چند نقطه و ماژول نرم افزار نقشه برداری

آزمایش روشی است که برای حمایت یا رد یک فرضیه یا تعیین اثربخشی یا احتمال چیزی که قبلاً آزمایش نشده انجام میشود. آزمایشها با نشان دادن اینکه وقتی یک عامل خاص دستکاری میشود، چه نتیجه‌ای رخ میدهد، بینشی درباره علت و معلول فراهم میکند. آزمایشها از نظر هدف و مقیاس بسیار متفاوت هستند، اما همیشه بر روی روشهای تکرارپذیر و تجزیه و تحلیل منطقی نتایج متکی هستند. مطالعات تجربی طبیعی نیز وجود دارد.

یک کودک ممکن است آزمایشهای اساسی را برای درک چگونگی سقوط اشیاء انجام دهد، در حالیکه تیمهای دانشمندان ممکن است سالها به بررسی سیستماتیک بپردازند تا درک خود از یک پدیده را ارتقا دهند. آزمایشها و انواع دیگر فعالیتهای عملی برای یادگیری دانش آموزان در کلاس درس بسیار مهم هستند. آزمایشها میتوانند نمرات آزمون را افزایش دهند و به دانش‌آموز کمک کنند تا درگیر و علاقه‌مندتر به مطالبی شود که می‌آموزد، به ویژه زمانی که در طول زمان مورد استفاده قرار میگیرد. آزمایشها میتوانند از مقایسه‌های طبیعی شخصی و غیررسمی (مثلاً چشیدن طیفی از شکلاتها برای یافتن شکلات مورد علاقه)، تا بسیار کنترل‌شده (مثلاً آزمایشهایی که نیاز به دستگاه پیچیده‌ای دارند که توسط بسیاری از دانشمندانی که امیدوارند اطلاعاتی در مورد ذرات زیراتمی کشف کنند) متفاوت باشد. استفاده از آزمایشها به طور قابل توجهی بین علوم طبیعی و علوم انسانی متفاوت است.

آزمایشها معمولاً شامل کنترلهایی هستند که برای به حداقل رساندن تأثیر متغیرهای غیر از متغیر مستقل طراحی شده‌اند. این امر قابلیت اطمینان نتایج را اغلب از طریق مقایسه بین اندازه‌گیریهای کنترل و سایر اندازه‌گیریها افزایش میدهد. کنترلهای علمی بخشی از روش علمی است. در حالت ایده آل، همه متغیرها در یک آزمایش کنترل میشوند (با اندازه گیریهای کنترل محاسبه میشوند) و هیچ کدام کنترل نشده نیستند. در چنین آزمایشی، اگر همه کنترلها مطابق انتظار عمل کنند، میتوان نتیجه گرفت که آزمایش همانطور که در نظر گرفته شده است کار میکند و نتایج ناشی از تأثیر متغیرهای آزمایش شده است.

آزمایش و تمرین کردن
تاریخچه آزمایش

یکی از اولین رویکردهای روشمند به آزمایش به معنای امروزی در آثار ریاضیدان و محقق عرب ابن هیثم قابل مشاهده است. او آزمایشهای خود را در زمینه اپتیک – با بازگشت به مسائل نوری و ریاضی در آثار بطلمیوس – با کنترل آزمایشهای خود به دلیل عواملی مانند انتقاد از خود، اتکا به نتایج قابل مشاهده آزمایشها و همچنین بحرانی بودن در اصطلاح انجام داد. از نتایج قبلی او یکی از اولین دانشمندانی بود که از روش استقرایی-تجربی برای دستیابی به نتایج استفاده کرد. او در کتاب اپتیک خود رویکرد اساساً جدید به دانش و تحقیق را به معنای تجربی توصیف میکند:

یعنی باید تحقیق در مورد اصول و مقدمات آن را از نو آغاز کنیم و تحقیقات خود را با بازرسی از چیزهای موجود و بررسی شرایط اشیاء مرئی آغاز کنیم. ما باید خصوصیات جزییات را از هم تشخیص دهیم و آنچه را که در هنگام بینایی به چشم مربوط میشود و آنچه را که در نحوه حس یافت میشود یکنواخت، تغییرناپذیر، آشکار و در معرض شک قرار نمیگیرد، با استقرا جمع آوری کنیم. پس از آن باید در تحقیق و استدلال خود به تدریج و منظم بالا رفت و مقدمات را نقد کرد و در نتیجه گیری احتیاط کرد – هدف ما از همه چیزهایی که مشمول بازرسی و بازبینی قرار میدهیم به کار بردن عدالت است نه پیروی از تعصب و گرفتن. در همه چیزهایی که قضاوت و انتقاد میکنیم مراقب باشیم که به دنبال حقیقت باشیم و عقیده ما را تحت تاثیر قرار ندهد. ممکن است از این طریق سرانجام به حقیقتی برسیم که موجب خشنودی دل شود و به تدریج و با دقت به پایانی برسیم که در آن یقین ظاهر میشود. در حالیکه با انتقاد و احتیاط ممکن است به حقیقتی دست یابیم که اختلاف را برطرف میکند و مسائل مشکوک را حل میکند. با همه اینها، ما از آن کدورت انسانی که در سرشت انسان است، مبرا نیستیم. اما ما باید با آنچه از نیروی انسانی در اختیار داریم بهترین کار را انجام دهیم. ما در همه چیز از خدا حمایت میکنیم.

