यदि कोई प्रयोग आपकी परिकल्पना की पुष्टि करने में विफल रहता है तो अगला कदम क्या है?

प्रयोग करते समय उपयोग किया जाने वाला सबसे सामान्य ढांचा वैज्ञानिक विधि है। वैज्ञानिक पद्धति के लक्षणों में शामिल हैं: एक विशिष्ट प्रश्न पूछना, एक परिकल्पना तैयार करना, प्रयोग करना डेटा एकत्र करना, डेटा का विश्लेषण करना, और फिर मूल्यांकन करना कि क्या प्रायोगिक के आधार पर परिकल्पना सही है डेटा। जब डेटा परिकल्पना का समर्थन करता है, तो निष्कर्ष प्रकाशित या साझा किए जा सकते हैं। हालांकि, क्या होगा यदि निष्कर्ष परिकल्पना की पुष्टि नहीं करते हैं? यहां अगले कदम उठाने की संभावना है।

लेखन प्रयोग की मूल्यांकन प्रक्रिया का हिस्सा है। प्रयोग के दौरान चाहे कुछ भी हो, परिणामों को साझा करना होगा, चाहे वे परिकल्पना की पुष्टि करें या खंडन करें। प्रयोग के सभी चरणों का आकलन करें - परिकल्पना, प्रयोगात्मक चरण और विश्लेषण चरण - और परिणामों का खुलासा करें। इसके बाद, प्रायोगिक प्रक्रिया के दौरान उत्पन्न होने वाली समस्याओं की पहचान करें और सुधार और भविष्य के कार्यों के लिए सुझावों के साथ राइट-अप में उसका पालन करें। कार्रवाई के भविष्य के पाठ्यक्रम पर अनुभाग को तैयार करने की कुंजी यह पता लगाने के लिए व्यवस्थित रूप से पिछड़े काम करना है कि त्रुटि हो सकती है और फिर सुधार करने के लिए यह देखने के लिए कि क्या उन अंतराल क्षेत्रों में परिवर्तन भिन्न हो सकते हैं परिणाम। प्रयोग के दौरान जो हुआ उसका दस्तावेजीकरण करने के लिए राइट-अप आवश्यक है। यह उस मुद्दे के आसपास के पृष्ठभूमि साहित्य का हिस्सा बन जाता है जिस पर सवाल उठाया जा रहा है या प्रयोग किया जा रहा है।

विश्लेषण प्रक्रिया की जांच के साथ शुरुआत करते हुए, विधिवत रूप से पीछे की ओर काम करके प्रक्रिया में मामूली बदलाव करें। क्या विश्लेषण बंद था? कभी-कभी प्रयोगात्मक डेटा का गलत मूल्यांकन किया जाता है। इसका मतलब है कि आपको यह पता लगाना होगा कि क्या विश्लेषण में त्रुटि है। उदाहरण के लिए, कुछ भौतिकी प्रयोगों के लिए गणितीय गणनाओं की आवश्यकता होती है। यदि इन गणनाओं में त्रुटियां हैं, तो विश्लेषण डेटा दिखाता है जो परिकल्पना से मेल नहीं खाता है। किसी भी गणितीय गणना को ठीक करना किसी भी प्रयोग के बाद एक आवश्यक कदम है, खासकर यदि उनका इस बात पर असर पड़ता है कि डेटा परिकल्पना की पुष्टि करता है या नहीं। गणितीय गणना विश्लेषण के अलावा, मूल्यांकन जो तुलनाओं पर केंद्रित होते हैं, भविष्यवाणियां करते हैं या खोज करते हैं। यदि विश्लेषण विसंगतियों को प्रकट करते हैं, तो जांच करें कि क्या तुलनाओं, भविष्यवाणियों या खोजों की प्रक्रियाओं में कोई त्रुटि थी। इन त्रुटियों को जड़ से समाप्त करने से डेटा-से-परिकल्पना विसंगतियां दूर हो सकती हैं।

मानवीय त्रुटि प्रयोगात्मक डेटा को तिरछा कर सकती है, और मानवीय त्रुटि प्रयोगात्मक चरण में अपना सिर पीछे कर सकती है - चाहे अंदर प्रयोग स्थापित करना, प्रयोग चलाना, प्रयोग का अवलोकन करना या प्रयोगात्मक को सारणीबद्ध करना परिणाम। प्रयोगात्मक चरण में त्रुटियों को कम करने से यह प्रभावित हो सकता है कि परिणाम परिकल्पना की पुष्टि करते हैं या नहीं। ऐसे अन्य चर भी हो सकते हैं जो उत्पन्न हुए थे जो अनुमानित नहीं थे या प्रभावित प्रयोगात्मक परिणामों को मापा नहीं जा सकता था।

शायद एक अलग प्रयोग परिकल्पना का बेहतर परीक्षण कर सकता है। ऐसी स्थितियां हैं जिनमें एक प्रयोग परिकल्पना का परीक्षण करने के लिए उपयुक्त प्रकार नहीं है। शायद डिजाइन की समस्याएं उत्पन्न हुईं जो सिद्धांत या कागज पर स्पष्ट नहीं थीं लेकिन वास्तविक आवेदन के दौरान स्पष्ट हो गईं। यदि ऐसा है, तो एक पूरी तरह से अलग प्रयोग की आवश्यकता हो सकती है। एक परिकल्पना का परीक्षण करने के लिए प्रयोग अनिवार्य रूप से दृष्टिकोण और डेटा एकत्र करने के तरीके हैं। दूसरे शब्दों में, प्रयोग ए परिकल्पना का परीक्षण करने के लिए दृष्टिकोण/पद्धति ए का उपयोग करता है। यदि परिणाम परिकल्पना की पुष्टि नहीं करते हैं, तो प्रयोग बी को दृष्टिकोण/पद्धति बी के साथ तैयार करें।

यदि कई अलग-अलग प्रयोगों से पता चलता है कि परिकल्पना की पुष्टि नहीं हुई है, तो परिकल्पना का संशोधन क्रम में है। शायद यही वह परिकल्पना थी जिसमें संशोधन की आवश्यकता थी। यदि हां, तो प्रश्न पूछने का एक नया तरीका तैयार करें और एक शिक्षित अनुमान तैयार करें। क्या कार्य-कारण संबंध में कुछ गड़बड़ थी? क्या संघों और सहसंबंधों को गलत तरीके से ग्रहण किया गया था? याद रखें कि एक परिकल्पना किसी घटना का एक अस्थायी विवरण है। यदि कई पुनरुत्पादित प्रयोगों से पता चलता है कि परिकल्पना काम नहीं करती है, तो यह समय हो सकता है कि परिकल्पना को अस्वीकार कर दिया जाए और इसे अधिक व्यवहार्य के साथ बदल दिया जाए।