شناسایی داده های علمی

داده های علمی ستون فقرات علم است. تمام دانش علمی مبتنی بر روندها ، الگوهای و روابط در داده ها است. بنابراین ، روند علم چیست؟یک روند جهت کلی تغییر برخی متغیرها را توصیف می کند. به عنوان مثال ، نمودار تغییر در شاخص Dow Jones Global Titans 50 در طی ده سال را نشان می دهد. در حالی که در آن زمان مقدار قابل توجهی از تنوع وجود دارد ، این روند نشان می دهد که در حال افزایش است.

نمودار روند 10 ساله قیمت Dow Jones Global Titans 50 شاخص.

داده ها همیشه روندها را نشان نمی دهند. بعضی اوقات با گذشت زمان تغییر کلی وجود ندارد. در عوض ، داده ها گاهی اوقات به روش های قابل پیش بینی تکرار می شوند. این تکرار به عنوان یک الگوی شناخته می شود. یک نمونه از این امر به دنبال تغییر دما با فصول است. ترسیم دما با زمان طی چندین سال ، الگوی تکرار قابل پیش بینی درجه حرارت بالاتر در ماه های تابستان و دمای پایین در ماه های زمستان را نشان می دهد. سرانجام ، روابط توصیف می کند که چگونه یک متغیر در پاسخ به متغیر دیگر تغییر می کند.

روندها ، الگوهای و روابط همه در علم داده بسیار مهم هستند. اکتشافات علمی به طور کلی با مشاهده اولین پدیده انجام می شود. سپس یک توضیح احتمالی برای پدیده مشاهده شده ارائه شده است. این به عنوان یک فرضیه شناخته می شود. یک فرضیه علمی باید قابل آزمایش باشد ، به این معنی که باید تصمیم گرفت که آیا بر اساس آزمایش صحیح است.

فرضیه با جمع آوری داده های تجربی آزمایش می شود. آزمایشات هنگام آزمایش فرضیه ها با دقت طراحی شده اند ، به گونه ای که اطلاعات جمع آوری شده اطلاعات لازم را ارائه می دهد. این داده ها سپس برای یافتن روندها ، الگوهای و روابط ، که با پیش بینی های فرضیه مقایسه می شوند ، مورد تجزیه و تحلیل قرار می گیرند. اگر داده ها و پیش بینی ها از نظر آماری قابل توجه باشند ، این فرضیه پذیرفته می شود.

داده های علمی چیست؟

همانطور که ممکن است قبلاً بدانید ، سؤالات ستون فقرات تحقیقات علمی است. گیاهان برای رشد چه چیزی نیاز دارند؟چه پروتئین ها تقسیم سلولی را کنترل می کنند؟صفات چگونه به ارث می برند؟بیشتر سؤالات مربوط به دنیای طبیعی را می توان با جمع آوری داده های علمی در آزمایشات پاسخ داد. داده های علمی فقط مشاهدات در مورد یک پدیده نیست ، بلکه اطلاعات جمع آوری شده از آزمایش هایی است که با دقت طراحی شده اند تا یک بار یک متغیر را آزمایش کنند.

قبل از شروع آزمایش ، فرضیه ای بر اساس تحقیقات پس زمینه مهم است. فرضیه یک حدس یا پیش بینی تحصیل کرده در مورد آنچه آزمایش شما نشان می دهد است. فرضیه ها معمولاً به شکل "" اگر- پس از آن "شکل می گیرند." اگر چیزی را تغییر دهم ، اتفاق می افتد ، زیرا اتفاق می افتد.

پس از جمع آوری داده های خود ، تجزیه و تحلیل نتایج خود مهم است و سپس به مقایسه آنها با این فرضیه بازگشتید. اما دقیقاً چگونه داده ها را تجزیه و تحلیل می کنید؟برای پشتیبانی یا رد فرضیه خود باید به دنبال چه چیزی باشید؟دانشمندان بر سه روش برای تجزیه و تحلیل داده ها تمرکز می کنند: نگاه کردن به روندها ، نگاه کردن به الگوهای و نگاه کردن به روابط. برای درک این اشکال تجزیه و تحلیل ، بیایید نمونه ای از هر یک را بررسی کنیم.

