QLens Foundation Book — বাংলা¶

ভূমিকা¶

QLens কোনো চূড়ান্ত সত্যভাণ্ডার নয়। এটি সত্যকে জানার মানুষের প্রচেষ্টাকে সৎ, অনুসরণযোগ্য ও সংশোধনযোগ্য রাখার একটি ব্যবস্থা।

এই বাংলা সংস্করণ ইংরেজি Foundation Book-এর সমান্তরাল পাঠ। পরিভাষা অনুবাদ করা হলেও OID, schema, contract ও CLI শব্দগুলো প্রয়োজনমতো মূল রূপে রাখা হয়েছে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

পাঠকের প্রতি আমন্ত্রণ¶

এই বই পাঠককে প্রস্তুত উত্তর গ্রহণ করতে নয়, বরং প্রশ্ন, প্রমাণ, যুক্তি, অনিশ্চয়তা ও সংশোধনের সম্পূর্ণ পথ দেখতে আমন্ত্রণ জানায়।

QLens ব্যবহারকারীকে “আমি কী বিশ্বাস করি?” প্রশ্নের পাশাপাশি “কেন বিশ্বাস করি, কোন প্রমাণে, এবং কী এলে তা সংশোধন করব?”—এই প্রশ্নও রাখতে শেখায়।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

গবেষণা অঙ্গীকার¶

QLens-এর গবেষণা অঙ্গীকার হলো: বাস্তবতাকে কর্তৃত্ব হিসেবে মানা, প্রমাণ লুকিয়ে না রাখা, অনুমানকে প্রমাণ হিসেবে না দেখানো এবং ভুল বোঝা সংশোধন করা।

এই অঙ্গীকার কোনো প্রতিষ্ঠানের আনুগত্য নয়; এটি বুদ্ধিবৃত্তিক সততার শৃঙ্খলা।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

বাস্তবতাই কর্তৃত্ব¶

বাস্তবতা, প্রমাণ এবং বোঝা—এই তিনটি এক নয়। বাস্তবতা যা আছে; প্রমাণ হলো যা পরীক্ষার জন্য সামনে আসে; আর বোঝা হলো সেই প্রমাণ ব্যাখ্যা করে গঠিত মানসিক মডেল।

QLens-এ কর্তৃত্বের প্রবাহ: বাস্তবতা → প্রমাণ → যুক্তি → বর্তমান বোঝা। গবেষকের সিদ্ধান্ত বাস্তবতাকে বদলায় না; নতুন প্রমাণ গবেষকের বোঝাকে বদলায়।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

বাস্তবতা ও তার উপস্থাপন¶

Repository-তে সংরক্ষিত লেখা, ডায়াগ্রাম বা মডেল বাস্তবতা নয়; এগুলো বাস্তবতার প্রতিনিধিত্ব। উপস্থাপন যত সুন্দরই হোক, তা ভুল হতে পারে।

QLens প্রতিটি representation-কে উৎস, অবস্থা, সংস্করণ ও সম্পর্কসহ সংরক্ষণ করে, যাতে পাঠক বুঝতে পারে—কোনটি পর্যবেক্ষণ, কোনটি ব্যাখ্যা, আর কোনটি বর্তমান সিদ্ধান্ত।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

বোঝা অবশ্যই সংশোধনযোগ্য¶

একটি বোঝা কার্যকর হতে পারে, শক্তিশালী প্রমাণে সমর্থিত হতে পারে, তবু তাকে সংশোধনের বাইরে রাখা যাবে না।

সংশোধনযোগ্যতা দুর্বলতা নয়; এটি বাস্তবতার প্রতি আনুগত্য। QLens পুরোনো বোঝা মুছে না দিয়ে নতুন বোঝার সঙ্গে তার সম্পর্ক, পরিবর্তনের কারণ এবং প্রভাব সংরক্ষণ করে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

