Filosofia das ciências sociais: temas atuais

Current issues in the philosophy of the social sciences

DOSSIÊ - FUNDAMENTOS DA SOCIOLOGIA

Filosofia das ciências sociais: temas atuais

Current issues in the philosophy of the social sciences

Harold Kincaid

Harol Kincaid é professor da Escola de Economia da Universidade da Cidade do Cabo. Escreveu Philosophical foundations of the social sciences (1996), Individualism and the unity of science: essays on explanation, reduction and the special sciences (1997) e foi o organizador de The Oxford handbook of philosophy of social science (2012). E-mail: [e-mail]

RESUMO

A filosofia das ciências sociais, concebida da maneira adequada, tem algo a oferecer aos que praticam as ciências sociais. Os cientistas sociais adotam em suas pesquisas, ainda que de forma implícita, alguma filosofia de sua ciência. Para evitar impasses, é melhor explicitar essa filosofia e ser criticamente consciente dos seus méritos. A filosofia das ciências sociais, por sua vez, não pode ser praticada sem um envolvimento íntimo com a pesquisa social. O artigo esboça alguns desenvolvimentos da filosofia da ciência pós-positivista e suas implicações para a filosofia das ciências sociais. Essa perspectiva geral é então aplicada a alguns debates das ciências sociais: a natureza da causalidade; o lugar dos mecanismos na pesquisa social e da legitimidade de explicações puramente macrossociológicas; a distinção entre pesquisa qualitativa e quantitativa; a distinção entre evidência observacional e evidência experimental; a polêmica entre o individualismo e o holismo metodológicos na explicação sociológica.

Palavras-chave: Filosofia da ciência; Filosofia das ciências sociais; Causalidade; Explicação.

ABSTRACT

Philosophy of social science, properly conceived, has something to offer practicing social scientists. Social scientists cannot help but have some philosophy of social science implicitly involved in their research, and to avoid blind alleys, it is best to be explicit and critically aware of what that philosophy is and its merits. Philosophy of the social sciences, in turn, cannot be done without close engagement with social research. The article outlines some developments in postpositivist philosophy of science and their implications for philosophy of social science. This general perspective is then applied to debates in the social sciences over the nature of causation, the place of mechanisms in social research and the legitimacy of purely macrosociological explanations, qualitative vs. quantitative research, observational vs. experimental evidence, and questions about individualism vs. holism in social explanation.

Keywords: Philosophy of science; Philosophy of social sciences; Causation; Explanation.

A filosofia das ciências sociais, quando concebida adequadamente, tem algo a oferecer aos cientistas sociais. Eles sempre adotam em suas pesquisas, ainda que de forma implícita, alguma filosofia de sua ciência. Mas, para evitar impasses, é melhor explicitar essa filosofia e ser criticamente consciente de seus méritos. A filosofia das ciências sociais, por sua vez, não pode ser praticada sem um envolvimento íntimo com a pesquisa social. Assim, deveria haver entre as duas uma fértil relação simbiótica.

Neste artigo, esboço primeiro alguns desenvolvimentos da filosofia da ciência pós-positivista e suas implicações para a filosofia das ciências sociais. Em seguida, aplico essa perspectiva geral a questões que suscitam debates no interior das ciências sociais: natureza da causalidade; lugar dos mecanismos na pesquisa social e da legitimidade de explicações puramente macrossociológicas; distinção entre pesquisa qualitativa e quantitativa; distinção entre evidência observacional e evidência experimental; polêmica entre o individualismo e o holismo metodológicos na explicação sociológica. Minha discussão de cada tema será relativamente breve, pois meu objetivo é percorrer um certo número de problemas e não abordar alguns poucos em detalhe. As análises detalhadas desses problemas no interior da filosofia das ciências sociais foram feitas por outros e por mim mesmo em artigos e livros que são aqui referidos.

A filosofia pós-positivista das ciências sociais

A filosofia da ciência positivista¹ caracteriza-se por um conjunto de ideias inter-relacionadas, entre as quais temos as seguintes alegações:

• A filosofia da ciência analisa a lógica dos conceitos científicos. A lógica é uma atividade a priori e, assim, a filosofia da ciência pode, idealmente, indicar por meio da análise conceitual em que consiste a boa ciência.

• A confirmação e a explicação têm uma lógica, e esta nos diz quais são as boas explicações e quais as ruins, além de quando uma evidência confirma uma hipótese. A priori, há regras gerais de evidência que nos permitem passar das observações para o grau de confirmação de teorias rivais. A explicação diz respeito a deduções efetuadas com base em leis científicas. Estas são enunciados universais que não fazem referência a coisas particulares.

• A ciência diz respeito à produção de teorias, e as teorias são conjuntos axiomatizados de leis.

• As origens sociais e psicológicas da ciência e as influências dessa ordem são irrelevantes para avaliar e entender a ciência, exceto nos casos de distorção e ciência malsucedida.

• Se as ciências sociais são ou não realmente científicas é uma questão aberta que deve ser decidida avaliando se elas a priori satisfazem ou não os critérios de explicação e confirmação.

• A ciência é neutra no que diz respeito a valores. Os valores podem estar envolvidos quando se trata de determinar quais projetos serão levados adiante, mas são irrelevantes para a explicação e a confirmação e causam distorções se estiverem envolvidos nesses processos.

