Terminologia słownictwa metod naukowych

Obrazy Cavan / Getty Images

Eksperymenty naukowe obejmują zmienne , kontrole, hipotezy oraz wiele innych pojęć i terminów, które mogą być mylące.

Słowniczek terminów naukowych

Oto słowniczek ważnych nauk eksperyment warunki i definicje:

Centralne twierdzenie graniczne:Stwierdza, że ​​przy wystarczająco dużej próbie średnia próbki będzie miała rozkład normalny. Średnia próbki o rozkładzie normalnym jest niezbędna, aby zastosować t- test, więc jeśli planujesz przeprowadzić analizę statystyczną danych eksperymentalnych, ważne jest, aby mieć wystarczająco dużą próbę. Wniosek:Ustalenie, czy hipotezę należy przyjąć, czy odrzucić. Grupa kontrolna:Badani badani losowo przypisani do nieotrzymania eksperymentalnego leczenia. Zmienna kontrolna:Dowolna zmienna, która nie zmienia się podczas eksperymentu. Znany również jako stała zmienna. Dane (liczba pojedyncza: podana) : Fakty, liczby lub wartości uzyskane w eksperymencie. Zmienna zależna:Zmienna, która odpowiada na zmienną niezależną. Zmienna zależna to ta, która jest mierzona w eksperymencie. Znany również jako miara zależna lub zmienna odpowiadająca. Podwójnie ślepe :Gdy ani badacz, ani badany nie wie, czy badany otrzymuje leczenie, czy placebo. „Oślepienie” pomaga zmniejszyć stronnicze wyniki. Pusta grupa kontrolna:Rodzaj grupy kontrolnej, która nie otrzymuje żadnego leczenia, w tym placebo. Grupa eksperymentalna:Badani losowo przypisani do leczenia eksperymentalnego. Zmienna zewnętrzna:Dodatkowe zmienne (nie niezależne, zależne lub kontrolne), które mogą wpływać na eksperyment, ale nie są uwzględniane lub mierzone lub są poza kontrolą. Przykładami mogą być czynniki, które uważasz za nieistotne w czasie eksperymentu, takie jak producent szkła w reakcji lub kolor papieru użytego do wykonania papierowego samolotu. Hipoteza:Przewidywanie, czy zmienna niezależna będzie miała wpływ na zmienną zależną, lub przewidywanie charakteru tego efektu. Niezależnośćlub Niezależnie: Kiedy jeden czynnik nie wpływa na inny. Na przykład to, co robi jeden uczestnik badania, nie powinno wpływać na to, co robi inny uczestnik. Decyzje podejmują samodzielnie. Niezależność ma kluczowe znaczenie dla miarodajnej analizy statystycznej. Niezależne przypisanie losowe:Losowe wybieranie, czy podmiot testowy będzie w grupie leczonej czy kontrolnej. Zmienna niezależna :Zmienna manipulowana lub zmieniana przez badacza. Niezależne poziomy zmiennych:Zmiana zmiennej niezależnej z jednej wartości na drugą (np. różne dawki leku, różne ilości czasu). Różne wartości nazywane są „poziomami”. Statystyka wnioskowa:Statystyka (matematyka) stosowana do wywnioskowania cech populacji na podstawie reprezentatywnej próby z populacji. Ważność wewnętrzna:Kiedy eksperyment może dokładnie określić, czy zmienna niezależna wywołuje efekt. Oznaczać:Średnia obliczony poprzez dodanie wszystkich punktów, a następnie podzielenie przez liczbę punktów. Hipoteza zerowa :Hipoteza „braku różnicy” lub „braku efektu”, która przewiduje, że leczenie nie będzie miało wpływu na pacjenta. Hipoteza zerowa jest przydatna, ponieważ jest łatwiejsza do oceny za pomocą analizy statystycznej niż inne formy hipotezy. Wyniki zerowe (wyniki nieistotne):Wyniki, które nie obalają hipotezy zerowej. Wyniki zerowe nie potwierdzają hipotezy zerowej, ponieważ wyniki mogły wynikać z braku mocy. Niektóre wyniki zerowe są błędami typu 2. p<0.05:Wskazanie, jak często sam przypadek może odpowiadać za efekt eksperymentalnego leczenia. Wartość p <0.05 means that five times out of a hundred, you could expect this difference between the two groups purely by chance. Since the possibility of the effect occurring by chance is so small, the researcher may conclude the experimental treatment did indeed have an effect. Other p, lub prawdopodobieństwo, wartości są możliwe. Granica 0,05 lub 5% jest po prostu powszechnym punktem odniesienia o znaczeniu statystycznym. Placebo (leczenie placebo):Fałszywy zabieg, który nie powinien przynosić efektów poza mocą sugestii. Przykład: W badaniach leków badani pacjenci mogą otrzymać pigułkę zawierającą lek lub placebo, które przypomina lek (pigułkę, zastrzyk, płyn), ale nie zawiera składnika aktywnego. Populacja:Cała grupa, którą bada badacz. Jeśli naukowiec nie może zebrać danych z populacji, badanie dużych losowych próbek pobranych z populacji można wykorzystać do oszacowania odpowiedzi populacji. Moc:Umiejętność obserwowania różnic lub unikania popełniania błędów typu 2.
• Losowy lub Losowość : Wybrane lub wykonane bez żadnego wzoru lub metody. Aby uniknąć niezamierzonego błędu, badacze często używają generatorów liczb losowych lub rzucają monetami, aby dokonać selekcji.
Wyniki:Wyjaśnienie lub interpretacja danych eksperymentalnych. Prosty eksperyment: Podstawowy eksperyment mający na celu ocenę, czy istnieje związek przyczynowo-skutkowy, lub przetestowanie prognozy. Podstawowy prosty eksperyment może dotyczyć tylko jednego obiektu testowego, w porównaniu z eksperyment kontrolowany , który ma co najmniej dwie grupy. Pojedyncza ślepa:Gdy ani eksperymentator, ani badany nie są świadomi, czy badany otrzymuje leczenie, czy placebo. Oślepianie badacza pomaga zapobiegać stronniczości podczas analizy wyników. Oślepianie podmiotu zapobiega stronniczej reakcji uczestnika. Znaczenie statystyczne:Obserwacja oparta na zastosowaniu testu statystycznego, że związek prawdopodobnie nie jest dziełem przypadku. Podaje się prawdopodobieństwo (np. p <0.05) and the results are said to be statystycznie istotny. Test T:Typowa analiza danych statystycznych zastosowana do danych eksperymentalnych w celu przetestowania hipotezy. The t -test oblicza stosunek różnicy między średnimi grupowymi a błędem standardowym różnicy, miarą prawdopodobieństwa, że ​​średnie grupowe mogą różnić się wyłącznie przez przypadek. Ogólną zasadą jest to, że wyniki są statystycznie istotne, jeśli zaobserwujesz różnicę między wartościami, która jest trzykrotnie większa niż błąd standardowy różnicy, ale najlepiej jest sprawdzić stosunek wymagany dla istotności na stół t . Błąd typu I (błąd typu 1):Występuje, gdy odrzucisz hipotezę zerową, ale w rzeczywistości była prawdziwa. Jeśli wykonasz t -przetestuj i ustaw p <0.05, there is less than a 5% chance you could make a Type I error by rejecting the hypothesis based on random fluctuations in the data. Błąd typu II (błąd typu 2):Występuje, gdy zaakceptujesz hipotezę zerową, ale w rzeczywistości była ona fałszywa. Warunki eksperymentalne wywarły wpływ, ale badaczowi nie udało się znaleźć tego statystycznie istotnego.