Tarixi-arxeoloji metodun gücü təcrübə yolu ilə yoxlanılıbmı?

Tarixi-arxeoloji metodun gücü təcrübə yolu ilə yoxlanılıbmı?

Tarixçilər müntəzəm olaraq araşdırılan zaman və məkanda mövcud olan bütün əsərlərin və sənədlərin yalnız kiçik bir hissəsini təmsil edən arxeoloji əsərlərdən və mətn sənədlərindən cəmiyyətin bütün aspektləri haqqında olduqca geniş nəticələr çıxarırlar.

Həmişə ən cəsarətli nəticələrin doğruluğuna şübhə ilə yanaşırdım və tarixi-arxeoloji elmlərin standart metodlarının gücünə bir az aydınlıq gətirəcəyinə inandığım sadə bir təcrübə hazırladım:

  1. Götür müasir təcrübəyə qatılan tarixçilərin (məsələn, klassik Avropa antik dövrü üzrə ixtisaslaşmış Amerika Birləşmiş Ştatları tarixçilərinin) tanımadığı cəmiyyət (məsələn, Yaponiya kəndləri)
  2. Bir neçə əsr yaşamağa qadir olan bu əsərləri və sənədləri vurğulayaraq təsadüfi olaraq həmin cəmiyyətdən əsər və sənədləri nümunə götürün.
  3. Tarixçilərə bu nümunələri heç bir məzmun olmadan təqdim edin ("tapın" yeri istisna olmaqla)
  4. Tarixçilərin çıxardıqları nəticələri reallıqla müqayisə edin

Bu tip bir təcrübə heç vaxt aparılıbmı?


Bildiyim qədər deyil, amma belə bir prosesin ölçülə bilən elmdən o qədər uzaq olacağını düşünərdim ki, mənasız olardı.

Tarixçinin vəzifəsi özünü təqdim edən dəlilləri nəzərə alaraq ən yaxşı təxminləri etməkdir. Nəzərə alsaq ki, iki fərqli tarixçinin eyni dəlillərə baxması və fərqli nəticələr çıxarması asandır. Sonra həqiqətən olmadan bilmək vəziyyətin reallığı, tarixçinin proqnozlarının doğruluğunu ölçə bilməzsiniz.

Bunun əvəzinə təsvir etdiyiniz prosesi davam etdirə bilərik, lakin bu, fərqli sivilizasiyaların və şərtlərin dəqiq modelini əks etdirmir. Həyat elmlərində praktiki məqsədlər üçün kifayət qədər yaxın olan bir modeli təmsil edən heyvanlar üzərində testlər aparırıq, ancaq tarixlə eyni şeyi edə biləcək dəyişənlər də var.

Bütün bunları nəzərə alaraq, tarixçilərin nə qədər doğru olduğunu ölçmək o qədər də əhəmiyyətli deyil, əksinə tarixçilər, oxucuya az miqdarda sübutun olduğunu və söylədiklərinin nə dərəcədə doğru olduğunu bilmək üçün proqnozlar verdikdə.


Laetrile/Amygdalin (PDQ®) - Sağlamlıq Professional Versiyası

Bu xərçəng məlumatı xülasəsi, laetrilin xərçəng xəstələri üçün bir müalicə olaraq istifadəsinə ümumi bir baxış təqdim edir. Xülasədə laetrile tədqiqatının tarixi, laboratoriya tədqiqatlarının nəzərdən keçirilməsi, klinik sınaqların nəticələri və laetrile istifadəsinin mümkün yan təsirləri var.

Bu xülasə aşağıdakı əsas məlumatları ehtiva edir:

  • Laetrile, bir çox meyvənin çuxurlarında və çoxlu bitkilərdə olan kimyəvi tərkib hissəsi olan təbii məhsul amigdalin üçün başqa bir addır. laetrile vasitəsilə əmələ gələn əsas xərçəng əleyhinə birləşmə olduğu düşünülür yerində buraxmaq.
  • Laetrile ilk dəfə 1845 -ci ildə Rusiyada, 1920 -ci illərdə ABŞ -da xərçəng müalicəsi olaraq istifadə edildi.
  • Laetrile, heyvan tədqiqatlarında çox az xərçəng əleyhinə fəaliyyət göstərmiş və insan klinik sınaqlarında heç bir xərçəng əleyhinə fəaliyyət göstərməmişdir.
  • Laetrile toksisitesi ilə əlaqəli yan təsirlər, qaraciyərin zədələnməsi, gəzməkdə çətinlik (sinirlərin zədələnməsi nəticəsində), qızdırma, koma və ölüm də daxil olmaqla siyanid zəhərlənməsinin simptomlarını əks etdirir.
  • Laetrile ABŞ -da istifadə üçün təsdiqlənməmişdir.
  • Laetrilin xərçəng müalicəsi olaraq yersiz elan edilməsi, ABŞ Qida və Dərman İdarəsi tərəfindən bir distribyutorun ittihamı və məhkumluğu ilə nəticələnən araşdırma ilə nəticələndi.

Bu xülasədə istifadə olunan tibbi və elmi terminlərin bir çoxu, mütəxəssis olmayanlara yönəlmiş NCI Xərçəng Şərtləri Lüğəti ilə (hər bölmədə ilk dəfə istifadə edildikdə) hipermətndir. Bağlı bir termin tıklandığında, ayrı bir pəncərədə bir tərif görünəcək.

Bəzi PDQ xərçəngi məlumatlarının xülasələrində istinad sitatları, xüsusi müalicə və ya məhsulların marketinqi və ya istifadəsini təbliğ etmək məqsədi ilə fərdlər və ya təşkilatlar tərəfindən idarə olunan xarici saytlara bağlantılar ola bilər. Bu istinad sitatları yalnız məlumat məqsədləri üçün daxil edilmişdir. Onların daxil edilməsi, PDQ İnteqrativ, Alternativ və Tamamlayıcı Terapiyalar Redaksiya heyəti və ya Milli Xərçəng İnstitutu tərəfindən veb saytların məzmununun və ya hər hansı bir müalicənin və ya məhsulun təsdiqlənməsi kimi qiymətləndirilməməlidir.


Mücərrəd

Böyük kapilyar enerjilər səbəbiylə nano quruluşlar yüksək temperaturda qeyri-sabit olur və buna görə də nanotexnologiya hələ 1000 ° C və yuxarıda bir çox yüksək temperatur tətbiqini tapmamışdır. Odadavamlı keramika məhsullarının yüksək temperatur dayanıqlılığından istifadə edərək, burada qaz boşluqlarının əsasən ayrı taxıl içərisində təcrid olunduğu, ölçüləri müqayisə oluna bilən geniş bir temperatur aralığında istilik superinsulsiyasına nail olmaq üçün içi boş nano dənəli materialların hazırlanmasına yeni bir yanaşma hazırlayırıq. Knudsen effekti ilə istilik keçiriciliyini azaltmaq üçün hava molekullarının orta sərbəst yoluna. Bu ümumi konsepsiyanı boşluqlu La ilə sübut etdik2Zr2O7 keramika və olduqca aşağı istilik keçiriciliyi nümayiş etdirdi (0.016 W/(m⋅K)), otaq temperaturunda və ya yuxarıda olan sərt materiallar üçün indiyədək ən aşağıdır. Santimetr miqyaslı nümunələr, gözeneklərin monodispersity coarsening gecikdirən səbəbiylə, çox yüksək sıxılma gücü (251 MPa), 100 MPa qədər əyilmədə çəkilmə gücü və havada 1400 ° C-ə qədər əla istilik sabitliyinə malikdir.


Kəmiyyət dəyişənləri arasındakı əlaqə

Kəmiyyət dəyişənləri arasındakı əlaqələr tez -tez istifadə olunur səpələnmiş sahələr. Şəkil 6.3, insanların yaşadıqları stressin miqdarı ilə yaşadıqları fiziki simptomların sayı arasındakı əlaqə haqqında bəzi hipotetik məlumatları göstərir. Səpələnmə sahəsindəki hər nöqtə hər iki dəyişən üzrə bir nəfərin balını təmsil edir. Məsələn, Şəkil 6.3 -dəki dairəvi nöqtə, stres balı 10 olan və üç fiziki simptomu olan bir şəxsi təmsil edir. Bütün məqamları nəzərə alsaq, daha çox stress altında olan insanların daha çox fiziki simptomlara sahib olduqlarını görmək olar. Bu a -nın yaxşı bir nümunəsidir müsbət münasibətbir dəyişəndən daha yüksək ballar digərindən daha yüksək ballarla əlaqələndirilir. A mənfi əlaqə bir dəyişəndən daha yüksək balların digərindən daha aşağı ballarla əlaqələndirildiyindən biridir. Stress və immunitet sisteminin işləməsi arasında mənfi bir əlaqə var, çünki daha yüksək stress aşağı immunitet sisteminin işləməsi ilə əlaqədardır.