Há várias correntes pós-positivistas na filosofia da ciência. Uma delas adota a via niilista associada com algumas formas de construtivismo social, e sustenta que, como não há uma lógica da ciência e como é claro que os processos sociais são fundamentais para toda ciência, não há como falar em ciência boa e ruim. A ciência é apenas uma entre muitas outras instituições sociais e não tem nenhuma prerrogativa especial no que diz respeito ao conhecimento. Não endosso essa alternativa pós-positivista. Do fato de que não podemos estabelecer regras formais a priori para a confirmação e a explicação e de que a ciência é um processo social, não decorre que a ciência seja somente um processo social ou que não possamos apresentar argumentos convincentes sobre o que a evidência mostra. A conclusão correta é que a ciência é um processo muito mais complexo do que a visão positivista admite.

A alternativa pós-positivista que apoio sustenta uma filosofia da ciência relevante para as ciências sociais baseada no naturalismo de Quine (1998; cf. Kitcher, 1995; Kincaid, 1996, cap. 2; 2012b; 2012c). Ela oferece alegações contrárias às teses positivistas listadas anteriormente:

• A filosofia da ciência - e, assim, a filosofia das ciências sociais - é parte da própria ciência e está sujeita aos mesmos critérios amplos que a ciência. A filosofia da ciência não está acima ou fora da ciência, mas envolve um estudo científico de como a ciência funciona. Ela pode emitir juízos sobre a boa ciência, mas tais juízos são empíricos, baseados no estudo daquilo que promove as metas científicas. Essas são teses-chave das abordagens naturalistas ao conhecimento.

• Avaliar a evidência e fornecer explicações são processos contextuais que exigem o comprometimento com um conhecimento de fundo, as questões formuladas, as metas explicativas etc. (cf. Kincaid, 1996). Dificilmente as regras lógicas poderão estabelecer por si só até que ponto os dados apoiam as hipóteses. Pretender que as regras lógicas possam fazer isso leva a resultados indesejáveis e não confiáveis. Os dados não são "brutos", mas refletem uma variedade de pressupostos teóricos implícitos. Para grande parte da ciência, a explicação não exige leis universais, que são poucas e dispersas. Em vez disso, as explicações consistem em citar causas que são, muitas vezes, investigadas caso a caso.

• Teorias de amplo escopo dedutivamente organizadas são difíceis de encontrar na ciência, inclusive a física (cf. Wilson, 2008; Cartwright, 1983). São comuns, porém, os modelos de escopo restrito e as explicações causais isoladas. Além disso, há muito mais do que teorias na ciência. Há, por exemplo, os padrões da boa explicação e de confirmação, regras básicas para vincular os modelos à realidade e práticas sociais organizadas que possibilitam a pesquisa bem-sucedida.

• A ciência é um processo inteiramente social, e compreender os processos sociais é parte importante da avaliação de quão bem uma determinada área está funcionando. As normas das revistas sobre a publicação de resultados negativos, por exemplo, precisam ser levadas em conta na avaliação do que a evidência mostra ou não. Os processos sociais podem causar distorção, mas também podem ser a base da confiabilidade, aprimorando o ceticismo organizado.

• As ciências sociais podem incorporar os padrões mais amplos da ciência natural bem-sucedida e, nessa medida, as dúvidas relativas ao caráter científico das ciências sociais é um ceticismo sem fundamento. A dúvida sobre partes específicas das ciências sociais pode, é claro, ser fundada, mas julgar o estatuto das ciências sociais em geral em bases filosóficas é exigir da filosofia mais do que ela pode nos oferecer.

• Os valores estão envolvidos de modo complexo em várias partes da ciência (cf. Kincaid et al., 2006), o que pode ou não ser um obstáculo à objetividade. O estudo minucioso dos pressupostos valorativos específicos e dos papéis que desempenham é essencial.

Esse quadro da filosofia pós-positivista tem, obviamente, algumas implicações para a prática das ciências sociais, relativas, por exemplo, às distinções entre pesquisa qualitativa e quantitativa, entre observação e experimento, entre ciência social objetivista e interpretativa e à importância da sociologia do conhecimento.

As alegações de que as ciências "humanas" são fundamentalmente diferentes das ciências naturais - uma formulação clássica dessa posição é a de Taylor (1971) - por dependerem de processos interpretativos na coleta dos dados baseiam-se no falso pressuposto de que as ciências naturais não precisam empregar tais processos. Nenhuma ciência trabalha com dados inteiramente brutos ou não interpretados. A questão é o grau e a amplitude em que argumentos fundamentados podem ser elaborados. Por exemplo, a pesquisa demográfica sobre as tendências da população exige, provavelmente, menos pressupostos interpretativos do que a pesquisa em etologia sobre os sinais dos animais. É claro que a pesquisa interpretativa nas ciências sociais pode enfrentar problemas substanciais para apoiar suas conclusões com argumentos convincentes. Mas o mesmo se dá com as tentativas de algumas pesquisas quantitativas de extrair conclusões de dados observacionais medidos de forma imperfeita e baseados em técnicas estatísticas que se apoiam em pressupostos duvidosos.