طبق توضیحات وی، اجرای یک آزمون کاملاً کنترل شده با حساسیت به ذهنیت و حساسیت نتایج به دلیل ماهیت انسان ضروری است. علاوه بر این، نگاه انتقادی به نتایج و نتایج پژوهشگران پیشین ضروری است:

بنابراین، وظیفه کسی است که به مطالعه نوشته‌های دانشمندان میپردازد، اگر هدفش آموختن حقیقت است، خود را دشمن همه چیزهایی که میخواند، قرار دهد و ذهن خود را به هسته و حواشی محتوای آن معطوف کند، به آن حمله کند. از هر طرف او همچنین باید در حین بررسی انتقادی خود به خود مشکوک شود تا از تعصب یا نرمش اجتناب کند.

بنابراین، مقایسه نتایج قبلی با نتایج تجربی برای یک آزمایش عینی ضروری است – نتایج قابل مشاهده اهمیت بیشتری دارند. در پایان، این ممکن است به این معنا باشد که یک محقق تجربی باید شجاعت کافی برای کنار گذاشتن نظرات یا نتایج سنتی را پیدا کند، به خصوص اگر این نتایج تجربی نباشند، بلکه ناشی از یک اشتقاق منطقی/ذهنی باشند. در این فرآیند بررسی انتقادی، خود مرد نباید فراموش کند که به عقاید ذهنی – از طریق «تعصب» و «مسلیمی» – تمایل دارد و بنابراین باید نسبت به روش خود برای ساختن فرضیه‌ها انتقاد پذیر باشد.

با اینحال، اساساً مطالعات مشاهده ای آزمایش نیستند. طبق تعریف، مطالعات مشاهده‌ای فاقد دستکاری مورد نیاز برای آزمایشهای Baconian هستند. علاوه بر این، مطالعات مشاهده‌ای (مثلاً در سیستمهای زیست‌شناختی یا اجتماعی) اغلب شامل متغیرهایی است که اندازه‌گیری یا کنترل آنها دشوار است. مطالعات مشاهده‌ای محدود هستند زیرا فاقد ویژگیهای آماری آزمایشهای تصادفی هستند. در یک آزمایش تصادفی، روش تصادفی‌سازی مشخص شده در پروتکل تجربی، تحلیل آماری را هدایت میکند، که معمولاً توسط پروتکل آزمایشی نیز مشخص میشود. بدون یک مدل آماری که منعکس کننده یک تصادفی سازی عینی باشد، تحلیل آماری بر یک مدل ذهنی تکیه میکند. استنباط از مدلهای ذهنی در تئوری و عمل غیر قابل اعتماد است. در واقع، موارد متعددی وجود دارد که در آن مطالعات مشاهده‌ای با دقت انجام شده، به طور مداوم نتایج اشتباهی به دست میدهد، یعنی در مواردی که نتایج مطالعات مشاهده‌ای ناهماهنگ بوده و همچنین با نتایج آزمایشها متفاوت است. به عنوان مثال، مطالعات اپیدمیولوژیک سرطان روده بزرگ به طور مداوم همبستگیهای مفیدی را با مصرف بروکلی نشان میدهد، در حالی که آزمایشها هیچ فایده ای ندارند.

