کتاب نظریه سیاست بین الملل

فصل نخست: قوانین و نظریه‌ها

من این کتاب را در حالی به رشته تحریر در می‌آورم که سه هدف را در ذهن دارم: نخست بررسی نظریه‌های سیاست بین‌الملل و رویکردها به این موضوع، که ادعای «اهمیتِ نظریِ آن» را مطرح می‌سازند؛ دوم، برساختنِ یک نظریة سیاست بین‌الملل که کاستی‌های نظریه‌های کنونی را جبران می‌کند؛ و سوم، بررسی برخی کاربست‌های این نظریه‌ای که برساخته می‌شود. برای آن‌که این وظایف را به انجام برسانم لازم است در همین ابتدا در بحثی مقدماتی بگویم نظریه‌ها چیستند و پیش‌نیازهای (requirements) آزمودنِ آنها را بیان کنم.

دانشجویان سیاست بین‌الملل واژة «نظریه» را بی‌قیدوبند، اغلب برای مدنظر قرار دادنِ هر کاری (work) که از توصیفِ محض فاصله می‌گیرد و به‌ندرت برای اشاره به کاری که با استانداردهای فلسفة علم مطابقت دارد، به کار می‌برند. هدف‌هایی که من قصد دارم پی بگیرم ایجاب می‌کنند که تعاریفِ آن واژگان (اصطلاحات) کلیدیِ «نظریه» و «قانون» به دقت انتخاب شوند. دو تعریف از نظریه برای کسب مقبولیت با هم رقابت دارند، حال آن‌که قانون یک تعریف ساده دارد که در سطح گسترده‌ای پذیرفته شده است. قوانین روابط میان متغیرها را استوار می‌سازند، و متغیرها مفاهیمی هستند که می‌توانند ارزش‌های متفاوتی به خود بگیرند. اگر A داشته باشیم، B اتفاق بیافتد، A نمایانگر یک یا چند متغیر مستقل و B نمایانگر متغیر وابسته باشد: این بیان یک قانون است. اگر رابطه A و B بی‌تغیر (invariant) باشد، قانون مطلق (absolute) است. اگر این رابطه بسیار پایدار (constant) باشد، هر چند بی‌تغیر نباشد، قانون بدین‌گونه بیان خواهد شد: اگر A رخ دهد، آن گاه B با احتمالِ x رخ خواهد داد. یک قانون نه تنها مبتنی بر رابطه‌ای که کشف شده است، بلکه بر پایة رابطه‌ای هم که به‌طور مکرر کشف شده است استوار است تکرار این انتظار را ایجاد می‌کند که اگر ما A را در آینده بیابیم، آن‌گاه با احتمال مشخصی، B را نیز خواهیم یافت. در علوم طبیعی، حتی قوانین احتمال‌گرایانه (pobatilist laws) در معرض اتهامِ همه‌جانبة «وجوب» (necessity) هستند. در علوم اجتماعی گفتن این‌که اشخاصی با درآمدِ مشخص با احتمالِ معینی به حزب دموکرات رای می‌دهند بیان یک گزارة قانون‌وار است. پاره‌واژة «وار» از غلظتِ «وجوب» می‌کاهد. اما باز، اگر رابطه در اغلب مواقع و به نحو بسیار قابل‌اتکایی در گذشته به گونه که انتظار برقراری (holding) (تأیید) آن در آینده با احتمال مشابهی قوی باشد کشف (found) نشده بود، این گزاره اصلاً (به‌هیچ‌وجه) به مانند یک قانون نمی‌بود.

بنابر یک تعریف، نظریه‌ها مجموعه‌هایی از قوانین مربوط به یک رفتار یا پدیدة خاص هستند. برای مثال، علاوه‌بر درآمد، چه بسا ممکن است همبستگی‌هایی (associations) میان آموزش رای‌دهندگان، مذهب آن‌ها، و تعهد سیاسیِ والدینِ آن‌ها، از یک‌سو، و شیوه‌ای که آن‌ها رای می‌دهند، از سوی دیگر، برقرار باشد. اگر قوانین احتمال‌گرایانه‌ای که بر همین اساس اثبات می‌گردند در کنار هم و در کل در نظر گرفته شوند، همبستگی‌های بیش‌تری میان ویژگی‌های رای‌دهندگان (متغیرهای مستقل) و انتخاب حزب (متغیر وابسته) به‌دست می‌آید. پس، نظریه‌ها پیچیده‌تر از قوانین هستند، اما این واقعیت تنها از نظر کمی این چنین است. هیچ تفاوت کیفی (نوعی) میان نظریه‌ها و قوانین وجود ندارد.

