവുകൾ പോലെ പരീക്ഷണ നിരീക്ഷണങ്ങൾ ഉപയോഗിച്ച് മനസിലാക്കിയത് അല്ല. മറിച്ച് നമ്മുടെ “logic” ഉപയോഗിച്ച് കണ്ടെത്തിയ സത്യങ്ങൾ ആണ്. ഇത്തരത്തിൽ നമ്മുടെ യുക്തി ഉപയോഗിച്ചു കണ്ടെത്തുന്ന അറിവുകളെ A Priori എന്നും ഇങ്ങനെ അറിവ് കണ്ടെത്തുന്ന രീതിയെ rationalism എന്നുമാണ് സാങ്കേതികമായി വിളിക്കുന്നത്. A posteriori അറിവുകളിൽ നിന്നും ഇത്തരം അറിവുകളെ നമ്മുടെ നിത്യ ജീവിതത്തിൽ കാണുന്ന ഒരു നിരീക്ഷണങ്ങൾ കൊണ്ടും തെറ്റ് ആണെന്ന് തെളിയിക്കുക സാധ്യം അല്ല. മറിച്ച് ഈ അറിവുകൾ നേടാൻ ഉപയോഗിച്ച യുക്തി തെറ്റ് ആണെന്ന് തെളിയിക്കാൻ സാധിച്ചാൽ മാത്രമേ ഇവയെല്ലാം തെറ്റാണെന്ന് prove ചെയ്യാൻ സാധിക്കുക ഉള്ളൂ.

ഡാറ്റ ഇല്ലാതെ അറിവ് നേടാൻ സാധിക്കുമോ?

നാച്ചുറൽ സയൻസിന്റെ empirical രീതിശാസ്ത്രത്തിൽ പഠിച്ചു വളർന്ന മിക്ക ആളുകളും ഡാറ്റ ഇല്ലാതെ യാതൊരു അറിവും നേടാൻ പറ്റില്ല എന്ന തെറ്റിദ്ധാരണ നിലവിൽ ഉണ്ട്. ഏതൊരു കാര്യം സത്യം ആണ് എന്ന് പറയണം എങ്കിലും ഡാറ്റ കൂടിയേ തീരൂ എന്നും ഡാറ്റ വെച്ച് പറയുന്ന വാദങ്ങൾ എല്ലായ്‌പോഴും ഡാറ്റ ഉപയോഗിക്കാതെ പറയുന്ന വാദങ്ങളെക്കാൾ ശരി ആയിരിക്കും എന്നും “ഡാറ്റ മാത്രവാദ”ത്തിൽ അവർ ഉറച്ച് വിശ്വസിക്കുന്നു. ഈ വിശ്വാസം മൂലം ഇവർ ഡാറ്റ ഉപയോഗിക്കാതെ നേടുന്ന ഏതൊരു അറിവും അർത്ഥമില്ലാത്ത, മനോ വ്യായാമത്തിൽ നിന്നും കണ്ടെത്തുന്ന പ്രസ്താവനകൾ മാത്രം ആണ് എന്ന് പറഞ്ഞു കൊണ്ട് അതിന്റെ മെറിറ്റിലേക്ക് പോലും കടക്കാതെ തള്ളുന്നു. യഥാർത്ഥ ലോകത്തെ കുറിച്ച് ഒന്നും തന്നെ അത്തരം A priori അറിവുകൾ മനസ്സിലാക്കി തരുന്നില്ല എന്നും യഥാർത്ഥ ലോകത്തെ കുറിച്ചുള്ള അറിവുകൾ പരീക്ഷണ നിരീക്ഷണങ്ങളിൽ കൂടെ കണ്ടെത്തിയാൽ മാത്രമേ മനസിലാക്കാൻ സാധിക്കുക ഉള്ളൂ എന്നും ഇവർ വാദിക്കുന്നു. അത് കൊണ്ട് തന്നെ ഇത്തരം വാദക്കാരെ സംബന്ധിച്ചിടത്തോളം സാമൂഹ്യ ലോകത്തെ സംബന്ധിച്ചു യാതൊരു കാര്യവും ഉറപ്പോടെ പറയാൻ കഴിയില്ല, മറിച്ച് സാമൂഹ്യ ശാസ്ത്ര പ്രതിഭാസങ്ങളെ കുറിച്ച് നാളെ തെറ്റാണെന്ന് തെളിയിക്കാൻ സാധിക്കുന്ന താത്കാലികമായി ശരികളായ ഹൈപോതെസിസുകൾ മാത്രമേ ഉണ്ടാകുക ഉള്ളൂ.

ഇങ്ങനെ ഡാറ്റയെ അന്ധമായി വിശ്വസിക്കുന്ന ആളുകൾ പല സാമൂഹ്യ വിഷയങ്ങളെ പറ്റിയും ചർച്ച ചെയ്യുമ്പോൾ ഉന്നയിക്കുന്ന അവകാശ വാദം ആണ് “ഞാൻ ഡാറ്റ വെച്ചാണ് സംസാരിക്കുന്നത്, നിങ്ങൾക്ക് ഡാറ്റ ഇല്ല, അത്കൊണ്ട് എന്റെ ഭാഗം ശരിയും നിങ്ങൾ തെറ്റുമാണ്” എന്നത്. ഇങ്ങനെ പറഞ്ഞു കൊണ്ട് തങ്ങളുടെ ബയാസുകളെ ന്യായീകരിക്കുന്ന ഡാറ്റകൾ മാത്രം ചെറി പിക്ക് ചെയ്തു കൊണ്ട് വന്നു എത്ര ലോജിക്കൽ ആയി ഉന്നയിക്കുന്ന എതിർ വാദങ്ങളെയും കണ്ണടച്ചു കൊണ്ട് അവർ എതിർക്കുന്ന കാഴ്ച എല്ലാ വിധ സാമൂഹ്യ വിഷയങ്ങളിലെ ചർച്ചകളിലും സർവ്വ സാധാരണമാണ്. എന്നാൽ “ഡാറ്റ ഉപയോഗിച്ച് മാത്രമേ സാമൂഹ്യ ശാസ്ത്ര വിഷയങ്ങളിൽ യഥാർത്ഥ ലോകത്തെ കുറിച്ചുള്ള അറിവ് നേടാൻ കഴിയൂ, അല്ലാത്ത ഒന്നും അറിവല്ല” എന്ന അറിവ് തന്നെ ഡാറ്റ നിരത്തി പരീക്ഷണ നിരീക്ഷണം വഴി ആണോ നിങ്ങൾ കണ്ടെത്തിയത് എന്ന് തിരിച്ചു ചോദിച്ചാൽ തന്നെ ഈ ഒരു ധാരണയിൽ പിശകുകൾ ഉണ്ട് എന്ന മനസിലാക്കാൻ സാധിക്കും.

അതിന്റെ ഉത്തരം പരീക്ഷണ നിരീക്ഷണങ്ങളിൽ കൂടെ തന്നെ ആണ് എങ്കിൽ അതിന്റെ അർഥം അത് വെറും ഒരു ഹൈപോതെസിസ് മാത്രം ആണ് എന്നും ആ ഒരു സ്റ്റേറ്റ്മെന്റ്റ് എല്ലായ്‌പോഴും ശരി ആണ് എന്ന് ഉറപ്പിച്ചു പറയാൻ സാധിക്കില്ല എന്നും ആണ്. അങ്ങിനെ വന്നു കഴിഞ്ഞാൽ പരീക്ഷണങ്ങളിലൂടെ അല്ലാതെ a priori ആയി എത്തിച്ചേരുന്ന അറിവുകളെ Data ഇല്ല/പരീക്ഷണ നിരീക്ഷണങ്ങൾ ഇല്ല എന്ന കാരണം പറഞ്ഞു നിരാകരിക്കാൻ കഴിയാതെ വരും. ഇനി ഉറപ്പിച്ചു പറയാൻ കഴിയുന്ന സത്യം ആണ് എന്ന് വാദിച്ചാലോ? ആ അറിവ് തന്നെ A priori അറിവ് ആയതിനാൽ ഡാറ്റ ഇല്ലാതെയും സാമൂഹ്യ വിഷയങ്ങളിൽ അറിവ് നേടുക സാധ്യം ആണ് എന്ന് തെളിയിക്കപ്പെടുകയും ഡാറ്റ ആണ് എല്ലാം എന്ന വാദം പൊളിയുകയും ചെയ്യും.