A distinção entre pesquisa quantitativa e qualitativa também parece menos fundamental para a visão pós-positivista. Se, em vez de tentar descrever regras a priori sobre a boa ciência, considerarmos como as ciências naturais realmente funcionam, perceberemos que muito da boa ciência natural é parcialmente qualitativa. A própria distinção é obscura e tem diferentes significados para diferentes audiências. Suponha-se que a distinção seja feita conforme a presença ou ausência de extensa mensuração ou de escalas de intervalo. Nesse caso, muito de nossa melhor biologia - molecular, celular e evolutiva - é em grande medida qualitativa. Técnicas como o bloqueio de uma via - de um receptor ou de um produto gênico - mostram o efeito causal sem que mensurações quantitativas desempenhem um papel importante. Os argumentos de Darwin em favor da evolução pela seleção natural são em grande parte qualitativos. Além disso, como veremos a seguir, a mensuração quantitativa presente nos paradigmas de regressão múltipla não é eficaz para identificar causas. Grande parte da ciência social e comportamental das décadas passadas aliou-se à ideia positivista de que a boa ciência consiste em generalizações quantitativas. Mas, para a visão pós-positivista de que a ciência proporciona generalizações causais localizadas, as generalizações quantitativas são menos importantes, pois são de valor incerto para a identificação de causas.

Por fim, os desenvolvimentos pós-positivistas na filosofia da ciência encorajam e apoiam um outro caminho importante para a pesquisa social. As investigações da sociologia do conhecimento a respeito das ciências naturais e sociais são necessárias e talvez promovam contribuições importantes para a compreensão das forças e das fraquezas de várias práticas e tradições de pesquisa. Há, por exemplo, uma crescente evidência de que a pesquisa biomédica não pode ser replicada e que talvez seja inteiramente fraudulenta. Os processos sociais de avaliação pelos pares, de publicação e de financiamento, que são parte dessa história, são bons alvos para a sociologia do conhecimento. Em economia, os dados com frequência são considerados exclusivos e não disponibilizados para o público. Quando disponibilizados, os resultados costumam ser de difícil reprodução. A pesquisa sociológica sofisticada de tais fenômenos pode ser esclarecedora. Os estudos sociais sobre a ciência sempre foram uma parte essencial da ciência pós-positivista, mas seria bom se tivéssemos mais contribuições dos sociólogos e mais atenção dada às ciências sociais.

Causalidade

A pesquisa social inspirada no positivismo desqualificou as explicações causais. A tradição positivista suspeitava dessas explicações porque o conceito de causa parecia ser o tipo de noção metafísica que precisava ser eliminada. Bertrand Russel argumentou que a noção estava sendo expulsa da física em favor da noção de relação funcional, que é descrita pelas leis físicas. Essa influência positivista ajustou-se bem à ascensão dos métodos estatísticos nas ciências sociais. A regressão múltipla parece estabelecer relações funcionais, e a interpretação causal de seus resultados é difícil. Assim, muitos cientistas sociais se satisfazem em relatar os resultados da regressão, evitando uma interpretação causal.

Um dos grandes problemas dessa abordagem acausal é a pretensão que boa parte da ciência social tem de dizer algo relevante para a elaboração de políticas e para a filosofia social e política normativas. Essa relevância, no entanto, depende de afirmações sobre relações causais. As políticas que intervêm na realidade esperam atingir efeitos positivos. Muitos artigos nas ciências sociais acabam, assim, por ter uma atitude esquizofrênica. Dado que correlação não é causalidade, esses artigos negam que estejam fazendo qualquer afirmação sobre relações causais, mas na parte final discutem a relevância dos resultados para a elaboração de políticas.

Outros problemas com esse tipo de abordagem já foram mencionados. Décadas de pesquisa (cf. Salmon, 2006) mostraram que invocar leis ou generalizações universais não causais não é necessário nem suficiente para prover uma explicação. Além disso, as leis, de qualquer generalidade, são raras nas ciências sociais. Se quisermos ciências sociais explicativas, parece inevitável recorrer a causas.

Felizmente, houve um ressurgimento do interesse em métodos de inferência causal nas ciências sociais (e em ciências biomédicas como epidemiologia). O interesse foi inspirado pela obra de filósofos, filósofos da ciência, pesquisadores em inteligência artificial, cientistas da computação e cientistas sociais (cf. Pearl, 2000; Spirtes et. al., 2001; Shipley, 2002). Essa convergência ilustra bem a alegação naturalista de que a filosofia apresenta uma continuidade com a pesquisa feita nas ciências empíricas e é delimitada por ela. Usarei essas pesquisas para salientar quatro pontos principais: 1) um progresso real foi feito na identificação de regras para fazer inferências causais com base em associações estatísticas, dada uma informação causal de fundo; 2) o avanço também deixou claro que práticas tradicionais e que ainda são padrão, como a regressão múltipla, podem gerar resultados distorcidos e enganosos; 3) há limites estritos para a aplicação desses métodos na pesquisa social, pois a causalidade no âmbito social talvez seja de uma complexidade que desafia esses métodos; 4) há novas abordagens nas ciências sociais para lidar com a complexidade causal e também muitas questões abertas interessantes a serem exploradas.