Şəkil 6.3 Stress və Fiziki Semptomların sayı arasındakı Hipotetik Müsbət Əlaqəni Göstərən Dağılım. Dairəvi nöqtə, stress skoru 10 olan və üç fiziki simptomu olan bir insanı təmsil edir. Bu məlumatlar üçün Pearson r +51 -dir.

Kəmiyyət dəyişənləri arasındakı əlaqənin gücü adətən adlanan bir statistikadan istifadə edərək ölçülür Pearson Korrelyasiya əmsalı (və ya Pearson ’s) r). Şəkil 6.4 -də göstərildiyi kimi, Pearson r -1.00 (mümkün olan ən güclü mənfi əlaqə) ilə +1.00 (mümkün olan ən güclü müsbət əlaqə) arasında dəyişir. 0 dəyəri, iki dəyişən arasında heç bir əlaqənin olmadığını bildirir. Pearson olanda r 0, səpələnmiş sahədəki nöqtələr formasız "bulud" təşkil edir. Dəyəri -1.00 və ya +1.00 -ə doğru hərəkət etdikcə nöqtələr tək bir düz xəttə düşməyə yaxınlaşır. ± .10 -a yaxın olan korrelyasiya əmsalları kiçik, ± .30 -a yaxın dəyərlər orta, ± .50 -yə yaxın dəyərlər böyük hesab olunur. Pearsonun əlaməti olduğuna diqqət yetirin r gücü ilə heç bir əlaqəsi yoxdur. Pearson r Məsələn, +.30 və −.30 dəyərləri eyni dərəcədə güclüdür, sadəcə biri mülayim bir müsbət əlaqəni, digəri isə orta dərəcədə mənfi bir əlaqəni ifadə edir. Etibarlılıq əmsalları istisna olmaqla, Psixologiyada tapdığımız əksər korrelyasiyalar kiçik və ya orta ölçülüdür. Kristoffer Magnusson tərəfindən yaradılan http://rpsychologist.com/d3/correlation/ veb saytı, səpələnmə sahəsindəki müvafiq dəyişikliklərin şahidi olarkən korrelyasiyanın gücünü və istiqamətini tənzimləməyə imkan verən korrelyasiyaların əla interaktiv görüntüsünü təqdim edir.

Şəkil 6.4 Pearson r diapazonu, -1.00 -dan (Güclü Mümkün Mənfi Əlaqələr), 0 -dan (Münasibət yoxdur), +1.00 -a qədər (Güclü Mümkün Müsbət Münasibətlər)

Pearsonun dəyərinin iki ümumi vəziyyəti var r yanıltıcı ola bilər. Pearson r yalnız xətti əlaqələr üçün yaxşı bir ölçüdür, burada nöqtələr düz bir xətt ilə ən yaxşı şəkildə yaxınlaşdırılır. Nöqtələrin əyri bir xətt ilə daha yaxşı yaxınlaşdığı xətti olmayan əlaqələr üçün yaxşı bir ölçü deyil. Şəkil 6.5, məsələn, insanların bir gecədə aldıqları yuxu miqdarı ilə depressiya səviyyələri arasında hipotetik bir əlaqəni göstərir. Bu nümunədə, nöqtələrə ən yaxşı yaxınlaşan xətt əyridir-bir növ tərs "U", çünki təxminən səkkiz saat yuxu alan insanlar ən az depressiyaya düşürlər. Çox az yatanlar və çox yatanlar daha çox depressiyaya düşürlər. Şəkil 6.5, depressiya ilə yuxu arasında olduqca güclü bir əlaqəni göstərsə də, Pearson r sıfıra yaxın olardı, çünki səpələnmə nöqtəsindəki nöqtələr tək bir düz xəttlə yaxşı uyğun gəlmirdi. Bu, Pearson istifadə etməzdən əvvəl bir səpələnmə qurmaq və əlaqənin təxminən xətti olduğunu təsdiqləmək vacibdir. r. Qeyri -xətti əlaqələr psixologiyada olduqca yaygındır, lakin güclərini ölçmək bu kitabın əhatə dairəsindən kənardır.

Şəkil 6.5 Yuxu ilə Depressiya arasında Hipotetik Qeyri -Xətti Əlaqələr

Pearsonun dəyərinin digər ümumi halları r dəyişənlərdən birinin və ya hər ikisinin nümunədə populyasiyaya nisbətən məhdud bir aralığa sahib olması yanıltıcı ola bilər. Bu problem olaraq adlandırılır əhatə dairəsinin məhdudlaşdırılması. Məsələn, insanların yaşı ilə hip -hop musiqisindən zövq almaq arasında Şəkil 6.6 -da göstərildiyi kimi güclü bir mənfi əlaqənin olduğunu düşünün. Pearson r burada -77. Ancaq məlumatları yalnız Şəkil 6.6-nın kölgəli sahəsi ilə təmsil olunan 18-24 yaş arası gənclərdən toplasaq, əlaqələr olduqca zəif görünür. Əslində, Pearson r bu məhdud yaş aralığı üçün 0 -dır. Buna görə də, aralığın məhdudlaşdırılmaması üçün tədqiqatlar tərtib etmək yaxşı bir fikirdir. Məsələn, yaş əsas dəyişənlərinizdən biridirsə, o zaman geniş yaş qrupundan olan insanlardan məlumat toplamağı planlaşdıra bilərsiniz. Mənzilin məhdudlaşdırılması həmişə gözlənilmədiyi və ya asanlıqla qarşısı alınmadığı üçün, məlumatlarınızı mümkün aralığın məhdudlaşdırılması üçün araşdırmaq və Pearson -u şərh etmək yaxşı bir tətbiqdir. r işığında. (Pirson xəstəliyini düzəltmək üçün statistik üsullar da var r əhatə dairəsinin məhdudlaşdırılması üçün, lakin bu kitabın əhatə dairəsindən kənardadır).

Şəkil 6.6 Güclü Ümumi Korrelyasiyanın Bir Dəyişkən Məhdudlaşdırıldıqda Zəif Göründüyünü Göstərən Hipotetik Məlumatlar Burada ümumi korrelyasiya -77-dir, lakin 18-24 yaşlılar üçün (mavi qutuda) ) 0 -dır.

Korrelyasiya səbəb demək deyil

Yəqin ki, dəfələrlə eşitmişdiniz ki, "Korrelyasiya səbəb səbəbini ifadə etmir". Bunun əyləncəli bir nümunəsi, müsbət bir əlaqəni göstərən 2012 -ci il tədqiqatından gəlir (Pearson's r = 0.79) bir millətin adambaşına düşən şokolad istehlakı ilə o millətin vətəndaşlarına verilən Nobel mükafatlarının sayı arasında [2]. Ancaq aydın görünür ki, bu, şokolad yemək insanların Nobel mükafatı qazanmasına səbəb olduğu anlamına gəlmir və valideynlərə uşaqlarına daha çox şokolad yeməyi tövsiyə edərək qazanılan Nobel mükafatlarının sayını artırmağa çalışmağın mənası yoxdur.

Korrelyasiyanın səbəb səbəbini ifadə etməməsinin iki səbəbi var. Birincisi adlanır istiqamət problemi. İki dəyişən, XY, çünki statistik olaraq əlaqəli ola bilər X səbəb olur Y ya da ona görə Y səbəb olur X. Məsələn, insanların idman etməsinin statistik olaraq nə qədər xoşbəxt olduqları ilə əlaqəli olduğunu göstərən bir araşdırmaya nəzər salaq ki, idman edənlər bunu etməyənlərə nisbətən daha xoşbəxt olurlar. Bu statistik əlaqə, idmanın xoşbəxtliyə səbəb olduğu fikrinə uyğundur, eyni zamanda xoşbəxtliyin idmana səbəb olduğu fikri ilə də uyğundur. Bəlkə də xoşbəxt olmaq insanlara daha çox enerji verir və ya idman zalına gedərək başqaları ilə ünsiyyət qurmaq üçün fürsət axtarmağa vadar edir. Korrelyasiyanın səbəb səbəbini ifadə etməməsinin ikinci səbəbi deyilir üçüncü dəyişən problem. İki dəyişən, XY, səbəbiylə statistik olaraq əlaqələndirilə bilməz X səbəb olur Yvə ya ona görə Y səbəb olur Xlakin üçüncü bir dəyişənə görə Z, hər ikisinə səbəb olur XY. Məsələn, daha çox Nobel mükafatı qazanan ölkələrin daha çox şokolad istehlak etməsi, ehtimal ki, Avropa ölkələrində adambaşına düşən şokolad istehlakının daha yüksək olduğu coğrafiyanı əks etdirir. təhsil və texnologiyaya (bir daha, adambaşına) dünyanın bir çox ölkəsindən daha çox sərmayə qoyun. Eynilə, məşqlə xoşbəxtlik arasındakı statistik əlaqə, fiziki sağlamlıq kimi bəzi üçüncü dəyişənlərin hər ikisinə səbəb olduğu mənasına gələ bilər. Fiziki cəhətdən sağlam olmaq, insanların idman etməsinə və xoşbəxt olmalarına səbəb ola bilər. Üçüncü dəyişənin nəticəsi olan korrelyasiyalara tez-tez deyilir saxta əlaqələr.