خطایی در تلاش برای بارگذاری این فیلم رخ داده است. سعی کنید صفحه را تازه کنید یا با پشتیبانی مشتری تماس بگیرید.

برای ادامه تماشای باید یک حساب کاربری را به شما بپردازید

برای مشاهده این درس ثبت نام کنید

شما دانش آموز هستید یا معلم؟ من دانش آموز هستم که معلم هستم برای ادامه تماشای حساب خود را ایجاد کنید

به عنوان یک عضو ، شما همچنین به بیش از 84000 درس در ریاضی ، انگلیسی ، علوم ، تاریخ و موارد دیگر دسترسی نامحدود خواهید داشت. به علاوه ، تست های تمرین ، آزمونها و مربیگری شخصی را دریافت کنید تا به شما در موفقیت کمک کند. دسترسی نامحدودی به بیش از 84000 درس داشته باشید. الآن امتحانش کن

تنظیم فقط چند دقیقه طول می کشد و می توانید هر زمان را لغو کنید.

قبلاً ثبت نام کرده اید؟برای دسترسی به اینجا وارد شوید

منابع ایجاد شده توسط معلمان برای معلمان

بیش از 30،000 درس ویدیویی و منابع تدریس & dash ؛ همه در یک مکان. درسهای ویدئویی صفحات و برگه های کار ادغام کلاس طرح درس

من قطعاً مطالعه را به همکارانم توصیه می کنم. این مانند یک معلم است که یک گرز جادویی را تکان داده و کار را برای من انجام داده است. احساس می کنم این یک نجات است.

جنیفر ب. معلم

بازگشت در مرحله بعدی: توسعه و ارزیابی استنتاج از داده ها

شما در حال چرخش هستید. ادامه کار خوب!

بازپخش

فقط ورود به سیستم. آیا هنوز تماشا می کنید؟

درس بعدی شما در 10 ثانیه بازی خواهد کرد

• 0:04 داده های علمی چیست؟
• 1:16 نگاه به روندها
• 2:10 نگاه به الگوهای
• 3:09 نگاه به روابط
• 4:20 پشتیبانی یا رد؟
• 5:29 خلاصه درس

اتهام اتهام سرعت سرعت 112Kنمایش

انواع روند داده ها چیست؟

روندها به طور خلاصه در بالا ذکر شد. اما روند داده ها چیست؟آنها تغییر کلی در برخی از متغیرها را در رابطه با دیگری توصیف می کنند. نمونه ای که در بالا ذکر شد ، ارزش سهام بیش از ده سال بود. حتی اگر ارزش سهام در آن زمان تنوع قابل توجهی نشان داد ، تغییر عمومی مثبت بود. این بدان معنی است که این یک روند فزاینده بود ، یا روند آن به پایان رسید.

روندها همچنین می توانند به عنوان کاهش ، پایین آمدن یا یک طرفه توصیف شوند. یک روند کاهش به این معنی است که مقدار متغیر در حال کاهش است. نمونه ای از روند پایین ممکن است جمعیت یک گونه در معرض خطر با زمان باشد. یک روند جانبی وضعیتی را توصیف می کند که متغیر ممکن است با مقادیر کمی افزایش یا کاهش یابد اما هیچ حرکتی خالص یا عمومی وجود ندارد. قیمت ها اغلب در پاسخ به عرضه و تقاضا روندهای جانبی را نشان می دهند. هر یک از این روندها در نمودار نشان داده شده است.

نمودار نشان می دهد نمونه هایی از روند صعودی ، روند جانبی و روند نزولی.

روندها را می توان با زمانی که اعمال می شود طبقه بندی کرد. آنها به طور کلی به عنوان روندهای کوتاه ، میان مدت و بلند مدت طبقه بندی می شوند. روندهای کوتاه مدت تغییرات کلی است که طی ساعت ها یا روزها رخ می دهد. روندهای طولانی مدت طی سالها یا ده ها سال یا حتی طولانی تر. روندهای میان مدت جایی در وسط است. به عنوان مثال ، با نگاهی به روند دما. روند کوتاه مدت دما می تواند افزایش دما از صبح تا بعد از ظهر باشد. یک روند میان مدت می تواند تغییر دما بین زمستان و تابستان باشد. یک روند طولانی مدت می تواند افزایش دما در طی یک دهه به دلیل تغییر آب و هوا باشد.

