Roethlisberger, The Elusive Phenomena (Boston: Harvard Business School
Division of Research, 1977); Arthur Stinchcombe, “The Logic of Scientific
Inference,” chapter 2 in Constructing Social Theories (New York: Harcourt,
Brace & World, 1968); Andrew Van de Ven, “Professional Science for a
Professional School,” in Breaking the Code of Change, eds. Michael Beer
and Nitin Nohria (Boston: Harvard Business School Press, 2000); Karl E.
Weick, “Theory Construction as Disciplined Imagination,” Academy of
Management Review 14, no. 4, (1989): 516–531; and R. Yin, Case Study
Research (Beverly Hills, CA: Sage Publications, 1984).
18. Điều chúng tôi muốn nói là thành công của một giả thuyết phải được đo
bằng độ chính xác khi nó dự đoán kết quả qua một loạt các tình huống mà
các nhà quản lý gặp phải. Do đó, chúng tôi không tìm kiếm “sự thật” theo
nghĩa tuyệt đối; tiêu chuẩn của chúng tôi là tính thực tiễn và hữu ích. Nếu
giúp các nhà quản lý đạt được thành công mong muốn thì chúng tôi đã thành
công. Đo mức độ thành công của các giả thuyết dựa trên tính hữu ích của
chúng là một truyền thống được đánh giá cao trong triết lý khoa học, được
thể hiện đầy đủ nhất trong chủ nghĩa thực chứng logic. Xem R. Carnap,
Empiricism, Semantics and Ontology (Chicago: University of Chicago Press,
1956); W. V. O. Quine, Two Dogmas of Empiricism (Cambridge, MA:
Harvard University Press, 1961); and W. V. O. Quine, Epistemology
Naturalized. (New York: Columbia University Press, 1969).
19. Đây là một thiếu sót nghiêm trọng của nhiều nghiên cứu về quản lý. Các
nhà kinh tế lượng gọi đây là “lấy mẫu trên biến số lệ thuộc”. Nhiều tác giả
cũng như nhiều người tự coi mình là các viện sĩ nghiêm túc đều háo hức
chứng minh giá trị của các giả thuyết của mình đến nỗi cố tình bỏ qua phát
hiện về những điều bất thường. Trong nghiên cứu tình huống, điều này được
thực hiện bằng cách cẩn thận lựa chọn các ví dụ chứng minh cho giả thuyết.
Trong các nghiên cứu học thuật chính quy hơn thì điều này được thực hiện
bằng cách bỏ qua các dữ liệu không phù hợp với “giá trị ngoại lệ” của mô
hình và tìm cách biện hộ cho việc loại bỏ chúng khỏi phân tích thống kê. Cả
hai cách làm này đều hạn chế nghiêm trọng tính hữu ích của những gì được
viết ra. Thực ra, chính phát hiện về hiện tượng mà giả thuyết hiện tại không
giải thích được sẽ giúp các nhà nghiên cứu xây dựng giả thuyết tốt hơn dựa
trên một kế hoạch phân loại tốt hơn. Chúng ta cần nghiên cứu tìm ra sự dị
thường chứ không phải để bỏ qua sự dị thường. Chúng tôi đã khuyến khích
các nghiên cứu sinh đang tìm kiến câu hỏi nghiên cứu tiềm năng cho bài luận
văn của mình chỉ cần đặt câu hỏi khi nào một giả thuyết “kỳ cục” không sử
dụng được – ví dụ như “Khi nào tái kỹ nghệ quy trình là một ý tưởng tồi?”
hoặc “Liệu bạn có bao giờ muốn thuê ngoài một việc là thế mạnh cơ bản của
bạn, và tự làm một việc không phải thế mạnh của mình?” Đặt ra các câu hỏi
như vậy gần như luôn luôn cải thiện căn cứ của giả thuyết ban đầu. Cơ hội
201