പൈതഗോറസും ഡാറ്റയും

A priori അറിവുകളെ കുറച്ചു കൂടെ ലളിതമായി മനസ്സിലാക്കാൻ പറ്റിയ ചില analogy കൾ നോക്കാം. ഒന്നാമത്തേത് Geometry ആണ്. ജോമെട്രിയിൽ ഉള്ള പ്രശസ്തമായ ഒരു സിദ്ധാന്തം ആണ് പൈതഗോറസ് സിദ്ധാന്തം. കൊച്ചു കുട്ടികൾക്ക് പോലും സുപരിചിതമായ ഈ സിദ്ധാന്തം എങ്ങിനെ ആണ് തെളിയിക്കാൻ സാധിക്കുന്നത്? ഈ ലോകത്തിൽ നിലവിലുള്ള ഓരോ മട്ട ത്രികോണങ്ങളും അളന്നു നോക്കിയിട്ടു വേണോ ഒരു 2 dimensional plane ഇൽ ഉള്ള എല്ലാ മട്ട ത്രികോണത്തിലും പൈതഗോറസ് സിദ്ധാന്തം ശെരി ആണ് എന്ന അറിവ് നമുക്ക് മനസ്സിലാക്കാൻ? അതിന്റെ ആവശ്യം ഇല്ല, കാരണം ത്രികോണം, ചതുരം തുടങ്ങിയ ജ്യാമിതീയ രൂപങ്ങളുടെ അർഥം തന്നെ പൈത്തഗോറസ് സിദ്ധാന്തം അടക്കം ഉള്ള ജോമെട്രിയുടെ എല്ലാ സിദ്ധാന്തങ്ങളും ആൾറെഡി ഉൾക്കൊള്ളുന്നുണ്ട്. നമ്മുടെ യുക്തി ഉപയോഗിച്ച് അത് എല്ലാം അനുമാനിച്ചു കണ്ടു പിടിക്കാൻ കഴിയും. അത്കൊണ്ട് തന്നെ ഏതെങ്കിലും ഒരു മട്ട ത്രികോണത്തിൽ പൈതഗോറസ് സിദ്ധാന്തം ശെരി ആകുന്നില്ല എന്ന് ആരെങ്കിലും ഡാറ്റാ ഉപയോഗിച്ച് പറഞ്ഞാല് അവരുടെ നിരീക്ഷണമോ നിഗമനമോ പൂർണമല്ല, എന്തോ പിഴവ് സംഭവിച്ചിട്ടുണ്ട് എന്ന് മാത്രമേ അർഥം ഉള്ളൂ. അല്ലാതെ ഒരു സാധ്യത ഇല്ല. അങ്ങിനെ അതിന്റെതായ ലോജിക്കൽ ഘടന കൊണ്ട് തന്നെ ശരി ആണെന്ന് ഉറപ്പിക്കാൻ കഴിയുന്ന പ്രസ്താവനകളെ “Tautology” എന്നാണ് ലോജിക്കിന്റെ ഭാഷയിൽ വിളിക്കുന്നത്. അതിനാൽ പൈഥഗോറസ് സിദ്ധാന്തം ഒരു “Tautology” ആണ് എന്ന് പറയാം. Tautology എന്ന വാക്കിനു ഒരേ കാര്യം തന്നെ വീണ്ടും പറയുക എന്ന അർഥം കൂടെ ഉള്ളത് കൊണ്ട് ഇത്തരം പ്രസ്താവനകൾ പുതുതായി ഒന്നും നമുക്ക് പറഞ്ഞു തരുന്നില്ലല്ലോ എന്ന ചിന്തിക്കേണ്ട, എല്ലാ വ്യാഖ്യാനങ്ങളിലും ശരി മാത്രം ആകുന്ന പ്രസ്താവന എന്ന അർത്ഥത്തിൽ ആണ് ലോജിക്കിന്റെ ഭാഷയിൽ Tautology യെ വിശേഷിപ്പിക്കുന്നത്. പൈതഗോറസ് സിദ്ധാന്തം tautology ആയത് കൊണ്ട് അതിന് യഥാർത്ഥ ലോകത്തെ കുറിച്ച ഒന്നും മനസ്സിലാക്കി തരുവാൻ കഴിയില്ല എന്ന് അർഥം ഇല്ല എന്നത് തർക്കം പോലും ഇല്ലാത്ത ഒരു കാര്യം ആണല്ലോ.
അത് പോലെ തന്നെ കണക്കിലും

ലോജിക്കിലും ഉള്ള മറ്റു ചില പ്രസ്താവനകൾ നോക്കിയാലും, ഉദാ:

a) 2+3=5
b) Something cannot be both A and not A at the same time.
c) If A implies B, and B implies C, then A implies C
d) ഒരാൾക്ക് ഒരേ സമയം ഒരാൾക്ക് തിരുവനന്തപുരത്തും കോഴിക്കോടും ഉണ്ടാകാൻ സാധിക്കില്ല
e) “ഒരു വടിയുടെ അടുത്ത് വെച്ച ഒരു വസ്തുവിന് ആ വടിയുടെ പകുതി നീളവും മററൊരു വസ്തുവിന് 1/ 4 നീളവും ആണെങ്കിൽ ആദ്യത്തെ വസ്തു രണ്ടാമത്തെ വസ്തുവിനേക്കാൾ നീളം കൂടുതൽ ആയിരിക്കും”.

ഈ പ്രസ്താവനകൾ എല്ലായ്‌പോഴും ശരി ആയിരിക്കും എന്ന് ഉറപ്പിക്കാൻ നിരവധി വസ്തുക്കളെ എടുത്ത് വെച്ച് പരീക്ഷിക്കേണ്ടത് ഇല്ല എന്ന് കാണാൻ കഴിയും. മറിച്ച് യുക്തി ഉപയോഗിച്ചു തന്നെ മനസ്സിലാക്കാൻ സാധിക്കും. അത് കൊണ്ട് തന്നെ പരീക്ഷണ നിരീക്ഷണങ്ങൾ ഇല്ലാതെ എത്തുന്ന എല്ലാ അറിവുകളും വെറും വെളിപാടുകൾ ആണെന്നും യാഥാർഥ്യവും ആയി ബന്ധം ഇല്ല എന്നും പറയുന്ന വാദങ്ങൾ തെറ്റ് ആണ് എന്ന് മനസിലാക്കാം.