روند همچنین می تواند با نحوه تغییر یک متغیر با دیگری طبقه بندی شود. روند خطی جایی است که متغیر با یک مقدار ثابت تغییر می کند. روند را می توان با یک خط مستقیم توصیف کرد. یک روند نمایی توصیف می کند که متغیر هر بار با مقدار کوچکتر یا بیشتر تغییر می کند. روند را می توان با یک خط خمیده نشان داد. یک روند مرطوب ، یکی از مواردی است که در ابتدا برخی از تغییرات نمایی را نشان می دهد ، اما پس از مدتی تغییر در یک روند خطی یا تغییر کامل را متوقف می کند.

انواع الگوهای روند چیست؟

الگوها زمانی را توصیف می کنند که داده ها به روشی قابل پیش بینی تکرار می شوند. همانطور که در بالا ذکر شد، یک مثال از این تغییر دما با فصول است. دما به طور قابل پیش بینی با هر فصل بالا و پایین می رود. مقدار دما در اواسط زمستان کمترین مقدار است که به آن فرورفتگی نیز می گویند. این یک الگوی روند نزولی است. دما در تابستان به اوج خود می رسد که یک الگوی روند صعودی است. یک الگوی روند ادامه دار ممکن است در میانه روندها رخ دهد که می تواند نشان دهنده تغییر یا ادامه روند پس از مدتی باشد.

الگوی معکوس زمانی را توصیف می کند که روند از مستقیم به غیر مستقیم یا افزایشی به کاهشی تغییر کند. فصلی بودن یک الگوی دوره ای و به طور کلی قابل پیش بینی است که در یک دوره یک ساله تکرار می شود. الگوهای نامنظم تغییراتی هستند که از هیچ نظمی پیروی نمی کنند. آنها تغییراتی هستند که تحت تأثیر عوامل غیر قابل توضیح هستند.

روابط در الگوهای روند

روابط می توانند مستقیم باشند، جایی که افزایش یک متغیر متغیر دیگر را افزایش می دهد. یک مثال از یک رابطه مستقیم، جریان و ولتاژ در یک مقاومت است. طبق قانون اهم،V=IR، هنگامی که جریان افزایش می یابد ولتاژ نیز افزایش می یابد. آنها همچنین می توانند غیر مستقیم باشند، جایی که افزایش یک متغیر باعث کاهش متغیر دیگر می شود. این به عنوان یک رابطه معکوس نیز شناخته می شود. با نگاهی به قانون اهم، رابطه بین جریان و مقاومت یک رابطه غیر مستقیم است. برای همان مقدار ولتاژ، افزایش جریان به معنای کاهش مقاومت است. نمونه هایی از هر نوع رابطه در نمودار نشان داده شده است.

نموداری که نمونه ای از رابطه مستقیم و غیر مستقیم را نشان می دهد.

پس از درک روندها، الگوها و روابط، این سوال مطرح می شود که اینها چگونه با فرضیه های علمی ارتباط دارند؟پس از جمع آوری داده های تجربی، از تحلیل برای شناسایی هر گونه روند، الگو یا روابط درون داده ها استفاده می شود. سپس این ها با پیش بینی های انجام شده توسط فرضیه مقایسه می شوند. اگر داده ها از نظر آماری با پیش بینی ها مطابقت داشته باشند، این فرضیه را تأیید می کند. اگر داده ها مطابقت نداشته باشند، این فرضیه را تایید نمی کند. این بدان معنی است که داده ها فرضیه را رد می کنند. در این صورت لازم است که فرضیه را تغییر داده و دوباره امتحان کنید.

