¿La mayoría de los científicos en ejercicio siguen el método científico? ¿Esto difiere entre académicos y científicos de la industria?

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):

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 🙂

No estoy seguro de cuál es exactamente el “método científico”. Hay algunas formas en que los científicos se desvían de las descripciones estándar de los libros de texto.

Probablemente una de las descripciones de libros de texto del “método científico” es que tratan con “verdadero” o “falso”. En la práctica, los científicos tratan con “más seguro” y “menos seguro”. Un solo experimento rara vez es suficiente para hacer que un científico rechace por completo una hipótesis, pero hace que esa hipótesis sea más sospechosa. Entonces, para formular una conclusión, generalmente es una serie de experimentos y observaciones a lo largo del tiempo.

El otro problema es que el “método científico” no capta la importancia de los modelos. Por ejemplo, sabemos que la física newtoniana está estrictamente hablando, equivocada. Sin embargo, para muchos sistemas es una aproximación “suficientemente buena”. Lo importante es que para cualquier sistema no trivial, cualquier modelo que proponga será una aproximación “suficientemente buena”, y un modelo que estrictamente habla “incorrecto” es a menudo “mejor” que un modelo que es ” correcto “pero inviable.

También hay mucho “boxeo negro” en la ciencia. Por ejemplo, no soy un experto en física nuclear, así que cuando necesito una ecuación nuclear de estado, no trato de construir una propia, así que la obtengo de alguien que sea experto en este tipo de cosas. . En ese punto, la ciencia se convierte en un proceso extremadamente social.

Soy un científico que trabaja (experimento de física de materia condensada), y tuve que buscar el método científico en Wikipedia en este momento. Los pasos son los siguientes:

  1. Formular una pregunta
  2. Hipótesis
  3. Predicción
  4. Pruebas
  5. Análisis

Yo agregaría 2 pasos más:
6. Escribe un papel
7. Dar charlas.

La mayor forma en que la ciencia que hago se desvía del método científico es que la formulación de una pregunta generalmente llega al final . En mi experiencia, la pregunta que mis datos terminan respondiendo es diferente de la pregunta que me propuse responder. Cuando escribimos un artículo, presentamos una narrativa coherente, que no es lo mismo que la narrativa procesal.
La narrativa del procedimiento: es interesante estudiar el tema general X. Traté de medir A y fallé, luego intenté medir B y obtuve algo trivial que no valía la pena publicar, y finalmente intenté P que arrojó resultados interesantes. Aquí es por qué P es relevante.
La narrativa cohesiva: P es de importancia central para el campo. Medimos P. He aquí nuestro artículo.
Construir una narrativa coherente a partir de los datos, la física de los libros de texto y los cálculos teóricos recientes es una gran parte del paso 6 para mí.

La segunda diferencia es que no siempre tengo una hipótesis. Debido a que realizo experimentos de mesa, tengo el lujo de intentar algo para ver qué sucede. Por otro lado, a veces, entro con una hipótesis bien definida o una predicción teórica.

Nuevamente, esta respuesta no se aplica a todos los experimentos. Por ejemplo, los físicos en el LHC ciertamente tenían una pregunta específica que esperaban responder.

Si Francis Bacon, Galileo Galilei o Isaac Newton, todos los actores clave en la configuración del método científico, entraron en un laboratorio de investigación biomédica, se quedarían estupefactos.

Apuesto mi dinero a que esos científicos innovadores estarían de acuerdo en que la reproducibilidad es la base del método científico .

Pero, la investigación biomédica está luchando con la reproducibilidad científica. En la medida en que la mayoría de los científicos no pueden replicar experimentos realizados por sus propios colegas. Los números son asombrosos: un artículo publicado en “Nature” afirma que más del 70% de los investigadores no han podido reproducir el experimento de otro científico.

¿Cómo es eso posible? Cada científico tiene el método científico impreso en sus cabezas.

Perseguir el dinero de la subvención y la presión constante para publicar (o perecer) puede hacer que incluso los científicos más éticos y mejores olviden cómo hacer experimentos de manera objetiva.

Confiar en gran medida en los valores de p y hacer un mal uso de las pruebas estadísticas puede hacer que un excelente experimento con un diseño experimental impecable tenga interpretaciones defectuosas de los resultados.

O, simplemente, saber que la significación estadística no tiene nada que ver con la reproducibilidad científica puede hacerte un científico más atento.

Si. La metodología básica se internaliza desde una edad temprana. Los científicos profesionales ni siquiera piensan en ello y ciertamente no piensan “Estoy en el Paso de la Hipótesis”.

Es difícil para los extraños ver el uso del método científico para los arcos más grandes de la carrera de un científico, mi investigación sobre la materia oscura, constantemente estoy planteando nuevas hipótesis y descubriendo qué nuevas predicciones hay de ella. No lo pruebo directamente, porque hay experimentos en curso en busca de materia oscura (un programa mundial de varias décadas de duración).