എക്കണോമിക്‌ തിയറിയും A priori അറിവും

പരീക്ഷണ നിരീക്ഷണങ്ങളിൽ നിന്ന് അല്ലാതെ യുക്തി ഉപയോഗിച്ച് എത്തിച്ചേരാൻ കഴിയുന്ന A priori രീതിശാസ്ത്രം എക്കണോമിക്സിൽ എങ്ങിനെ അറിവുകൾ കണ്ടെത്താനും തിയറികൾ രൂപപ്പെടുത്താനും ഉപയോഗിക്കാം എന്ന് നോക്കാം. നമ്മൾ പലപ്പോഴും ഇക്കോണമി എന്ന് പറയുമ്പോൾ മനസ്സിലാക്കുന്നത് കുറെ സംരംഭകരും തൊഴിലാളികളും വിഭവങ്ങളും ഉപകരണങ്ങളും തൊഴിലുകളും പണവും ബാങ്കുകളും എല്ലാം ആണ്. ഇതിനെല്ലാം അതിൻ്റേതായ പ്രധാന്യം ഉണ്ടെങ്കിൽ കൂടെ ഇക്കോണമി എന്നാൽ ഇതൊന്നും അല്ല. ഇവയെല്ലാം അടിസ്ഥാനപരമായി മനുഷ്യന്റെ വിവിധ ലക്ഷ്യങ്ങൾ പൂർത്തീകരിക്കാൻ ഉള്ള വിവിധങ്ങളായ മാർഗങ്ങളിൽ ചിലത് മാത്രം ആണ്. മനുഷ്യൻ്റെ ലക്ഷ്യബോധത്തോടെ ഉള്ള പ്രവർത്തനം അഥവാ Purposeful behavior ആണ് അവന്റെ ചുറ്റുപാടുകളോട് അർഥവത്തായി പ്രതികരിച്ച് കൊണ്ട് വിവിധ ആവശ്യങ്ങൾ സഫലമാക്കാൻ സഹായിക്കുന്നത്. തൻ്റെ ചുറ്റുപാടുകളിൽ ലഭ്യമായ വിവിധതരം പരിമിതമായ മാർഗങ്ങളെ ഉപയോഗപ്പെടുത്തി മനുഷ്യർ അവരുടെ ലക്ഷ്യങ്ങൾ നിറവേറ്റിയെടുക്കുന്ന പ്രക്രിയ ആണ് Economy. അത്കൊണ്ട് തന്നെ ഇക്കണോമിയുടെ അടിസ്ഥാനം എന്നത് മനുഷ്യൻ്റെ ലക്ഷ്യബോധത്തോടെ ഉള്ള പ്രവർത്തനം (Human Action) മനസ്സിലാക്കൽ ആണ്.

മനുഷ്യൻ ലക്ഷ്യബോധത്തോടെ പ്രവർത്തിക്കുന്നു (Human Engage in Purposeful Behaviour) എന്ന ഈ അടിസ്ഥാന തത്വത്തിൽ നിന്നാണ് എക്കണോമിക്‌സിലെ അറിവുകൾ യുക്തി ഉപയോഗിച്ച് കൊണ്ട് എത്തിച്ചേരുന്നത്. ഈ പ്രസ്താവന ശരിയാണോ എന്ന് ഒരു പക്ഷെ ചിന്തിച്ചേക്കാം. ലക്ഷ്യബോധത്തോടെ പ്രവർത്തിക്കുന്നു എന്നതിന്റെ അർഥം എല്ലാ മനുഷ്യരും IAS നേടാനും ക്രിക്കറ്റ് താരം ആകാനും തുടങ്ങി ഭയങ്കര പ്ലാനിങ്ങോട് കൂടെ കണക്കു കൂട്ടലുകൾ നടത്തി അതിനു അനുസരിച്ച് ലോജിക്കൽ ആയ തീരുമാനങ്ങളെടുത്ത് ആണ് ജീവിക്കുന്നത് എന്നൊന്നും ആണെന്ന് തെറ്റിദ്ധരിക്കരുത്. മനുഷ്യർ സ്വബോധത്തോടെ ഏതൊരു പ്രവർത്തി ചെയ്യുമ്പോഴും ഈ പ്രവർത്തി അതിനു മുന്നേ ഉള്ള അവസ്ഥയിൽ നിന്നും അവനു കൂടുതൽ സാറ്റിസ്ഫാക്ഷൻ കിട്ടുന്ന അവസ്ഥയിലേക്ക് അവനെ എത്തിക്കും എന്ന് പ്രതീക്ഷിച്ച് കൊണ്ട് ആയിരിക്കും എന്ന് മാത്രമേ അതിനു അർഥം ഉള്ളൂ. അത് ശരിയായ, യുക്തിപരമായ, കൃത്യമായ തീരുമാനം ആകണം എന്ന് യാതൊരു നിർബന്ധവുമില്ല. മറ്റുള്ളവരുടെ കണ്ണിൽ തികച്ചും മണ്ടത്തരം എന്ന് തോന്നുന്ന കാര്യം പോലും ആ പ്രവർത്തി ചെയ്യുന്ന ആളിനെ സംബന്ധിച്ച് കൂടുതൽ സാറ്റിസ്ഫാക്ഷൻ പ്രതീക്ഷിച്ച് കൊണ്ട് ലക്ഷ്യ ബോധത്തോടെ ഉള്ള ഒരു പ്രവർത്തനം ആയിരിക്കും. ഞാൻ ഇപ്പോൾ എഴുതുന്നത്, നിങ്ങൾ ഇപ്പോൾ ഈ ലേഖനം വായിക്കുന്നത്, നമ്മൾ ജോലിക്ക് പോകുന്നത്, കച്ചവടം നടത്തുന്നത്, ആഗ്രഹങ്ങൾ സാധിച്ചു തരാൻ ഇല്ലാത്ത ദൈവത്തോടു പ്രാർത്ഥിക്കുന്നത്, കൂട്ടുകാരോടൊത്ത് സമയം ചിലവഴിക്കുന്നത്, സിനിമ കാണുന്നത്, പ്രണയിക്കുന്നത്, പരീക്ഷയ്ക്ക് പഠിക്കുന്നത്, പരീക്ഷ ഉണ്ടെന്ന് അറിഞ്ഞിട്ടും പഠിക്കാതെ ഉഴപ്പുന്നത്, എന്തിന്, ഒന്നും ചെയ്യാതെ മടി പിടിച്ച് ഇരിക്കുന്നത് പോലും അവരവരുടെ സാറ്റിസ്ഫാക്ഷൻ ലക്‌ഷ്യം വെച്ച് കൊണ്ടുള്ള വിവിധങ്ങളായ purposeful behavior അഥവാ Human action ആണ്.

ഇവിടെ മനുഷ്യർ ലക്ഷ്യബോധത്തോടെ പ്രവർത്തിക്കുന്നു എന്ന് പറയുമ്പോൾ ആ ലക്ഷ്യം എന്താണ് എന്നോ അത് logically reasonable ആയിട്ടുള്ള ലക്ഷ്യം ആണോ അല്ലയോ എന്നോ ആ ലക്ഷ്യത്തിലേക്ക് എത്താൻ അവർക്ക് കഴിയുമോ ഇല്ലയോ എന്നോ അവർ ചെയ്യുന്ന പ്രവർത്തി ധാർമ്മികമാണോ അല്ലയോ എന്നൊന്നും ഉള്ള ഒരു ജഡ്ജ്മെൻ്റിനും മുതിരുന്നില്ല. മനുഷ്യൻ്റെ ബൗദ്ധിക നിലവാരവും ഇഷ്ടാനിഷ്ടങ്ങളും ബയസുകളും കഴിവുകളും സാഹചര്യങ്ങളും എല്ലാം അനുസരിച്ച് അവയെല്ലാം മാറി കൊണ്ടേ ഇരിക്കും. ഉദാഹരണത്തിന് ആദിമ മനുഷ്യർ മഴ പെയ്യാൻ വേണ്ടി നൃത്തം ചെയ്യുന്ന പ്രവർത്തി ഇന്ന് നമുക്ക് തികച്ചും യുക്തിഹീനം ആണ് എന്ന് അറിയാം. എന്നാൽ ഈ നൃത്തം ചെയ്യുന്ന ആളുകളും, ഇന്നത്തെ ശാസ്ത്ര സാങ്കേതിക വിദ്യകൾ ഉപയോഗിച്ച് കൊണ്ട് കൃത്രിമമായി മഴ പെയ്യിക്കുന്ന ശാസ്ത്രജ്ഞരും ഒരു ലക്‌ഷ്യം വെച്ച് കൊണ്ട് ആ ലക്ഷ്യത്തിലേക്ക് എത്തുവാൻ ബോധപൂർവം തങ്ങളുടെ കൈവശം ഉള്ള വിഭവങ്ങൾ ഉപയോഗിച്ച് കൊണ്ട് പ്രവർത്തിക്കുക ആണ്.