شناسایی گرایش های علم

ابزارهای زیادی در علم تعریف روند موجود است. برخی از ابزارهای رایج عبارتند از:

• تحلیل خودهمبستگی ابزاری برای یافتن الگوهای تکرار شونده در داده ها است. این به شدت در برنامه های آماری و مالی استفاده می شود.
• اتصالات منحنی فرآیند قرار دادن یک خط روند خمیده را به یک سری از نقاط داده توصیف می کند. این می تواند برای تعیین اینکه آیا روند خطی ، نمایی یا مرطوب است ، استفاده شود.
• هموار سازی از بین بردن نویز از یک مجموعه داده به منظور مشاهده بهتر هرگونه روند یا الگوی استفاده می کند. این امر به ویژه در برنامه هایی مانند تجزیه و تحلیل اقتصادی که در آن بسیاری از تغییرات کوچک ممکن است رخ دهد ، از اهمیت ویژه ای برخوردار است.
• از آزمایشات آماری ، مانند KPSS و Mancova ، برای تعیین اینکه آیا داده های تجربی با فرضیه ها مطابقت دارند ، استفاده می شود.
• گرافیک ابزاری قدرتمند برای شناسایی روندها ، الگوهای و روابط است. این اجازه می دهد تا داده ها تجسم شوند تا ویژگی هایی مانند پنبها ، پرچم ها و گوه ها را در داده هایی که می توانند برای پیش بینی های آینده استفاده شوند ، مشاهده کنند.

محدودیت های روندها چیست؟

داده ها در علم فوق العاده مهم هستند. با این حال ، محدودیت های مختلفی برای استفاده از تجزیه و تحلیل روند وجود دارد. اولین مورد این است که داده ها ممکن است حاوی تحریف باشند. اینها روندها یا الگویی هستند که کوتاه مدت یا تحت تأثیر عوامل دیگر قرار دارند. اینها می توانند یافته های کلی را تحریف کرده و نتایج نادرست ارائه دهند. همچنین تعیین علت می تواند دشوار باشد. اگر یک روند یا الگوی غیر منتظره مشاهده شود ، ممکن است نتیجه گیری در مورد این پدیده نتواند نتیجه گیری کند.

محدودیت دیگر خطای نمونه برداری است: اگر داده های نمونه کاملاً نماینده کل پدیده نیستند. در نتیجه ، مشاهدات و نتیجه گیری ها نماینده نیستند. علاوه بر این ، اگر اندازه نمونه به اندازه کافی بزرگ نباشد ، می تواند همان مشکل ایجاد شود.

برنامه های الگوهای روند

همانطور که گفته شد ، تجزیه و تحلیل الگوهای روند بخشی جدایی ناپذیر از اکتشافات علمی است. با این حال ، در بسیاری از برنامه های دیگر نیز استفاده می شود. این ماده به شدت در امور مالی و تجزیه و تحلیل تجارت برای پیش بینی حرکت قیمت سهام و محصولات مورد استفاده قرار می گیرد. در صنعت مد برای پیش بینی عادات خرید و آنچه در بین مصرف کنندگان محبوب خواهد بود استفاده می شود. همچنین در آمار برای شناسایی الگوهای در مقدار زیادی از داده ها استفاده می شود.

خلاصه درس

از داده های علمی می توان برای کشف در مورد پدیده های طبیعی استفاده کرد. هنگامی که یک پدیده مشاهده می شود ، یک فرضیه علمی برای توضیح مشاهدات تهیه شده است. داده های علمی برای یافتن روندها ، الگوهای و روابط جمع آوری و تجزیه و تحلیل می شوند.

• یک روند یک تغییر کلی در یک متغیر در مقایسه با دیگری در طی یک دوره زمانی است ، مانند افزایش قیمت سهام در طول سال.
• یک الگوی توصیف می کند که یک متغیر به روشی تکرار شونده یا قابل پیش بینی مانند درجه حرارت در طی چند فصل تغییر می کند.
• یک رابطه توصیف می کند که چگونه یک متغیر در رابطه با متغیر دیگر تغییر می کند ، مانند ولتاژ با جریان. رابطه مستقیم زمانی است که یک متغیر با دیگری افزایش می یابد. رابطه غیرمستقیم زمانی است که با افزایش دیگری یک متغیر کاهش می یابد.

مهمترین چیز در مورد یک فرضیه این است که قابل آزمایش است. داده های تجربی برای پشتیبانی یا رد فرضیه های علمی جمع آوری می شود. اگر روندها ، الگوهای و روابط موجود در داده ها از یک فرضیه پشتیبانی نمی کنند ، لازم است یک فرضیه متفاوت ایجاد شود که بتواند آزمایش شود.