Saxta korrelyasiyaların bəzi əla və məzəli nümunələrini http://www.tylervigen.com saytında tapa bilərsiniz (Şəkil 6.7 belə bir nümunəni təqdim edir).

"Bir çox konfet şiddətə səbəb ola bilər"

Psixologiyadakı tədqiqatçılar korrelyasiyanın səbəb səbəbini ifadə etmədiyini bilsələr də, bir çox jurnalist bunu bilmir. Korrelyasiya və səbəb haqqında bir veb sayt, http://jonathan.mueller.faculty.noctrl.edu/100/correlation_or_causation.htm, həqiqi biotibbi və psixoloji araşdırmalarla bağlı onlarla medianın xəbərinə bağlantılar. Başlıqların bir çoxu, məqalələrin diqqətlə oxunmasının istiqamətliliyindən və üçüncü dəyişkənlik problemlərindən qaynaqlanmadığını göstərdiyi zaman səbəbli bir əlaqənin nümayiş olunduğunu göstərir.

Belə məqalələrdən biri, hər gün konfet yeyən uşaqların ömrünün sonunda zorakılığa görə həbs edilmə ehtimallarının digər uşaqlara nisbətən daha çox olduğunu göstərən bir araşdırmadır. Ancaq başlıqdan göründüyü kimi konfet həqiqətən də zorakılığa "yol aça" bilərmi? Bu statistik əlaqənin hansı alternativ izahlarını düşünə bilərsiniz? Başlığı səhv salmamaq üçün necə yenidən yazmaq olar?

Bu kitabı oxuyaraq öyrəndiyiniz kimi, tədqiqatçıların istiqaməti və üçüncü dəyişkən problemləri həll etməyin müxtəlif yolları var. Ən təsirli bir təcrübə aparmaqdır. Məsələn, bir insanın nə qədər məşq etdiyini ölçmək əvəzinə, bir tədqiqatçı insanları bir laboratoriyaya gətirə bilər və təsadüfi olaraq onların yarısına 15 dəqiqə qaçış yolunda, qalanlarını isə 15 dəqiqə divanda oturmağa həvalə edə bilər. Bu tədqiqat dizaynında kiçik bir dəyişiklik kimi görünsə də, son dərəcə vacibdir. İndi idmançılar məşq etməyənlərə nisbətən daha çox müsbət əhval -ruhiyyədə olsalar, bu, onların əhval -ruhiyyələrinin nə qədər məşq etdiyinə təsir etdiyindən ola bilməz (çünki tədqiqatçı kim nə qədər məşq etdiyini təyin etdi). Eyni şəkildə ola bilməz, çünki üçüncü bir dəyişən (məsələn, fiziki sağlamlıq) həm məşq etdiklərinə, həm də əhval -ruhiyyələrinə təsir etdi (çünki yenə də tədqiqatçı kim nə qədər məşq etdiyini təyin etdi). Beləliklə, təcrübələr istiqaməti və üçüncü dəyişkən problemləri aradan qaldırır və tədqiqatçılara səbəb əlaqələri haqqında qəti nəticə çıxarmağa imkan verir.

Açar yeməklər

  • Korrelyasiya tədqiqatı, iki dəyişənin ölçülməsi və aralarındakı əlaqənin müstəqil bir dəyişənin manipulyasiyası olmadan qiymətləndirilməsini əhatə edir.
  • Korrelyasiya səbəb səbəbini ifadə etmir. İki dəyişən arasında statistik əlaqə, XY, mütləq bu demək deyil X səbəb olur Y. Bu da mümkündür Y səbəb olur Xvə ya üçüncü bir dəyişən, Z, hər ikisinə səbəb olur XY.
  • Dəyişənlər arasında səbəbli əlaqələr qurmaq üçün korrelyasiya araşdırması istifadə edilə bilməsə də, korrelyasiya tədqiqatları tədqiqatçılara bir çox digər vacib məqsədlərə çatmağa imkan verir (etibarlılıq və etibarlılıq qurmaq, yaxınlaşan sübutlar təqdim etmək, əlaqələri təsvir etmək və proqnozlar vermək).
  • Korrelyasiya əmsalları -1 ilə +1 arasında dəyişə bilər. İşarə, dəyişənlər arasındakı əlaqənin istiqamətini və ədədi dəyər əlaqənin gücünü göstərir.

Məşqlər

  1. Müzakirə: Aşağıdakıların hər biri üçün, təsvir olunan tədqiqatın təcrübə və ya korrelyasiya olması ehtimalının çox olduğuna qərar verin və bunun səbəbini izah edin.
    1. Koqnitiv psixoloq, insanların "oxumağı" tapşırdıqları sözləri xatırlamaq qabiliyyətini, "təsəvvür etməyi" tapşırdıqları sözləri xatırlamaq qabiliyyəti ilə müqayisə edir.
    2. Bir menecer, yeni işçilərin kollec not ortalamaları ilə birinci illik performans hesabatları arasındakı əlaqəni öyrənir.
    3. Bir avtomobil mühəndisi, hər dəfə bir neçə nəfərdən çubuq dəyişməsinin nə qədər rahat olduğunu qiymətləndirməsini istəyərək, yeni bir avtomobil prototipinə fərqli çubuq dəyişikliyi quraşdırır.
    4. Bir qida mütəxəssisi insanların soyuducularındakı temperaturla yeməklərindəki bakteriyaların miqdarı arasındakı əlaqəni araşdırır.
    5. Sosial psixoloq bəzi tədqiqatçılara bir işi başa çatdırmaq üçün növbəti binaya tələsmələri lazım olduğunu söyləyir. Başqalarına vaxt ayıra biləcəklərini söyləyir. Sonra incinmiş kimi görünən bir tədqiqat işçisinə kömək etməyi dayandırıb -durmadıqlarını müşahidə edir.

    2. Təcrübə: Aşağıdakı statistik əlaqələrin hər biri üçün istiqamətlilik probleminin olub -olmamasına qərar verin və ən azı bir inandırıcı üçüncü dəyişəni düşünün.


    Eynşteynin ən böyük səhvi necə qaranlıq enerjiyə çevrildi

    Kosmoloji sabitin hekayəsi bir əsrdən çox əvvəl Einstein, Eynşteyn sahə tənlikləri olaraq bilinən bir sıra tənliklər təqdim edərkən başladı. ümumi nisbilik nəzəriyyəsi. Tənliklər, cazibə qüvvəsini yaratmaq üçün maddənin və enerjinin məkan və zamanın parçasını necə bükdüyünü izah edir. O zaman həm Eynşteyn, həm də astronomlar kainatın ölçüsünün sabit olduğu və qalaktikalar arasındakı ümumi boşluğun dəyişməyəcəyi ilə razılaşdılar. Ancaq Einstein kainata ümumi nisbiliyi tətbiq edərkən, nəzəriyyəsi ya genişlənəcək, ya da daralacaq qeyri -sabit bir kainatı proqnozlaşdırdı. Kainatı statik olmağa məcbur etmək üçün Einstein kosmoloji sabitdən istifadə etdi.

    Təxminən on il sonra başqa bir fizik, Edwin Hubble, kainatımızın sabit deyil, genişləndiyini kəşf etdi. Uzaq qalaktikalardan gələn işıq onların hamısının bir -birindən uzaqlaşdığını göstərdi. Bu kəşf, genişlənən bir kainatı izah etməyə artıq ehtiyac olmadığı üçün Eynşteyni sahə tənliklərindən kosmoloji sabitdən imtina etməyə inandırdı. Fizika elmində Eynşteynin sonradan kosmoloji sabitin tətbiq olunduğunu etiraf etməsi var bəlkə də ən böyük səhvidir.

