Termini del vocabolario del metodo scientifico

Gli esperimenti scientifici coinvolgono variabili, controlli, ipotesi e una miriade di altri concetti e termini che potrebbero essere fonte di confusione.

Glossario dei termini scientifici

Ecco un glossario di importanti termini e definizioni di esperimenti scientifici:

• Teorema del limite centrale: Dichiara che con un campione sufficientemente ampio, la media del campione sarà normalmente distribuita. È necessaria una media campionaria normalmente distribuita per applicare il t-test, quindi se hai intenzione di eseguire un'analisi statistica dei dati sperimentali, è importante avere un campione sufficientemente grande.
• Conclusione: Determinazione se l'ipotesi debba essere accettata o respinta.
• Gruppo di controllo: I soggetti del test assegnati in modo casuale a non ricevere il trattamento sperimentale.
• Variabile di controllo: Qualsiasi variabile che non cambia durante un esperimento. Conosciuto anche come a variabile costante.
• Dati (singolare: dato): Fatti, numeri o valori ottenuti in un esperimento.
• Variabile dipendente: La variabile che risponde alla variabile indipendente. La variabile dipendente è quella che viene misurata nell'esperimento. Conosciuto anche come misura dipendente o variabile rispondente.
• In doppio cieco: Quando né il ricercatore né il soggetto sanno se il soggetto riceve il trattamento o un placebo. "Accecamento" aiuta a ridurre i risultati distorti.
• Gruppo di controllo vuoto: Un tipo di gruppo di controllo che non riceve alcun trattamento, incluso un placebo.
• Gruppo sperimentale: I soggetti del test assegnati in modo casuale a ricevere il trattamento sperimentale.
• Variabile estranea: Variabili extra (non indipendenti, dipendenti o variabili di controllo) che potrebbero influenzare un esperimento ma non sono contabilizzate o misurate o sono fuori controllo. Gli esempi potrebbero includere fattori che ritieni non importanti al momento di un esperimento, come il produttore della vetreria in una reazione o il colore della carta utilizzata per creare un aeroplano di carta.
• Ipotesi: Una previsione se la variabile indipendente avrà un effetto sulla variabile dipendente o una previsione della natura dell'effetto. 
• Indipendenza o Indipendentemente: Quando un fattore non esercita influenza su un altro. Ad esempio, ciò che fa un partecipante allo studio non dovrebbe influenzare ciò che fa un altro partecipante. Prendono decisioni in modo indipendente. L'indipendenza è fondamentale per un'analisi statistica significativa.
• Assegnazione casuale indipendente: Selezione casuale se un soggetto del test sarà in un gruppo di trattamento o di controllo.
• Variabile indipendente: La variabile che viene manipolata o modificata dal ricercatore.
• Livelli variabili indipendenti: Modifica della variabile indipendente da un valore a un altro (ad es. Diverse dosi di farmaco, diverse quantità di tempo). I diversi valori sono chiamati "livelli".
• Statistica inferenziale: Le statistiche (matematica) applicate per inferire le caratteristiche di una popolazione sulla base di un campione rappresentativo della popolazione.
• Validità interna: Quando un esperimento può determinare con precisione se la variabile indipendente produce un effetto.
• Significare: La media calcolata sommando tutti i punteggi e quindi dividendoli per il numero di punteggi.
• Ipotesi nulla: L'ipotesi "nessuna differenza" o "nessun effetto", che prevede il trattamento, non avrà alcun effetto sull'argomento. L'ipotesi nulla è utile perché è più facile valutarla con un'analisi statistica rispetto ad altre forme di ipotesi.
• Risultati nulli (risultati non significativi): Risultati che non confutano l'ipotesi nulla. I risultati nulli non dimostrano l'ipotesi nulla perché i risultati potrebbero essere derivati ​​da una mancanza di potere. Alcuni risultati null sono errori di tipo 2.
• p < 0.05: Un'indicazione della frequenza con cui il solo caso potrebbe spiegare l'effetto del trattamento sperimentale. Un valore 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, o probabilità, i valori sono possibili. Il limite dello 0,05 o 5% è semplicemente un punto di riferimento comune di rilevanza statistica.
• Placebo (trattamento Placebo): Un trattamento falso che non dovrebbe avere alcun effetto al di fuori del potere della suggestione. Esempio: negli studi farmacologici, ai pazienti in esame può essere somministrata una pillola contenente il farmaco o un placebo, che ricorda il farmaco (pillola, iniezione, liquido) ma non contiene il principio attivo.
• Popolazione: L'intero gruppo che il ricercatore sta studiando. Se il ricercatore non è in grado di raccogliere dati dalla popolazione, lo studio di grandi campioni casuali prelevati dalla popolazione può essere utilizzato per stimare il modo in cui la popolazione risponderebbe.
• Energia: La capacità di osservare le differenze o evitare di commettere errori di tipo 2.
• Casuale o casualità: Selezionato o eseguito senza seguire alcun modello o metodo. Per evitare distorsioni involontarie, i ricercatori spesso usano generatori di numeri casuali o lanciano monete per effettuare selezioni.
• risultati: La spiegazione o l'interpretazione di dati sperimentali.
• Esperimento semplice: Un esperimento di base progettato per valutare se esiste una relazione di causa ed effetto o per testare una previsione. Un semplice esperimento fondamentale potrebbe avere solo un soggetto del test, rispetto a un esperimento controllato, che ha almeno due gruppi.
• Singolo cieco: Quando lo sperimentatore o il soggetto non sono consapevoli se il soggetto riceve il trattamento o un placebo. Accecare il ricercatore aiuta a prevenire distorsioni quando si analizzano i risultati. Accecare il soggetto impedisce al partecipante di avere una reazione distorta.
• Significato statistico: Osservazione, basata sull'applicazione di un test statistico, che una relazione probabilmente non è dovuta al puro caso. La probabilità è dichiarata (ad es., p < 0.05) and the results are said to be statisticamente significante.
• T-Test: Analisi di dati statistici comuni applicati a dati sperimentali per verificare un'ipotesi. Il t-Il test calcola il rapporto tra la differenza tra le medie del gruppo e l'errore standard della differenza, una misura della probabilità che le medie del gruppo potrebbero differire per puro caso. Una regola empirica è che i risultati sono statisticamente significativi se si osserva una differenza tra i valori che è tre volte più grande dell'errore standard della differenza, ma è meglio cercare il rapporto richiesto per la significatività in un t-table.
• Errore di tipo I (errore di tipo 1): Si verifica quando si rifiuta l'ipotesi nulla, ma in realtà era vera. Se si esegue il t-prova e imposta 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.
• Errore di tipo II (errore di tipo 2): Si verifica quando si accetta l'ipotesi nulla, ma in realtà era falsa. Le condizioni sperimentali hanno avuto un effetto, ma il ricercatore non è riuscito a trovarlo statisticamente significativo.