เมื่อ Q1 กลายเป็น 'เป้าหมาย' แทนที่จะเป็น 'ผลลัพธ์' : สิ่งที่ระบบประเมินงานวิจัยสอนเราเกี่ยวกับพฤติกรรมมนุษย์ 

สิ่งหนึ่งที่นักเศรษฐศาสตร์และนักพฤติกรรมศาสตร์เข้าใจกันมานาน คือมนุษย์ไม่ได้ตอบสนองต่อสิ่งที่องค์กร “อยากให้เกิดขึ้น” เสมอไป แต่มักตอบสนองต่อสิ่งที่ระบบให้รางวัลจริงๆ 

นี่เป็นเหตุผลว่าทำไมการออกแบบตัวชี้วัดในองค์กรจึงเป็นเรื่องละเอียดอ่อนมาก เพราะตัวชี้วัดที่ถูกสร้างขึ้นมาเพื่อวัดพฤติกรรมของคน อาจค่อยๆ กลายเป็นสิ่งที่เปลี่ยนพฤติกรรมของคนเสียเอง 

ลองนึกภาพโรงเรียนแห่งหนึ่งที่ประกาศว่านักเรียนทุกคนที่ได้คะแนนเกิน 80 คะแนนจะได้รับรางวัลใหญ่ แต่หลังจากนั้นไม่ว่าจะได้ 81 คะแนน หรือ 100 คะแนน รางวัลที่ได้รับกลับแทบไม่แตกต่างกันเลย ถ้าหลังจากใช้ระบบนี้ไปหลายปี เราพบว่านักเรียนจำนวนมากเริ่มตั้งเป้าที่การทำคะแนนให้เกิน 80 อย่างมีประสิทธิภาพที่สุด แทนที่จะพยายามทำคะแนนให้สูงที่สุดเท่าที่ทำได้ เราอาจไม่ควรสรุปทันทีว่านักเรียนเหล่านี้ขาดความพยายาม 

บางทีคำถามที่สำคัญกว่าอาจเป็นว่า ระบบรางวัลที่เราสร้างขึ้นกำลังบอกให้พวกเขาให้ความสำคัญกับอะไร 

นี่คือประเด็นหลักของงานวิจัยล่าสุดที่ผมและผู้ร่วมวิจัยพยายามศึกษาผ่านระบบประเมินผลงานวิจัยในประเทศไทย ในช่วงหลายปีที่ผ่านมา มหาวิทยาลัยจำนวนมากทั่วโลก รวมถึงในประเทศไทย ได้ใช้การจัดอันดับวารสารวิชาการ เช่น ระบบ Q1, Q2, Q3 และ Q4 เป็นส่วนหนึ่งของการประเมินคุณภาพงานวิจัย โดยหลักการแล้ว แนวคิดนี้มีเหตุผล วารสารที่ได้รับการยอมรับสูงกว่าควรสะท้อนคุณภาพและอิทธิพลทางวิชาการที่สูงกว่า และตัวชี้วัดเหล่านี้ช่วยเพิ่มความโปร่งใสให้กับระบบประเมิน 

แต่ปัญหาเริ่มเกิดขึ้นเมื่อสิ่งที่ถูกออกแบบมาเพื่อเป็น “มาตรวัด” ค่อยๆ เปลี่ยนเป็น “เป้าหมาย”

นักเศรษฐศาสตร์เรียกปรากฏการณ์นี้ว่า Goodhart’s Law หรือแนวคิดที่ว่า เมื่อตัวชี้วัดใดกลายเป็นเป้าหมายที่ผู้คนต้องพยายามไปให้ถึง ตัวชี้วัดนั้นมักเริ่มสูญเสียความสามารถในการสะท้อนสิ่งที่เราต้องการวัดจริงๆ 

ในบริบทของงานวิจัย คำถามของนักวิชาการอาจค่อยๆ เปลี่ยนจาก “วารสารใดเหมาะสมที่สุดสำหรับงานชิ้นนี้ และจะทำให้งานนี้สร้างผลกระทบได้มากที่สุด” ไปเป็น “วารสารใดที่จะช่วยให้ผลงานชิ้นนี้ผ่านเส้น Q1 ได้มากที่สุด” และประเด็นสำคัญคือคนส่วนใหญ่เพียงตอบสนองอย่างมีเหตุผลต่อกติกาที่อยู่ตรงหน้าเท่านั้น 

ความท้าทายของระบบ Quartile คือ คุณภาพของวารสารไม่ได้เปลี่ยนแบบก้าวกระโดดตรงเส้นแบ่งระหว่าง Q1 กับ Q2 วารสารที่อยู่ใกล้เส้นแบ่งทั้งสองฝั่งอาจมีคุณภาพและชื่อเสียงใกล้เคียงกันมาก แต่ผลตอบแทนที่ระบบสร้างขึ้นอาจแตกต่างกันอย่างชัดเจน ทั้งในรูปแบบของเงินสนับสนุน คะแนนประเมิน หรือความก้าวหน้าในอาชีพ 

พูดอีกแบบคือ ระบบอาจสร้าง “หน้าผาทางแรงจูงใจ” ขึ้นมาในจุดที่ความแตกต่างด้านคุณภาพจริงๆ เป็นเพียงความลาดชันเล็กๆ คำถามคือ เมื่อสร้างหน้าผานี้ขึ้นมา คนจะตอบสนองหรือไม่?