این تعریف از نظریه الهام‌بخشِ آن دانشمندان پرشمار علوم اجتماعی است که نظریه را از طریق گردآوری دقیق فرضیه‌های تأییدشده (verified) و به‌هم‌پیوند‌خورده (interconnected) «می‌سازند». داستانِ ذیل نشان می‌دهد اکثر دانشمندان علوم سیاسی چگونه تصوری از نظریه دارند.

هومر (Homer) دیوارهای تروی (Troy) را دارای ضخامتِ هشت فوتی توصیف می‌کند. اگر روایت وی درست باشد، پس یک هزاره پس از این واقعه ما باید قادر باشیم آن دیوارها را از طریق کندنِ دقیق زمین بیابیم. این اندیشه برای هنریک شلیمان (Heinrich Scheliemann) به‌عنوان یک پسربچه، و به‌عنوان مردی که نظریه را در بوتة آزمون تجربی قرار داد اتفاق افتاد کارل دویچ (karl Deutsch) این داستان را به‌عنوان یک مثالی که نشان می‌دهد چگونه نظریه‌های جدیدـ سبک (newstyle) مورد آزمایش قرار می‌گیرند به کار می‌بَرَد (1966,pp.168-69). یک نظریه به‌صورت حدس و گمان (in conjecture) ؟؟؟؟ می‌شود و در صورتی قابل اتکا (viable) است که این حدس و گمان تأیید (confirm) شود. کارل دویچ نظریه‌های ساده از نوعِ «اگر ـ پس» (if-them) را «نظریه‌های ویژه» (special theories)، که چه بسا ممکن است «بعدها در درون یک نظریة کلان جای گیرند»، قلمداد می‌کند. وی سپس مثال‌های دیگری را مطرح می‌سازد و در این چارچوب، «از سؤالِ آری ـ یا ـ خیر به سؤال چقدر» روی می‌آوَرَد. ما باید بکوشیم دریابیم «متغیرهای متفاوت» چقدر در یک نتیجة معین سهم ایفا می‌کنند. (1966:219-21).

چه چیزی در چنین الگوی تفکری احتمالاً سودمند است، و چه چیزی احتمالاً سودمند نیست؟ هر کسی می‌داند که یک ضریب همبستگی (coefficient  of correlation)، حتی یک ضریب همبستگی بالا، تضمین نمی‌کند بگوییم که یک رابطة علّی وجود دارد. ما با این حال، .... کردنِ (squaring) ضریب به لحاظ فنی به ما اجازه می‌دهد تا بگوییم که ما درصدِ معینی از تغییرپذیری (variance) را تبیین کرده‌ایم (account for). آنگاه (سپس) باور داشتن به این‌که یک پیوند علّی واقعی‌شناسایی (identify) و اندازه‌گیری شده است، اندیشیدن به این‌که رابطه میان یک متغیر وابسته و یک متغیر مستقل ثابت شده است (establiseh)، و از یاد بردن این‌که چیزی تنها در مورد نقطه‌ها بر روی یک قطعه از کاغذ و خطِ رگرسیون (regression Line) ترسیم شده از طریق آن نقطه‌ها گفته شده است، آسان است. آیا این همبستگی دروغین (squrious) است؟ این [همبستگی] به پرسش درستی اشاره می‌کند بی‌آن‌که آن پرسش را به‌طور کامل مطرح سازد. همبستگی‌ها نه دروغین‌اند نه راستین (genuine)؛ همبستگی فقط و فقط ارقامی هستند که ما از طریق پیاده‌سازیِ (اجرای) عملیات‌های ریاضیِ ساده به‌دست می‌آوریم. یک همبستگی نه دروغین است نه راستین، ولی رابطه‌ای که ما از آن استنتاج می‌کنیم چه بسا ممکن است یا دروغین باشد یا راستین. فرض کنید که یک نفر، برای مثال، از طریق اثباتِ وجودِ رابطه میان «میزان (حجم) فشارِ وارد شده به یک کارت و میزان حرکت کارت، یک قانون را مطرح کند. اگر شرایط ثابت (constant) نگه داشته شود و اندازه‌گیری دقیق باشد، رابطه‌ای که اثبات می‌شود صرفاً یک واقعیتِ مشاهده (a fact of obdservation) است، یک قانونی است که به نحو ثابتی (constantly) معتبر باقی می‌مانَد. تبیینی (explanation) که برای آن رابطة فشار (push) و حرکت ارایه می‌شود، بسته به این‌که ما از ارسطو نظریه خواهیم یا به گالیله (Galileo) رجوع کنیم یا از نظر نیوتن بهره بگیریم از بنیان متفاوت خواهد بود. پذیرش بی‌چون و چرای یک عدد (number) به عنوان شاخصی که نشانگر یک پیوند است نخستین خطری است که باید با آن مقابله کرد. انجام چنین کاری کم و بیش آسان است. مسأله (problem) بعدی مهم‌تر است و حل آن نیز دشوارتر است.