ശ്രദ്ധിക്കേണ്ട മറ്റൊരു കാര്യം, മനുഷ്യൻ ചെയ്യുന്ന എല്ലാ പ്രവർത്തികളും ലക്ഷ്യ ബോധത്തോടു കൂടെ ആണെന്നു ഈ പ്രസ്താവന അർഥം ആകുന്നില്ല എന്നുള്ളത് ആണ്. മനുഷ്യരുടെ ജൈവികമായ റിഫ്ലക്സ്‌ ( ഉദാ: ചൂട് തട്ടുമ്പോൾ കൈ പിൻവലിക്കുന്നത്), ഇഛാപൂർവ്വമല്ലാത്ത ജീവ കോശങ്ങളുടെ പ്രവർത്തനങ്ങൾ (ഉദാ: ഹൃദയമിടിപ്പ്), മറ്റ് ബോധപൂർവ്വമല്ലാത്ത പെരുമാറ്റങ്ങൾ (ഉറക്കത്തിൽ എഴുന്നേറ്റ് നടക്കൽ) എന്നിവ ഒന്നും purposeful behaviour അഥവാ Human Action അല്ല. ഒരു മനുഷ്യനെ സംബന്ധിച്ചിടത്തോളം ഇത്തരം unconscious behaviours എല്ലാം അവന്റെ നിയന്ത്രണത്തിൽ ഇല്ലാത്ത പുറം ലോകത്ത് നടക്കുന്ന മറ്റ് സംഭവ വികാസങ്ങളെ (ഉദാ: മഴ പെയ്യുന്നത്, അയൽക്കാരന്റെ പെരുമാറ്റം etc.) കുറിച്ചുള്ള വിവരങ്ങളിൽ നിന്നും ഒട്ടും വ്യത്യസ്തം അല്ല.

ലക്ഷ്യബോധം ഉള്ള പ്രവർത്തികൾ (Action) എന്താണ് എന്ന നമ്മുടെ മനസ്സിലാക്കലിൽ തന്നെ മനുഷ്യൻ ലക്ഷ്യ ബോധത്തോടെ ഉള്ള പ്രവർത്തനത്തിൽ ഏർപ്പെടുന്നു എന്ന് മനസ്സിലാക്കാൻ കഴിയും എന്നത് കൊണ്ട് തന്നെ നേരത്തെ പൈഥഗോറസ് സിദ്ധാന്തത്തെ കുറിച്ച് പറഞ്ഞ പോലെ തന്നെ ഈ ഒരു പ്രസ്താവനയും ഒരു tautology (a statement that is true by necessity or by virtue of its logical form) ആണ്. അത്കൊണ്ട് തന്നെ ഇത് തെറ്റ് ആണെന്ന് പറയുന്നത് യുക്തിക്ക് നിരക്കുന്നത് അല്ല. യാതൊരു പരീക്ഷണ നിരീക്ഷണങ്ങൾ കൊണ്ടും ഈ പ്രസ്താവന തെറ്റാണെന്ന് തെളിയിക്കാൻ കഴിയില്ല എന്ന് മാത്രം അല്ല, ഈ പ്രസ്താവനയെ തെറ്റാണെന്ന് തെളിയിക്കുക എന്ന ലക്ഷ്യത്തോട് കൂടെ ചെയ്യുന്ന അത്തരം പ്രവർത്തികളും ഒരു Purposeful Behavior ആയതിനാൽ ഈ പ്രസ്താവനയെ ശരി വെക്കുക കൂടെ ആണ് ചെയ്യുന്നത്.

നേരത്തേ ഒരു Triangle ൻ്റെ Definition ഇൽ നിന്ന് തന്നെ പൈതഗോറസ് തിയറം യുക്തി ഉപയോഗിച്ച് കണ്ട് പിടിക്കാം എന്ന് പറഞ്ഞ പോലെ തന്നെ Human Action ൻ്റെ ഈ ഒരു അടിസ്ഥാന തത്വത്തിൽ നിന്നും ഒരുപാട് തിയറികൾ നമുക്ക് യുക്തി ഉപയോഗിച്ച് മനസ്സിലാക്കി എടുക്കാൻ സാധിക്കും. തിയറി എന്ന് പറയുമ്പോൾ യഥാർത്ഥ ലോകവുമായി ബന്ധം ഇല്ലാത്ത എന്തോ ആണെന്ന് തെറ്റിദ്ധരിക്കരുത്. അത്തരം തെറ്റി ധാരണകൾ sin(θ) yum cos(θ) yum കൊണ്ട് ജീവിതത്തിൽ ആർക്കും യാതൊരു ഉപകരവുമില്ല എന്ന് കരുതുന്ന പോലെ ഉള്ള തെറ്റിദ്ധാരണകൾ മാത്രം ആണ്. യഥാർത്ഥ ലോകത്തിലെ വിവിധ പ്രതിഭാസങ്ങളെ വിശദീകരിക്കാനും മനസ്സിലാക്കാനും തിയറി കൂടിയെ തീരൂ.

മനുഷ്യർ ലക്ഷ്യ ബോധത്തോടെ പ്രവർത്തിക്കുന്നു എന്നത് logically അർത്ഥം ആക്കുന്നത് അവർ അവരുടെ ലക്ഷ്യങ്ങൾക്ക് മറ്റ് ലക്ഷ്യങ്ങളെക്കാൾ കൂടുതൽ മൂല്യം (Value) കല്പിക്കുന്നു എന്നും നിരവധിയായ മാർഗങ്ങളിൽ (means) നിന്നും ലക്ഷ്യത്തിലേക്ക് (ends) എത്തുന്നതിനായി അവർക്ക് അനുയോജ്യം എന്ന് തോന്നുന്ന ഒരു മാർഗം ബോധപൂർവം തിരഞ്ഞെടുക്കുന്നു (Choice and preferences) എന്നും ആണ്. ഇങ്ങനെ ലക്ഷ്യത്തിലേക്ക് എത്താൻ വിവിധ മാർഗങ്ങളിൽ നിന്നും തിരഞ്ഞെടുപ്പ് നടത്തുന്നു എന്നത് മനുഷ്യൻ തിരഞ്ഞെടുക്കുവാൻ ലഭ്യമായ മാർഗങ്ങൾ ദുർലഭമാണ് (Scarcity) എന്ന് മനസ്സിലാക്കി തരുന്നു. തികച്ചും വ്യക്തി പരമായി മനുഷ്യർ കല്പിക്കുന്ന മൂല്യം ആണ് അവരെ ലക്ഷ്യബോധത്തോടെ പ്രവർത്തിക്കാൻ പ്രേരിപ്പിക്കുന്നത് എന്ന മനസ്സിലാക്കലിൽ നിന്നും മൂല്യം (Value) സബ്ജെക്റ്റീവ് ആണെന്ന നിഗമനത്തിലും എത്തിച്ചേരാൻ കഴിയും. ഇങ്ങനെ യുക്തിപരമായി മനുഷ്യന്റെ പരസ്പരം ഉള്ള ഇടപഴകലുകളെ പറ്റിയും അവർ എടുക്കുന്ന തീരുമാനങ്ങളെ പറ്റിയും അതിനുള്ള ചിലവുകളെ പറ്റിയും തുടങ്ങി ലോകത്തിന്റെ മുഴുവൻ സമ്പദ് വ്യവസ്ഥയെ കുറിച്ചുമുള്ള ഒരുപാട് അറിവുകൾ Logical Deduction ഉപയോഗിച്ച് കൊണ്ട് നമുക്ക് മനസിലാക്കുവാൻ കഴിയും. ആദ്യ ഭാഗത്തിൻ്റെ മൂന്നാമത്തെ ഖണ്ഡികയിൽ പറഞ്ഞ പ്രസ്താവനകൾ ഉൾപ്പെടെ ഇക്കണോമിക്സിലെ പ്രധാന തിയറികൾ എല്ലാം മനുഷ്യന്റെ പ്രവർത്തനങ്ങളെ കുറിച്ചുള്ള ഈ ഒരു അടിസ്ഥാന തത്വത്തിൽ നിന്നും Logical deduction വഴി എത്തിച്ചേർന്നിട്ടുള്ള അറിവുകൾ ആണ്.