Um estimulante desenvolvimento do pensamento sobre a causalidade nos últimos vinte anos foi a elaboração de modelos causais gráficos - conhecidos como grafos acíclicos dirigidos, em razão da restrição a casos sem causalidade reversa (cf. Pearl, 2000, Spirtes et al., 2001, Shipley, 2002). Considere o diagrama causal simples:

As setas direcionadas representam causas diretas. Assim, A e B são causas diretas de C, e C, por sua vez, causa de D. A e B são, então, causas indiretas de D. Se houvesse também uma seta indo de a para d sem apontar para outra variável, a passaria a ser, além de uma causa indireta, também uma causa direta de D. As causas C e D são variáveis mediadoras. C é conhecido também como um "colisor", pois duas causas diferentes estão por trás de sua ocorrência. A descrição de hipóteses causais como essas por meio de modelos gráficos explícitos permite a leitura das dependências e das independências implicadas nos dados, que podem ser absolutas (incondicionais) e condicionais. No diagrama em questão temos: dependências incondicionais entre A e C, B e C, C e D, D e E; independências condicionais entre A e D, se c for mantida constante, e C e E, se D for mantida constante; dependências condicionais entre A e B, se C for mantida constante.

As relações descritas em um modelo gráfico implicam ainda um conjunto de relações funcionais ou equações, mas é preciso notar que o modelo nada diz sobre a forma funcional exata dessas relações, que são "não paramétricas". Esses modelos gráficos permitem inferir, de forma bem rigorosa, relações causais das associações estatísticas, mas é preciso, para isso, pressupor uma informação causal de fundo. Ainda assim, eles disciplinam, de uma maneira que antes não era possível, as inferências causais baseadas em dados estatísticos.

O modelo gráfico torna claro que grande parte da prática padrão na ciência social empírica (e em outras ciências que se baseiam na regressão múltipla) comete, com frequência, sérios erros quando pretende identificar causas (cf. Kincaid, 2012d). Se fizermos uma regressão múltipla e uma das variáveis independentes for uma causa mediadora - isto é, uma causa entre a causa distante e a variável dependente, como d para o efeito de c sobre e -, então, como a regressão múltipla "condiciona" ou mantém constante cada variável dadas as variações na outra variável, não haverá correlação entre a causa distante e o efeito. Assim, as regressões sem modelos causais explícitos levarão a erros sérios em tais situações, sendo incapazes de encontrar uma correlação quando de fato há uma associação causal real. Os modelos gráficos causais são promissores para aprimorar as práticas padrões nas ciências sociais.

Uma lição similar pode ser extraída quando a regressão múltipla é usada sem levar em conta uma estrutura causal que envolve "colisores". Um colisor ocorre quando um efeito tem duas causas (c no diagrama é um "colisor"). Em tais casos, condicionar sobre o efeito cria uma correlação espúria entre as duas causas. Assim, a regressão múltipla com variáveis envolvendo colisores produzirá resultados enganosos.

Os resultados são importantes porque grande parte da ciência social quantitativa usa a regressão múltipla sem qualquer modelo causal explícito, embora tente sugerir relações causais. A pesquisa pode ser aprimorada caso enfrente, de forma explícita, essas complexidades.

Ainda que a pesquisa baseada em modelos causais gráficos tenha muito a oferecer às ciências sociais, há também limites estritos quanto à sua contribuição (cf. Kincaid, 2012d). A causalidade no mundo social é, muitas vezes, complexa (cf. Kincaid, 2009), o que significa que as causas sociais costumam ser muito mais complicadas do que um modelo gráfico consegue representar. Dois tipos de casos relacionados são especialmente importantes. O grafo acíclico dirigido pressupõe que cada causa é suficiente e independente para o resultado. Todas as outras poderiam ser removidas sem afetar o papel da causa que não foi removida, sendo esta suficiente. Além disso, se todas as causas são suficientes, então está pressuposto que não há causas necessárias. As causas necessárias são aquelas que precisam estar presentes para que o efeito ocorra, mas não garantem essa ocorrência (outras condições causais são necessárias). Elas podem ser pensadas ainda como moderadoras, isto é, causas que influenciam o efeito de a sobre B sem serem, porém, independentes de B. Não há nenhum modo natural de tratar de tais complexidades no modelo gráfico mencionado.

É razoável pensar que o mundo social seja caracterizado, muitas vezes, por causas necessárias e não por causas suficientes. Cuba tem altos níveis de educação, relativamente falando, mas baixas taxas de crescimento econômico, talvez porque a educação seja essencial ao crescimento, mas não uma panaceia. Sem a existência de amplos mercados em funcionamento, o capital humano pode não levar ao crescimento. Sempre que se fala de "restrições ativas" e "limiares", a complexidade causal está, provavelmente, presente. A explicação do desenvolvimento econômico é uma área importante em que tais tipos de complexidade causal provavelmente serão encontrados (cf. Kincaid, 2012d; Rodrik, 2009).

As ciências sociais produziram novas abordagens para tratar desse tipo de complexidade causal. Ragin (2008), por exemplo, elaborou técnicas interessantes para representar e fazer inferências em casos de complexidade causal. Usando representações booleanas, Ragin mostrou como podemos dar sentido a pesquisas em que as conclusões se referem a causas necessárias e suficientes em combinações complexas. Inserindo as condições causais em tabelas de verdade, é possível simplificar as condições complexas e extrair conclusões causais razoáveis. É claro que tais conclusões são tão boas quanto o conhecimento causal de fundo que elas contêm. Mas, como mencionamos, isso vale também para os melhores métodos que a sociologia quantitativa nos proporciona para inferir causas de correlações. Outra abordagem usada em estudos que envolvem complexidade causal é o método de mapeamento de processo (cf. Waldner, 2012): trata-se de acompanhar a sequência de eventos em um único caso ou em alguns poucos casos. Tais processos presidem muito do trabalho comparativo e historicamente orientado nas ciências sociais.