Pero puede ver claramente el método científico en uso cuando algo no tiene sentido. Digamos que haces un cálculo de dos maneras diferentes y no están de acuerdo. “¿Por qué no están de acuerdo?” es la pregunta. Se te ocurren posibles razones para la discrepancia, que son las hipótesis. Sobre la base de esa hipótesis, puede descubrir cómo aislar la fuente potencial de la discrepancia y hacer una predicción. Luego implementa el cambio y prueba la hipótesis. Finalmente, observa el resultado y observa si coincide con su predicción y realiza verificaciones cruzadas para asegurarse de que comprende (o no comprende) el resultado. Como profesional, ni siquiera lo dices en voz alta, solo repites esto una y otra vez hasta que entiendas el problema.

Entonces, sí, utilizamos el método científico y se utiliza de manera similar en la academia y la industria. Se extiende mucho más allá de la ciencia tradicional: puede ser que su procesador de textos esté actuando y usted tenga que descubrir cómo solucionar el problema. Es solo pensamiento metódico y experimentación para entender la situación en cuestión.

A mi entender, no difiere entre académicos e industriales. Y sí, practican el método científico. El problema es que todos tienen una idea diferente de cuáles son los factores importantes. Esto conduce básicamente a no estándares e incomparabilidad. No hay nada malo en determinar cuáles son los factores importantes. Los humanos simplemente los cambian a su antojo. No pueden ser considerados responsables. Más importante aún, se niegan a ser keplerianos. Él es el tipo que cuando los datos no se ajustaban al modelo anterior, los cambiaba de círculos perfectos como el movimiento de los planetas a otra cosa. Cambió el PARADIGMA que era fundamental para sus compañeros.

Lo que ves es la voluntad de desafiar ideas y conceptos no fundamentales por el método científico. No verá a ninguno de ellos desafiando el paradigma del establecimiento porque hacerlo es ser marginado. ¿Por qué? Porque se adoptan paradigmas para ajustarse a las creencias preconcebidas centrales del establecimiento. La gravedad muerta se atrae porque existe un espacio de creencias que no está cargado y la conciencia no existe como objeto o preocupación de la ciencia. El establecimiento sostiene que la conciencia no existe, ya que es una ilusión de los seres humanos (Sheldrake: The Science Delusion – 2012). No importa que las líneas magnéticas estén en todas partes en el espacio y se sabe que la única forma de generar líneas magnéticas es mediante corriente cargada. Y no importa que la única dinámica de atracción conocida sea la carga, que cosmológicamente sería la base de lo que es la conciencia.

Las creencias del establecimiento requieren que la gravedad sea una atracción cargada o una dinámica mecánica repelente. Me han dicho en este foro que no se pueden realizar repeticiones mecánicas. Extraño, ya que Newton invirtió la función de atracción para repeler con el mismo modelo y funcionó bien. Sin embargo, el establecimiento no tiene prisa por cambiar sus creencias centrales de atracción o conciencia de gravedad muerta.

Soy científico en la compañía química más grande del mundo, pero también he trabajado mi tiempo en laboratorios académicos (sistema UC y CSU), así que me enfocaré en las diferencias. En general, sí, se sigue el método científico:

Academia:
1. Formular una pregunta
2. Hipótesis
3 predicción
4 prueba
5 análisis
6. ¿Responde la pregunta?
6.1 En caso afirmativo, haga otra pregunta relacionada con la primera pregunta.
6.2 Si no, vaya al paso 1.

Industria:
1. Formular un objetivo
2. Hipótesis
3 predicción
4 prueba
5 análisis
6. ¿Cumple con el objetivo?
6.1 En caso afirmativo, trabaje en otra cosa o en el trabajo en la próxima iteración del objetivo (menor costo o mayores rendimientos).
6.2 Si no, vaya al paso 1.

Entonces, la distinción es que en la industria estamos interesados ​​en cómo lograr el objetivo. Esto se debe a que, por lo general, las cosas que necesitamos hacer involucran a muchos grupos diferentes trabajando juntos y los objetivos para cada grupo deben lograrse para poder producir un producto. En la academia, he encontrado que los proyectos están mucho más aislados. Mientras que típicamente en la industria trabajo con grupos de 10 o más, ¡algunos de los laboratorios en los que he estado tienen menos de 10 personas en total! Por supuesto, esto es una generalización y no es aplicable a todos los proyectos.

Los cinco pasos básicos del método científico (1. hacer una pregunta, 2. formar 3. hipótesis, 4. predicción, 5. pruebas, 6. análisis) dejan un paso crucial.