نگاه کردن به روندها

یکی از مهمترین مباحث زیست محیطی امروزه تغییرات آب و هوا است. دانشمندان در حال مطالعه چگونگی تغییر دمای سطح بیش از 100 سال هستند. هر ساله روزهایی وجود دارد که درجه حرارت غیر طبیعی بالا و درجه حرارت غیر طبیعی پایین است. داده ها را می توان به عنوان یک پراکندگی ترسیم کرد ، جایی که یک نقطه برای هر دمای ثبت شده درج شده است. اگرچه بعضی از روزها زیاد است و بعضی روزها پایین تر از حد متوسط هستند ، اما در کل درجه حرارت هر سال افزایش می یابد.

اگرچه در داده ها اختلافاتی وجود دارد ، اما در کل دمای جهانی با گذشت زمان افزایش یافته است

این یک روند ، گرایش کلی مجموعه ای از داده ها برای تغییر است. نقاط داده ممکن است کمی متفاوت باشد ، اما به طور کلی داده ها در یک جهت حرکت می کنند. در مورد گرم شدن کره زمین ، روند افزایش دما در مدت زمان طولانی وجود دارد. بدبینان تغییرات آب و هوا استدلال می کنند که هنوز روزهای سرد وجود دارد ، بنابراین گرم شدن کره زمین نمی تواند اتفاق بیفتد. اما ، وقتی داده های علمی را بررسی می کنیم ، می بینیم که به طور کلی روند این است که دمای جهانی در حال افزایش است.

نگاه کردن به الگوها

الگوهای در علم کمی متفاوت است. داده ها لازم نیست که یک روند را دنبال کنند ، همیشه با گذشت زمان بالا یا پایین می روند. الگوی زمانی است که داده ها به روشی قابل پیش بینی تکرار می شوند. یک نمونه خوب از یک الگوی در علم از پدر ژنتیک ، گرگور مندل ناشی می شود. مندل دانشمندی در دهه 1800 بود که ژنتیک گیاهان نخود فرنگی را مورد مطالعه قرار داد. او گیاهان نخود فرنگی را با خصوصیات مختلف پرورش می داد و چگونه این خصوصیات را در نسل بعدی نشان می داد. هنگامی که او یک گیاه زرد خالص را با یک گیاه سبز خالص پرورش داد ، متوجه شد که همه گیاهان زرد هستند.

این داده ها با سایر صفات نیز مانند اندازه گیاه ، شکل نخود فرنگی و رنگ گل نشان داده شده است. یک ویژگی دیگر را پوشانده است. مندل در آزمایشات خود متوجه این الگوی شد. این امر باعث شد كه مندل ایده تسلط را پیشنهاد كند - كه برخی از صفات دیگران را نقاب می كنند. این روش متداول وراثت است و بسیاری از صفات را در انسان مانند رنگ چشم ، شکل گوش و خط مو توضیح می دهد.

نگاه کردن به روابط

روابط مشابه روندها است ، به جز اینکه داده ها رابطه ریاضی روشنی دارند. بیایید به یک مثال نگاه کنیم. در آزمایشگاه فیزیک خود در حال بررسی رابطه توده و زور هستید. هر بار که یک جرم متفاوت را در مقیاس بهار اعمال می کنید و نیرو را اندازه می گیرید. هنگامی که 1 کیلوگرم جرم اعمال می کنید ، نیرویی از 10N را ثبت می کنید. وقتی 2 کیلوگرم جرم اعمال می کنید ، نیرویی از 20N را ثبت می کنید. داده های شما از این طریق برای توده های باقیمانده ای که وزن دارید ادامه دارد.

از داده های شما نتیجه می گیرید که برای هر 1 کیلوگرم جرم اضافه شده ، نیرویی که در نیوتون ها اندازه گیری می شود تا 10 افزایش می یابد. این یک رابطه مستقیم نامیده می شود: وقتی یک متغیر افزایش یا کاهش می یابد ، متغیر دیگر همین کار را می کند. داده ها متناسب با فرمول قانون دوم نیوتن است: نیرو برابر است با جرم ضرب شده توسط شتاب.