    1998 -ci ildə uzaq supernovaların müşahidələri kainatın nəinki genişləndiyini, həm də genişlənmənin sürətləndiyini göstərdi. Qalaktikalar sanki naməlum bir qüvvə cazibə qüvvəsini aşaraq bu qalaktikaları bir -birindən ayıran kimi bir -birindən uzaqlaşırdı. Fiziklər bu müəmmalı fenomeni adlandırdılar qaranlıq enerjiçünki əsl mahiyyəti sirr olaraq qalır.

    İroniya ilə fiziklər qaranlıq enerjini hesablamaq üçün kosmoloji sabitliyi yenidən Eynşteynin sahə tənliklərinə daxil etdilər. Cərəyanda standart kosmologiya modeli& LambdaCDM (Lambda CDM) olaraq bilinən kosmoloji sabit qaranlıq enerji ilə əvəzlənir. Astronomlar hətta dəyərini uzaq supernovaların müşahidələrinə və oradakı dalğalanmalara əsasən hesablamışlar kosmik mikrodalğalı fon. Dəyər absurd dərəcədə kiçik olsa da (hər kvadrat metrə 10^-52), kainatın miqyasına görə, məkanın sürətlə genişlənməsini izah etmək üçün kifayət qədər əhəmiyyətlidir.

    "Kozmoloji sabit [və ya qaranlıq enerji] hal -hazırda kainatımızdakı enerji tərkibinin təxminən 70% -ni təşkil edir ki, bu da hazırda kainatımızın müşahidə etdiyi sürətlənmiş genişlənmədən nəticə çıxara bilərik. Ancaq bu sabitlik anlaşılmır" dedi Lombriser. . "Bunu izah etmək cəhdləri uğursuz oldu və kosmosu necə başa düşdüyümüz üçün əskik olduğumuz bir şey var kimi görünür. Bu tapmacanın açılması müasir fizikanın əsas tədqiqat sahələrindən biridir. Ümumiyyətlə, problemin həllinə səbəb ola biləcəyi ehtimal olunur. fizikanın daha fundamental anlayışına sahibik. "


    Tarixi-arxeoloji metodun gücü təcrübə yolu ilə yoxlanılıbmı? - Tarix

    EDF 5481 TƏHSİL ARAŞDIRMA METODLARI
    GÜZ 2017

    • Etibarlılıq mahiyyət etibarilə tədbirlərin sabitliyinə və təkrarlanmasına aiddir.
    • Etibarlı tədbirlər hələ də qərəzli ola bilər (əsl dəyərdən fərqlənir) və ya qarışdırıla bilər (eyni anda 1 -dən çox şeyi ölçün).
    • Güclü daxili etibarlılıq səbəblərin nəticələrə birmənalı təyin edilməsinə aiddir. Daxili etibarlılıq səbəb nəzarətinə yönəlib.
    • Xarici etibarlılıq Bir işi digər insanlara və/və ya digər vəziyyətlərə ümumiləşdirmə qabiliyyətinə müraciət edir.
    • Etibarlılıq qurun anlayışlar (konstruksiyalar) ilə faktiki ölçülər arasındakı uyğunluqdan bəhs edir. Yüksək quruluş etibarlılığı olan bir ölçü, tədqiqatçının öyrənmək istədiyi mücərrəd konsepsiyanı dəqiq əks etdirir.
    • Diqqətlə ölçün. Bir dəfədən çox ölçün. Bir quruluşun birdən çox ölçüsünü istifadə edin.
    • Elm qaydalarına görə, empirik testlər vasitəsilə qəti sübut yoxdur, alternativ səbəblər daha sonra aşkar edilə bilər.
    • Diqqətli, yaxşı idarə olunan təcrübələrin nəticələri adətən olur daha asan digər metodların nəticələrindən daha çox səbəb səbəbləri ilə şərh etmək.
    • Bununla birlikdə, səbəbli nəticələr bəzən korrelyasiya tədqiqatlarından da çıxarıla bilər. Görmək BURADA aşağıda
    • Təcrübələrdə iştirakçıların müalicəyə təsadüfi təyin edilməsi güclü bir səbəb vasitəsidir.

    GÜVƏNLİK & amp; VALIDITY MƏSƏLƏLƏRDƏ MƏSƏLƏLƏR SƏBƏBİ VƏ EFFEKTİ QAYDALARI TƏCRÜBƏ İSTİFADƏÇİLƏRİ

    Bu nöqtədə, oxularınızı başlamaq və ya tədqiqat dizaynınızı başlamaq üçün kifayət qədər qaşınırsınız. Ancaq hələ də əhatə edəcəyimiz bir az daha əsas materialımız var. Bütün bunlardan sonra tədbirlərin olmasını istəyirsən etibarlı və etibarlı, səbəblər haqqında ifadələrinizin uyğun olması, və edə bilsin tapıntılarınızı ümumiləşdirin.

    GÜVƏNLİK VƏ GÜVƏNLİK

    Araşdırma vəziyyətinizdə hər cür səbəbli qiymətləndirmə aparmaq üçün əvvəlcə etməlisiniz etibarlı tədbirlər, yəni sabit və/və ya təkrar edilə bilən tədbirlər. Ölçmələrinizdəki təsadüfi dəyişiklik o qədər böyükdürsə ki, ölçülərinizdə sabitlik yoxdur, heç nə izah edə bilməzsiniz! Şəxsin ballarının 1 -ci günün ortalamasının altındakı gündən 3 -cü günün əvvəlində dahi səviyyəyə qədər dəyişdiyi bir zəka testi təsəvvür edin, çünki heç kim belə bir "testin" nəticələrinə etibar etməz, çünki şəxsin balları çox idi. qeyri -sabit və ya etibarsızdır.

    Etibarlılıq, etibarlılıq haqqında bəyanatlar vermək üçün lazımdır. Lakin, etibarlı tədbirlər qərəzli ola bilər və buna görə də bir fenomenin "həqiqətə uyğun olmayan" ölçüləri, və ya qarışıq razılıq cavab dəsti kimi digər faktorlarla. Həmişə beş kilo çox yüngül olan bir tərəzi düşünün.
    Nəticələr etibarlıdır, lakin qeyri -dəqiq və ya qərəzlidir. Və ya qadınların və ya rəngli insanların olduğu bir zəka testini təsəvvür edin həmişə daha aşağı bal (başqa bir testdə belə olmasa beləs). Yenə də tədbir etibarlı, lakin qərəzli ola bilər.

    Qeyd edək ki etibarlılığa dair bəzi qiymətləndirmələr maddələrin sayı testdə və ya miqyasda (məşhur Cronbach's Alpha bir nümunədir). Beləliklə, bütün ölçünün "etibarlı" görünməsi üçün onlarla maddədən ibarət çox cəlbedici bir ölçüyə sahib ola bilərik, lakin ölçünü yaxından araşdırdığımızda, ölçülü maddələr arasında korrelyasiyanın aşağı olduğunu aşkar edirik. Bu o deməkdir ki, bu ölçüdə olan maddələr "bir yerdə asılmır" və ya bir -biri ilə yaxşı əlaqəli görünmür və ölçünüz çoxölçülü ola bilər. Bu "mühakimə çağırışı" olsa da, bunun olduğunu bildirin "etibarlı tədbirlərin" bir ölçülü ölçülər olması, yəni bir və yalnız bir quruluşun ölçülməsi arzu edilir. Bir ölçülü tədbirləri şərh etmək daha asandır.

    Daxili etibarlılıq, bir araşdırmada müşahidə etdiyiniz nəticələrin "əsl" səbəblərini həll edir. Güclü daxili etibarlılıq o deməkdir ki, yalnız müstəqil və asılı olan dəyişənlərinizin etibarlı ölçülərinə sahib deyilsiniz, amma bunun güclü bir əsaslandırması səbəb əlaqələri asılı dəyişənlərinizə müstəqil dəyişənlər. Eyni zamanda, asılı dəyişənləriniz üçün kənar dəyişənləri və ya alternativ, çox vaxt gözlənilməyən və ya hətta saxta (səbəbdən "saxta") səbəbləri istisna edə bilərsiniz. Beləliklə, güclü daxili etibarlılıq, səbəblərin nəticələrə birmənalı təyin edilməsinə aiddir. Daxili etibarlılıq səbəb nəzarətinə aiddir.