Essas abordagens da complexidade causal têm seus problemas, é claro, e precisam de mais desenvolvimentos. Entretanto, uma vez que se abra mão do ideal positivista de fazer inferências causais por meio de regras puramente formais, torna-se evidente que toda inferência causal se baseia em conhecimento de fundo e em argumentos caso a caso. Assim, os novos métodos para lidar com a complexidade causal não deveriam ser singularizados em razão disso.

Modelos naturalistas sobre a evidência nas ciências sociais

A filosofia naturalista da ciência sugere que devemos suspeitar da pesquisa social que alega que seus resultados são convincentes porque as regras corretas da inferência científica foram seguidas. É claro que ninguém está disposto a acreditar em resultados que se baseiam em erros óbvios de raciocínio ou de inferência estatística. Porém, considero que a pesquisa social nada ganha quando o recurso a regras formais de inferência predomina sobre o argumento substantivo rigoroso (cf. Kincaid, 2000). Esse predomínio costuma ocorrer na pesquisa social contemporânea. Menciono alguns exemplos adiante.

Embora isso já tenha sido apontado muitas vezes, vale repetir: a significância estatística não é, em si, um bom guia para as nossas crenças. É possível haver resultados estatisticamente significantes pouco críveis e resultados não significantes bem críveis. Os primeiros podem ser duvidosos se uma descoberta vier de um entre vinte testes de significância, dezenove dos quais produziram resultados de pouca significância, como ocorre nas pesquisas de especificação e em análises de subgrupo. Tais resultados podem ser uma má orientação para as crenças que devemos endossar quando eles são discrepantes com um conhecimento substantivo de fundo. Estas são implicações óbvias do teorema de Bayes: as crenças que devemos endossar dependem não apenas da probabilidade de encontrar uma correlação por acaso, mas também do poder de nossos testes (a probabilidade de descobrir algo caso este algo exista) e da plausibilidade antecedente da hipótese em questão.

Comentários similares precisam ser feitos sobre a atual onda de experimentos de campo - ensaios clínicos aleatórios - nas ciências sociais, com o consequente desprezo pela pesquisa observacional, como se esta fosse inerentemente inferior (cf. Teele, 2014). A lição naturalista é a de que tanto os ensaios clínicos aleatórios como a pesquisa observacional envolvem avaliações e argumentos complexos baseados em conhecimento de fundo significante. Ambos podem ser fortes, e ambos podem falhar. Não há nenhuma regra simples infalível que nos diz quando eles são confiáveis. Os experimentos aleatórios não garantem grupos balanceados. Os resultados negativos sobre os efeitos médios de certos tratamentos eventualmente resultam da heterogeneidade nas respostas dos participantes ao tratamento: os que responderam bem balanceariam assim os que pioraram. É possível haver tratamentos que funcionam sem que saibamos o porquê, e não saberemos, assim, se os resultados são generalizáveis. Esta é uma das muitas razões para nos preocuparmos com os resultados que foram generalizados com base em experimentos de campo. Como na pesquisa observacional, os resultados são tão sólidos quanto nosso conhecimento prévio e nossa capacidade de controlar relações espúrias. Provavelmente, em média, a experimentação tem uma vantagem nesse aspecto, mas não há nenhuma garantia. O dogma corrente, segundo o qual os experimentos são sempre o padrão por excelência e os resultados observacionais confusos (como expresso, por exemplo, em Gerber et al., 2014), é uma retórica que pouco ajuda.

Individualismo metodológico

O individualismo metodológico nunca foi abandonado na economia, mas em anos recentes retornou à sociologia - que sempre foi hostil a ele - na forma da "sociologia analítica" e dos desenvolvimentos relacionados (cf. Hedstrom e Bearman, 2009). Nesta seção, esboço o estado atual dessa discussão.

Uma variante importante do individualismo metodológico é a alegação de que todo fenômeno social pode ser explicado de forma individualista (cf. Kincaid, 1996; 1997). Trata-se de uma alegação sobre a possibilidade de teorias e generalizações formuladas no nível individual englobar explicações que utilizam entidades sociais como organizações, classes ou agências estatais. Para que as explicações formuladas no nível individual expliquem completamente fenômenos sociais, elas precisam traduzir as categorias da teoria social em termos individuais. Na literatura da filosofia da ciência, essa tradução é efetuada pelas chamadas leis-ponte, que formulariam relações legiformes entre as categorias descritivas básicas da abordagem individualista e as categorias básicas da teoria social. Uma vez estabelecidas essas conexões, a ideia é de que as explicações sociais possam ser substituídas pelas individuais. O individualista não precisa sustentar que suas explicações já foram formuladas e se compromete a explicar apenas as partes da teoria social que estão relativamente bem confirmadas. Ainda assim, não são muito convincentes afirmações sobre o que pode ser feito caso não se tenha nenhum sinal de progresso nessa direção.

Os filósofos e cientistas sociais apresentam razões conceituais gerais em favor de uma ou outra posição. A posição pós-positivista que adoto me faz pensar que apresentar razões conceituais não é uma via fértil. Segundo o argumento muitas vezes repetido em favor do individualismo, tudo o que diz respeito à sociedade deve ser explicado de forma individual, uma vez que a sociedade é composta de indivíduos. Um exemplo recente é Demeulenaere, que afirma que "a vida social só existe em virtude dos atores que a vivem; consequentemente, um fato social deve ser explicado pela referência direta à ação de seus elementos constituintes" (2013, p. 182).