অসংশোধনযোগ্য জ্ঞানের মূল্য¶

যে জ্ঞানব্যবস্থা নিজের সিদ্ধান্ত সংশোধন করতে পারে না, তা শেষ পর্যন্ত ভুলকে রক্ষা করতে শুরু করে। তখন প্রতিষ্ঠান, খ্যাতি বা মতবাদ বাস্তবতার চেয়ে বড় হয়ে ওঠে।

QLens এই ঝুঁকি কমাতে revision, supersession, contradiction এবং audit trail-কে প্রথম শ্রেণির ধারণা হিসেবে গ্রহণ করে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

কৌতূহল থেকে গবেষণা-প্রশ্ন¶

কৌতূহল গবেষণার শুরু, কিন্তু অস্পষ্ট কৌতূহলকে পরীক্ষাযোগ্য প্রশ্নে রূপ দিতে হয়। ভালো প্রশ্নের সীমা, বিষয়, প্রেক্ষাপট এবং সম্ভাব্য সংশোধনের দরজা থাকে।

QLens-এ question object গবেষণার দিক নির্ধারণ করে এবং পরে কোন evidence, reasoning ও understanding সেই প্রশ্নের সঙ্গে যুক্ত—তা অনুসরণযোগ্য করে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

ব্যাখ্যার আগে পর্যবেক্ষণ¶

যা দেখা গেছে এবং তার অর্থ কী—এই দুইটি আলাদা। পর্যবেক্ষণকে ব্যাখ্যার সঙ্গে মিশিয়ে ফেললে গবেষক নিজের ধারণাকেই প্রমাণ বানিয়ে ফেলতে পারেন।

QLens observation object-এ দৃশ্যমান pattern, occurrence বা relation লেখা হয়; “কেন” বা “এর মানে কী” reasoning স্তরে যায়।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

যাচাই ও উৎস-শৃঙ্খলা¶

প্রমাণের উৎস, সংস্করণ, সংগ্রহপদ্ধতি এবং অখণ্ডতা জানা না থাকলে সেই প্রমাণের ওপর দাঁড়ানো সিদ্ধান্ত দুর্বল হয়ে পড়ে।

QLens উৎসের পরিচয়, locator, hash, provenance ও verification status সংরক্ষণ করে। উদ্ধৃতি নয়—যাচাইযোগ্য উৎস-শৃঙ্খলাই লক্ষ্য।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

প্রমাণ প্রেক্ষাপটনির্ভর¶

একই তথ্য ভিন্ন প্রেক্ষাপটে ভিন্ন অর্থ বহন করতে পারে। প্রমাণকে তার আশপাশ, সময়, উৎস এবং ব্যবহার থেকে বিচ্ছিন্ন করলে ভুল সিদ্ধান্তের ঝুঁকি বাড়ে।

QLens evidence-কে একা রাখে না; context, related objects এবং কোন reasoning-এ তা ব্যবহৃত হয়েছে—সব সম্পর্ক graph-এ দৃশ্যমান রাখে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

অনুপস্থিতি, সংঘাত ও নেতিবাচক প্রমাণ¶

শুধু যা পাওয়া গেছে তা নয়—যা প্রত্যাশিত ছিল কিন্তু পাওয়া যায়নি, কিংবা যে প্রমাণ বর্তমান ব্যাখ্যার সঙ্গে সংঘর্ষে যায়—সেগুলোও গুরুত্বপূর্ণ।

QLens contradiction ও negative evidence-কে বাদ দেয় না। এগুলো current understanding দুর্বল, অসম্পূর্ণ বা পুনর্বিবেচনাযোগ্য হওয়ার সংকেত হতে পারে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

যুক্তি নিজেই একটি অবজেক্ট¶

প্রমাণ থেকে সিদ্ধান্তে পৌঁছানোর মধ্যবর্তী ধাপ অদৃশ্য থাকলে সিদ্ধান্ত যাচাই করা যায় না। তাই QLens-এ reasoning একটি আলাদা canonical object।