Empirical രീതിശാസ്ത്രവും എക്കണോമിക്‌സും

Empiricism അനുസരിച്ച് സാമൂഹ്യ ലോകത്തെ കുറിച്ചുള്ള യാതൊരു അറിവുകളും കൃത്യമായി അറിയാൻ സാധിക്കില്ല എന്ന് പറഞ്ഞല്ലോ. പകരം സമൂഹത്തെ നിരീക്ഷിച്ച ശേഷം താത്കാലികമായി ശരിയാണെന്നു കരുതപ്പെടുന്ന അറിവുകൾ മാത്രമേ ഉണ്ടാകുക ഉള്ളൂ. ഒരു കാര്യം ശരി ആണ് എന്ന് നിങ്ങൾ കരുതുന്നു എങ്കിൽ അത് യഥാർത്ഥ ലോകത്തെ അനുഭവങ്ങളെ നോക്കി പരീക്ഷിച്ച് തന്നെ സ്ഥാപിക്കണം. അങ്ങിനെ നിരന്തരം ഉള്ള എംപിരിക്കൽ റിസേർച്ചുകൾ വഴി ആണ് സാമൂഹ്യ ശാസ്ത്രത്തിൽ രൂപപ്പെടുന്ന തിയറികളുടെ വിശ്വാസ്യത തെളിയിക്കപ്പെടുന്നത് എന്നാണ് ഈ രീതിശാസ്ത്രം പറയുന്നത്. അത് കൊണ്ട് തന്നെ ഇത്തരം തിയറികൾക്ക് യഥാർത്ഥ സംഭവങ്ങളെ എത്രത്തോളം കൃത്യമായി പ്രവചിക്കാൻ കഴിയും എന്നതിന് ഈ രീതിശാസ്ത്രത്തിൽ വലിയ പ്രാധാന്യം ആണുള്ളത്. വിശദീകരിക്കാൻ ശ്രമിക്കുന്ന കാര്യങ്ങളെ കുറിച്ച് കൃത്യമായി പ്രവചനം നടത്താൻ തിയറികൾക്ക് കഴിയുന്നില്ല എങ്കിൽ അത് ഭാവിയിൽ ഭാഗികമായി എങ്കിലും തെറ്റ് ആണെന്ന് തെളിയിക്കപ്പെടും എന്നാണ് കരുതപ്പെടുന്നത്.

നാച്ചുറൽ സയൻസ് വിഷയങ്ങളിൽ അറിവുകൾ കണ്ടെത്തുന്നത്തിൽ ഒരു വലിയ പരിധി വരെ വിജയകരമായ ഈ രീതിശാസ്ത്രം പക്ഷെ എക്കണോമിക്സ് അടക്കമുള്ള സാമൂഹ്യ ശാസ്ത്ര വിഷയങ്ങളിലേക്ക് കൂടെ അതെപടി പ്രയോഗിക്കുമ്പോൾ ചില സങ്കീർണതകൾ കൂടെ കൊണ്ട് വരും. Human Action നേ പറ്റി ആണ് എക്കണോമിക്സ് പഠിക്കാൻ ശ്രമിക്കുന്നത് എന്ന കണ്ടല്ലോ. നാച്ചുറൽ സയൻസ് കൈകാര്യം ചെയ്യുന്ന മറ്റ് മേഖലകളിൽ നിന്നെല്ലാം മനുഷ്യന്റെ പ്രവർത്തികളെ വേർതിരിക്കുന്ന ഒരു പ്രത്യേകത മനുഷ്യന് ചിന്തിക്കാനും ചുറ്റുപാടുകൾക്ക് അനുസരിച്ച് പ്രതികരിക്കാനും അതിൽ നിന്ന് പാഠം ഉൾക്കൊണ്ട് കൊണ്ട് മുന്നേറാനും കഴിയുന്നുണ്ട് എന്നത് തന്നെ ആണ്. അത് കൊണ്ട് തന്നെ മനുഷ്യന്റെ പ്രവർത്തികൾ പ്രവചിക്കുക സാധ്യം അല്ല. പ്രകൃതിയിലെ ഏതെങ്കിലും വസ്തുക്കളെ ചില പ്രത്യേക സാഹചര്യങ്ങളിൽ പരീക്ഷണ വിധേയമാക്കിയാൽ അത് എങ്ങിനെ എല്ലാം ആയിരിക്കും പ്രവർത്തിക്കുക എന്നത് നമുക്ക് പരീക്ഷണ നിരീക്ഷണങ്ങൾ കൊണ്ട് മനസ്സിലാക്കി പ്രവചിക്കാൻ കഴിയും. ആദ്യം പറഞ്ഞ സോഡിയവും വെള്ളവും ചേരുമ്പോൾ എന്ത് സംഭവിക്കും എന്നുള്ളത് വീണ്ടും വീണ്ടും ആവർത്തിച്ച് പരീക്ഷിച്ചാലും നമുക്ക് ഒരേ പോലെ തന്നെ ഉത്തരം ലഭിക്കും, താപനില ഉയരുമ്പോൾ വെള്ളത്തിൻ്റെ പ്രോപ്പർട്ടികൾ എങ്ങിനെ മാറുന്നു എന്ന് വീണ്ടും വീണ്ടും പരീക്ഷിച്ച് നോക്കിയാലും ഒരു പോലെ തന്നെ ഉത്തരം ലഭിക്കും. ഹൃദയത്തിൻ്റെയും ശ്വാസകോശത്തിൻ്റെയും പ്രവർത്തനം പഠിക്കാനും ഈ രീതി ഉപകാരപ്പെട്ടേക്കും. ഇവ ഒന്നും മനുഷ്യനെ പോലെ ചിന്തിക്കാനോ ലക്ഷ്യബോധത്തോടെ പ്രവർത്തിക്കാനോ കഴിയുന്നവ അല്ല. എന്നാൽ മനുഷ്യന്റെ കാര്യത്തിൽ അത് പ്രവചിക്കാൻ ഒരിക്കലും സാധിക്കില്ല. ഒരു പ്രത്യേക സാഹചര്യത്തിൽ ഒരാൾ പെരുമാറുന്ന പോലെ അല്ല മറ്റൊരാൾ പെരുമാറുന്നത്, ഒരേ സാഹചര്യം തന്നെ വീണ്ടും ഒരേ ആളിൽ തന്നെ ആവർത്തിക്കാൻ ശ്രമിച്ചാലും വ്യത്യസ്ഥ ഫലങ്ങൾ ആണ് ഉണ്ടാകുന്നത്. ഇന്ന് ഒരു രീതിയിൽ പ്രവർത്തിക്കുന്ന മനുഷ്യനു നാളെ തികച്ചും വിപരീതമായി പ്രവർത്തിക്കുവാൻ കഴിയും. അത് കൊണ്ട് തന്നെ പ്രവചനം എന്നത് അസാധ്യം ആണ്. എത്ര തന്നെ ശരിയായ തിയറി ആണെങ്കിലും അതിനു ഭാവിയിൽ നടക്കുന്ന കാര്യങ്ങളെ കൃത്യമായി പ്രവചിക്കാൻ കഴിയില്ല. പകരം അനുമാനങ്ങൾ നടത്താൻ മാത്രമേ സാധിക്കുള്ളൂ.