เพื่อตอบคำถามนี้ ผมได้ทำการวิเคราะห์บทความวิจัยจากประเทศไทยจำนวน 149,402 ชิ้นในฐานข้อมูล Scopus ระหว่างปี 2016–2025 และใช้เครื่องมือทางเศรษฐศาสตร์ที่เรียกว่า bunching analysis ซึ่งมักถูกใช้ในการศึกษาว่าคนเปลี่ยนพฤติกรรมอย่างไรเมื่อเจอเส้นแบ่งของระบบ เช่น อัตราภาษีหรือเกณฑ์การได้รับสิทธิประโยชน์ต่างๆ 

หลักการง่ายๆ คือ ถ้าไม่มีแรงจูงใจพิเศษ การกระจายของบทความตามคุณภาพวารสารควรมีลักษณะต่อเนื่อง แต่ถ้ามีบทความจำนวนมากผิดปกติไปกองอยู่บริเวณใดบริเวณหนึ่ง นั่นอาจเป็นสัญญาณว่าคนกำลังตอบสนองต่อเส้นแบ่งนั้น 

ผลที่พบค่อนข้างชัดเจน ก่อนปี 2019 ผมไม่พบหลักฐานของการกระจุกตัวผิดปกติบริเวณขอบ Q1 แต่หลังจากปี 2019 ซึ่งเป็นช่วงที่ประเทศไทยให้ความสำคัญกับตัวชี้วัดผลงานวิจัยระดับนานาชาติมากขึ้น ผมพบว่ามีบทความจำนวนมากผิดปกติอยู่เหนือเส้น Q1 เพียงเล็กน้อย โดยประมาณการว่ามีบทความส่วนเกินประมาณ 1,575 ชิ้นในช่วงปี 2020–2025

ในทางกลับกัน เมื่อเราเปรียบเทียบกับสิงคโปร์ ซึ่งไม่ได้ใช้ระบบแรงจูงใจแบบกระโดดตาม Quartile ในลักษณะเดียวกัน ผมไม่พบรูปแบบการกระจุกตัวดังกล่าว สิ่งที่สำคัญที่สุดในการตีความผลลัพธ์นี้ คือมันไม่ได้บอกว่างานวิจัยเหล่านี้ไม่มีคุณภาพ และไม่ได้บอกว่านักวิจัยกำลังพยายาม “โกงระบบ” ในความเป็นจริง สิ่งที่เกิดขึ้นอาจเป็นสิ่งที่เราควรคาดการณ์ได้ตั้งแต่แรก นั่นคือ เมื่อระบบให้ความสำคัญกับเส้นแบ่งบางเส้นเป็นพิเศษ คนก็จะเริ่มให้ความสำคัญกับเส้นนั้นเป็นพิเศษเช่นกัน 

ปัญหาจึงไม่ได้อยู่ที่คน แต่อยู่ที่การออกแบบกติกา ดังนั้น ทางออกไม่ใช่การเลิกใช้ตัวชี้วัด เพราะมหาวิทยาลัยและองค์กรขนาดใหญ่จำเป็นต้องมีระบบประเมินที่โปร่งใสและตรวจสอบได้ แต่เราต้องไม่ลืมว่าตัวชี้วัดเป็นเพียงตัวแทนของคุณภาพ ไม่ใช่คุณภาพโดยตัวมันเอง ระบบที่ดีควรทำให้คนอยากสร้างงานที่ดีที่สุด ไม่ใช่แค่สร้างงานที่อยู่เหนือเส้นที่กำหนดไว้เล็กน้อย ในระยะยาว การสร้างมหาวิทยาลัยวิจัยที่เข้มแข็งอาจไม่ได้มาจากการเพิ่มรางวัลที่ปลายทางเพียงอย่างเดียว แต่มาจากการลงทุนที่ต้นทาง เช่น การให้เวลา ทรัพยากร เครือข่าย และสภาพแวดล้อมที่ทำให้นักวิจัยสามารถทำงานที่มีความเสี่ยงสูง แต่มีโอกาสสร้างผลกระทบสูงได้ เพราะมหาวิทยาลัยระดับโลกไม่ได้เกิดจากระบบที่ทำให้คนจำนวนมากเก่งในการผ่านเกณฑ์ แต่มักเกิดจากระบบที่ทำให้คนเก่งมีโอกาสสร้างผลงานที่อยู่เหนือกว่าเกณฑ์ สุดท้ายแล้ว บทเรียนจากเรื่อง Q1 อาจไม่ได้เป็นเพียงเรื่องของการประเมินงานวิจัย แต่อาจเป็นบทเรียนของทุกองค์กรที่ใช้ตัวเลขในการบริหารคน ตัวเลขมีพลัง เพราะมันเปลี่ยนพฤติกรรมได้ คำถามสำคัญจึงไม่ใช่แค่ว่า “เราควรวัดอะไร” แต่คือ “เมื่อเราเริ่มวัดสิ่งนั้นแล้ว เรากำลังสร้างพฤติกรรมแบบไหนขึ้นมา”

บทความคอลัมน์ พิจารณ์นโยบายสาธารณะ กลุ่มนโยบายสาธารณะเพื่อสังคมและธรรมาภิบาล

ดร. ณัฐวุฒิ เผ่าทวี
กลุ่มนโยบายสาธารณะเพื่อสังคมและธรรมาภิบาล