    Laboratoriya "əsl təcrübələr" çox güclü səbəbli nəzarət bəyanatları vermək potensialına malikdir. İştirakçıların müalicə qruplarına təsadüfi təyin edilməsi (aşağıya baxın) daxili etibarlılıq üçün bir çox təhlükəni istisna edir. Bundan əlavə, laboratoriya ümumiyyətlə nəzarət edilən bir mühitdir və çox vaxt təcrübəçinin "mərhələsi" dir. Tədqiqatçı çox diqqətli olarsa, tədqiqatçının orada yerləşdirmədiyi laboratoriya şəraitində heç nə olmayacaq. Təbii şəraitdə tədqiqatlar aparmaq üçün laboratoriyadan ayrıldıqda, yenə də iştirakçıları müalicəyə təsadüfi təyin edə bilərik, ancaq iş şəraitində potensial alternativ səbəb dəyişənlərinə nəzarəti itiririk (itlər hürür, telefonlar çalır, eksperimental konfederasiya yenicə qaçdı) West Tennessee'deki "getmə" işarəsinə qarşı gəzinti.)

    Xarici etibarlılıq, təhsilinizi digər insanlara və digər vəziyyətlərə ümumiləşdirmə qabiliyyətinə aiddir. Güclü xarici etibarlılığa sahib olmaq üçün (ideal olaraq), aydın şəkildə müəyyən edilmiş bir populyasiyadan "şans üsulları" ilə tərtib edilmiş iştirakçıların və ya respondentlərin ehtimal nümunəsinə ehtiyacınız var. (məsələn, Payız 2017 semestrində Florida Dövlət Universitetində qeydiyyatdan keçmiş bütün tələbələr). İdeal olaraq, yaxşı bir qrup nümunəsinə sahib olacaqsınız (məsələn, bütün qabiliyyət səviyyələrində dərslər). Ölçmə və vəziyyət nümunəsi alacaqsınız (günün müxtəlif vaxtlarında, fərqli günlərdə və kampusun fərqli yerlərində "gəzməyin" işarələrini pozan bir konfederativin ardınca gedənləri öyrənirsiniz.) Güclü bir xarici etibarlılığınız olduqda, digər insanları və vəziyyətləri inamla ümumiləşdirə bilərsiniz. . Bir çox ictimai rəy sorğusu, adətən, maraqlanan əhalinin müəyyənləşdirilməsinə və həmin populyasiyadan yaxşı nümunələr götürməyə böyük əhəmiyyət verir. Digər tərəfdən, laboratoriya təcrübələrində tez -tez bir dostun və ya Kollecin "mövzu hovuzu" nda öyrədilmiş sağlam kollec dərsləri kimi "rahatlıq nümunələri" tətbiq olunur. Nəticədə, subyektlərin kimləri təmsil etdiyini bilməyə bilərik.

    Quruluşun etibarlılığı, anlayışlarınız (quruluşlarınız) ilə istifadə etdiyiniz faktiki ölçülər arasındakı uyğunluqdur. Yüksək etibarlılıq ölçüsü, öyrənməyə çalışdığınız mücərrəd konsepsiyanı dəqiq əks etdirir. Yalnız istifadə etdiyimiz konkret ölçülər vasitəsi ilə anlayışlarımız haqqında bildiyimiz üçün quruluşun etibarlılığının son dərəcə əhəmiyyətli olduğunu görə bilərsiniz.

    Dəyişənlərimizin çox aydın konseptual təriflərinin olmasının niyə bu qədər vacib olduğu da aydın olur. Yalnız bundan sonra tədbirlərimizin əslində bu anlayışlara uyğun olub olmadığını qiymətləndirməyə başlaya bilərik. Bu, tədqiqatçıların əvvəlcə konsepsiyalarla işləməsinin və yalnız bundan sonra mümkün olduqda onları işə salmağa başlamasının vacib səbəbidir.

    Bir anlayışın yalnız bir ölçüsünü istifadə etsək, edə biləcəyimiz ən yaxşısıdır "üz etibarlılığı", yəni anlayışın əks olunması üçün tədbirin "üzündə" görünüb -görünməməsi. Buna görə də, mümkün olduqda bir konsepsiyanın bir çox ölçüsünü istifadə etmək müdrikdir. Bundan əlavə, İdeal olaraq bunlar fərqli ölçü və dizaynlar olacaq.

    NÜMUNƏ: Şagirdin taxta tapmaca kimi daha çox həndəsi problemlərlə işləməsi və tələbənin kassada dəyişiklik etməsi ilə kağız və qələm testi ilə riyazi bacarıqları ölçə bilərsiniz. Yüksək riyazi qabiliyyətini dəqiq ölçdüyümüzə inamımız, yaxşı performans göstərərsə daha güclüdür hər üçü vəzifələr dəsti.

    Quruluşun etibarlılığı çox vaxt çoxfunksiyalı, çox metodlu bir matrisdən istifadə etməklə qurulur. Ən azı iki konstruksiya ölçülür. Hər bir quruluş ən azı iki fərqli şəkildə ölçülür, və ölçü növü konstruksiyalar arasında təkrarlanır. Məsələn, hər bir quruluş əvvəlcə bir sorğu anketi ilə ölçülə bilər, sonra hər bir quruluş oxşar davranış müşahidə kateqoriyalarından istifadə etməklə ölçülə bilər.

    Tipik olaraq, yüksək quruluş etibarlılığı şəraitində, bir çox fərqli tədbirdə eyni quruluş (və ya "xüsusiyyət") üçün əlaqələr yüksəkdir. Fərqli, lakin eyni ümumi texnika ilə ölçülən konstruksiyalarda korrelyasiyalar azdır (məsələn, bir anket yalnız). Bəzən buna "üçbucaqlı" tədbirlər deyilir.

    Aşağı quruluş etibarlılığı altında tərs dayanır. Eyni "metodu" (və ya texnika və ya ölçmə növünü) istifadə edən xüsusiyyətlər arasında əlaqələr yüksəkdir, lakin fərqli xüsusiyyətlərdə ölçülən eyni xüsusiyyət üçün aşağıdır. Məsələn, bir şagirdin riyazi qabiliyyətini qiymətləndirməyimiz, anketdəki skorları araşdırmağımızdan, dəyişiklik etməyimizdən və ya ağac tapmacasından asılı olmayaraq çox fərqli olsa idi, konstruktiv etibarlılığımız aşağı olar və nəticələrə inamımız az olardı.


    FAYDALI İPUCU: Bütün bu materialların bir mənası, əlbəttə ki, "Kəşfiyyat bu zəka testinin ölçdüyü şeydir" kimi ifadələr heç vaxt demirik.

    Və ya başqa bir növ "test" və ya qiymətləndirmə, əlbəttə. Konkret ölçülərini konstruksiyaları ilə tamamilə eyniləşdirən araşdırmalara çox şübhə ilə yanaşın.

    Bilməyin bir çox yolu var və fərqli mədəniyyətlər və subkulturalar sübut və nedensellik haqqında fərqli gözləntilər və normalardan istifadə edirlər. Səbəbiyyət kritikdir: nəyin mümkün olduğunu, nəyin dəyişdirilə biləcəyini və nəyin dəyişdirilməsinin çətin olduğunu, mümkün olmadığını söyləyir. Məsələn, bioloji faktorların aradan qaldırıla bilməyəcəyinə əminsinizsə, çox güman ki, görmə qüsurlu uşaqlarla işləməyəcəksiniz, çünki onların əlillərini kompensasiya edə bilməyəcəklərinə inanırsınız. Nedensellik, müşahidə etdiyimiz hadisələrin "başlıca hərəkət edənlərinin" nə olduğunu söyləyir.

    • Allah (və ya bir növ Tanrı) bunu etdi.
    • Təbiət "görünməyən bir əllə" işləyir.
    • Kəşf edilməli olan "rasional qanunlar" var (və insanlar bunları kəşf etməyə qadirdir).
    • Nedensel əlaqələr kainatın təsadüfi və xaotik bir xəyaldır və entropiya üzərində işləyir.
    • Ehtimal olunan səbəb amillərinin sistematik şəkildə idarə olunduğu nəzarət edilən təcrübələr.
    • Müqəddəs Kitab və ya Quran kitabları və ya Ziqmund Freyd kimi tanınmış orqanlara istinad.
    • Bir məhkəmədə və ya jurnalistikada olduğu kimi ağlabatan arqumentlərini təhlil etmək.
    • Hüquq məhkəməsində olduğu kimi.
    • Sezgi. hisslər. biri "bilir" (aşiq?).
    • Ətrafdakı izləri oxumaq (Sherlock Holmes hekayələri).
    • Xəyallarda, görüntülərdə, sümüklərdə, çay yarpaqlarında və s.
    • Müxtəlif ehtimal olunan səbəb dəyişənlərini statistik olaraq idarə etmək.