Reasoning object premise, evidence reference, inference, assumption এবং conclusion আলাদা করে। ফলে সিদ্ধান্তের কোন ধাপ দুর্বল—তা চিহ্নিত করা যায়।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

অনুমান ও অনুসিদ্ধান্ত¶

সব যুক্তির মধ্যে কিছু না কিছু assumption থাকে। সমস্যা assumption থাকা নয়; সমস্যা হলো তাকে অদৃশ্য রাখা বা প্রমাণ হিসেবে উপস্থাপন করা।

QLens অনুমানকে ঘোষিত রাখে এবং inference-এর অবস্থা provisional, contested বা supported হিসেবে প্রকাশ করতে দেয়।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

ব্যাখ্যামূলক মডেল¶

একই প্রমাণকে ব্যাখ্যা করতে একাধিক model থাকতে পারে। দ্রুত একটিকে চূড়ান্ত ঘোষণা করলে বিকল্প ব্যাখ্যা হারিয়ে যায়।

QLens competing explanatory model পাশাপাশি রাখতে পারে; supports, contradicts ও explains সম্পর্কের মাধ্যমে প্রতিটির শক্তি ও সীমা দেখা যায়।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

বর্তমান বোঝা¶

Current understanding হলো এখন পর্যন্ত প্রমাণ ও যুক্তির ভিত্তিতে সবচেয়ে গ্রহণযোগ্য working synthesis। এটি সত্যের সমার্থক নয়।

এর সঙ্গে status, confidence, supporting reasoning, contradiction এবং revision history যুক্ত থাকে। নতুন প্রমাণ এলে এটি refine বা supersede হতে পারে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

অনিশ্চয়তাও তথ্য¶

“জানি না”, “আংশিক জানি” বা “দুইটি ব্যাখ্যা সমানভাবে সম্ভব”—এগুলো ব্যর্থতা নয়। এগুলো গবেষণার প্রকৃত অবস্থা।

QLens uncertainty লুকায় না; open question, confidence, contested state এবং unresolved thread-এর মাধ্যমে তা দৃশ্যমান রাখে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

কেন Repository-First¶

চ্যাট, ব্যক্তিগত নোট বা একক অ্যাপ দীর্ঘমেয়াদে ভঙ্গুর। Repository text, history, diff, review এবং portability একসঙ্গে দেয়।

QLens-এ canonical knowledge সাধারণ ফাইল ও Git history-তে থাকে। কোনো UI বা database একক কর্তৃত্ব হয়ে ওঠে না।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Canonical উৎস ও Derived View¶

একই গবেষণা website, NUR dashboard, বই, PDF বা JSON হিসেবে দেখা যেতে পারে। কিন্তু সব view-এর উৎস এক হওয়া দরকার।

Canonical object বদলালে derived view পুনর্গঠিত হয়। Derived output কখনো canonical source-কে নীরবে পরিবর্তন করতে পারে না।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

OID-এর মাধ্যমে স্থিতিশীল পরিচয়¶

ফাইলের নাম বা অবস্থান পরিবর্তিত হতে পারে; একটি গবেষণা অবজেক্টের পরিচয় পরিবর্তিত হওয়া উচিত নয়।

OID স্থায়ী identity দেয়। Link, event, publication ও graph edge path-এর বদলে OID-কে অনুসরণ করে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

সম্পর্ক ও গবেষণা-গ্রাফ¶

জ্ঞান আলাদা আলাদা নথির সমষ্টি নয়; প্রশ্ন, প্রমাণ, পর্যবেক্ষণ, যুক্তি ও বোঝার সম্পর্কের জাল।

QLens graph দেখায় কোন evidence কোন reasoning সমর্থন করে, কোন conclusion কোন প্রশ্নের উত্তর, এবং কোনো পরিবর্তনে কোন output প্রভাবিত হবে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

মুছে না দিয়ে ইতিহাস সংরক্ষণ¶

পুরোনো ভুল বোঝা মুছে দিলে কেন পরিবর্তন ঘটল তা জানা যায় না। আবার ভুলকে বর্তমান হিসেবে রেখে দিলেও বিভ্রান্তি হয়।

