Wissenschaftliche Methode Vokabeln

Wissenschaftliche Experimente umfassen Variablen, Kontrollen, Hypothesen und eine Vielzahl anderer Konzepte und Begriffe, die möglicherweise verwirrend sind.

Glossar der wissenschaftlichen Begriffe

Hier ist ein Glossar wichtiger wissenschaftlicher Experimentbegriffe und -definitionen:

• Zentraler Grenzwertsatz: Gibt an, dass bei einer ausreichend großen Stichprobe der Stichprobenmittelwert normal verteilt wird. Ein normalverteilter Stichprobenmittelwert ist erforderlich, um die t-Wenn Sie also vorhaben, eine statistische Analyse der experimentellen Daten durchzuführen, ist es wichtig, eine ausreichend große Stichprobe zu haben.
• Fazit: Feststellung, ob die Hypothese akzeptiert oder abgelehnt werden soll.
• Kontrollgruppe: Testpersonen, die nach dem Zufallsprinzip ausgewählt wurden, erhielten die experimentelle Behandlung nicht.
• Steuervariable: Jede Variable, die sich während eines Experiments nicht ändert. Auch bekannt als konstante Variable.
• Daten (Singular: Datum): In einem Experiment erhaltene Fakten, Zahlen oder Werte.
• Abhängige Variable: Die Variable, die auf die unabhängige Variable reagiert. Die abhängige Variable ist diejenige, die im Experiment gemessen wird. Auch bekannt als abhängige Maßnahme oder antwortende Variable.
• Doppelblind: Wenn weder der Forscher noch das Subjekt wissen, ob das Subjekt die Behandlung oder ein Placebo erhält. "Blendung" hilft, verzerrte Ergebnisse zu reduzieren.
• Leere Kontrollgruppe: Eine Art Kontrollgruppe, die keine Behandlung erhält, einschließlich eines Placebos.
• Versuchsgruppe: Die Testpersonen wurden zufällig ausgewählt, um die experimentelle Behandlung zu erhalten.
• Fremdvariable: Zusätzliche Variablen (keine unabhängigen, abhängigen oder Kontrollvariablen), die einen Versuch beeinflussen können, jedoch nicht berücksichtigt oder gemessen werden oder sich der Kontrolle entziehen. Beispiele hierfür sind Faktoren, die Sie zum Zeitpunkt eines Experiments als unwichtig erachten, z. B. der Hersteller der Glaswaren in einer Reaktion oder die Farbe des Papiers, aus dem ein Papierflugzeug hergestellt wird.
• Hypothese: Eine Vorhersage, ob die unabhängige Variable eine Auswirkung auf die abhängige Variable hat, oder eine Vorhersage der Art der Auswirkung. 
• Unabhängigkeit oder Unabhängig: Wenn ein Faktor keinen Einfluss auf einen anderen hat. Beispielsweise sollte das, was ein Studienteilnehmer tut, keinen Einfluss darauf haben, was ein anderer Teilnehmer tut. Sie treffen Entscheidungen unabhängig. Unabhängigkeit ist entscheidend für eine aussagekräftige statistische Analyse.
• Unabhängige zufällige Zuordnung: Zufällige Auswahl, ob sich eine Testperson in einer Behandlungs- oder Kontrollgruppe befindet.
• Unabhängige Variable: Die Variable, die vom Forscher manipuliert oder geändert wird.
• Unabhängige variable Ebenen: Ändern der unabhängigen Variablen von einem Wert zu einem anderen (z. B. unterschiedliche Medikamentendosen, unterschiedliche Zeitdauern). Die verschiedenen Werte werden "Ebenen" genannt.
• Inferenzstatistik: Die Statistik (Mathematik) wird angewendet, um Eigenschaften einer Population auf der Grundlage einer repräsentativen Stichprobe aus der Population abzuleiten.
• Interne Gültigkeit: Wenn ein Experiment genau bestimmen kann, ob die unabhängige Variable einen Effekt erzeugt.
• Bedeuten: Der Durchschnitt, der durch Addition aller Punkte und anschließende Division durch die Anzahl der Punkte berechnet wird.