മറ്റൊരു പ്രശ്‌നം ലക്ഷക്കണക്കിന് ഘടകങ്ങൾ ഒരേ സമയം മനുഷ്യന്റെ പ്രവർത്തികളെ സ്വാധീനിക്കുന്നു എന്നത് ആണ്. അത്കൊണ്ട് തന്നെ തികച്ചും നിയന്ത്രിതമായ രീതിയിൽ മറ്റെല്ലാ ഘടകങ്ങളെയും സ്ഥിരമാക്കി വെച്ചുകൊണ്ട് ഒരു ഘടകത്തെ മാത്രം വ്യത്യാസപ്പെടുത്തി ഉള്ള പരീക്ഷണ നിരീക്ഷണങ്ങൾക്ക് സാമൂഹ്യ ശാസ്ത്രത്തിൽ നാച്ചുറൽ സയന്സിനെ അപേക്ഷിച്ച് വലിയ പരിമിതികൾ ഉണ്ട്. അത് കൊണ്ട് തന്നെ നിരീക്ഷണങ്ങളിലൂടെ ലഭിക്കുന്ന ഡാറ്റയിൽ കാണുന്ന പരസ്പര ബന്ധം (Correlation) കണ്ടു കൊണ്ട് Causality അഥവാ കാര്യകാരണ ബന്ധം കൃത്യമായി സ്ഥാപിച്ചെടുക്കാൻ കഴിയില്ല. നിരീക്ഷണത്തിനു എടുത്ത ഡാറ്റ വളരെ കുറച്ച് കാലത്തേതു മാത്രം ആണെങ്കിൽ അത്തരം നിരീക്ഷണങ്ങൾ കൊണ്ട് എത്തിച്ചേരുന്ന നിഗമനങ്ങൾ വീണ്ടും ദുർബലമാകും.

പരീക്ഷണ നിരീക്ഷണ രീതിശാസ്ത്രത്തിന്റെ മറ്റൊരു വലിയ പ്രശ്നം അതിനു നടന്ന സംഭവങ്ങളെ കുറിച്ച് മാത്രമേ വിശകലനം ചെയ്യാൻ സാധിക്കൂ എന്നത് ആണ്. എന്നാൽ നടന്ന സംഭവങ്ങളെ മാത്രം മുൻനിർത്തി നമുക്ക് കൃത്യമായ നിഗമനങ്ങളിലേക്ക് എത്തിച്ചേരാൻ കഴിയില്ല. പ്രത്യേകിച്ചും ഒരു ഇക്കണോമിക് പോളിസി നല്ലത് ആണോ അല്ലയോ എന്ന് കണ്ടെത്തുന്ന കാര്യത്തിൽ. അതിനു ആ പോളിസി ഇല്ലാതെ ഇരുന്നാൽ ഉണ്ടാകുമായിരുന്നു അവസ്ഥ എങ്ങിനെ ആയിരുന്നിരിക്കും എന്ന് അനുമാനിച്ചു എടുക്കാൻ സാധിക്കണം. എങ്കിൽ മാത്രമേ പോളിസി കൊണ്ട് ഉണ്ടായ പരിണിതഫലം നമുക്ക് കൃത്യമായി താരതമ്യം ചെയ്യുവാനും നിഗമനങ്ങളിൽ എത്തുവാനും സാധിക്കുക ഉള്ളൂ.

മിനിമം വേതന നിയമം തന്നെ ഉദാഹരണമായി എടുക്കാം. “എപ്പോഴെല്ലാം മിനിമം വേതനം മാർക്കറ്റിൽ ലഭ്യമായ വേതനത്തെക്കാൾ ഉയർത്തി വെക്കുന്നുവോ, അപ്പോഴെല്ലാം മാർക്കറ്റിൽ സൃഷ്ടിക്കപ്പെടുന്ന തൊഴിലവസരങ്ങൾ ഈ മിനിമം വേതന നിയമം ഇല്ലാതെ ഇരുന്നെങ്കിൽ ഉണ്ടാകുമായിരുന്ന തൊഴിലവസരങ്ങളെക്കാൾ കുറവ് ആയിരിക്കും.” ഈ ഒരു പ്രസ്താവനയെ ഡാറ്റ ഉപയോഗിച്ച് ശരി ആണോ എന്ന് പരിശോധിക്കാൻ എന്തൊക്കെ ആണ് നമുക്ക് അറിയേണ്ടത്? അതിനു ആദ്യം തന്നെ മാർക്കറ്റിൽ ലഭ്യമായ വേതനം എത്ര ആണെന്ന് മനസ്സിലാക്കാൻ സാധിക്കണം. അതിനേക്കാൾ കൂടിയ വേതനം ആണോ അതോ കുറവാണോ നിയമപരമായി വെച്ചത് എന്ന് മനസ്സിലാക്കണം, ഇതെല്ലാം മനസ്സിലാക്കിയ ശേഷം മിനിമം വേതനം ഉള്ള അവസ്ഥയും ഇല്ലാത്ത അവസ്ഥയും മറ്റു ബാഹ്യ ഘടകങ്ങളുടെ മാറ്റങ്ങൾ ഇല്ലാത്ത നിയന്ത്രിതമായ സാഹചര്യത്തിൽ പരീക്ഷിക്കുകയും വേണം. ഇത് കൂടാതെ ഈ നിയമം ലംഘിച്ച് ആരും ആളുകളെ ജോലിക്ക് എടുത്തിട്ട് ഉണ്ടാകുകയും ചെയ്യരുത്.

ഈ പറഞ്ഞതിൽ നിന്നും തന്നെ ഈ പരീക്ഷണ-നിരീക്ഷണത്തിൻ്റെ പ്രായോഗികത എന്താണ് എന്ന് ഏകദേശ രൂപം കിട്ടിയിട്ട് ഉണ്ടാകും എന്ന് കരുതുന്നു. മാർക്കറ്റിലെ വേതനം അനുദിനം മാറി കൊണ്ടേ ഇരിക്കും. നിരീക്ഷണം നടത്തുന്ന സ്ഥലത്തെ എല്ലാ സംരംഭകരും കൊടുക്കാൻ ആഗ്രഹിക്കുന്ന വേതനവും എല്ലാ തൊഴിലാളികളും ജോലി ചെയ്യാൻ തയ്യാറാകുന്ന വേതനവും എത്ര ആണെന്ന് കൃത്യമായി കണ്ട് പിടിക്കേണ്ടി വരും. കൂടാതെ ഈ നിയമം നടപ്പിലാക്കിയാൽ അത് ഇല്ലാത്ത അവസ്ഥയും, തിരിച്ചും മറ്റ് ബാഹ്യ ഘടകങ്ങൾ ഒന്നും തന്നെ മാറാതെ നമുക്ക് അറിയാൻ ഒരിക്കലും സാധിക്കുക ഇല്ല. ആകെ ചെയ്യാൻ കഴിയുക ഹിസ്റ്റോറിക്കൽ ഡാറ്റ (നിയമം നടപ്പാക്കുന്നതിന് മുന്നേ ഉള്ള തൊഴിലവസരങ്ങളുടെ ഡാറ്റയും അതിനു ശേഷം ഉള്ള ഡാറ്റയും) തമ്മിൽ താരതമ്യം ചെയ്യുക എന്നത് ആണ്. എന്നാൽ രണ്ടു സമയങ്ങളിലെയും മറ്റ് നിരവധി ഘടകങ്ങൾ (സർക്കാരിന്റെ മറ്റ് നയങ്ങൾ, തൊട്ടടുത്ത പ്രദേശത്തെ നയങ്ങൾ, സംരംഭകരുടെ ഭാവിയെ കുറിച്ചുള്ള പ്രതീക്ഷകൾ, പലിശ നിരക്കുകൾ, സാങ്കേതിക മുന്നേറ്റങ്ങൾ, പ്രകൃതി ദുരന്തങ്ങൾ, etc.) വലിയ രീതിയിൽ വ്യത്യാസപ്പെട്ടിരിക്കും എന്നതിനാൽ പോളിസി നടപ്പിലാക്കുന്നതിന് മുന്നേയും ശേഷവും ഉള്ള ഡാറ്റകൾ താരതമ്യം ചെയ്തുകൊണ്ട് ഈ നിയമം എത്രത്തോളം തൊഴിലവസരങ്ങളെ ബാധിച്ചു എന്ന് മനസ്സിലാക്കാൻ സാധിക്കില്ല.

