Inna Vishik ya ha dado una excelente respuesta como física.
Aquí me gustaría dar mi opinión desde el punto de vista de una asignatura diferente como estudiante de informática, o más específicamente, de minería de datos, y explicaré cómo sigo los pasos.
El método científico se define en Wikipedia como (junto con mi explicación):
- ¿El problema de la inducción se basa en fundamentos no científicos?
- ¿Qué función cumplen los 5 pasos del método científico?
- ¿Cuáles son algunos ejemplos de los 5 pasos del método científico?
- Cómo hacer un experimento sobre los efectos del cannabis y el alcohol en la inteligencia
- ¿Es un razonamiento circular creer que el "método" científico es válido porque los científicos dicen que es válido?
1. Caracterización
1) Encuesta
Se prefiere que pueda encontrar un problema en el mundo real y tratar de resolverlo para beneficiar a las personas. Sin embargo, considerando el creciente número de investigadores y la madurez en el área, salir de un gran problema en el que nadie ha pensado nunca es difícil. Por lo tanto, generalmente empiezo teniendo una dirección oscura, digamos que voy a estudiar el problema de difusión de información en las redes sociales y leo los documentos relacionados para tener un buen dominio de esta dirección. Debo decir que puede no ser 100% cierto, una gran investigación comienza con una gran encuesta . Si sabe todo en la dirección, es solo cuestión de tiempo que encuentre algunos problemas potenciales.
2) problema
Tener algunos problemas en su mente no significa que deba comenzar de inmediato. A veces hay demasiados problemas en el mundo para que los estudies. Si pierdes tu tiempo en un problema trivial que a ningún investigador le importa y que nunca beneficiará a las personas, puedes terminar recibiendo un Premio Ig Nobel por tu contribución a las bromas. Entonces, ¿qué es un buen problema? Según mi ex asesor y Crafting Your Research Future (dan el mismo estándar, que creo que no es ocasional)
- Valioso
- No bien estudiado
Presentar un buen problema a veces puede ser incluso más importante que presentar una buena solución, ya que un buen problema significa que habrá investigadores que estudiarán el problema que usted presenta y le darán mejores soluciones, le darán diferentes soluciones o generalizarán su problema a otros entornos, ya que es tan importante, y así citar su papel. Pero una buena solución puede tener un final feliz.
2. Desarrollo de hipótesis
Esto es más como desarrollar un modelo o solución al problema presentado. Suele ser el procedimiento clave de su investigación. Sin duda, tener un problema no es suficiente para un trabajo. Antes de cualquier otra consideración, debe especificar su problema claramente en lenguaje matemático. Por ejemplo, si se trata de un problema de optimización, debe especificarlo como:
[matemáticas] \ max_ {restricción} función [/ matemáticas]
Entonces deberías tener una buena solución, si no perfecta. Para dar una buena solución, generalmente debe tener una buena base del conocimiento, por lo que la encuesta es tan importante. Puede intentar lo que tenga en mente, o más comúnmente, puede leer más documentos relacionados y ver si sus métodos pueden inspirarle algunas soluciones a su problema.
3. Predicción
Al menos para mí, este paso no es tan importante. Debido a que tenemos un problema claramente especificado y posibles soluciones, generalmente se puede esperar el resultado. Tal vez sea solo porque mi investigación involucra muchos problemas de optimización (usted alcanza el máximo o el mínimo, ¿qué más puede esperar?)
Pero a veces, no es fácil para usted predecir tal resultado (de La formación del amor):
4. Experimento
Para este paso, ya tienes una idea clara de lo que está sucediendo. Tienes una solución y eso es increíble. Codifica su solución, alimenta el conjunto de datos que logra (en ciencia de datos, lograr los datos en sí es un gran problema. Pero para generalizarlo, lo dejaré aquí), y tiene algunos resultados como cifras o diagramas. Si su trabajo tiene como objetivo acelerar algún algoritmo y lo demuestra en la figura, ¡felicidades! Solo vea si hay más mejoras posibles y prepárese para el resto. Si no tiene buenos resultados, es posible que tenga que volver al desarrollo de hipótesis , para pensarlo con otro enfoque.
5. Análisis
En el paso del experimento, ya tiene algunas cifras para mostrar qué tan rápido es su algoritmo o qué tan decente es su método, o lo que sea. O simplemente involucra algunas figuras o tramas en este paso y está bien. Este paso puede involucrar algún estudio de caso. Especialmente en la minería de datos, las bellas figuras solo muestran su elegancia pero no su utilidad. Debería poder explicar su resultado a una persona normal que tal vez no esté familiarizada con su área. La comprensión es importante y si hay algo dentro de su análisis más allá del sentido común de las personas, pero las personas pueden capturarlo felizmente de su explicación, sería excelente. Al igual que las dos figuras que doy arriba.
6. Conclusión
Estoy hablando de escribir documentos en este paso. Palabras clave:
- Contribución
- Unicidad
Debe indicar sus contribuciones claramente y centrarse en la singularidad de sus problemas o soluciones, o en ambas. Es posible que haya presentado un buen problema y una buena solución, pero si no tiene una estructura clara de esta parte, puede ser la razón de su carta de rechazo. (Confíe en mí, la introducción y la conclusión son las dos primeras partes que revisan los revisores) en y muy a menudo, las dos únicas partes para los rechazados)
Mi opinión puede ser ingenua y simple, como un novato en el mundo científico. Cualquier crítica es bienvenida 🙂