بعضی اوقات یک متغیر از دیگری اثر متضاد دارد. هنگام مطالعه حرکت ، شما اندازه گیری می کنید که چقدر زمان برای چرخ دستی ها با سرعت های مختلف برای مسافرت یک متر طول می کشد. هنگامی که از سرعت بیشتری استفاده می کنید ، زمان کمتری طول می کشد تا ماشین مسافت را طی کند. این یک رابطه غیرمستقیم نامیده می شود: وقتی یک متغیر بالا می رود ، دیگر پایین می رود.

نمودارهایی برای روابط مستقیم در مقابل غیرمستقیم

پشتیبانی یا رد؟

بنابراین اکنون که می توانیم روندها ، الگوهای و روابط را در طول تجزیه و تحلیل داده های خود شناسایی کنیم ، با آن اطلاعات چه کار می کنیم؟پس از هرگونه تحقیقات علمی ، باید به فرضیه خود برگردید. ابتدا حافظه خود را در مورد آنچه فکر می کنید اتفاق می افتد تازه کنید. در مرحله بعد ، به داده ها و هرگونه روند ، الگوهای یا روابطی که پیدا کردید بروید. آیا اینها با آنچه پیش بینی کرده اید مطابقت دارد؟آیا اختلافاتی وجود داشت؟

اگر داده های شما با فرضیه شما مطابقت داشته باشد ، فرضیه شما پشتیبانی می شود. می توانید برای بهبود قابلیت اطمینان نتایج خود ، آزمایش را تکرار کنید یا با سؤالات بیشتر در مورد موضوع پیش بروید. با این حال ، گاهی اوقات داده های ما فرضیه ما را رد می کنند ، به این معنی که با آنچه پیش بینی کردیم مطابقت ندارد. در این شرایط چه کاری انجام می دهید؟

ابتدا دوباره روند را بررسی کنید. به نظر می رسد که داده های شما متناسب با فرضیه شما نیست ، اما به جهت کلی داده های خود نگاه کنید. اگر قطعاً مطابقت ندارد ، به توضیح دیگری درباره آنچه می بینید فکر کنید. اگر داده های شما از فرضیه شما پشتیبانی نمی کند ، به این معنی نیست که آزمایش شما اشتباه یا بد است. تمام این بدان معنی است که یک پدیده علمی دیگری اتفاق می افتد ، و این وظیفه شماست که یک آزمایش جدید را طراحی کنید تا دریابید که چیست.

خلاصه درس

داده های علمی از آزمایشات با دقت طراحی شده بر اساس تحقیقات پس زمینه و فرضیه جمع آوری شده است. پس از جمع آوری داده ها ، می توان آن را با جستجوی روندها ، الگوهای و روابط مورد تجزیه و تحلیل قرار داد. روندها جهت کلی داده ها مانند افزایش کلی دمای جهانی هستند. الگوهای لزوماً شامل داده ها به یک روش یا دیگری نمی شوند ، بلکه یک مشاهده مکرر را توصیف می کنند. روابط مانند روندها است اما شامل یک رابطه ریاضی مانند نیرو و توده مبتنی بر قانون دوم نیوتن است. روابط می تواند مستقیم باشد ، جایی که هر دو متغیر افزایش یا کاهش می یابد. یا غیرمستقیم ، جایی که یک متغیر با کاهش دیگری افزایش می یابد.

برای باز کردن این درس باید یک عضو مطالعه باشید. حساب کاربری برای خود بسازید

رونوشت ویدیویی

داده های علمی چیست؟

همانطور که ممکن است قبلاً بدانید ، سؤالات ستون فقرات تحقیقات علمی است. گیاهان برای رشد چه چیزی نیاز دارند؟چه پروتئین ها تقسیم سلولی را کنترل می کنند؟صفات چگونه به ارث می برند؟بیشتر سؤالات مربوط به دنیای طبیعی را می توان با جمع آوری داده های علمی در آزمایشات پاسخ داد. داده های علمی فقط مشاهدات در مورد یک پدیده نیست ، بلکه اطلاعات جمع آوری شده از آزمایش هایی است که با دقت طراحی شده اند تا یک بار یک متغیر را آزمایش کنند.