یک مشکل خاص در مورد مطالعات مشاهده‌ای که شامل افراد انسانی میشود، دشواری بزرگ در دستیابی به مقایسه‌های منصفانه بین درمانها (یا مواجهه‌ها) است، زیرا چنین مطالعاتی مستعد سوگیری انتخاب هستند و گروه‌هایی که درمانهای مختلف (قرار گرفتن در معرض) را دریافت میکنند ممکن است با توجه به متغیرهایشان (سن، قد، وزن، داروها، ورزش، وضعیت تغذیه، قومیت، سابقه پزشکی خانوادگی و غیره). در مقابل، تصادفی سازی نشان میدهد که برای هر متغیر کمکی، انتظار میرود میانگین برای هر گروه یکسان باشد. البته برای هر کارآزمایی تصادفی، مقداری تغییر از میانگین انتظار میرود، اما تصادفی‌سازی تضمین میکند که گروه‌های تجربی مقادیر متوسط نزدیک به هم دارند، به دلیل قضیه حد مرکزی و نابرابری مارکوف. با تصادفی‌سازی ناکافی یا حجم نمونه کم، تنوع سیستماتیک در متغیرهای کمکی بین گروه‌های درمانی (یا گروه‌های مواجهه) تفکیک اثر درمان (قرار گرفتن در معرض) از اثرات سایر متغیرهای کمکی را که بیشتر آنها اندازه‌گیری نشده‌اند، دشوار میکند. . مدلهای ریاضی مورد استفاده برای تجزیه و تحلیل چنین داده‌هایی باید هر یک از متغیرهای کمکی متفاوت را در نظر بگیرند (اگر اندازه‌گیری شوند)، و اگر یک متغیر کمکی نه تصادفی باشد و نه در مدل گنجانده شود، نتایج معنی‌دار نیستند.

آزمایش و تمرین کردن

مدل جعبه سیاه برای مشاهده (ورودی و خروجی قابل مشاهده هستند). هنگامی که بازخوردی با کنترل ناظر وجود دارد، همانطور که نشان داده شد، مشاهده نیز یک آزمایش است.

مطالعات مشاهده ای

یک مطالعه مشاهده‌ای زمانی استفاده میشود که تطبیق یک سیستم فیزیکی یا اجتماعی در یک محیط آزمایشگاهی، کنترل کامل عوامل مخدوش‌کننده یا اعمال تخصیص تصادفی غیرعملی، غیراخلاقی، هزینه‌بر (یا ناکارآمد) باشد. همچنین میتوان از آن زمانی استفاده کرد که عوامل مداخله‌گر محدود باشند یا به اندازه کافی شناخته شده باشند تا داده‌ها را در پرتو آنها تجزیه و تحلیل کنیم (اگرچه ممکن است زمانی که پدیده‌های اجتماعی تحت بررسی هستند، این امر نادر باشد). برای اینکه یک علم مشاهده ای معتبر باشد، آزمایشگر باید عوامل مخدوش کننده را بشناسد و آنها را در نظر بگیرد. در این شرایط، مطالعات مشاهده‌ای دارای ارزش هستند، زیرا اغلب فرضیه‌هایی را پیشنهاد میکنند که میتوانند با آزمایشهای تصادفی یا با جمع‌آوری داده‌های تازه آزمایش شوند.

با این حال، اساساً مطالعات مشاهده ای آزمایش نیستند. طبق تعریف، مطالعات مشاهده‌ای فاقد دستکاری مورد نیاز برای آزمایشهای Baconian هستند. علاوه بر این، مطالعات مشاهده‌ای (مثلاً در سیستمهای زیست‌شناختی یا اجتماعی) اغلب شامل متغیرهایی است که اندازه‌گیری یا کنترل آنها دشوار است. مطالعات مشاهده‌ای محدود هستند زیرا فاقد ویژگیهای آماری آزمایشهای تصادفی هستند. در یک آزمایش تصادفی، روش تصادفی‌سازی مشخص شده در پروتکل تجربی، تحلیل آماری را هدایت می‌کند، که معمولاً توسط پروتکل آزمایشی نیز مشخص میشود. بدون یک مدل آماری که منعکس کننده یک تصادفی سازی عینی باشد، تحلیل آماری بر یک مدل ذهنی تکیه میکند. استنباط از مدلهای ذهنی در تئوری و عمل غیر قابل اعتماد است.[19] در واقع، موارد متعددی وجود دارد که در آن مطالعات مشاهده‌ای با دقت انجام شده، به طور مداوم نتایج اشتباهی به دست میدهد، یعنی در مواردی که نتایج مطالعات مشاهده‌ای ناهماهنگ بوده و همچنین با نتایج آزمایشها متفاوت است. به عنوان مثال، مطالعات اپیدمیولوژیک سرطان روده بزرگ به طور مداوم همبستگیهای مفیدی را با مصرف بروکلی نشان میدهد، در حالیکه آزمایشها هیچ فایده ای ندارند.

