Scientific explanation asks not merely whether a model predicts a phenomenon, but what relation—lawlike, causal, mechanistic, or unifying—makes the phenomenon intelligible.
1The problem it solves
Prediction and explanation can come apart. Hempel’s deductive-nomological model captured one ideal: derive the event from laws plus conditions. Counterexamples showed that derivability alone misses direction and relevance; the height of a flagpole explains its shadow, but the shadow length does not symmetrically explain the height. Later accounts emphasize causes, mechanisms, or unification.
2The idea
What makes something an explanation rather than a description? Hempel's answer: derive the phenomenon from a general law plus initial conditions. Later accounts appeal to causal mechanisms or to unification instead.
3Origin & context
Carl Hempel and Paul Oppenheim formalized the deductive-nomological model in the mid-twentieth century. Wesley Salmon developed causal-statistical approaches; Philip Kitcher emphasized unification. The succession shows that “explanation” is itself a contested epistemic achievement.
4Canonical example
The flagpole's height explains the shadow's length. The shadow's length does not explain the height — although the derivation runs both ways.
5Objections & replies
Objection. Prediction is all science needs; explanation adds metaphysical storytelling.
Reply. Instrumentalists can take that line, but explanation supports intervention, transfer, debugging, and counterfactual reasoning in ways fit alone often does not. The extra value becomes practical when regimes change.
Objection. Causal explanation simply replaces one unexplained notion with another—causation.
Reply. True as a philosophical pressure. Modern causal frameworks make the assumptions and counterfactual structure explicit, which improves discipline even if the metaphysics of causation remains debated.
6Don't confuse it with
Explanation vs. prediction
A model can predict accurately for the wrong reason or via correlation. Explanation aims at why or how, often requiring asymmetry or mechanism.
Explanation vs. description
A detailed description can summarize patterns without identifying why the pattern obtains or what would change it.
7Common mistakes
- Calling a high-R² or accurate forecast an explanation without a story about relevance, mechanism, or counterfactual dependence.
- Demanding one universal form of explanation across physics, biology, economics, and historical sciences.
8In your work
A clean test for whether your model explains or merely fits: fitting is symmetric, explaining is not.
9Check yourself
A model forecasts defaults well because it uses a proxy tightly correlated with distress, but the proxy has no stable causal relation. Does forecasting success establish explanation?
Show answer
No. It establishes predictive usefulness under the observed regime. Explanation requires an account of why the relation holds and whether it would survive interventions or changes in the data-generating process.
تبیینِ علمی فقط نمیپرسد مدل پدیده را پیشبینی میکند یا نه؛ میپرسد چه رابطهای—قانونی، علّی، سازوکاری یا وحدتبخش—پدیده را فهمپذیر میکند.
1مسئلهای که حل میکند
پیشبینی و تبیین از هم جدا میشوند. مدلِ قیاسی–قانونیِ همپل ایدهآلی روشن داشت: رویداد را از قانون و شرایطِ اولیه استنتاج کن. مثالهای نقض نشان دادند استنتاجِ صرف جهت و ربط را نمیگیرد؛ ارتفاعِ میله سایه را توضیح میدهد، نه برعکس. نظریههای بعدی علت، سازوکار و وحدت را برجسته کردند.
2ایدهٔ اصلی
چه چیزی چیزی را تبیین میکند و نه صرفاً توصیف؟ پاسخ همپل: پدیده را از قانونی کلی بهعلاوهٔ شرایط اولیه استنتاج کنید. روایتهای بعدی بهجای آن به سازوکارهای علّی یا به وحدتبخشی متوسل میشوند.
3خاستگاه و زمینه
کارل همپل و پل اوپنهایم در میانهٔ قرن بیستم مدلِ قیاسی–قانونی را صورتبندی کردند. وسلی سالمون روایتِ علّی–آماری و فیلیپ کیچر وحدت را برجسته کردند. همین توالی نشان میدهد خودِ «تبیین» دستاوردی محلِ نزاع است.
4مثالِ کلاسیک
ارتفاعِ میلهٔ پرچم طولِ سایه را تبیین میکند. طولِ سایه ارتفاع را تبیین نمیکند — هرچند استنتاج در هر دو جهت کار میکند.
5اعتراضها و پاسخها
اعتراض. برای علم پیشبینی کافی است؛ تبیین داستانِ متافیزیکیِ اضافه است.
پاسخ. ابزارگرا میتواند چنین بگوید، اما تبیین برای مداخله، انتقال به محیطِ تازه، عیبیابی و استدلالِ خلافواقعی چیزهایی میدهد که صرفِ برازش نمیدهد—بهویژه هنگامِ تغییرِ رژیم.
اعتراض. تبیینِ علّی فقط واژهٔ مبهمِ «علت» را جایگزینِ ابهامِ دیگر میکند.
پاسخ. فشارِ فلسفی واقعی است. چارچوبهای علّیِ مدرن حداقل فرضها و ساختارِ خلافواقعی را صریح میکنند، حتی اگر متافیزیکِ علیت همچنان محلِ بحث باشد.
6با اینها اشتباه نگیرید
تبیین و پیشبینی
مدل میتواند بهدلیلِ غلط یا صرفاً همبستگی پیشبینیِ خوب کند. تبیین دنبالِ چرا/چگونه و اغلب جهت و سازوکار است.
تبیین و توصیف
توصیفِ دقیق الگو را خلاصه میکند اما الزاماً نمیگوید چرا برقرار است یا چه چیزی آن را تغییر میدهد.
7خطاهای رایج
- تبیین نامیدنِ R² بالا یا پیشبینیِ دقیق بدون روایتِ ربط، سازوکار یا وابستگیِ خلافواقعی.
- مطالبهٔ یک صورتِ واحد از تبیین برای فیزیک، زیست، اقتصاد و علومِ تاریخی.
8در کارِ شما
آزمونی تمیز برای اینکه مدل شما تبیین میکند یا فقط برازش میدهد: برازش متقارن است، تبیین نیست.
9خودآزمایی
مدلی نکول را خوب پیشبینی میکند چون از متغیری استفاده میکند که با پریشانی شدیداً همبسته است اما رابطهٔ علّیِ پایداری ندارد. آیا موفقیتِ پیشبینی تبیین را ثابت میکند؟
نمایش پاسخ
نه. فقط کاراییِ پیشبینی در رژیمِ مشاهدهشده را نشان میدهد. تبیین نیاز به حسابی از چراییِ رابطه و پایداریِ آن زیرِ مداخله یا تغییرِ فرایندِ مولد دارد.