    Much of the research process centers around what are the true causal or independent variables. What we initially may consider to be true causal variables may, instead, turn out to be artifacts of the research process (e.g., questionnaire format response set or experimental reactivity or confounded treatment effects) or the particular group that we studied. Much of science consists of ruling out alternative causes or explanations. While science is one form of knowing and one generic way of gathering evidence that either disconfirms or is suggestive of causality, it is not the only way of doing so. The results of science may or may not be accurate, but without following "the rules" of science, most scientists do not believe one is "doing science."

    Considerable disagreement occurs between scientists and members of the general public because scientists don't always make it clear how science methods of "proof" differ from those commonly used among the general public (e.g., legal arguments).

    According to science rules, definitive proof via empirical testing does not exist. Science uses the term "proof" (or, rather, "disproof") differently from the way attorneys or journalists do. Our measurements could be later shown to be contaminated by confounding factors. A correlation could have many causes, only some of which have been identified. Later work can show earlier causes to be spurious, that is, both cause and effect depend on some prior causal (often extraneous) variable. Statistics are NEVER EVER considered to "prove" anything although statistical results CAN disconfirm.

    Further, science at its best is a self-correcting process. Another researcher can try to duplicate your results. If the results are interesting, in fact, dozens of researchers may try to duplicate the results. If something was awry with your study, the subsequent research projects should discover and correct this.

    HELPFUL HINT : We use the rules of science in this course.

    CAUSALITY AND METHODS: EXPERIMENTS AND CORRELATIONAL STUDIES
    Cancerous Human Lung
    This dissection of human lung tissue shows light-colored cancerous tissue in the center of the photograph. While normal lung tissue is light pink in color, the tissue surrounding the cancer is black and airless, the result of a tarlike residue left by cigarette smoke. Lung cancer accounts for the largest percentage of cancer deaths in the United States, and cigarette smoking is directly responsible for the majority of these cases.

    Many scientists believe that the ONLY way to establish causality is through randomized experiments. That is one reason why so many methods text books designate experiments and only experiments--as quantitative research.

    Other scholars think causal relations can only be established with numeric data. I have never understood how the numeric level of one's measures can have much to do with cause. After all, variables such as gender, nationality, and ethnicity can have profound casual effects and they are categorical variables. Authors who make this mistake may also misunderstand causality.

    Indeed a moment s reflection will convince you that experiments are far from the only way to establish causality. Most people now accept that smoking cigarettes causes lung cancer (see the Encarta selection above) yet no society has ever randomly assigned half its population to smoke cigarettes and the other half not (although there are some experiments with rats). This causal conclusion about smoking and lung cancer is based on correlational or observational evidence, i.e., observing the systematic covariation of two (or more) variables. Cigarette smoking and lung cancer are both "naturalistic" variables, i.e., we must accept the data as nature gave them to us.

    There is no doubt that the results from careful, well-controlled experiments are typically daha asan to interpret in causal terms than results from other methods. However, as you can see, causal inferences are often drawn from correlational studies as well. Non-experimental methods must use a variety of ways to establish causality and ultimately must use statistical control, rather than experimental control. The results of the Hormone Replacement Therapy experiments, released in the summer of 2002, remind us of the great care that must be taken when designing nonexperimental research. Self selection of women into the original "hormone" non-experimental conditions implied that HRT prevented heart attacks and strokes among women. In fact, when the topic was studied experimentally the reverse was true: HRT increased the risk of heart and circulatory disease among women.

    The discrepancy probably occurred because women who take better care of themselves may see a physician on a more regular basis, and thus be in better health to begin with. This self selection bias probably caused an erroneous and spurious correlation between HRT and women's health.

    Some scientists mistakenly believe that large samples can establish causality. Just as numeric measures can't establish cause, neither can the size of the sample or population studied. Large numbers of participants can increase the stability of research results, but do not help to designate cause and effect.

    HELPFUL HINT: Watch for some of these fallacies in establishing cause and effect in the research that you encounter.

    If one variable causes a second variable, they should correlate thus causation implies correlation. However, two variables can be associated without having a causal relationship, for example, because a third variable is the true cause of the "original" independent and dependent variable. For example, there is a statistical correlation over months of the year between ice cream consumption and the number of assaults. Does this mean ice cream manufacturers are responsible for violent crime? Yox! The correlation occurs statistically because the hot temperatures of summer cause both ice cream consumption and assaults to increase. Thus, correlation does NOT imply causation. Other factors besides cause and effect can create an observed correlation.

    If one variable causes a second, the cause is the independent variable (explanatory variables or predictors).
    The effect is the dependent variable (outcome or response variable).

    If you can designate a distinct cause and effect, the relationship is called asymmetric.

    For example, most people would agree that it is nonsense to assume that contacting lung cancer would lead most individuals to smoke cigarettes. For one thing, it takes several years of smoking before lung cancer develops. On the other hand, there is good reason to believe that the carcinogens in tobacco smoke could lead someone to develop lung cancer. Therefore, we can designate a causal variable (smoking) and the relationship is asymmetric.

    Two variables may be associated but we may be unable to designate cause and effect . These are symmetric relationships.

    For example, men over 30 with higher mental health scores are more likely to be married in the U.S. Aha! Marriage is a "buffer" protecting from the stresses of life, and therefore it promotes greater mental health. Gözləmək! Perhaps the causal direction is the reverse. Men who are in better mental shape to begin with get married. Maybe both are true. When we cannot clearly designate which variable is causal, we have a symmetric relationship.

    WHICH VARIABLE IS THE INDEPENDENT VARIABLE IN CORRELATIONAL STUDIES?
    RULES AND GUIDANCE

    Since we know that we cannot use experimental treatments in naturalistic variables to determine cause and effect, yet we know that scientists can and do draw causal conclusions in nonexperimental studies, here is a set of helpful rules for tentatively establishing causality in correlational data.

    For a more detailed discussion, I recommend the following books:

    (A) Barbara Schneider, Martin Carnoy, Jeremy Kilpatrick, William H. Schmidt, Richard J. Shavelson (2007): Estimating Causal Effects: Using Experimental and Observational Designs. A think tank white paper prepared under the auspices of the AERA Grants Program.

    AERA BARGAIN: You can actually download this book FOR FREE in pdf from the American Educational Research Association.

    (B) For a true classic on establishing cause and effect in observational or correlational data, see: Morris Rosenberg (1968) The Logic of Survey Analysis. New York: Basic Books.
    This excellent book is still in print! Used copies are available on Amazon and other auction sites (and it covers causal issues in more than just surveys).

    By the way, there are always alternative causal explanations in experiments too. The study control group may be flawed. Participants' awareness of being studied may create conditions (e.g., anxiety) that mean we do not measure "true" behavior or performance. So even though it may be daha asan to establish cause in experiments, keep in mind that nothing is fool-proof.

    SOME SUGGESTIONS BELOW

    (1) TIME ORDER. The independent variable came first in time, prior to the second variable.

    EXAMPLE : Gender or race are fixed at birth. Gender or race can be important causal variables because individuals behave differently toward males or females, and often behave differently toward individuals of different religions or ethnicities.

    (2) EASE OF CHANGE. The independent variable is harder to change. The dependent variable is easier to change.

    EXAMPLE : One's gender is much harder to change than scores on an assessment test or years of school.

    (3) "MAJORITY RULE." The independent variable is the cause for most people.

    EXAMPLE : Although some people become so fed up with their jobs that they return to school to train for a better job, most people complete most of their education prior to obtaining a regular year-round, full-time job.

    (4) NECESSARY OR SUFFICIENT. If one variable is a necessary or sufficient condition for the other variable to occur, or a prerequisite for the second variable, then the first variable may be the cause or independent variable.

    EXAMPLES : A certain type of college degree is often required for certain jobs. At most research universities, publications are a prerequisite for being awarded tenure.

    (5) GENERAL TO SPECIFIC. If two variables are on the same overall topic and one variable is quite general and the other is more specific, the general variable is usually the cause.

    EXAMPLE : Overall ethnic intolerance influences attitudes toward Hispanics.

    (6) THE "GIGGLE" OR "SANITY" FACTOR. If reversing the causal order of the two variables seems illogical and makes you laugh, reverse the causal order back.

    EXAMPLES : We don't believe choosing a specific college major or engaging in a particular sport determines one's gender.

    MEMORIZE THESE SIX RULES. We will apply them all semester!

