Begriffe des wissenschaftlichen Methodenvokabulars

Cavan Images / Getty Images

Wissenschaftliche Experimente beinhalten Variablen , Kontrollen, Hypothesen , und eine Vielzahl anderer Konzepte und Begriffe, die verwirrend sein könnten.

Glossar der Wissenschaftsbegriffe

Hier ist ein Glossar wichtiger Wissenschaft Experiment Begriffe und Definitionen:

Zentraler Grenzwertsatz:Gibt an, dass bei einer ausreichend großen Stichprobe der Stichprobenmittelwert normalverteilt ist. Zur Anwendung ist ein normalverteilter Stichprobenmittelwert erforderlich t- Wenn Sie also eine statistische Analyse experimenteller Daten durchführen möchten, ist es wichtig, eine ausreichend große Stichprobe zu haben. Fazit:Festlegung, ob die Hypothese angenommen oder abgelehnt werden soll. Kontrollgruppe:Testsubjekte wurden zufällig zugewiesen, um die experimentelle Behandlung nicht zu erhalten. Steuervariable:Jede Variable, die sich während eines Experiments nicht ändert. Auch bekannt als konstante Variable. Daten (Singular: gegeben) : Fakten, Zahlen oder Werte, die in einem Experiment gewonnen wurden. Abhängige Variable:Die Variable, die auf die unabhängige Variable reagiert. Die abhängige Variable ist diejenige, die im Experiment gemessen wird. Auch bekannt als die abhängiges Maß oder reagierende Variable. Doppelblind :Wenn weder der Forscher noch der Proband wissen, ob der Proband die Behandlung oder ein Placebo erhält. „Blinding“ hilft, verzerrte Ergebnisse zu reduzieren. Leere Kontrollgruppe:Eine Art Kontrollgruppe, die keine Behandlung erhält, einschließlich eines Placebos. Experimentelle Gruppe:Testsubjekte, die zufällig der experimentellen Behandlung zugeteilt wurden. Fremde Variable:Zusätzliche Variablen (keine unabhängigen, abhängigen oder Kontrollvariablen), die ein Experiment beeinflussen könnten, aber nicht berücksichtigt oder gemessen werden oder außerhalb der Kontrolle liegen. Beispiele könnten Faktoren sein, die Sie zum Zeitpunkt eines Experiments für unwichtig halten, wie z. B. der Hersteller der Glaswaren in einer Reaktion oder die Farbe des Papiers, das zur Herstellung eines Papierflugzeugs verwendet wird. Hypothese:Eine Vorhersage, ob die unabhängige Variable einen Effekt auf die abhängige Variable haben wird, oder eine Vorhersage über die Art des Effekts. Unabhängigkeitoder Unabhängig: Wenn ein Faktor einen anderen nicht beeinflusst. Beispielsweise sollte das, was ein Studienteilnehmer tut, nicht beeinflussen, was ein anderer Teilnehmer tut. Sie treffen Entscheidungen selbstständig. Unabhängigkeit ist entscheidend für eine aussagekräftige statistische Analyse. Unabhängige zufällige Zuordnung:Zufällige Auswahl, ob eine Testperson in einer Behandlungs- oder Kontrollgruppe sein wird. Unabhängige Variable :Die Variable, die vom Forscher manipuliert oder geändert wird. Ebenen der unabhängigen Variablen:Ändern der unabhängigen Variablen von einem Wert zu einem anderen (z. B. unterschiedliche Medikamentendosen, unterschiedliche Zeitdauer). Die unterschiedlichen Werte werden „Ebenen“ genannt. Inferenzstatistik:Angewandte Statistik (Mathematik), um Merkmale einer Population abzuleiten, basierend auf einer repräsentativen Stichprobe aus der Population. Interne Gültigkeit:Wenn ein Experiment genau bestimmen kann, ob die unabhängige Variable einen Effekt erzeugt. Bedeuten:Der Durchschnitt berechnet indem alle Punkte addiert und dann durch die Anzahl der Punkte geteilt werden. Nullhypothese :Die „kein Unterschied“- oder „keine Wirkung“-Hypothese, die vorhersagt, dass die Behandlung keine Wirkung auf das Subjekt haben wird. Die Nullhypothese ist nützlich, da sie mit einer statistischen Analyse