قبل از شروع آزمایش ، فرضیه ای بر اساس تحقیقات پس زمینه مهم است. فرضیه یک حدس یا پیش بینی تحصیل کرده در مورد آنچه آزمایش شما نشان می دهد است. فرضیه ها معمولاً به شکل "" اگر- پس از آن "شکل می گیرند." اگر چیزی را تغییر دهم ، اتفاق می افتد ، زیرا اتفاق می افتد.

پس از جمع آوری داده های خود ، تجزیه و تحلیل نتایج خود مهم است و سپس به مقایسه آنها با این فرضیه بازگشتید. اما دقیقاً چگونه داده ها را تجزیه و تحلیل می کنید؟برای پشتیبانی یا رد فرضیه خود باید به دنبال چه چیزی باشید؟دانشمندان بر سه روش برای تجزیه و تحلیل داده ها تمرکز می کنند: نگاه کردن به روندها ، نگاه کردن به الگوهای و نگاه کردن به روابط. برای درک این اشکال تجزیه و تحلیل ، بیایید نمونه ای از هر یک را بررسی کنیم.

نگاه کردن به روندها

یکی از مهمترین مباحث زیست محیطی امروزه تغییرات آب و هوا است. دانشمندان در حال مطالعه چگونگی تغییر دمای سطح بیش از 100 سال هستند. هر ساله روزهایی وجود دارد که درجه حرارت غیر طبیعی بالا و درجه حرارت غیر طبیعی پایین است. داده ها را می توان به عنوان یک پراکندگی ترسیم کرد ، جایی که یک نقطه برای هر دمای ثبت شده درج شده است. اگرچه بعضی از روزها زیاد است و بعضی روزها پایین تر از حد متوسط هستند ، اما در کل درجه حرارت هر سال افزایش می یابد.

اگرچه در داده ها اختلافاتی وجود دارد ، اما در کل دمای جهانی با گذشت زمان افزایش یافته است

این یک روند ، گرایش کلی مجموعه ای از داده ها برای تغییر است. نقاط داده ممکن است کمی متفاوت باشد ، اما به طور کلی داده ها در یک جهت حرکت می کنند. در مورد گرم شدن کره زمین ، روند افزایش دما در مدت زمان طولانی وجود دارد. بدبینان تغییرات آب و هوا استدلال می کنند که هنوز روزهای سرد وجود دارد ، بنابراین گرم شدن کره زمین نمی تواند اتفاق بیفتد. اما ، وقتی داده های علمی را بررسی می کنیم ، می بینیم که به طور کلی روند این است که دمای جهانی در حال افزایش است.

نگاه کردن به الگوها

الگوهای در علم کمی متفاوت است. داده ها لازم نیست که یک روند را دنبال کنند ، همیشه با گذشت زمان بالا یا پایین می روند. الگوی زمانی است که داده ها به روشی قابل پیش بینی تکرار می شوند. یک نمونه خوب از یک الگوی در علم از پدر ژنتیک ، گرگور مندل ناشی می شود. مندل دانشمندی در دهه 1800 بود که ژنتیک گیاهان نخود فرنگی را مورد مطالعه قرار داد. او گیاهان نخود فرنگی را با خصوصیات مختلف پرورش می داد و چگونه این خصوصیات را در نسل بعدی نشان می داد. هنگامی که او یک گیاه زرد خالص را با یک گیاه سبز خالص پرورش داد ، متوجه شد که همه گیاهان زرد هستند.

این داده ها با سایر صفات نیز مانند اندازه گیاه ، شکل نخود فرنگی و رنگ گل نشان داده شده است. یک ویژگی دیگر را پوشانده است. مندل در آزمایشات خود متوجه این الگوی شد. این امر باعث شد كه مندل ایده تسلط را پیشنهاد كند - كه برخی از صفات دیگران را نقاب می كنند. این روش متداول وراثت است و بسیاری از صفات را در انسان مانند رنگ چشم ، شکل گوش و خط مو توضیح می دهد.

نگاه کردن به روابط

روابط مشابه روندها است ، به جز اینکه داده ها رابطه ریاضی روشنی دارند. بیایید به یک مثال نگاه کنیم. در آزمایشگاه فیزیک خود در حال بررسی رابطه توده و زور هستید. هر بار که یک جرم متفاوت را در مقیاس بهار اعمال می کنید و نیرو را اندازه می گیرید. هنگامی که 1 کیلوگرم جرم اعمال می کنید ، نیرویی از 10N را ثبت می کنید. وقتی 2 کیلوگرم جرم اعمال می کنید ، نیرویی از 20N را ثبت می کنید. داده های شما از این طریق برای توده های باقیمانده ای که وزن دارید ادامه دارد.

