Начнём с того, что в научном познании вопрос о рациональности действий учёного касается уже самого непосредственного, оперативно-функционального уровня его деятельности — как бы микроуровня. В своей ежедневной деятельности, в рутинных операциях лабораторно-исследовательского характера учёный выполняет массу малых действий. Из них и состоит работа по установлению фактов.
Об этом уровне не следует забывать. Дискуссии о рациональности преимущественно концентрируются вокруг проблем оценки и сравнения теорий, выбора между развитыми, большими концептуальными структурами, но это уже макроуровень. Между тем уровень повседневной деятельности, оперативного мышления (хотя и он, конечно, не изолирован от макротеоретических проблем) имеет и собственную значимость. Это непосредственная «ткань» научного поиска, и здесь практические вопросы рациональности решаются ежедневно. Примерами подобного рода проблем могут служить практические вопросы планирования эксперимента, предварительной качественной оценки эмпирических исследований. Затем, важное место здесь занимают задачи по принятию решений в статистических исследованиях, как то установление уровня значимости, принятие решения по поводу проверяемой статистической гипотезы и т.п.
Исследователи, занимающиеся изучением рациональности этого уровня, используют различные модели, реконструирующие индуктивное поведение (см. § 2.8) учёного, стратегии его когнитивного продвижения
и процессы принятия решений. Разумно предположить, Что сравнение и рациональный выбор теорий производятся во многом с помощью тех же самых стратегий принятия решений, которые составляют работу учёных на микроуровне. Поэтому аналитики, занимающиеся рациональностью оперативного уровня, считают её важной для решения проблемы рациональности науки вообще.
Большую роль в этих исследованиях играет т.н. байесовский подход. Так, в современной американской философии науки байесианские концепции рациональности весьма влиятельны. Эти концепции отталкиваются от теоремы Байеса (Бейеса) из теорий вероятностей. Теорема Байеса лежит в основе распространённого (хотя и не бесспорного) подхода к решению статистических задач и, как считают некоторые исследователи, имеет глубокое философское значение1.
Действительно, хотя т.н. байесовский подход в статистике сталкивается с определёнными трудностями, связанными с его основным допущением о том, что существует априорное распределение вероятностей гипотез и оно известно исследователю, в целом этот подход в некотором приближении моделирует действительное поведение исследователя. Байесианские стратегии — это стратегии обновления вероятности гипотез в свете эмпирических данных. Стратегия простого байесианизма состоит в том, что исходному «пучку» гипотез приписываются равные вероятности, их общая сумма равна единице, опровергнутая гипотеза получает вероятность ноль, вероятность выживших гипотез автоматически увеличивается, их относительный вес удерживается постоянным. В более сложных моделях предполагаются более сложные расчёты. Например, предполагается, что исследователь перед испытаниями отбирает гипотезу, которая на основании каких-либо содержательных рассуждений априорно более вероятна. Далее производится её эмпирическая проверка. Затем исследователь сопоставляет свои априорные представления с апостериорными, производит оценку того, насколько изменилось его знание, и на основе этого принимает решение о своих дальнейших эмпирических испытаниях. Как говорилось в § 2.4, эта общая стратегия реализуется различными способами в современных дизайнах экспериментирования.
Итак, проблема рациональности берет своё начало уже на оперативном уровне и «уходит корнями» в весьма тонкие процедуры принятия решений в научной деятельности, включающие оценку вероятностей, риска и т.п. Поэтому вопросы приемлемой реконструкции и анализа рассужде-
1 Salmon W.C. Carl Gempelon the rationality of science //J. of Phil. New York, 1983. Vol. 80. №10. P. 555-562.
ний оперативно-индуктивного уровня, а также изучение связи этого уровня с проблемой рациональности вообще, являются перспективным полем дальнейших исследований.