The demarcation problem asks what distinguishes science from non-science; no single proposed criterion has cleanly captured scientific practice without excluding good science or admitting bad imitations.
1The problem it solves
The question matters institutionally because “scientific” affects credibility, funding, regulation, and public authority. Falsifiability was the most famous answer, but historical and methodological work showed that sciences use heterogeneous methods and often protect theories through anomalies. The modern lesson is to assess a bundle of epistemic practices rather than worship one test.
2The idea
What separates science from non-science? Falsifiability was the most famous proposed criterion; the consensus now is that no single criterion does the job cleanly.
3Origin & context
Popper framed falsifiability as a demarcation criterion partly against verificationism and pseudoscientific systems. Later philosophers, including Larry Laudan, argued that the search for a necessary-and-sufficient boundary had failed and that we should instead evaluate claims and methods directly.
4Canonical example
Astrology makes predictions and revises them. So why is it not science?
5Objections & replies
Objection. Without a boundary, pseudoscience cannot be distinguished from science.
Reply. Rejecting one sharp criterion does not mean abandoning evaluation. Replication, openness to correction, predictive risk, methodological transparency, causal identification, peer criticism, and track record can jointly discriminate without forming a single essence.
Objection. Falsifiability still works well enough for practical purposes.
Reply. It is a useful warning against immunity, but too permissive and too restrictive as a universal rule. Many poor theories make falsifiable predictions, while mature sciences often test probabilistic or auxiliary-laden claims that resist one-shot falsification.
6Don't confuse it with
Demarcation vs. truth
A claim can be scientific and false, or true for non-scientific reasons. Demarcation concerns method/status, not truth-value.
Science vs. expertise
An expert judgment may be rationally authoritative without itself being a scientific result; expertise is a social-epistemic relation.
7Common mistakes
- Using “not falsifiable” as a synonym for meaningless, false, or irrational.
- Treating the label “science” as a substitute for examining the quality of the actual evidence and method.
8In your work
Every “is this rigorous enough?” judgment is a demarcation call. Knowing the criterion failed keeps you from applying it as if it were a rule.
9Check yourself
A forecasting system makes precise falsifiable predictions but repeatedly patches its model after misses and publishes no independent validation. Has falsifiability settled its scientific status?
Show answer
No. It passes one condition while failing others that matter: progressive prediction, transparency, independence, and response to error. Demarcation requires a broader methodological assessment.
مسئلهٔ تمایز میپرسد چه چیزی علم را از غیرعلم جدا میکند؛ هیچ معیارِ واحدی نتوانسته بدون حذفِ علمِ خوب یا پذیرشِ تقلیدِ بد، عملِ علمی را کاملاً بگیرد.
1مسئلهای که حل میکند
پرسش نهادی مهم است چون برچسبِ «علمی» بر اعتبار، بودجه، مقررات و اقتدارِ عمومی اثر دارد. ابطالپذیری مشهورترین پاسخ بود، اما تاریخ و روششناسی نشان داد علوم روشهای متنوع دارند و در برابر ناهنجاری نظریه را فوراً کنار نمیگذارند. درسِ مدرن ارزیابیِ مجموعهای از رویههای معرفتی است.
2ایدهٔ اصلی
چه چیزی علم را از غیرعلم جدا میکند؟ ابطالپذیری مشهورترین معیارِ پیشنهادی بود؛ اجماع کنونی این است که هیچ معیار واحدی این کار را بهروشنی انجام نمیدهد.
3خاستگاه و زمینه
پوپر ابطالپذیری را تا حدی در برابر تحقیقپذیری و نظامهای شبهعلمی معیارِ تمایز کرد. فیلسوفانِ بعدی، از جمله لری لاودن، استدلال کردند جستوجوی مرزِ لازم و کافی شکست خورده و بهتر است خودِ ادعا و روش را مستقیم بسنجیم.
4مثالِ کلاسیک
طالعبینی پیشبینی میکند و آنها را بازبینی میکند. پس چرا علم نیست؟
5اعتراضها و پاسخها
اعتراض. بدون مرز، دیگر نمیتوان شبهعلم را از علم جدا کرد.
پاسخ. ردِ یک معیارِ تیز به معنای رهاکردنِ ارزیابی نیست. تکرار، آمادگی برای اصلاح، پیشبینیِ پرخطر، شفافیتِ روش، شناساییِ علّی، نقدِ همتا و کارنامه میتوانند مشترکاً تمایز ایجاد کنند.
اعتراض. ابطالپذیری برای کارِ عملی بهاندازهٔ کافی خوب است.
پاسخ. بهعنوان هشدار علیه مصونسازی مفید است، اما معیارِ جهانشمول هم بیشازحد میپذیرد و هم بیشازحد حذف میکند. نظریهٔ ضعیف میتواند ابطالپذیر باشد و علمِ بالغ اغلب ادعاهای احتمالاتی و بستههای فرضی را میآزماید.
6با اینها اشتباه نگیرید
تمایز و صدق
ادعا میتواند علمی و کاذب باشد یا به دلایلی غیرعلمی صادق باشد. تمایز دربارهٔ روش و جایگاه است، نه ارزشِ صدق.
علم و تخصص
داوریِ متخصص میتواند عقلانی و معتبر باشد بیآنکه خودِ آن یک نتیجهٔ علمی باشد؛ تخصص رابطهای در معرفتشناسیِ اجتماعی است.
7خطاهای رایج
- استفاده از «ابطالناپذیر» بهعنوان مترادفِ بیمعنا، کاذب یا غیرعقلانی.
- جایگزینکردنِ برچسبِ «علم» بهجای بررسیِ کیفیتِ شاهد و روش.
8در کارِ شما
هر داوریِ «آیا این بهقدر کافی دقیق است؟» یک حکمِ تمایز است. دانستنِ اینکه آن معیار شکست خورد، مانع میشود آن را چون قاعدهای مکانیکی به کار ببرید.
9خودآزمایی
سامانهٔ پیشبینی، خروجیهای دقیق و ابطالپذیر میدهد اما بعد از هر خطا مدل را وصله میکند و اعتبارسنجیِ مستقل منتشر نمیکند. آیا ابطالپذیری وضعیتِ علمی را حل کرده؟
نمایش پاسخ
نه. یک شرط را پاس کرده اما در پیشبینیِ پیشرونده، شفافیت، استقلال و واکنش به خطا ممکن است شکست بخورد. تمایز به ارزیابیِ گستردهتر نیاز دارد.