O argumento tenta estipular nossas capacidades explanatórias e cognitivas com base em fatos sobre como o mundo é organizado. Temos aí um salto entre um fato ontológico e uma conclusão epistemológica, algo que pode não ser razoável. A sociedade também é composta de partículas físicas fundamentais, mas seria um enorme salto dizer, com base nisso, que devemos explicar processos sociais nos termos da mecânica quântica.

Os holistas, por sua vez, costumam sustentar que o individualismo é falso porque o comportamento individual é influenciado pelas instituições sociais das quais os indivíduos participam. Isso é por vezes chamado de causação descendente. Os individualistas respondem simplesmente, e de forma razoável, que é possível explicar a influência das instituições sobre os indivíduos por meio da conduta dos indivíduos que formam as instituições em questão. Os argumentos conceituais holistas não são melhores do que os individualistas.

Seria melhor conceber a versão reducionista do individualismo metodológico como uma alegação empírica. Nesse caso, a evidência contrária à tese é bastante forte. É improvável que explicações do comportamento individual se vinculem de maneira estrita ao fenômeno social, de forma a explicá-lo completamente. Os processos sociais que envolvem entidades sociais podem ocorrer por meio de uma grande diversidade de condutas individuais, algo que os filósofos chamam de realizações múltiplas. As corporações podem buscar o lucro por meio de diferentes formas de organizar seus membros individuais, os estados podem governar, arrecadar e interagir com nações estrangeiras mediante diferentes arranjos de seus indivíduos. Há pouca razão para pensar que processos institucionais e sociais tenham uma base em arranjos fixos e únicos de comportamentos individuais. As explicações, no nível social, identificam padrões que não são percebidos quando se enfatiza a diversidade dos comportamentos individuais.

O individualismo metodológico também enfrenta o problema do contexto social. Mesmo quando nos concentramos no comportamento individual, tais explicações muitas vezes inserem o indivíduo em um contexto social. As explicações que descrevem, por exemplo, os constrangimentos ao comportamento individual em mercados dependem de um rico conjunto de instituições como direitos de propriedade, mecanismos para sua execução, normas de truste, redes sociais que aproximam compradores e vendedores e desencadeiam mecanismos de reputação - e assim por diante. Assim, as supostas explicações plenamente individualistas podem ser, muitas vezes, explicações mistas, individuais e sociais, o que acaba por trair a afirmação de que tudo pode ser explicado de forma individualista.

Trata-se de uma questão empírica saber se as realizações múltiplas e a dependência de contextos sociais constituem problemas para o individualismo metodológico. Para as posições individualistas fortes, que pretendem explicar tudo, a evidência é bastante contrária. Mas posições individualistas mais fracas talvez tenham algo a seu favor, como o aprofundamento das explicações sociais pelo acréscimo de detalhes individuais, algo que parece difícil de negar (ver próxima seção), embora as consequências possam ser desprovidas de interesse.

Mais interessante é perguntar como podemos ser individualistas e como devemos ser holistas (cf. Kincaid, 2014). Creio que muitos problemas importantes na pesquisa social dizem respeito a essa forma mais nuançada do debate entre individualistas e holistas. Percebemos de forma intuitiva que, algumas vezes, a maior parte da história diz respeito a indivíduos; outras vezes intuímos que predominam as estruturas sociais.

Não é tarefa fácil dar substância a essas intuições e torná-las mais claras. O primeiro passo é delinear as coisas designadas por conceitos como "estrutura social" ou "instituição social", pois algumas delas proporcionam explicações mais sociais do que outras. De forma intuitiva, sabemos que explicações que invocam organizações são mais profundamente sociais do que as que invocam as chamadas instituições. As organizações têm estrutura interna, status e papéis definidos de maneira mais ou menos clara para os indivíduos, além de presença concreta na forma de recursos materiais. O termo "instituições", por sua vez, refere-se, em geral, a normas e expectativas, que podem ser crenças coordenadas de indivíduos, como no caso de normas ou convenções sobre em qual lado da rua devemos dirigir. Elas proporcionam explicações de caráter "menos social" do que as que mencionam organizações como Estados ou corporações.

Há outros sentidos em que as explicações possivelmente variem conforme o grau em que se constituem como explicações sociais. Por exemplo, pode-se explicar por meio de entidades sociais, invocando um conjunto amplo ou mais restrito de tais entidades, variando a atenção dada a indivíduos que ocupam papéis sociais ou posições específicas (cf. Kincaid, 2008) e variando quanto à importância causal atribuída a entidades sociais em relação a fatores individuais. É possível, em alguns casos, dar um significado específico à ideia de que os fatores sociais são mais importantes que os individuais, ou de que uma explicação menciona mais entidades sociais. Os desenvolvimentos recentes nos modelos de equação estrutural multinível permitem avaliar a influência causal relativa das variáveis sociais em comparação com as individuais e contar quantas variáveis sociais estão envolvidas.

Elenco a seguir questões abertas na pesquisa social acerca de como podemos ser individualistas ou de como devemos ser holistas (cf. Kincaid, 2014):

• A pesquisa em educação sobre o desempenho dos estudantes investiga em que medida os resultados que eles obtêm são explicados por variáveis individuais em comparação com variáveis sociais, como escola e vizinhança. O uso de modelos multinível também pode avaliar a importância de cada variável.