QLens supersession ও event history ব্যবহার করে পুরোনো অবস্থা সংরক্ষণ করে, কিন্তু বর্তমান authoritative understanding স্পষ্টভাবে চিহ্নিত রাখে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Canonical অবজেক্ট পরিবার¶

QLens-এর object family গবেষণার ভিন্ন ভিন্ন ভূমিকা আলাদা রাখে: research_space, question, evidence, observation, reasoning, explanatory_model, current_understanding, revision, thread এবং publication।

প্রতিটি type-এর নিজস্ব contract, schema, lifecycle ও অনুমোদিত relationship আছে। এতে ধারণাগত মিশ্রণ কমে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Research Space¶

Research Space কোনো folder মাত্র নয়; এটি একটি গবেষণা-সীমা, যেখানে প্রশ্ন, প্রমাণ, নীতি ও output একসঙ্গে সংগঠিত হয়।

একটি object নির্দিষ্ট space-এর সদস্য হয়, আবার graph relation-এর মাধ্যমে অন্য space-এর object-এর সঙ্গে যুক্ত হতে পারে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

মনোলগ ও জনসম্মুখে বোঝার প্রকাশ¶

মনোলগ canonical research নয়; এটি research থেকে তৈরি publication view। Narrative-এর উদ্দেশ্য যোগাযোগ, সত্য নির্ধারণ নয়।

একই research থেকে বাংলা বা ইংরেজি monologue, article, book chapter বা social post তৈরি হতে পারে। Source OID ও digest output-কে গবেষণার সঙ্গে যুক্ত রাখে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

অবজেক্ট কনট্র্যাক্ট¶

Schema গঠন যাচাই করে; contract ব্যাখ্যা করে object-এর দায়িত্ব, অনুমোদিত ব্যবহার এবং নিষিদ্ধ মিশ্রণ।

Contract ছাড়া structurally valid file-ও conceptually ভুল হতে পারে। তাই QLens validation structural ও methodological—দুই স্তরেই কাজ করে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

অবজেক্ট জীবনচক্র¶

গবেষণা অবজেক্ট সৃষ্টি থেকে review, verification, supersession ও archive পর্যন্ত একাধিক অবস্থার মধ্য দিয়ে যায়।

Lifecycle state গবেষণার পরিপক্বতা বোঝায়; এটি সত্যতার স্বয়ংক্রিয় ঘোষণা নয়। Transition নিয়ম ও audit event পরিবর্তনকে নিয়ন্ত্রিত রাখে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Revision ও Supersession¶

সম্পাদনা ও সংশোধন এক নয়। Revision ব্যাখ্যা করে কী বদলেছে; supersession জানায় কোন পুরোনো understanding-এর জায়গায় নতুন understanding এসেছে।

পুরোনো object অদৃশ্য হয় না। নতুন object তার পূর্বসূরির সঙ্গে relation রাখে এবং পরিবর্তনের কারণ প্রকাশ করে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Review ও Verification¶

Review মানুষ বা policy-এর মাধ্যমে object-এর উৎস, যুক্তি, status এবং contract পরীক্ষা করে। Verification কোনো অচল সত্য-মোহর নয়।

Verified object-ও পরবর্তী evidence-এ সংশোধিত হতে পারে। Verification শুধু জানায় যে নির্দিষ্ট সময়ে নির্ধারিত পরীক্ষা সম্পন্ন হয়েছিল।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

অদৃশ্য না করে Archive¶

Archive মানে delete নয়। কোনো object সক্রিয় গবেষণায় আর ব্যবহৃত না হলেও ইতিহাস, citation বা audit-এর জন্য সংরক্ষিত থাকতে পারে।

QLens archived object-কে default view থেকে সরাতে পারে, কিন্তু identity ও relation অক্ষুণ্ণ রাখে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Repository অখণ্ডতার নিয়ম¶