از داده های شما نتیجه می گیرید که برای هر 1 کیلوگرم جرم اضافه شده ، نیرویی که در نیوتون ها اندازه گیری می شود تا 10 افزایش می یابد. این یک رابطه مستقیم نامیده می شود: وقتی یک متغیر افزایش یا کاهش می یابد ، متغیر دیگر همین کار را می کند. داده ها متناسب با فرمول قانون دوم نیوتن است: نیرو برابر است با جرم ضرب شده توسط شتاب.

بعضی اوقات یک متغیر از دیگری اثر متضاد دارد. هنگام مطالعه حرکت ، شما اندازه گیری می کنید که چقدر زمان برای چرخ دستی ها با سرعت های مختلف برای مسافرت یک متر طول می کشد. هنگامی که از سرعت بیشتری استفاده می کنید ، زمان کمتری طول می کشد تا ماشین مسافت را طی کند. این یک رابطه غیرمستقیم نامیده می شود: وقتی یک متغیر بالا می رود ، دیگر پایین می رود.

نمودارهایی برای روابط مستقیم در مقابل غیرمستقیم

پشتیبانی یا رد؟

بنابراین اکنون که می توانیم روندها ، الگوهای و روابط را در طول تجزیه و تحلیل داده های خود شناسایی کنیم ، با آن اطلاعات چه کار می کنیم؟پس از هرگونه تحقیقات علمی ، باید به فرضیه خود برگردید. ابتدا حافظه خود را در مورد آنچه فکر می کنید اتفاق می افتد تازه کنید. در مرحله بعد ، به داده ها و هرگونه روند ، الگوهای یا روابطی که پیدا کردید بروید. آیا اینها با آنچه پیش بینی کرده اید مطابقت دارد؟آیا اختلافاتی وجود داشت؟

اگر داده های شما با فرضیه شما مطابقت داشته باشد ، فرضیه شما پشتیبانی می شود. می توانید برای بهبود قابلیت اطمینان نتایج خود ، آزمایش را تکرار کنید یا با سؤالات بیشتر در مورد موضوع پیش بروید. با این حال ، گاهی اوقات داده های ما فرضیه ما را رد می کنند ، به این معنی که با آنچه پیش بینی کردیم مطابقت ندارد. در این شرایط چه کاری انجام می دهید؟

ابتدا دوباره روند را بررسی کنید. به نظر می رسد که داده های شما متناسب با فرضیه شما نیست ، اما به جهت کلی داده های خود نگاه کنید. اگر قطعاً مطابقت ندارد ، به توضیح دیگری درباره آنچه می بینید فکر کنید. اگر داده های شما از فرضیه شما پشتیبانی نمی کند ، به این معنی نیست که آزمایش شما اشتباه یا بد است. تمام این بدان معنی است که یک پدیده علمی دیگری اتفاق می افتد ، و این وظیفه شماست که یک آزمایش جدید را طراحی کنید تا دریابید که چیست.

خلاصه درس

داده های علمی از آزمایشات با دقت طراحی شده بر اساس تحقیقات پس زمینه و فرضیه جمع آوری شده است. پس از جمع آوری داده ها ، می توان آن را با جستجوی روندها ، الگوهای و روابط مورد تجزیه و تحلیل قرار داد. روندها جهت کلی داده ها مانند افزایش کلی دمای جهانی هستند. الگوهای لزوماً شامل داده ها به یک روش یا دیگری نمی شوند ، بلکه یک مشاهده مکرر را توصیف می کنند. روابط مانند روندها است اما شامل یک رابطه ریاضی مانند نیرو و توده مبتنی بر قانون دوم نیوتن است. روابط می تواند مستقیم باشد ، جایی که هر دو متغیر افزایش یا کاهش می یابد. یا غیرمستقیم ، جایی که یک متغیر با کاهش دیگری افزایش می یابد.

برای باز کردن این درس باید یک عضو مطالعه باشید. حساب کاربری برای خود بسازید