• A pesquisa sobre o racismo envolve um debate sobre em que medida a raça é uma construção social, no sentido de que as categorias raciais e esse tipo de categorização refletem apenas interesses de grupo - como a ideia de Tilly de desigualdade durável -, ou é em parte algo instaurado por propensões psicológicas inatas para estabelecer distinções entre quem é do próprio grupo e quem é de fora (cf. Mallon e Kelly, 2012). Há também a discussão sobre o modelo clássico de Schelling de segregação residencial. Schelling estudou um tipo de segregação capaz de resultar do comportamento individual, mas parece haver evidência, no contexto norte-americano, de que bancos e governos estiveram envolvidos na promoção da segregação residencial.

• Um importante debate diz respeito à natureza e à extensão das "preferências sociais" (Bowles 2006). Bowles e outros argumentam que o comportamento cooperativo resulta de uma predisposição psicológica inata para o altruísmo. Críticos dessa tese, como Binmore (2007), argumentam que a evidência experimental para essas conclusões é encontrada porque os sujeitos trazem, para os experimentos, sua experiência social em um mundo constituído por normas e sanções, além de sua participação em organizações, circunstâncias que fomentam repetidas interações que promovem o comportamento orientado por preferências sociais.

Essas são algumas das questões vivas na pesquisa social que podem ser formuladas como debates sobre como podemos ser individualistas ou como devemos ser holistas. Tais debates parecem-me muito mais interessantes, férteis e tratáveis do que os argumentos conceituais abstratos sobre a inevitabilidade ou a impossibilidade de explicar tudo no mundo social de modo individual.

Mecanismos e explicação macrossociológica

Há uma corrente atual na sociologia, bem representada pela "sociologia analítica", que sustenta que a melhor forma de avançar o conhecimento é identificar mecanismos e que estes devem ser formulados nos termos do comportamento individual. Considero que esse programa de pesquisa se baseia em grande parte em uma filosofia da ciência injustificada e estéril.

A maioria dos pesquisadores concorda que, em geral, é bom quando as explicações sociológicas podem ser ligadas ao comportamento individual. Mas isso não significa que toda explicação sociológica ou toda boa explicação sociológica deva apresentar mecanismos individuais.

A ideia de que precisamos de mecanismos parece razoável, mas isso é de fato ambíguo. Para que precisamos de mecanismos? Algumas vezes eles são invocados como exigências relativas à explicação, outras vezes como exigências relativas à confirmação. Por vezes os mecanismos são considerados causas intervenientes - o que poderíamos chamar de mecanismos horizontais -, outras vezes como detalhes de nível mais básico que permitem a realização de alguma entidade macrossociológica. Como exigências metodológicas, ambas parecem excessivas.

Em geral, é possível confirmar alegações causais sem conhecer todos os elos intermediários entre a causa e o efeito e sem conhecer os detalhes que a constituem. Sabemos que a bola quebrou a vidraça sem saber exatamente a sequência de estágios entre o primeiro contato e a quebra e sem conhecer os detalhes moleculares que constituem a bola e o vidro. Se conseguimos fazer isso nas ciências naturais, não vejo razão por que isso não seria factível nas ciências sociais.

Considero que pode haver explicações sociais perfeitamente boas e bem confirmadas que procedem inteiramente de modo macrossociológico, isto é, que envolvem apenas relações entre entidades sociais. A pesquisa em sociologia das organizações (cf. Hannan e Freeman, 1989), por exemplo, explica as características e os números das organizações como resultado dos recursos de que dispõem e da competição entre elas. Há um corpo de evidência rico e confiável apoiando essa pesquisa. A explicação aí não fornece o detalhe do comportamento individual que produz as características da organização. Da mesma forma, a microeconomia explica muito bem os fenômenos de mercado por meio das características das empresas e das famílias (contrariamente à sua própria retórica, que endossa o individualismo metodológico).

Meus comentários sobre as limitações da regressão múltipla para a identificação de relações causais sugerem em que sentido os mecanismos são necessários nas ciências sociais. A inclusão de causas intervenientes em uma regressão produz resultados distorcidos; por isso, é preciso saber se os fatores incluídos não são mecanismos no sentido de variáveis mediadoras. Assim, precisamos de conhecimento sobre mecanismos. Mas o conhecimento de que precisamos não diz respeito ao mecanismo mediador preciso, mas ao que o mecanismo não é (desde que não estejamos condicionando sobre mecanismos mediadores, não há problema). Essa necessidade restrita de conhecimento dos mecanismos não requer que conheçamos os mecanismos que passam pelo comportamento dos indivíduos. Uma forma natural de assegurar que não estamos condicionando variáveis mediadoras no contexto da regressão múltipla é fazer testes de mediação: regredir a variável dependente sobre a variável independente com e sem os possíveis mediadores. Se a introdução de um possível mediador reduzir ou eliminar a correlação entre a variável dependente e a independente, então teremos evidência de que o possível mediador é real. Mas, no meu modo de ver, uma forma muito mais sistemática de tratar desses problemas é usar modelos de equação estrutural, nos quais a mediação pode ser explicitamente modelada. A prática padrão de executar uma ou várias regressões não é um bom recurso para identificar relações causais.

Conclusão

A filosofia das ciências sociais pode ter alguma relevância para a prática da pesquisa social desde que esteja intimamente ligada a esta e, mesmo quando mantém essa ligação, não é muito diferente das considerações metodológicas gerais que os próprios cientistas sociais oferecem. Espero ter mostrado, porém, que tanto para a pesquisa social como para a filosofia da ciência social é muito melhor que a filosofia implícita nos pressupostos adotados pelos pesquisadores seja explicitada.