یک مشکل خاص در مورد مطالعات مشاهده‌ای که شامل افراد انسانی میشود، دشواری بزرگ در دستیابی به مقایسه‌های منصفانه بین درمانها (یا مواجهه‌ها) است، زیرا چنین مطالعاتی مستعد سوگیری انتخاب هستند و گروه‌هایی که درمانهای مختلف (قرار گرفتن در معرض) را دریافت میکنند ممکن است با توجه به متغیرهایشان (سن، قد، وزن، داروها، ورزش، وضعیت تغذیه، قومیت، سابقه پزشکی خانوادگی و غیره). در مقابل، تصادفی سازی نشان میدهد که برای هر متغیر کمکی، انتظار میرود میانگین برای هر گروه یکسان باشد. البته برای هر کارآزمایی تصادفی، مقداری تغییر از میانگین انتظار میرود، اما تصادفی‌سازی تضمین میکند که گروه‌های تجربی مقادیر متوسط نزدیک به هم دارند، به دلیل قضیه حد مرکزی و نابرابری مارکوف. با تصادفی‌سازی ناکافی یا حجم نمونه کم، تنوع سیستماتیک در متغیرهای کمکی بین گروه‌های درمانی (یا گروه‌های مواجهه) تفکیک اثر درمان (قرار گرفتن در معرض) از اثرات سایر متغیرهای کمکی را که بیشتر آنها اندازه‌گیری نشده‌اند، دشوار میکند. . مدلهای ریاضی مورد استفاده برای تجزیه و تحلیل چنین داده‌هایی باید هر یک از متغیرهای کمکی متفاوت را در نظر بگیرند (اگر اندازه‌گیری شوند)، و اگر یک متغیر کمکی نه تصادفی باشد و نه در مدل گنجانده شود، نتایج معنی‌دار نیستند.

برای اجتناب از شرایطی که یک آزمایش را بسیار مفیدتر میکند، پزشکانی که آزمایشهای پزشکی را انجام میدهند – مثلاً برای تأیید سازمان غذا و داروی ایالات متحده – متغیرهای کمکی قابل شناسایی را کمیت و تصادفی میکنند. محققان تلاش میکنند تا سوگیریهای مطالعات مشاهده‌ای را با روشهای تطبیقی مانند تطبیق امتیاز تمایل، که به جمعیت زیادی از افراد و اطلاعات گسترده در مورد متغیرهای کمکی نیاز دارد، کاهش دهند. با این حال، تطبیق امتیاز تمایل دیگر به عنوان یک تکنیک توصیه نمیشود، زیرا میتواند به جای کاهش، سوگیری را افزایش دهد. نتایج همچنین در صورت امکان (تراکم استخوان، مقدار سلول یا ماده در خون، قدرت بدنی یا استقامت و غیره) و بر اساس نظر یک سوژه یا یک ناظر حرفه‌ای اندازشه‌گیری نمیشوند. به این ترتیب، طراحی یک مطالعه مشاهده‌ای میتواند نتایج را عینیتر و در نتیجه قانع‌کننده‌تر کند.

اخلاق

با قرار دادن توزیع متغیرهای مستقل تحت کنترل محقق، یک آزمایش – به ویژه زمانی که شامل افراد انسانی میشود – ملاحظات اخلاقی بالقوه ای مانند ایجاد تعادل بین سود و زیان، توزیع عادلانه مداخلات (مانند درمانهای یک بیماری را معرفی میکند.) و رضایت آگاهانه. به عنوان مثال، در روانشناسی یا مراقبتهای بهداشتی، ارائه یک درمان غیر استاندارد برای بیماران غیراخلاقی است. بنابراین، هیئتهای بازبینی اخلاقی قرار است آزمایشهای بالینی و آزمایشهای دیگر را متوقف کنند، مگر اینکه تصور شود یک درمان جدید مزایایی به اندازه بهترین روش فعلی ارائه میدهد. همچنین به طور کلی غیراخلاقی (و اغلب غیرقانونی) انجام آزمایشهای تصادفی در مورد اثرات درمانهای غیر استاندارد یا مضر، مانند اثرات بلع آرسنیک بر سلامت انسان است. برای درک اثرات چنین مواجهه‌هایی، دانشمندان گاهی از مطالعات مشاهده‌ای برای درک اثرات آن عوامل استفاده میکنند.

حتی زمانیکه تحقیقات تجربی مستقیماً شامل افراد انسانی نمیشود، ممکن است همچنان نگرانیهای اخلاقی داشته باشد. به عنوان مثال، آزمایشهای بمب هسته‌ای که توسط پروژه منهتن انجام شد، مستلزم استفاده از واکنشهای هسته‌ای برای آسیب رساندن به انسانها بود، حتی اگر آزمایشها مستقیماً شامل هیچ‌یک از افراد انسانی نبود.