• Nullhypothese: Die Hypothese "kein Unterschied" oder "keine Wirkung", die die Behandlung vorhersagt, hat keine Wirkung auf das Subjekt. Die Nullhypothese ist nützlich, da sie mit einer statistischen Analyse leichter zu bewerten ist als andere Formen einer Hypothese.
• Null-Ergebnisse (nicht signifikante Ergebnisse): Ergebnisse, die die Nullhypothese nicht widerlegen. Nullergebnisse beweisen nicht die Nullhypothese, da die Ergebnisse möglicherweise auf einen Mangel an Leistung zurückzuführen sind. Einige Nullergebnisse sind Fehler vom Typ 2.
• p < 0.05: Ein Hinweis darauf, wie oft der Zufall allein die Wirkung der experimentellen Behandlung erklären 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 sind Werte möglich. Die Grenze von 0,05 oder 5% ist lediglich ein allgemeiner Maßstab von statistischer Signifikanz.
• Placebo (Placebo-Behandlung): Eine gefälschte Behandlung, die außerhalb der Suggestionskraft keine Wirkung haben sollte. Beispiel: In Arzneimittelstudien erhalten Testpatienten möglicherweise eine Pille, die das Arzneimittel enthält, oder ein Placebo, das dem Arzneimittel (Pille, Injektion, Flüssigkeit) ähnelt, aber den Wirkstoff nicht enthält.
• Population: Die gesamte Gruppe, die der Forscher studiert. Wenn der Forscher keine Daten aus der Bevölkerung erfassen kann, kann anhand von großen Zufallsstichproben aus der Bevölkerung abgeschätzt werden, wie die Bevölkerung reagieren würde.
• Leistung: Die Fähigkeit, Unterschiede zu beobachten oder Fehler vom Typ 2 zu vermeiden.
• Zufällig oder Zufall: Ausgewählt oder aufgeführt, ohne einem Muster oder einer Methode zu folgen. Um ungewollte Verzerrungen zu vermeiden, verwenden Forscher häufig Zufallszahlengeneratoren oder werfen Münzen um, um eine Auswahl zu treffen.
• Ergebnisse: Die Erklärung oder Interpretation von experimentellen Daten.
• Einfaches Experiment: Ein grundlegendes Experiment, um festzustellen, ob ein Zusammenhang zwischen Ursache und Wirkung besteht, oder um eine Vorhersage zu testen. Ein grundlegendes einfaches Experiment besteht möglicherweise nur aus einem Probanden, verglichen mit einem kontrollierten Experiment mit mindestens zwei Gruppen.
• Single-Blind: Wenn entweder der Experimentator oder der Proband nicht weiß, ob der Proband die Behandlung oder ein Placebo erhält. Wenn Sie den Forscher blenden, können Sie Verzerrungen vermeiden, wenn die Ergebnisse analysiert werden. Das Blenden des Subjekts verhindert, dass der Teilnehmer eine voreingenommene Reaktion hat.
• Statistische Signifikanz: Beobachtung, basierend auf der Anwendung eines statistischen Tests, dass eine Beziehung wahrscheinlich nicht rein zufällig ist. Die Wahrscheinlichkeit wird angegeben (z., p < 0.05) and the results are said to be statistisch signifikant.
• T-Test: Gängige statistische Datenanalyse, die auf experimentelle Daten angewendet wird, um eine Hypothese zu testen. Das t-test berechnet das Verhältnis zwischen der Differenz zwischen den Gruppenmitteln und dem Standardfehler der Differenz, einem Maß für die Wahrscheinlichkeit, mit der sich die Gruppenmittel 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 der Differenz. Am besten ist es jedoch, das für die Signifikanz erforderliche Verhältnis auf a nachzuschlagen T-Tisch.
• Typ I-Fehler (Typ 1-Fehler): Tritt auf, wenn Sie die Nullhypothese ablehnen, sie jedoch tatsächlich wahr ist. Wenn Sie die 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.
• Typ II-Fehler (Typ 2-Fehler): Tritt auf, wenn Sie die Nullhypothese akzeptieren, sie jedoch tatsächlich falsch war. Die experimentellen Bedingungen wirkten sich aus, der Forscher fand sie jedoch nicht statistisch signifikant.