    Dedicated to health and fitness, you, the researcher, have devised a new exercise plan that you believe will really help people. So you obtain a sample of Educational Psychology undergraduate students. With the flip of a coin , half the students receive a physical and mental health screening and those who are fit begin this new exercise program. The other half also receive a health screening but no exercise regimen. Six weeks later, you re-examine everyone who was physically fit in the screening and compare the two groups. The group receiving the exercise plan now score happier and healthier than the group that did not.

    Jubilant over the results, you assert that your new exercise plan contributes to physical and mental fitness!

    Or does it? Are your results internally valid?

    This study was a " true experiment. " In a true experiment --whether laboratory, field, or simulation-- participants are randomly assigned to treatment groups using a coin flip or some other type of probability, non human judgment method. It is randomization that makes true experiments so strong in internal validity and typically allows us to make relatively strong influences about causality. It is also random assignment to treatments that distinguishes a true experiment from other kinds of data collection.

    Random assignment means that on the average at the beginning of a study, all your treatment groups are about the same. In your physical fitness study, it meant about the same percent of each group "flunked" the screening test and about the same percent exercised on a regular basis, even before your intervention.

    Random assignment or "randomization" controls at the beginning for all the variables you can think of, and, more important, all the variables you didn't think of.

    This study had another important research design aspect: it had a control group which did not receive the special exercise program. Control or comparison groups are critical in all kinds of research. If we did not have a control or comparison group, the study would be open to the criticism--and alternative causal explanation--that improvement in health would have occurred in any event among young adults, even had the exercise program never been instituted. Not only did you have a control groupm in your study example, but, in an experiment, participants are randomly assigned to it.

    In the "Draw a Scientist" study my students and I conducted, a random half of the elementary school students were asked to draw a veterinarian and the other half were asked to draw "a scientist". We wanted to see whether young students were able to differentiate one type of occupation from another.

    Studies that lack a control group are sometimes called "one shot" studies or sometimes case studies. While the results may be interesting, we are limited in the causal implications we can make from the results of "one shot" research.

    We will later examine facets of the "good" control group.

    In the example above, you were pretty sure that you know what improved the health of your experimental subjects: the new exercise program you initiated. And there is a good chance that you are right, because by using random assignment you controlled for several pre-existing conditions or threats to internal validity : participants' general physical health, previous exercise patterns, incidence of depression or their general personal histories which, on the average, should be the same for each group. By using random assignment, you also controlled for any incidental historical conditions (such as an influenza outbreak that year which could influence health in both groups).

    Your study has two other important features: a pretest and a posttest . In the pretest , you measured existing conditions on your dependent variables, i.e., mental and physical health among all your participants, whether in the experimental or control group, prior to any intervention at all . This enables you to double-check that your participants were pretty much alike across groups at the beginning of the study. You can also assess the level of change because you have both pretest and posttest information. Sonra, after your intervention, you reassessed scores on your dependent variables in a posttest . A posttest only design cannot do either of these important sets of measures.


    My exercise study example in this Guide with before and after measures is often called a "pretest-posttest" experimental design.

    You should be advised, however, that the standard pretest-posttest design may pose some threats to internal validity, or the unambiguous assignment of cause and effect. Why? Çünki simply being measured or observed during the pretest may sensitize some participants and they will behave differently as a result. (For example, being weighed might have sent all subjects to the exercise room for six weeks!) Furthermore, a pretest may interact with an experimental treatment to heighten the effect of the experimental intervention more than it ordinarily would have.

    How can you cope with this dilemma? One way is the famous Solomon Four Group Design , considered one of the strongest experimental designs with respect to internal validity. In the Solomon Four Group Design, there are four randomized groups of participants. One group receives a pretest, the experimental treatment and a posttest. The second group is identical, except it does not receive a pretest. The third group receives a pretest and posttest but a different treatment (this could be a group that receives no treatment at all, for example). The final group receives yalnız a posttest and the second treatment (such as no treatment). Below is a diagram of the Solomon Four Group Design:

    GROUP ONE Pretest Treatment 1 Posttest
    GROUP TWO Treatment 1 Posttest only
    GROUP THREE Pretest Treatment 2 (control group?) Posttest
    GROUP FOUR Treatment 2 Posttest only

    Solomon Four Group Designs are more expensive because they require more participants and conditions than other types of experimental treatments. But, many researchers believe the advantages are worth the expense.

    We will revisit experiments, and compare them with "quasi experiments", in Guide 4.

    Some textbooks imply that "intact groups" cannot be part of a "true experiment." This is not necessarily true so assess each situation carefully when reading a study to see if a true experiment really would be possible.

    For example, suppose you want to study fourth grade classes. The major way the school divides its fourth grade students into classes is through a systematic alphabetical list. If there are five fourth grade classes, every fifth student goes to Class 1, Class 2, and so on. In other words, there is no reason at this particular school to believe any of the fourth grade classes is distinctive at the very beginning of the school year. If you randomly assign classes to different experimental treatments in this example, you olacaq indeed have a "true experiment." The key is that the intact groups were pretty much assembled using random means in the first place.

    Also, if it is the very beginning of the academic year, students in the different classes have not been exposed to different teachers or teaching methods. This will not be true later in the year. If you come in and do your experiment at the very beginning and before the different teachers have made assignments, begun in-depth lessons, etc., you probably do have a "true experiment."

    On the other hand, suppose there was a systematic difference among groups before you applied any kind of intervention, such as Honors classes versus regular classes in school. In such a case, even random assignment of intact groups could not produce a true experimental design. The problem is particularly great if a difference between groups relates to a variable you want to study. For example, Honors math students may react differently to a new way of teaching algebra than students in regular classes.

    So, study the situation carefully. "True experiments" with intact groups are possible, but only under a very restricted set of conditions. If those conditions are not met, it is more likely that this is a "quasi-experiment," which we will examine next.


    Measure carefully. Measure more than once. Use more than one measure of a construct.
    Avoid bias, such as the bathroom scale that always measures 5 pounds too light. (Check things with the doctor's scale, for example.)


    Pfizer: A Company Never Held to Account

    If it were only BioNTech that was responsible for the creation of this futuristic vaccine technology, then maybe people would have more faith in the product. But Pfizer casts a dark shadow of conspiracy wherever it does business. Pfizer’s previous use of experimental drugs in secretive and scandalous studies has inspired Hollywood movies and court cases lasting over a decade, as it resulted in the death of many children. Yet, the media organisations touting its coronavirus vaccine as a heaven-sent miracle have provided little to no coverage of Pfizer’s previous experimental disasters.

    Pfizer entered into the vaccine business in late 2006 by acquiring the British influenza-vaccine company PowderMed for an undisclosed fee. Pfizer was admittedly excited about the deal, stating that ‘PowderMed’s unique DNA vaccine technology is particularly promising’ and that ‘its pipeline of vaccine candidates for influenza and chronic viral diseases could have major potential’. In fact, beginning in autumn 2005, many Big Pharma companies had taken their first steps into the vaccine industry. Novartis entered the vaccine business by acquiring 56 percent of Chiron, whilst GlaxoSmithKline expanded its vaccine base by acquiring ID Biomedical of Canada. Competition was heating up among the big players, and the vaccine industry was seen as a safe bet, with reports of new vaccines selling for hundreds of dollars. But Pfizer’s reputation over the preceding decade had taken a severe knock due to the company’s disastrous experimental trials in Africa.

    In 1996, an experimental trial took place in Nigeria. Under the cover of severe outbreaks of cholera, measles, and meningitis in northern Nigeria, Pfizer set up the secretive trials in Kano, the second largest city in Nigeria, to test its experimental antibiotic, Trovan (trovafloxacin). It tested the experimental drug on two hundred children. The children’s parents assumed that the children would receive the standard meningitis jab, but Pfizer staff instead set up two control groups. Half of the children were given the experimental Trovan, and the other hundred were given a reduced dosage of the leading meningitis equivalent. The lower dose was to help artificially skew the results in the favour of Trovan for marketing and competitive purposes.

    In 2002, a group of Nigerian children and their legal guardians sued Pfizer in the US District Court for the Southern District of New York. In court documents, the plaintiffs alleged that five children who received Trovan and six children whom Pfizer had ‘low-dosed’ had died as a result, whilst others suffered paralysis, deafness and blindness. The alleged actual number of those who died due to their involvement in the trial, per Nigerian sources, is over fifty.

    Pfizer was supposed to check the children’s blood samples five days into the trials to look for any abnormalities and then change their treatment to the full-strength leading meningitis drug if there were any problems. However, they failed to do so. Instead, the Pfizer team waited for the irreversible symptoms to manifest physically before switching the treatment for the study’s unwitting participants. After realising that they had just murdered and crippled these children, Pfizer, like any giant pharmaceutical corporation would, left the scene of the crime in a hurry, failing to do any further evaluation of the patients.