Duplicate OID, broken reference, invalid lifecycle, unsupported understanding এবং stale derived output repository trust নষ্ট করে।

QLens validator ও doctor এসব structural failure শনাক্ত করে। Integrity rule গবেষণার ফল নির্ধারণ করে না; ফলের পথ অনুসরণযোগ্য রাখে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Validation-এর সীমা¶

Validator বলতে পারে schema সঠিক কি না, reference ভাঙা কি না, reasoning evidence উল্লেখ করেছে কি না। কিন্তু validator সত্য ঘোষণা করতে পারে না।

যান্ত্রিক যাচাই ও জ্ঞানগত বিচার আলাদা রাখা QLens-এর মৌলিক boundary।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Governance ও Stewardship¶

Schema, contract, lifecycle এবং publication policy পরিবর্তন করলে পুরো repository-তে প্রভাব পড়ে। তাই এ ধরনের পরিবর্তন review ও versioning-এর মধ্য দিয়ে যায়।

Steward-এর কাজ মতবাদ রক্ষা নয়; repository-এর সততা, continuity এবং correction path রক্ষা করা।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

ভাঙন ছাড়াই মতভেদ¶

মতভেদ হলে repository fork করাই একমাত্র পথ নয়। Competing model, contradiction edge ও open thread ব্যবহার করে ভিন্ন ব্যাখ্যা একই Research Space-এ রাখা যায়।

এতে disagreement দৃশ্যমান থাকে, কিন্তু canonical history ছিন্ন হয় না।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

CLI: Repository-এর প্রহরী¶

QLens CLI শুধু convenience tool নয়; এটি object creation, validation, graph, workflow, publication ও package operation-এর নিয়ম প্রয়োগ করে।

CLI গবেষণার সত্য নির্ধারণ করে না। এটি ভুল identity, broken link এবং অনিয়ন্ত্রিত canonical write প্রতিরোধ করে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

NUR ও উপস্থাপন¶

NUR হলো QLens-এর presentation ও research-exploration layer। এটি canonical object থেকে dashboard, graph, timeline, publication review ও reading view তৈরি করে।

NUR-এর layout বদলাতে পারে; canonical meaning নয়। NUR কখনো browser থেকে secret বা unreviewed AI output প্রকাশ করে না।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

AI ও Automation¶

AI দ্রুত candidate evidence, pattern, contradiction, reasoning draft বা narrative তৈরি করতে পারে। কিন্তু AI-এর output প্রস্তাব, canonical truth নয়।

QLens AI output-কে checksummed run, proposal বা draft হিসেবে রাখে; মানব review ছাড়া তা canonical research বা published monologue হয় না।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Portability ও দীর্ঘস্থায়িত্ব¶

একটি গবেষণা ব্যবস্থা কোনো নির্দিষ্ট vendor, cloud বা UI-এর ওপর নির্ভরশীল হলে দীর্ঘমেয়াদে ঝুঁকিপূর্ণ।

Markdown/YAML, JSON Schema, Git, stable OID ও export package QLens-কে স্থানান্তরযোগ্য এবং পুনর্গঠনযোগ্য রাখে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Research Space শুরু করা¶

ভালো Research Space স্পষ্ট scope, প্রশ্ন, policy, object naming এবং expected output দিয়ে শুরু হয়।

প্রথমে space তৈরি, তারপর question; evidence সংগ্রহের আগে কী খোঁজা হচ্ছে তা লিখে রাখা গবেষণাকে শৃঙ্খলিত করে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

গবেষণার পরিচালন চক্র¶

QLens operating cycle: প্রশ্ন → evidence → observation → reasoning → competing model → current understanding → review → publication → নতুন evidence।

এটি সরল একমুখী রেখা নয়; যে কোনো ধাপে ফিরে গিয়ে correction করা যায়।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

Current Understanding লেখা¶

Current understanding সংক্ষিপ্ত কিন্তু traceable synthesis হওয়া উচিত। এতে supporting reasoning, সীমা, uncertainty ও revision condition স্পষ্ট থাকে।

