Journal Article

Embracing Fallibility in Quantitative Research: Thoughts and Remarks on Exploratory Factor Analysis and beyond

Gabriel, Marcelo Luiz Dias da Silva, Silva, Dirceu da, Braga Jr, Sérgio Silva, Hair Jr, Joseph F.

2024

Overview

ABSTRACT Objective: errors are inevitable in the scholarly pursuit of truth, yet they are often seen as flaws rather than growth opportunities. This paper examines the tension between scholars’ inherent fallibility and rigorous academic research standards, particularly concerning quantitative methods such as exploratory factor analysis (EFA) and partial least squares structural equation modeling (PLS-SEM). The focus is on whether the academic community effectively balances the acceptance of errors as part of the learning process, with the relentless pursuit of truth and how this balance influences the advancement of knowledge within the context of evolving statistical tools needed to improve our understanding of complex global relationships. Provocations: if errors are fundamental to scientific progress, why does the academic community approach them with apprehension? This fear of mistakes may inhibit innovation, especially in fields such as quantitative methods research, where the stakes are high. Another question is whether the accessibility of user-friendly statistical software has led to a superficial understanding of complex methodologies, prioritizing convenience over depth. Conclusions: we advocate for a shift in how the academic community perceives errors toward viewing them as essential to the research process rather than as fatal flaws. Embracing a humble approach to pointing out mistakes and limitations, particularly with quantitative methods such as EFA and SEM, can create a more innovative and progressive research environment. We call for a cultural shift where constructive critiques are balanced with understanding our collective fallibility, with the ultimate goal of producing more impactful scholarship. RESUMO Objetivo: erros são inevitáveis na busca acadêmica pela verdade, mas muitas vezes são vistos como falhas e não como oportunidades de crescimento. Este artigo examina a tensão entre a falibilidade inerente dos estudiosos e os rigorosos padrões de pesquisa acadêmica, particularmente no que diz respeito a métodos quantitativos, como análise fatorial exploratória (EFA) e modelagem de equações estruturais de mínimos quadrados parciais (PLS-SEM). O foco está em saber se a comunidade acadêmica equilibra efetivamente a aceitação de erros como parte do processo de aprendizagem, com a busca incessante da verdade e como esse equilíbrio influencia o avanço do conhecimento no contexto da evolução das ferramentas estatísticas necessárias para melhorar a nossa compreensão de questões complexas. relacionamentos globais. Provocações: se os erros são fundamentais para o progresso científico, por que a comunidade acadêmica os aborda com apreensão? Este medo de erros pode inibir a inovação, especialmente em domínios como a investigação de métodos quantitativos, onde os riscos são elevados. Outra questão é se a acessibilidade de software estatístico de fácil utilização levou a uma compreensão superficial de metodologias complexas, priorizando a conveniência em detrimento da profundidade. Conclusões: defendemos uma mudança na forma como a comunidade acadêmica percebe os erros, no sentido de os ver como essenciais ao processo de investigação e não como falhas fatais. Adotar uma abordagem humilde para apontar erros e limitações, particularmente com métodos quantitativos como EFA e SEM, pode criar um ambiente de investigação mais inovador e progressivo. Apelamos a uma mudança cultural onde as críticas construtivas sejam equilibradas com a compreensão da nossa falibilidade colectiva, com o objetivo final de produzir estudos mais impactantes.

• Publisher: Associação Nacional de Pós-Graduação e Pesquisa em Administração,Associação Nacional de Pós-Graduação e Pesquisa em Administração (ANPAD)
• Subject: academic rigor / exploratory factor analysis / MANAGEMENT / quantitative methods / scientific fallibility / structural equation modeling (sem)