einfacher zu bewerten ist als andere Formen einer Hypothese. Null-Ergebnisse (nicht signifikante Ergebnisse):Ergebnisse, die die Nullhypothese nicht widerlegen. Nullergebnisse beweisen die Nullhypothese nicht, da die Ergebnisse möglicherweise aus einem Mangel an Kraft resultieren. Einige Nullergebnisse sind Typ-2-Fehler. p<0.05:Ein Hinweis darauf, wie oft der Zufall allein für die Wirkung der experimentellen Behandlung verantwortlich sein könnte. Ein Wert 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, oder Wahrscheinlichkeit, Werte sind möglich. Die 0,05- oder 5-%-Grenze ist einfach ein allgemeiner Maßstab von statistischer Signifikanz. Placebo (Placebo-Behandlung):Eine Scheinbehandlung, die außerhalb der Suggestionskraft keine Wirkung haben sollte. Beispiel: Bei Arzneimittelstudien kann den Testpatienten eine Pille mit dem Medikament oder ein Placebo verabreicht werden, das dem Medikament ähnelt (Pille, Injektion, Flüssigkeit), aber keinen Wirkstoff enthält. Bevölkerung:Die gesamte Gruppe, die der Forscher untersucht. Wenn der Forscher keine Daten aus der Bevölkerung sammeln kann, kann die Untersuchung großer Stichproben aus der Bevölkerung verwendet werden, um abzuschätzen, wie die Bevölkerung reagieren würde. Leistung:Die Fähigkeit, Unterschiede zu beobachten oder Fehler vom Typ 2 zu vermeiden.
• Zufällig oder Zufälligkeit : Ausgewählt oder durchgeführt, ohne einem Muster oder einer Methode zu folgen. Um unbeabsichtigte Verzerrungen zu vermeiden, verwenden Forscher häufig Zufallszahlengeneratoren oder werfen Münzen, um eine Auswahl zu treffen.
Ergebnisse:Die Erklärung oder Interpretation experimenteller Daten. Einfaches Experiment: Ein einfaches Experiment, mit dem festgestellt werden soll, ob eine Ursache-Wirkungs-Beziehung besteht, oder um eine Vorhersage zu testen. Ein grundlegendes einfaches Experiment könnte im Vergleich zu a nur eine Testperson haben kontrolliertes Experiment , die mindestens zwei Gruppen hat. Einfach blind:Wenn entweder der Experimentator oder der Proband nicht wissen, ob der Proband die Behandlung oder ein Placebo erhält. Die Verblindung des Forschers hilft, Verzerrungen bei der Analyse der Ergebnisse zu vermeiden. Das Blenden des Probanden verhindert, dass der Teilnehmer eine voreingenommene Reaktion hat. Statistische Signifikanz:Beobachtung, basierend auf der Anwendung eines statistischen Tests, dass eine Beziehung wahrscheinlich nicht auf reinem Zufall beruht. Die Wahrscheinlichkeit wird angegeben (z. B. p <0.05) and the results are said to be statistisch signifikant. T-Test:Allgemeine statistische Datenanalyse, die auf experimentelle Daten angewendet wird, um eine Hypothese zu testen. Das t -test berechnet das Verhältnis zwischen der Differenz zwischen den Gruppenmittelwerten und dem Standardfehler der Differenz, ein Maß für die Wahrscheinlichkeit, dass sich die Gruppenmittelwerte rein zufällig unterscheiden könnten. Als Faustregel gilt, dass die Ergebnisse statistisch signifikant sind, wenn Sie einen Unterschied zwischen den Werten beobachten, der dreimal größer ist als der Standardfehler des Unterschieds, aber es ist am besten, das für die Signifikanz erforderliche Verhältnis auf a nachzuschlagen t-Tabelle . Fehler 1. Art (Fehler 1. Art):Tritt auf, wenn Sie die Nullhypothese ablehnen, sie aber tatsächlich wahr war. Wenn Sie die ausführen t - testen und einstellen 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. Fehler Typ II (Fehler Typ 2):Tritt auf, wenn Sie die Nullhypothese akzeptieren, sie aber tatsächlich falsch war. Die experimentellen Bedingungen hatten einen Effekt, aber der Forscher fand ihn nicht statistisch signifikant.