Pētnieki bieži izmanto vienkāršu eksperimentu, lai noteiktu, vai viena mainīgā izmaiņas var izraisīt izmaiņas citā mainīgajā, citiem vārdiem sakot, lai noteiktu cēloni un sekas. Piemēram, vienkāršā eksperimentā, kurā aplūkota jauna medikamenta efektivitāte, pētījuma dalībniekus pēc nejaušības principa var iedalīt vienā no divām grupām: viena no tām būtu kontroles grupa un nesaņems ārstēšanu, bet otra grupa būtu eksperimentālā grupa kas saņem pētāmo ārstēšanu.
Vienkārša eksperimenta elementi
Vienkāršs eksperiments sastāv no vairākiem galvenajiem elementiem:
- Eksperimentālā hipotēze: Šis ir apgalvojums, kas paredz, ka ārstēšana izraisīs sekas, un tāpēc tā vienmēr tiks izteikta kā paziņojums par cēloni un seku. Piemēram, pētnieki varētu formulēt hipotēzi šādā veidā: "A zāļu ievadīšana samazinās B slimības simptomus".
- Nulles hipotēze: Šī ir hipotēze, ka eksperimentālā ārstēšana neietekmēs dalībniekus vai atkarīgos mainīgos. Ir svarīgi atzīmēt, ka tas, ka neatrodat ārstēšanas efektu, nenozīmē, ka nav efekta. Ārstēšana var ietekmēt citu mainīgo, kuru pētnieki pašreizējā eksperimentā nemēra.
- Neatkarīgais mainīgais: Ārstēšanas mainīgais, ar kuru manipulē eksperimentētājs.
- Atkarīgais mainīgais: Tas attiecas uz reakciju, ko pētnieki mēra.
- Kontroles grupa: Tie ir indivīdi, kurus nejauši iedala grupā, bet viņi nesaņem ārstēšanu. Kontroles grupas mērījumus salīdzinās ar eksperimenta grupas mērījumiem, lai noteiktu, vai terapijai bija ietekme.
- Eksperimentālā grupa: Šo pētījuma dalībnieku grupu veido nejauši izvēlēti subjekti, kuri saņems pārbaudāmo ārstēšanu.
Vienkārša eksperimenta rezultātu noteikšana
Kad dati no vienkāršā eksperimenta ir apkopoti, pētnieki pēc tam salīdzina eksperimentālās grupas rezultātus ar kontroles grupas rezultātiem, lai noteiktu, vai terapijai bija ietekme. Tā kā vienmēr pastāv kļūdu iespējamība, nav iespējams simtprocentīgi pārliecināties par divu mainīgo saistību. Spēlē varētu būt nezināmi mainīgie, kas ietekmē, piemēram, eksperimenta iznākumu.
Neskatoties uz šo izaicinājumu, ir veidi, kā noteikt, vai visdrīzāk pastāv jēgpilnas attiecības. Lai to izdarītu, zinātnieki izmanto secinošu statistiku - zinātnes nozari, kas nodarbojas ar secinājumu izdarīšanu par populāciju, pamatojoties uz pasākumiem, kas ņemti no šīs populācijas reprezentatīvās izlases.
Galvenais, lai noteiktu, vai terapijai ir ietekme, ir statistiskās nozīmības mērīšana. Statistiskā nozīme liecina, ka saistība starp mainīgajiem, visticamāk, nav saistīta tikai ar nejaušību un ka, visticamāk, pastāv reāla saistība starp abiem mainīgajiem.
Statistiskā nozīme bieži tiek attēlota šādi:
p <0,05
P vērtība, kas mazāka par .05, norāda, ka rezultāti, visticamāk, ir nejaušības dēļ un ka šo rezultātu iegūšanas varbūtība būtu mazāka par 5%.
Statistiskās nozīmības mērīšanai ir vairāki dažādi līdzekļi. Izmantotais būs atkarīgs no pētījuma dizaina veida, kas tika izmantots eksperimentā.