実験を行うときに使用される最も一般的なフレームワークは、科学的方法です。 科学的方法の特徴には、特定の質問をすること、仮説を立てること、実験することなどがあります。 データを収集し、データを分析してから、実験に基づいて仮説が正しいかどうかを評価します データ。 データが仮説を裏付ける場合、調査結果を公開または共有できます。 しかし、調査結果が仮説を確認しない場合はどうなりますか？ 次のステップは次のとおりです。
何が起こったかの記述を完了する
書き込みは、実験の評価プロセスの一部です。 実験中に何が起こったとしても、仮説を確認するか否定するかにかかわらず、結果を共有する必要があります。 実験のすべての段階（仮説、実験段階、分析段階）を評価し、結果を開示します。 次に、実験プロセス中に発生した問題を特定し、それに従って、改善のための提案と今後の行動方針を記述します。 将来の行動方針に関するセクションを作成するための鍵は、体系的に後方に働き、どこに エラーが発生した可能性があります。その後、修正を行って、これらのギャップ領域の変更が異なる結果になるかどうかを確認します。 結果。 実験中に何が起こったかを文書化するために、書き込みが必要です。 それは、疑問視されている、または実験されている問題を取り巻く背景文献の一部になります。
プロセスにわずかな変更を加える
分析プロセスのチェックから始めて、系統的に逆方向に作業することにより、プロセスにわずかな変更を加えます。 分析はオフでしたか？ 実験データが誤って評価されることがあります。 つまり、分析がエラーの場所であるかどうかを確認する必要があります。 たとえば、一部の物理実験では数学的な計算が必要です。 これらの計算にエラーが含まれている場合、分析は仮説と一致しないデータを示します。 数学的な計算を修正することは、実験の後に必要なステップです。特に、データが仮説を確認するかどうかに関係がある場合はそうです。 数学的計算分析に加えて、比較、予測、または発見を中心とした評価が行われる可能性があります。 分析によって不一致が明らかになった場合は、比較、予測、または発見のプロセスにエラーがなかったかどうかを確認してください。 これらのエラーを根絶することで、データと仮説の不一致を軽減できます。
実験が正しく行われたかどうかを検討する
ヒューマンエラーは実験データを歪める可能性があり、ヒューマンエラーは実験段階で頭をもたげる可能性があります。 実験の設定、実験の実行、実験の観察、または実験の集計 結果。 実験段階でエラーを最小限に抑えることは、結果が仮説を確認するかどうかに影響を与える可能性があります。 実験結果に影響を与える、予期されなかった、または測定できなかった他の変数が発生した可能性があります。
実験を変更する
おそらく、別の実験で仮説をより適切にテストできます。 実験が仮説をテストするのに適切なタイプではない状況があります。 おそらく、理論上または紙上では明らかではなかったが、実際の適用中に明らかになった設計上の問題が発生しました。 もしそうなら、まったく異なる実験が必要になるかもしれません。 実験は本質的に、仮説をテストするためのアプローチとデータ収集方法論です。 言い換えると、実験Aはアプローチ/方法論Aを利用して仮説をテストします。 結果が仮説を確認しない場合は、アプローチ/方法論Bを使用して実験Bを考案します。
仮説を修正する
いくつかの異なる実験で仮説が確認されていないことが明らかになった場合は、仮説の修正が必要です。 おそらく、修正が必要だったのはずっと仮説だったのでしょう。 もしそうなら、質問をし、知識に基づいた推測を定式化するための新しい方法を考案します。 因果関係に何か問題がありましたか？ 関連付けと相関関係が誤って想定されていましたか？ 仮説は、ある現象の暫定的な説明であることを忘れないでください。 いくつかの再現可能な実験で仮説が機能しないことが示された場合は、仮説を拒否して、より実行可能な仮説に置き換える時期が来ている可能性があります。