حتی اگر ما خودمان را به شیوه‌های گوناگونی راضی کرده باشیم که یک همبستگی به یک پیوندی که به نحو قابل اعتمادی معتبر باشد اشاره داشته باشد، ما باز هم آن پیوند را در معنایِ «تبیین» (eaplanvtion) توضیح نموده‌ایم (account for). ما آن را به‌شیوه‌ای ـ و نه تنها به‌شیوه‌ای ـ که فیزیک ارسطویی رابطه میان فشار و حرکت را توضیح داده است توضیح داده‌ایم. از یک نقطه نظر عملی (practical) شناختِ همبستگی بالا میان فشار و حرکت بسیار سودمند است. این شناختِ توصیفی چه بسا ممکن است به کلیدهایی (clues) در مورد اصول حرکت (principles of motion) اشاره داشته باشند. این شناخت توصیفی چه بسا ممکن است به همان اندازه‌ای که به آسانی بسیار گمراه‌کننده از کار درآمدند، به‌آسانی بسیار گمراه‌کننده باشند. اعداد چه بسا ممکن است آن‌چه را که در جهان روی می‌دهد توصیف کنند. اما صرف‌نظر از این‌که ما یک توصیف را چه‌قدر با اطمینانِ خاطر براساس اعداد به‌طور دقیق تعریف کنیم، ما باز هم تبیین نکرده‌ایم چه را توصیف کرده‌ایم. آمار نشان نمی‌دهد که چگونه هر چیزی عمل می‌کند یا جور می‌شود. آمار صرفاً توصیف‌هایی به شکل عددی (اعداد و ارقام) است. این شکل صرفه‌جویانه (economical) است، زیرا آمار گیتی (universe) را از طریق دستکاری در نمونه‌های (sample) برگرفته از آن توصیف می‌کنند.

آمار به‌علتِ طیف متنوعی از عملیات‌های ذاتی (?? Indigenous) که می‌توانند انجام گیرند، و برخی از آن‌ها را می‌توان برای بررسیِ اهمیت (significance) عملیات‌های دیگر به کار بُرد، سودمند هستند. اما با این حال، نتیجه هم‌چنان توصیفی از بخشی از جهان باقی می‌ماند نه تبیینی از آن. عملیات‌های آماری نمی‌توانند بر روی شکافی که میان توصیف و تبیین وجود دارد پل بزنند. کارل دویچ (karl Deutsch) به ما نصیحت می‌کند که یک گزاره (حکم) (proposition) را برحسبِ احتمال فرمول‌بندی یا باز فرمول‌بندی کنیم (reformulate) و بگوییم که چه‌قدر از برایندِ [مورد نظر] را با یک عنصر (عامل) (element) می‌توان توضیح داد و چه‌قدر از آن برایند را می‌توان با عناصر دیگر توضیح داد (account for) یا مستقل (auntonomous) و آزاد (free) است. (Deutsch 1966:220). اگر ما از آن نصیحت (advice) پیروی کنیم، ما به مانندِ فیزیکدانان ارسطویی رفتار خواهیم کرد. ما با یک مسأله (problem) به‌گونه‌ای برخورد خواهیم کرد که گویی بخواهیم بگوییم تا چه حدی حرکتِ یک کارت از فشار و شیب (slope) نشات می‌گیرد و تا چه حدی از حرکت آن به وسیلة اصطکاک‌ها (frictions) ممانعت می‌شود. ما هم‌چنان در چهارچوبِ ترتیبی (sequential) و همبستگی خواهیم اندیشید. با این کار، نتایجی که به لحاظ عملی سودمندند چه بسا ممکن است حاصل آیند، اگرچه دانشجویان سیاست بین‌الملل این‌گونه تلاش‌ها را، حتی در چهارچوب‌های عملی، از خود بروز نداده‌اند. و اگر اطلاعات سودمند آشکار شدند، وظیفة (کار) دشوارترِ گزینش کردنِ معنای تئوریک آن باقی خواهد ماند.