    Pfizer spent the next ten years denying any responsibility for the disaster, eventually releasing a statement entitled ‘Trovan, Kano State Civil Case—Statement of Defense’, in which the pharmaceutical bigwig stated among other things ‘that mortality in the patients treated by Pfizer was lower than that observed historically in African meningitis epidemics, and that no unusual side effects, unrelated to meningitis, were observed after 4 weeks’.

    Pfizer eventually settled the case for $75 million on condition that it would not be held responsible for its actions. The gözətçi newspaper reported in 2011 that the first four settlements in the lengthy court battle had been given to the families of four of the children who were killed during the trial. In an unabashed attempt to make the court settlement of $175,000 harder for each of the surviving families to claim, the victims’ families were forced to provide DNA samples to prove they were actually related to the deceased. This tactic turned out to be very effective from the company’s perspective, as many of the families didn’t trust Pfizer, which led some to pull out and refuse the settlement because they thought the DNA samples were a ploy by Pfizer to commit further illegal secret experiments upon them, or worse.

    The Nigerians were represented by two brave lawyers, a Nigerian lawyer named Etigwe Uwo and a Connecticut-based lawyer, Richard Altschuler. According to Altschuler, it was the story of Pfizer’s Kano coverup that prompted John le Carré to write the novel The Constant Gardener that was adapted in the feature film. Like the situation depicted in the movie, Pfizer used scare tactics and smear campaigns to try and hinder any investigation into the Kano incident.

    In 2006, Pfizer cut its workforce by 20 percent, reducing the number of its US employees by 2,200 people. The Financial Times reported on 29 November 2020 that this was something that was happening in all of the major pharmaceutical firms stating, ‘Big pharma is rushing to restructure across its business from manufacturing to how it markets and sells its drugs’. But Pfizer was mainly concentrating on radical change to its drugs salesforce.

    Pfizer was hit by further major scandals over the following year. One included the illegal premarketing of the HIV drug Maraviroc, which initially stalled the drug’s approval by the FDA. The scandal saw Pfizer publicly fire three of its top executives, including its assistant sales manager, Kelly Fitzgerald, (who returned to work for Pfizer and is currently their assistant sales director), HIV sales director, Art Rodriguez, now working for California’s Valued Trust, and the Mid-Atlantic director, Bob Mumford.


    Research Methods Final

    For example, human intelligence may be defined as what an intelligence test measures.

    In order for variables to be studied empirically.

    a cognitive bias: illusory correlation

    you accept unquestioningly what your own personal judgment or a single story about one person's experience tells you about the world.

    often, involves finding an explanation for our own behaviors or the behaviors of others or is used to explain intriguing events that you observe

    tries to answer fundamental questions about the nature of behavior.

    1. Organize and explain a variety of specific facts or descriptions of behavior. Such facts and descriptions are not very meaningful by themselves, and so theories are needed to impose a framework on them. This framework makes the world more comprehensible by providing a few abstract concepts around which we can organize and explain a variety of behaviors.

    If the hypothesis has not been supported, the author should suggest potential reasons.

    not generally considered to be a satisfactory alternative to deception.One problem is that simply reading a description of a situation does not involve the participants very deeply—they are not part of a real situation. Also, because the experimenter gives the participants a complete description of the situation, the experimenter's hypothesis may become transparent to the participants. When people can figure out the hypothesis, they may try to behave in a way that is consistent with the hypothesis. Features of the experiment that may inform participants about the hypothesis are called "demand characteristics."

    addresses issues of fairness in receiving the benefits of re- search as well as bearing the burdens of accepting risks. The history of medical research includes too many examples of high-risk research that was conducted with individuals selected because they were powerless and marginalized within the society.

    EX: poor African Americans in Alabama were not treated for syphilis in order to track the long-term effects of this disease.

    This type of research requires no informed consent. However, there must be an institutional mechanism to determine that the research is in fact exempt. Researchers cannot decide by themselves that research is exempt instead, the IRB at the institution formulates a procedure to allow a researcher to apply for exempt status.

    When conducted, elaborate safeguards are less of a concern, and approval by the IRB is routine.
    Fully informed consent generally not required, but debriefing/ethical concerns are important.

    Some of the research activities considered minimal risk are (1) recording routine physiological data from adult participants (e.g., weighing, tests of sensory acuity, electrocardiography, electroencephalography, diagnostic echography, and voice recordings) note that this would not include recordings that might involve invasion of privacy
    (2) moderate exercise by healthy volunteers (3) research on individual or group behavior or characteristics of individuals, such as studies of perception, cognition, game theory, or test development in which the researcher does not manipulate participants' behavior and the research will not involve stress to participants.

    Complete informed consent and other safeguards may be required before approval is granted.

    Research involving physical stress, psychological stress, invasion of privacy, measures of sensitive information where participants may be identified

    Researchers planning to conduct an investigation are required to submit an application to the IRB.
    The application requires description of risks and benefits, procedures for minimizing risk, the exact wording of the informed consent form, how participants will be debriefed, and procedures for maintaining confidentiality.

    sometimes referred to as a nonmonotonic function. This particular relationship is called an inverted-U relationship

    the nature of the relationship between the dependent variable and independent variable changes at certain levels of the variables. Ex. Anxiety increases as a patient spends more days in hospice, until he has passed the 4th day, at which point, anxiety begins to decrease. Ex. smoking and education.

    any variable that is extraneous to the two variables being studied.

    If two variables are confounded, they are in- tertwined so you cannot determine which of the variables is operating in a given situation.

    the researcher attempts to control extraneous variables via either randomization or experimental control.

    The advantage is that the independent variable is investigated in a natural context. The disadvantage is that the researcher loses the ability to directly control many aspects of the situation.

    A study has high internal validity when strong inferences can be made that one variable caused changes in the other variable.

    Can the results be replicated with other operational definitions of the variables, with different participants, in other settings?

    concerns over the artificiality of laboratory experiments were addressed this is an issue of _____ validity.

    a reliable measure of a psychological variable such as intelligence will yield the same result each time you administer the intelligence test to the same person. The test would be unreliable if it measured the same person as av- erage one week, low the next, and bright the next. Put simply, a reliable measure does not fluctuate from one reading to the next. If the measure does fluctuate, there is error in the measurement device.

    Any measure that you make can be thought of as comprising two components: (1) a true score, which is the real score on the variable, and (2) measurement error. An unreliable measure of intelligence contains considerable measurement error and so does not provide an accurate indication of an individual's true intelligence. In contrast, a reliable measure of intelligence— one that contains little measurement error—will yield an identical (or nearly identical) intelligence score each time the same individual is measured.

    When conducting research, you can measure each person only once you can't give the measure 50 or 100 times to discover a true score. Thus, it is very important that you use a reliable measure. Your single administration of the measure should closely reflect the person's true score.


    Closing Thoughts

    What we learnt about memory courtesy of Ebbinghaus’ contributions was explained with the aid of most of his monumental ideas such as the principles of learning, the forgetting curve, explanations for forgetting, and the serial position effect.

    What we learnt was that the amount learnt increases with amount of practice, and that distributed learning is more effective than massed practice.

    The forgetting curve was mentioned as an idea that immensely aided our understanding of the process of forgetting and the explanations for its occurrence were discussed.

    The serial position effect was examined with regards to memory.

    However, many uncertainties still surround the process of forgetting and the actual explanation for the serial position effect is still debated.

    Though there is significant amount of research supportive of Ebbinghaus’ discoveries, the evidence is still not conclusive enough.

    Although there is still much ground to cover within the field of cognitive psychology, Ebbinghaus’ contributions have cemented his legacy as one of the world’s most valuable scientists.


    Alternatives and What You Can Do

    Many animal protection groups and human health organizations have proposed alternative methods of furthering medical advancements without the exploitation of animals.

    Some interesting examples are included in Green Monster Alexis Crosswell’s post on Animal-free Testing. Even though alternatives exist, people tend to trust in traditional methods even if they are outdated. Thus, many people are weary of medical institutes transitioning to testing substitutes. But guess what?! India is placing bans on many forms of animal testing and seeking humane alternatives, so why can’t the United States and other countries?

    Fortunately, there are organizations working to change traditional perspectives, and research continues to be underway for new experimental techniques. Even public media might be changing peoples’ minds about the matter. No more animal experimentation? Now that’s medical progress.


    Videoya baxın: KUTU METODU . SHİFTİNG METODLARI