Texto enviado em 30/1/2014 e aprovado em 27/2/2014.

Tradução do inglês de Alexandre Braga Massella

• BINMORE, K. (2007), Does game theory work? The bargaining challenge Cambridge, MIT Press.
• BOWLES, S. (2006), Microeconomics: behavior, institutions, and evolution Princeton, Princeton University Press.
• CARTWRIGHT, N. (1983), How the laws of physics lie Oxford, Oxford University Press.
• DAY, T. & KINCAID, H. (1994), "Putting inference to the best explanation in its place". Synthese, 98:271-295.
• DEMEULENAERE, P. (2013), Analytical narratives and social mechanisms Cambridge, Cambridge University Press.
• DORIS, J. (2002), Lack of character Cambridge, Cambridge University Press.
• ELSTER, J. (1983), Explaining technical change Cambridge, Cambridge University Press.
• GERBER, A.; GREEN, D. & KAPLAN, H. (2014), "The illusion of learning from observational research". In: teele, D. (org.). Field experiments and their critics New Haven, Yale University Press.
• HANNAN, M. & FREEMAN, J. (1989), Organizational ecology. Cambridge, Harvard University Press.
• HEDSTROM, P. & BEARMAN, P. (2009), The Oxford handbook of analytical sociology Oxford, Oxford University Press.
• KINCAID, H. (1996), Philosophical foundations of the social sciences: analyzing controversies in social research Cambridge, Cambridge University Press.
• ______. (1997), Individualism and the unity of science: essays on reduction, explanation, and the special sciences Lanham, Md, Rowman and Littlefield.
• ______. (2000), "Formal rationality and its pernicious effects on the social sciences". Philosophy of Social Science, 30:67-88.
• ______. (2005), "Contextualism, explanation and the social sciences". Philosophical Explorations, 7:201-219.
• ______. (2008), "Structural realism & the social sciences". Philosophy of Science, 75:720-731.
• ______. (2009), "Causation in the social sciences". In: BEEBEE, H.; HITCHCOCK, C. & MENZIES, P. (orgs.). The Oxford handbook of causation Oxford, Oxford University Press.
• ______. (2012a), Oxford handbook of the philosophy of the social sciences Oxford, Oxford University Press.
• ______. (2012b), "Naturalism and the nature of evidence in economics". In: MÄKI, USKALI (org.). Handbook for the philosophy of science: philosophy of economics Amsterdam, Elsevier.
• ______. (2012c), "Naturalism and the philosophy of the social sciences". In: ______ (org.). The Oxford handbook of the philosophy of the social sciences Oxford, Oxford University Press.
• ______. (2012d), "Mechanisms, causal modeling, and the limitations of traditional multiple regression". In: ______. (org.). The Oxford handbook of the philosophy of the social sciences Oxford, Oxford University Press.
• ______. (2014), "Dead ends and live issues in the individualism-holism debate". In: ZAHLE, J. & COLIN, F. (orgs.). Rethinking the individualism-holism debate: essays in the philosophy of the social sciences Dordrecht, Springer.
• ______. (no prelo). "Open Empirical and Methodological Issues in the Individualism-Holism Debate," Philosophy of Science
• ______; DUPRE, J. & WYLIE, A. (2007), Value free science: ideals and illusions Oxford, Oxford University Press.
• KITCHER, P. (1995), The advancement of science Oxford, Oxford University Press.
• MALLON, R. & KELLY, D. (2012), "Making race out of nothing: psychologically constrained social roles". In: KINCAID, H. (org.). The Oxford handbook of the philosophy of the social sciences Oxford, Oxford University Press.
• PEARL, J. (2000), Causality: models, reasoning, and inference Nova York, Cambridge University Press.
• QUINE, W. (1998), From stimulus to science Cambridge, Harvard University Press.
• RAGIN, C. (2008), Redesigning social inquiry Chicago, University of Chicago Press.
• RODRIK, D. (2009), One economy, many recipes Princeton, Princeton University Press.
• SALMON, W. (2006), Four decades of scientific explanation Pittsburgh, PA, Pittsburgh University Press.
• SHIPLEY, B. (2002), Cause and correlation in biology Cambridge, Cambridge University Press.
• SPIRTES, P.; GLYMOUR, C. & SCHEINES, R. (2001), Causation, prediction, and search Cambridge, MIT Press.
• TAYLOR, C. (1971), "Interpretation and the sciences of man". Review of Metaphysics, 25:3-51.
• TEELE, D. (2014), Field experiments and their critics New Haven, Yale University Press.
• WALDNER, D. (2012), "Process tracing and causal mechanisms". In: KINCAID, H. (org.). The Oxford handbook of the philosophy of the social sciences Oxford, Oxford University Press.
• WILSON, M. (2008), Wandering significance Oxford, Oxford University Press.

1

. O que os positivistas realmente sustentavam é uma questão complexa. Chamo de filosofia da ciência positivista uma concepção particular, influente nas ciências sociais após a Segunda Guerra Mundial e que foi rotulada de positivista por seus críticos.

Datas de Publicação

• Publicação nesta coleção
  27 Jan 2015
• Data do Fascículo
  Dez 2014

Histórico

• Aceito
  27 Fev 2014
• Recebido
  30 Jan 2014