«توهم استقراگرایانه» (inductivist illusion)، آن‌گونه که مردم‌شناس ساختاری لوی ـ اشتراوس (Levi-Strauss) عنوان می‌کند، این باور است که حقیقت (truth) و تبیین (explanation) از طریق انباشتگی (انباشت) داده‌های بیش‌تر و بررسی موارد (cases) بیش‌تر و بیش‌تر به‌دست می‌آید. اما اگر ما داده‌های بیش‌تر و بیش‌تری را گردآوری می‌کنیم و همبستگی‌های (associations) بیش‌تر و بیش‌تر را به اثبات برسانیم (معلوم کنیم)، درنهایت نتیجه نخواهیم گرفت که ما چیزی را می‌دانیم. ما فقط صرفاً سرانجام داده‌های بیش‌تر و بیش‌تر و بیش‌تر و مجموعه‌های بزرگ‌تری از همبستگی (correlation) را در اختیار داریم. داده‌ها هرگز آشکار و بی‌نیاز از توضیح نیستند. مشاهده و تجربه هرگز به‌طور مستقیم به شناخت علت‌ها نمی‌انجامد. همان‌گونه که عمل‌گرای امریکایی، سی. اس پیرس (C.S. Pierce) مدت‌ها پیش گفت، تجربة مستقیم نه قطعی (certain) است نه غیرقطعی (uncertain) زیرا آن هیچ چیزی را تأیید / تصدیق نمی‌کند (affirm) ـ آن فقط هست. تجربة مستقیم دربرگیرندة (متضمنِ) هیچ خطایی نیست، زیرا حاکی از آن هیچ چیزی به‌جز ظهور (appearance) خودش نیست. به‌همین دلیل، هیچ قطعیتی (certainty) در خود ندارد. (به نقل از Nagel 1956:150). داده‌ها، واقعیت‌های ظاهری (seeing facts)، همبستگی‌های ظاهری (apparent associations) ـ این‌ها شناخت قطعیِ (در مورد) چیزی هستند. آن‌ها چه بسا پازل‌هایی (puzzles) هستند که یک روز می‌توان آن‌ها را تبیین کرد؛ آن‌ها چه بسا امور پیش پا افتاده‌ای (trivia) هستند که اصلاً لزومی ندارد تبیین شوند. اگر ما از این مسیر استقراگرایانه پیروی کنیم، می‌توانیم تنها با بخش‌هایی از مسایل (problem) سر و کار داشته باشیم (بپردازیم). این باور که این بخش‌ها (prieces) را می‌توان جمع بست (add up)، و می‌توان این بخش‌ها را به‌عنوان متغیرهای مستقلی که اثراتِ جمع بسته شدة (summed effects) آن‌ها قسمتِ (partion) معینی از حرکتِ یک متغیر وابسته را توضیح می‌دهند (account for) قلمداد کرد، مبتنی بر هیچ چیزی بیش از ایمان (faith) نیست. ما نمی‌دانیم چه چیزی را باید جمع ببندیم (اضافه کنیم) (add up)، ما نمی‌دانیم آیا این افزودن (addition) عملیات مناسبی هست یا خیر. شمار بخش‌هایی (pieces) که چه بسا ممکن است به‌عنوان بخش‌های (parts) یک مساله در نظر گرفته شود نامتناهی (inditinite) است. شمار شیوه‌هایی هم که این بخش‌ها (pieces) را می‌توان با هم تلفیق کرد نامتناهی است. نه از طریق مشاهده و نه با تجربه، ما نمی‌توانیم با نامتناهی بودنِ (infinity) ویژه‌ها و تلفیق‌ها (combinations) کار کنیم. در مثال ذیل، رُس اشبی (Ross Ashby) هشدار به جایی را مطرح می‌کند. اختر فیزیکدانان می‌کوشند رفتار خوشه‌های ستارگان را که شمارشان به 000/20 می‌رسد تبیین کنند. اشبی اظهار می‌دارد «مبتدی فقط خواهد گفت که می‌خواهد بداند خوشة ستارگان چه خواهد کرد، به عبارت دیگر، به دنبال [دریافتن] خط مسیرهای اجزا (components) است. اما با این حال، اگر بتوان این شناخت را به وی نسبت داد، این شناخت شکلِ مقادیر پرشمارِ داده‌های مملوّ از جدول‌های دارای اعداد و ارقام به خود خواهد گرفت و آن‌گاه وی درخواهد یافت که وی واقعاً در پی [فهم] تمامیِ این حجمِ داده‌ها نیست. اشبی نتیجه می‌گیرد که «اما، مسأله همانا نحوة پی بردن به این‌که «ما چه چیزی را واقعاً می‌خواهیم بدانیم بی‌آن‌که در جزئیات بی‌فایده غرق بشویم» است، (Ashby 1956:113). شعار قدیمیِ «شناخت به‌خاطر شناخت» شعار پر جاذبه‌ای است، شاید به‌علت آن‌که ما می‌توانیم فعال بمانیم و در عین حال (به‌طور هم‌زمان) از پرسش دشوارِ «شناخت برای چه» بگریزیم. از آن‌جا ‌که واقعیت‌ها (facts) آشکار و بی‌نیاز از توضیح نیستند، از آن‌جا که همبستگی‌ها (associations) هیچ‌گاه حاوی یا منحصراً دالّ بر تبیین خودشان نیستند، پرسش لاجرم مطرح می‌شود. ایدة «شناخت به‌خاطر شناخت» جذابیت خود، و در واقع معنای خود را، به محض این‌که ما دریافتیم که ؟؟؟؟؟ ممکنِ (possible) شناخت نامتناهی‌اند، از دست می‌دهد.