Paso 4.5 del método científico: decida si desea publicar los resultados del experimento. En caso afirmativo, debe COMPROMETERSE PREVIAMENTE para publicar los detalles del experimento * (la hipótesis que se está probando, el diseño experimental y los resultados). Si no, entonces si en algún momento decide publicar los resultados del experimento, debe incluir un descargo de responsabilidad de que este fue un “trabajo exploratorio”.

La decisión de comprometerse previamente a publicar (o no publicar) sin importar los resultados del experimento es crucial para evitar el problema del sesgo de publicación en el que solo se publican los experimentos que arrojan resultados “deseables” para el científico. El problema del sesgo de publicación daña la integridad de la literatura científica.

Desafortunadamente, el sesgo de publicación ya está alcanzando niveles problemáticos en la literatura científica: (@Por qué los hallazgos de investigación más publicados son falsos).

Con suerte, la mayoría de los científicos están comprometidos a utilizar las mejores prácticas para evitar problemas como el sesgo de publicación. Sin embargo, los científicos que no ejercen el nivel completo de precaución ya están dañando la integridad de la literatura científica.

*: Una alternativa es registrar el estudio en una base de datos pública (@http: //en.wikipedia.org/wiki/Cli…).

No. El método científico ha sido debatido por más de 100 años. Sin embargo, encontrará una variedad de respuestas, desde “sí” como Jay Wacker o Inna Vishnik, hasta “quizás”.

Postdocs siempre te dirá que dar charlas es parte del “método científico”, por cierto.

Aquí hay un ejemplo de mi último proyecto:
1. Discuta un tema por un rato
2. Lea todo lo que pueda encontrar sobre el tema.
3. Adivina algo que no has leído
4. Producir una herramienta para probar la suposición.
5. Refina la conjetura y la herramienta
6. Repita los pasos 4 y 5 hasta la náusea
7. Obtener algún tipo de resultado final
8. Interpreta el resultado
9. Ahora forma una “hipótesis”
10. Desarrolle una prueba para la “hipótesis”
11. Determine si la prueba fue positiva
12. Refina la prueba y la hipótesis simultáneamente para que las dos coincidan. (ese es el método científico real)
13. Repita 10-12 hasta la náusea
14. Deténgase arbitrariamente en algún momento y escriba un documento alegando que sabe lo que está sucediendo.
15. Mientras escribes el artículo, regresa y date cuenta de que algo no está bien
16. Repita los pasos 1-15 Ad nauseaum
17. Finalmente, cuando todo esté de acuerdo, escribe un artículo alegando que supiste cómo llegar a la conclusión todo el tiempo.

Me gusta pensarlo de esta manera. Hay tres tipos básicos de investigación científica: guiada por hipótesis, exploratoria e ingeniería. Cualquier proyecto científico caerá en estas tres categorías o en algún punto intermedio.

Los proyectos impulsados ​​por hipótesis se adhieren más estrechamente al método científico, ya que tiene una hipótesis y su objetivo es falsificar hipótesis alternativas. Como otros han mencionado, a veces no tienes una hipótesis desde el principio porque no sabes qué va a suceder exactamente en un experimento.

Los proyectos exploratorios buscan hacer observaciones y no comienzan con un “problema” bien definido.

Ingeniería: los proyectos de ingeniería tienen como objetivo mejorar los métodos y técnicas de investigación.

Yo diría solo parcialmente. Pasos en el método científico.

  • Hacer una pregunta
  • Hacer investigación de fondo
  • Construir una hipótesis
  • Pon a prueba tu hipótesis haciendo un experimento
  • Analice sus datos y saque una conclusión
  • Comunica tus resultados

de los pasos del método científico

Pero…. ¿Cómo sabes qué pregunta hacer?

Y a menudo hay un “enjuague y repita” en los pasos.

Entonces…

  1. Observa algo.
  2. Di hmmmm …
  3. Observa un poco más
  4. Hacer una pregunta
  5. Adivina una respuesta
  6. Observa un poco más
  7. (si tienes suerte) di “caramba … eso es gracioso”
  8. Formular algunas hipótesis.
  9. Diseña un experimento
  10. Recolectar datos
  11. (Si tienes mucha suerte) di “caramba … eso es gracioso”
  12. Contrata a alguien para analizar tus datos
  13. Discuta con esa persona sobre cómo hacerlo
  14. Obtén algunos resultados
  15. Repita cualquiera de los pasos 2 a 14 según sea necesario
  16. Comunicar resultados

Depende de lo que cuentes como ciencia (o de a quién cuentes como científicos).

El método científico se utiliza para desarrollar modelos del mundo. Entonces, para las personas en ciencias naturales teóricas, entonces ciertamente. Para economistas o sociólogos, entonces a veces. Para los ingenieros generalmente no.

Esta es la pregunta más ingenua que he visto publicada en este foro. Sería como preguntar si los cocineros utilizan cuchillos, cucharas, estufas y refrigeradores. El método científico es el kit de herramientas que permite a los científicos funcionar.