- Articles
- New
关于构建研究假设你需要知道的一切
假设是一种可以通过科学方法来验证的观点,比如通过实验或统计分析,或者两者都可以。一个框架良好的研究假设有助于确定要采用的最合适的实验设计,以及要收集的数据的确切性质,以便有效地对其进行测试。它有助于使研究目标尽可能清晰,是关于实验结果如何回答研究问题的一种有根据的猜测。
在这篇文章中,我将讨论如何构建一个好的研究假设。
找到一个研究主题或问题
学生们经常问我的一个难题:“如何找到可以检验的想法?”答案很简单,从“为什么”开始。问问自己为什么某件事会激起你的好奇心,为什么你想研究它。
下一步是弄清楚如何回答这个研究问题。尝试以下两个重要的实践,这可能会帮助你构建一个合适的研究假设:
1. 磨练你的观察能力和批判性思维能力
观察的力量是发现别人可能忽略的细节的能力。通过批判性地分析某些观察结果,科学家们发现了许多基本真理。例如,观察苹果掉落并批判性地思考这一过程帮助牛顿提出了一个关于万有引力的假说。他最终通过实验和数学计算解释了物体下落的基本原因。
因此,敏锐地观察事件并深刻地反思什么引起了你的注意是实践科学方法的重要方式,而构建一个好的假设是掌握它的第一步。
2. 养成阅读科学文献的习惯
假设产生于现有的理论和现有的知识。所以,花时间学习更多你感兴趣的话题。一个简单的方法就是养成阅读科普文章、科学杂志、科学评论文章和研究论文的习惯。
阅读科学文献可以将你的注意力吸引到新的研究领域,并加深你对这一主题的理解。这将使你能够提出原创的问题,打开一个新的调研路线。一旦你有了一个问题,你可以阅读更多的文献,把你的问题转化成一个具体的、集中的、可测试的假设。
理解变量
假设以变量为中心。考虑“施肥有助于植物长得更快”这一假设。你可以通过做一个实验来测试它,将肥料添加到一组植物中,而不添加到另一组植物中。接下来,通过测量两组植物的高度来收集数据,并比较它们是否不同。因此,你的假设让你专注于你想要研究的特定特征(株高)以及一个变量(肥料)如何影响它。
假设框架和测试是围绕着收集对象、特征、事件和被称为“变量”的模式化数据以及它们之间的关系进行的。变量有两种类型。
第一种类型是自变量:你可以在进行实验时控制它。在上面的例子中,施肥是一个自变量。你可以使用不同类型的肥料,添加不同数量的肥料,甚至使用几种肥料的组合。因此,可以用多种方式修改自变量。第二种类型是因变量:你在实验中测量来收集数据。在上面的例子中,株高是因变量,因此不能改变或修改。
如果你改变因变量,你的研究问题也会改变。例如,如果你用开花代替植物高度,那么你的研究假设就变成了“施肥有助于植物更快开花”。现在,你将测量开花速度而不是植物高度,从而回答一个新的研究问题。
如果你用浇水来改变施肥这个自变量,那么这个假设可以被改写为“定期浇水有助于植物长得更快。”为了检验这个假设,你仍然需要测量植物高度这个因变,它是固定的。
因此,对变量及其关系的清晰理解对于提出可行的假设和专注于你最初的研究问题是很重要的。
学会使用如果/那么格式
通常,假设语句使用如果/那么格式。这表明了一种潜在的因果关系,也就是说一个变量会影响另一个变量,例如,“如果你每天吃蔬菜和水果,那么你会发展出很强的免疫力。”
调整你的假设
现在想想这句话:“暴露在污染中对皮肤有害。”这样的假设是无效的,因为它没有明确指出要考虑和研究什么是有害的影响。这种不清晰可能导致数据收集的歧义。例如,人们可以考虑一系列特征来描述污染对皮肤的有害影响,如干燥、色素沉着、过敏等。因此,研究假设过于宽泛,需要缩小范围。
那么现在想想这个:“暴露在污染中会导致痤疮和相关的皮肤问题。”这一假设清楚地表明,实验设计应该涉及对暴露在污染中的人和没有暴露在污染中的人的痤疮进行比较研究。这种研究假设的微调是建构稳健方法论的关键。
了解不同类型的假设
1. 简单假设: 这描述了两个变量之间的关系:一个独立,另一个依赖。
举例:
喝茶会减少身体对铁的吸收。
2. 复杂假设: 这涉及到两个以上的变量。这种组合可以是两个自变量和一个因变量的组合,或者反之亦然。
举例:
喝茶和缺乏维生素C会分别减少身体对铁的吸收。
喝茶和缺乏维生素C都能分别减少身体对铁的吸收,但男女的情况不同。
3. 实证假设: 这是一个基于假设的假设。假设是否正确取决于对收集到的数据的解释。
举例:
口罩可以同等地预防所有冠状病毒变体。
4. 无效假设(H0) 和备择假设(H1) :无效假设描述变量之间没有关系。它被称为无效假设,因为研究人员收集证据使其无效。
举例:
使用发油或头发生长血清并不影响男性的脱发率。
无效假设不能被证明;它只能被拒绝。因此,它主要是由备择假设补充。备择假设与无效假设相反。对于上面的例子,备择假设的表达如下:
使用头发生长血清的男性脱发率比使用发油的男性低。
在设计实验时考虑无效假设和备择假设是最小化缺陷并获得精确、可靠结果的一种方法。在不推翻原假设的情况下证明另一个假设被认为是违法研究伦理的研究实践。这是因为实验结果从来不是绝对的,而是最接近的近似。因此,研究人员无法100%有把握地证明另一种假设。因此,在一个假设证明另一个假设之前,有必要收集证据来拒绝无效假设。
让我们用上面的例子来理解这一点。你首先需要提供证据证明发油或生长血清影响男性脱发率。这样的证据将反驳无效假设。下一步是收集数据,比较头发生长血清和发油在促进男性头发生长方面的效果(收集证据来支持你的备择假设)。
5. 统计假设:这是对人口的一部分或子集进行统计测试,以产生统计证据,并将结果延申到其余的人口。这种假设如果在统计学上得到证实,即使它不在逻辑范围内,也是成立的。
举例:
75%的印度人缺乏维生素D。
6. 合理的假设: 这一假设使用逻辑来解释观察结果或暗示变量之间的关系,但对此可能缺乏广泛的证据。在大多数情况下,也许不可能收集到证据,但一个合乎逻辑的假设往往不会被拒绝。
举例:
固定的睡眠-觉醒模式可以提高学生的注意力和生产力。
最后,使用以下的指导原则来构建一个好的研究假设:
- 始终坚持道德规范。考虑一下你应该测试什么和你可以测试什么之间的道德界限。你的假设必须尊重保护社会文化和科学规范的科学责任和法律。
- 定义变量。如果能清楚地描述变量之间的关系,读者就能直观地看到实验设计。
- 构建假设,清楚地表明是否正在探索因果关系。
- 考虑可测试性。假设是一种可以被检验的想法,这意味着它可以被证明或不能被证明。如果一个想法、思想或观察不能在科学方法的范围内得到验证,那么它就形成了一个薄弱的或被迫的假设。因此,假设必须允许研究者通过实验操作或控制一个自变量。
- 用简单、清晰、简洁的语言来写假设。它必须没有复杂的术语。
- 确保你的假设能够以一种增加现有知识价值的方式回答问题。
推荐阅读:
Pastor, J. The ethical basis of the null hypothesis. Nature 453, 1177 (2008). https://doi.org/10.1038/4531177b