“চূড়ান্ত সত্য” ভাষার বদলে বর্তমান প্রমাণ যতটুকু অনুমোদন করে ততটুকু দাবি করা QLens-এর ভাষাগত শৃঙ্খলা।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

রেকর্ড সংশোধন¶

ভুল ধরা পড়লে পুরোনো লেখা গোপনে পাল্টানো নয়; correction record, new understanding, impact analysis এবং affected publication update প্রয়োজন।

QLens correction-কে ব্যর্থতা নয়, system success হিসেবে দেখে—কারণ repository নতুন evidence-এর প্রতি সাড়া দিয়েছে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

QLens কী নয়¶

QLens কোনো ধর্মীয় কর্তৃপক্ষ, truth oracle, autonomous AI, cloud database বা polished note-taking theme নয়।

এটি গবেষণার প্রচেষ্টা, প্রমাণ, যুক্তি, uncertainty এবং correction history সংরক্ষণের একটি জ্ঞান-অবকাঠামো।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

সংশোধনযোগ্য জ্ঞানের ভবিষ্যৎ¶

ভবিষ্যতের জ্ঞানব্যবস্থা শুধু উত্তর সংরক্ষণ করবে না; উত্তর কীভাবে তৈরি, চ্যালেঞ্জ ও সংশোধিত হয়েছে তাও দেখাবে।

QLens-এর লক্ষ্য এমন ecosystem, যেখানে মানুষ, tool ও AI সহযোগিতা করলেও canonical authority evidence-grounded ও governed থাকে।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

চূড়ান্ত অঙ্গীকার¶

QLens-এর শেষ অঙ্গীকার কোনো conclusion-এর প্রতি নয়—বাস্তবতা, traceability, intellectual honesty এবং correction-এর প্রতি।

আমরা বোঝাকে রক্ষা করতে সত্যকে বদলাব না; সত্যের সাক্ষ্যে প্রয়োজন হলে আমাদের বোঝা বদলাব।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

এক নজরে মূলনীতি¶

বাস্তবতাই কর্তৃত্ব। বোঝা সংশোধনযোগ্য। Evidence ও reasoning traceable। Uncertainty দৃশ্যমান। History মুছে ফেলা নয়। AI প্রস্তাব দেয়, মানুষ অনুমোদন করে। Publication research-এর derived view।

এই নীতিগুলো QLens-এর schema, CLI, NUR, workflow এবং governance-এর ভিত্তি।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।

পাঠ-মানচিত্র¶

দর্শন বুঝতে Part I–III, repository model বুঝতে Part IV–VI, governance ও tools বুঝতে Part VII–VIII, আর ব্যবহারিক কাজ শুরু করতে Part IX পড়ুন।

দ্রুত শুরু করতে Foundation overview-এর পর How-To Guide ও Cookbook ব্যবহার করুন।

মূল নীতি¶

QLens-এর প্রতিটি স্তরে এই সীমা অক্ষুণ্ণ থাকে। Canonical object গবেষণার বর্তমান রেকর্ড বহন করে; graph তার সম্পর্ক দেখায়; event পরিবর্তনের ইতিহাস রাখে; NUR ও publication layer সেই গবেষণাকে উপস্থাপন করে। কোনো derived view, AI output বা সুন্দর ভাষা নিজে থেকে authoritative হয়ে যায় না।

ব্যবহারিক তাৎপর্য¶

দাবি ও প্রমাণ আলাদা রাখতে হবে।
observation ও interpretation এক জায়গায় মিশিয়ে ফেলা যাবে না।
বর্তমান বোঝার সীমা ও অনিশ্চয়তা প্রকাশ করতে হবে।
নতুন evidence এলে impact পরীক্ষা করে প্রয়োজন হলে revision করতে হবে।
পুরোনো record মুছে না দিয়ে supersession ও history সংরক্ষণ করতে হবে।