റോക്കറ്റ് മുകളിലേക്ക് പോകുന്നത് നിരീക്ഷിച്ച് കൊണ്ട് ഗ്രാവിറ്റി ഇല്ല എന്ന് പറയാൻ കഴിയാത്തത് പോലെ തന്നെ തൊഴിലില്ലായ്മ മുന്നെ ഉള്ള അവസ്ഥയിൽ നിന്നും കുറഞ്ഞു/മാറ്റമുണ്ടായില്ല എന്നത് നിരീക്ഷിച്ച് മിനിമം വേതന നിയമം തൊഴിലവസരങ്ങൾ ഇല്ലാതെ ആക്കുന്നില്ല എന്ന് പറയാനും കഴിയില്ല. കൂടാതെ ഈ ഡാറ്റ ഉപയോഗിച്ച് കൊണ്ട് ഭാവിയിലും ഇങ്ങനെ ഒരു ബന്ധം ഉണ്ടെന്ന് ഉറപ്പിക്കാൻ കഴിയില്ല.

26. അതെ സമയം,

a. കൂടുതൽ വേതനം കൊടുക്കണം എന്ന നിയമം വന്നാൽ ജോലി കൊടുക്കുന്ന ഒരു സംരംഭകനേയും ജോലിക്കാരനെയും സംബന്ധിച്ചിടത്തോളം അവരുടെ സ്വാതന്ത്രത്തിൽ കൂടുതൽ നിയന്ത്രണം വരുക ആണ് എന്നും,

b. ഒരു ജോലിക്കാരനെ വെക്കാൻ ഉള്ള ചിലവിനെ justify ചെയ്യുന്ന തരത്തിൽ ഉള്ള productivity അവനില്ല എന്ന് സംരംഭകർക്കു തോന്നുന്ന പക്ഷം പുതിയ ആളുകളെ എടുക്കാതെ ഇരിക്കുകയോ ഉള്ളവരെ പിരിച്ചു വിടുകയോ ആയിരിക്കും എന്നും,

c. Productivity കുറഞ്ഞ ആളുകളെ മിനിമം വേതനത്തിലും കുറഞ്ഞ വേതനത്തിന് ജോലിക്ക് സംരംഭകർ എടുക്കാൻ ഉള്ള സാധ്യത ഇല്ലാതെ ആകുന്നത് സമ്പദ് വ്യവസ്ഥയിൽ ഈ നിയമം കൊണ്ടുവന്നില്ലായിരുന്നു എങ്കിൽ ഉണ്ടാകുമായിരുന്ന ജോലി സാധ്യതകളേക്കാൾ പരിമിതം ആയിരിക്കും,

എന്നുമൊക്കെ യുക്തി ഉപയോഗിച്ച് തന്നെ നമുക്ക് മനസ്സിലാക്കാൻ കഴിയുന്നതേ ഉള്ളൂ. ഡാറ്റ ഉപയോഗിച്ചുള്ള പഠനങ്ങളിൽ നിന്നും വിപരീതമായ ഒരു കണ്ടെത്തൽ ലഭിച്ചാൽ ഒന്നുകിൽ മറ്റു ഘടകങ്ങൾ മിനിമം വേതന നിയമം ഉണ്ടാക്കിയ അധിക തൊഴിലില്ലായ്മയെ നിർവീര്യമാക്കി എന്നോ അല്ലെങ്കിൽ കൊണ്ട് വന്ന പഠനത്തിൽ എടുത്ത ഡാറ്റയിൽ പിശകുകൾ ഉണ്ടെന്നോ ഹ്രസ്വ കാല ഡാറ്റ മാത്രം ആണ് എടുത്തത് എന്നൊക്കെ മാത്രമേ അനുമാനിക്കാൻ സാധിക്കുക ഉള്ളൂ.

ഡാറ്റ ഉപയോഗിച്ച് സാമൂഹ്യ ശാസ്ത്രത്തിൽ നിഗമനങ്ങളിൽ എത്തുന്നതിന്റെ മറ്റൊരു പ്രധാന പ്രശ്നം മനുഷ്യരുടെ വ്യക്തിപരമായ ചോയ്‌സുകളെയും അവർ അതിനു കല്പിക്കുന്ന മൂല്യങ്ങളെയും ഏതാനും ചില നമ്പറിൻ്റേയും equation ൻ്റെയും രൂപത്തിലേക്ക് മാറ്റി എഴുതാൻ സാധിക്കില്ല എന്നത് ആണ്. ഏതൊരു മനുഷ്യനും അവന്റെ കൈവശം ഉള്ള പരിമിതമായ വിഭവങ്ങളെ ഉപയോഗിച്ച് കൊണ്ട് കൂടുതൽ സാറ്റിസ്ഫാക്ഷൻ ലഭിക്കുന്ന അവസ്ഥയിലേക്ക് പോകുവാൻ ആണ് ശ്രമിക്കുന്നത്. ഇവിടെ ഏത് സമയത്തു ഏതു പ്രവർത്തിക്ക് ആണ് കൂടുതൽ സാറ്റിസ്ഫാക്ഷൻ ഒരു വ്യക്തിക്ക് കൊടുക്കാൻ സാധിക്കുക എന്നതിനെ കുറിച്ച് കൃത്യമായി ആർക്കും മനസ്സിലാക്കാൻ കഴിയില്ല. തികച്ചും വ്യക്തിപരമായ ഒരു കാര്യം ആണ് അത്. അത് കൊണ്ട് തന്നെ ഓരോ വസ്തുവിനും ആളുകൾ ഓരോ സമയത്തും കല്പിക്കുന്ന മൂല്യം എത്ര ആണെന്ന് കണക്കു കൂട്ടി നമ്പറിന്റെ രൂപത്തിലേക്ക് മാറ്റി എഴുതുവാൻ കഴിയില്ല. അതിന് വേണ്ടി എത്ര വലിയ ബിഗ് ഡാറ്റാ അനാലിസിസും സങ്കീർണമായ സ്റ്റാറ്റിസ്റ്റിക്കൽ മെത്തെടുകളും ഉപയോഗിക്കാൻ ശ്രമിച്ചാലും അത്തരം അനലിസിസുകൾ നമ്മളെ എവിടെയും എത്തിക്കില്ല.

മുൻപ് പറഞ്ഞ Law of diminishing marginal utility യുടെ കാര്യം തന്നെ ഉദാഹരണ സഹിതം എടുക്കാം. ഈ നിയമത്തെ ശരി ആണോ എന്ന് prove ചെയ്യാൻ ആയിരക്കണക്കിന് ആളുകൾക്ക് ഒരേ പോലെ ഉള്ള ആപ്പിളുകൾ കൊടുത്ത് കൊണ്ട് Double blind പരീക്ഷണങ്ങൾ നടത്തി അധികമായി ലഭിച്ച ആപ്പിൾ അവർക്ക് മുൻപ് ലഭിച്ച ആപ്പിൾ കൊണ്ട് ലഭിച്ചതിനേക്കാൾ കുറവ് സാറ്റിസ്ഫാക്ഷൻ നൽകുന്ന കാര്യത്തിന് വേണ്ടി ആണോ ഉപയോഗിച്ചത് എന്ന് സർവ്വേ നടത്തി കൊണ്ട് സാധിക്കുമോ? ഇല്ല, അങ്ങിനെ ചെയ്തുകൊണ്ട് ഒരു നിഗമനത്തിൽ എത്താൻ സാധിക്കുക ഇല്ല എന്ന് മാത്രം അല്ല, അത് ശാസ്ത്രീയവും ആകില്ല.

നിങ്ങൾ ഒരാൾക്ക് ഒരു ആപ്പിൾ കൊടുത്താൽ അവർക്ക് അതുപയോഗിച്ചു ചെയ്യാൻ കഴിയുന്ന പലവിധ കാര്യങ്ങളിൽ നിന്ന് ( ഉടനെ എടുത്ത് കഴിക്കുക, അൽപനേരം കഴിഞ്ഞു കഴിക്കാൻ മാറ്റി വെക്കുക, മരമായി മാറാൻ കുഴിച്ചിടുക, വിശക്കുന്ന മറ്റൊരാളിനു കൊടുക്കുക, ഏതെങ്കിലും അണ്ണാന് തിന്നാൻ കൊടുക്കുക, എറിഞ്ഞു കളിക്കുക, മറ്റെന്തെങ്കിലും രൂപങ്ങൾ ഉണ്ടാക്കുക etc.) ഏത് കാര്യം ആണ് ആ സമയത്ത് അയാള് തിരഞ്ഞെടുക്കുക എന്ന് ഒരിക്കലും ഒരു നിഗമനത്തിൽ എത്താൻ നമുക്ക് സാധിക്കില്ല എങ്കിലും അയാള് തിരഞ്ഞെടുക്കുന്ന കാര്യം ആയിരിക്കും ആ സമയത്ത് അയാളെ സംബന്ധിച്ച് ഏറ്റവും important ആയ, ഏറ്റവും satisfaction ലഭിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്ന കാര്യം എന്ന് മനസ്സിലാക്കാൻ നമുക്ക് യുക്തി ഉപയോഗിച്ച് സാധിക്കും. കാരണം ആ വ്യക്തിയുടെ കൈവശം ഉള്ള വിഭവങ്ങൾ (ഇവിടെ ആപ്പിൾ) പരിമിതം ആയത് കൊണ്ട് തന്നെ അത് വെച്ച് അയാളുടെ എല്ലാ ആവശ്യങ്ങളും ഒരുമിച്ച് satisfy ചെയ്യിക്കാൻ സാധിക്കില്ല എന്ന് നമുക്ക് അറിയാം. അതിനാൽ തന്നെ അയാളുടെ ആവശ്യങ്ങൾ prioritise ചെയ്യേണ്ടത് ഉണ്ട്. അതിനായി ആപ്പിൾ ഉപയോഗിച്ച് കൊണ്ട് ചെയ്യാൻ കഴിയുന്ന വിവിധ കാര്യങ്ങളെ റാങ്ക് ചെയ്തു കൊണ്ട് അയാളെ ഏറ്റവും കൂടുതൽ satisfy ചെയ്യുമെന്ന് പ്രതീക്ഷിക്കുന്ന കാര്യം മാത്രമേ ആദ്യത്തെ ആപ്പിൾ ഉപയോഗിച്ച് ചെയ്യാൻ തിരഞ്ഞെടുക്കൂ എന്ന് നമുക്ക് അനുമാനിക്കാൻ കഴിയും. നമ്മുടെ കാഴ്ചപ്പാടിൽ ആ പ്രവർത്തി വളരെ യുക്തിഹീനം ആയാൽ പോലും ആ വ്യക്തിക്ക് അത് അങ്ങിനെ തന്നെ ആയിരിക്കും.

For eg. വളരെ വിശന്നു വലഞ്ഞ് മരിക്കാൻ പോകുന്ന ഒരാളിന് കൊടുത്ത ആപ്പിൾ അയാള് വിശപ്പടക്കുന്നതിന് പകരം ഏതെങ്കിലും പക്ഷികൾക്ക് കഴിക്കാൻ ആയി കൊടുക്കുകയും രണ്ടാമത് ലഭിച്ച ആപ്പിൾ ആണ് വിശപ്പടക്കാൻ ഉപയോഗിച്ചത് എങ്കിൽ പോലും ആദ്യത്തെ ആപ്പിളിനെക്കാൽ രണ്ടാമത്തെ ആപ്പിൾ അയാൾക്ക് കൂടുതൽ satisfaction കൊടുത്തു എന്ന നിഗമനത്തിൽ നമുക്ക് എത്താൻ സാധിക്കുക ഇല്ല. പല സാഹചര്യങ്ങളുടെയും ആകെ തുകയായി ആയിരിക്കാം അയാൾ ആ സമയം അങ്ങിനെ ഒരു തീരുമാനം എടുത്തത്. അത് എന്ത് തന്നെ ആയാലും തൻ്റെ വിശപ്പ് മാറ്റുന്നതിനേക്കാൾ satisfaction പക്ഷികൾക്ക് ആപ്പിൾ കൊടുക്കുന്നതിലൂടെ ലഭിക്കും എന്ന് അയാൾ ആ സമയം പ്രതീക്ഷിച്ചു എന്ന നിഗമനത്തിൽ നമുക്ക് എത്താൻ കഴിയും. അയാൾ അങ്ങിനെ ചെയ്യാൻ കാരണം എന്താണ് എന്നോ അയാൾ ചെയ്തത് മണ്ടത്തരം ആണോ അല്ലയോ എന്നോ ഉള്ള ജഡ്ജ്മെൻ്റുകൾക്ക് അവിടെ പ്രസക്തി ഇല്ല. ഇത്തരം നിഗമനങ്ങളിൽ എത്തിച്ചേർന്നത് നമ്മുടെ യുക്തി ഉപയോഗിച്ച് ആണെന്ന് മാത്രം അല്ല പരീക്ഷണം നടത്തി, അതിൽ നിന്നും 65% ആളുകൾ ആപ്പിൾ കഴിക്കുക ആണ് ചെയ്തത്, 20% ആളുകൾ മറ്റൊരാൾക്ക് കഴിക്കാൻ കൊടുത്തു, ആപ്പിൾ കഴിച്ചപ്പോൾ കിട്ടിയ satisfaction 10 unit ആണ് etc. എന്നിങ്ങനെ ഉള്ള നിരീക്ഷണങ്ങൾ കണ്ടെത്തിയത് കൊണ്ട് തികച്ചും വ്യക്തിപരമായ satisfaction നേ കുറിച്ചുള്ള മനസ്സിലക്കലുകൾ ഒരിക്കലും നടത്താൻ സാധിക്കുകയുമില്ല.

ഇത്രയും എഴുതിയത് സാമൂഹ്യ വിഷയങ്ങളിൽ ഡാറ്റാ ആണ് എല്ലാം എന്ന തെറ്റിദ്ധാരണ ഒരുപാട് ആളുകളിൽ ഇപ്പോളും ഉണ്ട് എന്നത് കൊണ്ട് ആണ്. ഇതിൻ്റെ അർഥം ചരിത്രത്തിൽ മുമ്പ് എന്ത് സംഭവിച്ചു എന്ന് ഡാറ്റാ ഉപയോഗിച്ച് മനസ്സിലാക്കാൻ ശ്രമിക്കുന്നതിൽ യാതൊരു കാര്യവുമില്ല എന്ന് സ്ഥാപിക്കാൻ അല്ല, മറിച്ച് ഡാറ്റാ ഉപയോഗിക്കുന്നത്തിലെയും അത് വെച്ച് നിഗമനങ്ങൾ എത്തിച്ചേരുന്നത്തിലെയും പരിമിതികളെ കുറിച്ച് ഓർമപ്പെടുത്തുവാനും സാമൂഹ്യ വിഷയങ്ങളിൽ യുക്തിയുടെ പ്രധാന്യം വ്യക്തമാക്കുവാനും വേണ്ടി ആണ്.
ഇത് തിരിച്ചറിഞ്ഞാൽ മാത്രമേ ചെറി പിക് ചെയ്തു കൊണ്ട് വരുന്ന ഡാറ്റകൾ ഉപയോഗിച്ച് എത്തുന്ന നിഗമനങ്ങളുടെ സത്യാവസ്ഥ മനസ്സിലാക്കാൻ സാധിക്കുക ഉള്ളൂ.