우리는 어떤 유형의 가설이 존재하는지 설명하고 설명, 인과 관계, 상관 관계 등의 특성을 설명합니다.
가설이란 무엇입니까?
가설은 제안 또는 우리가 확인하거나 반박하고자 하는 진술 연구. 다시 말해 가설은 아이디어 우리가 전제하고 우리가 연구 방법, 의 경우와 같이 과학적인 방법, 예를 들어, 또는 경험.
가설은 사실이고 입증 가능한 것으로 판명될 수도 있고 그렇지 않을 수도 있는 잠정적이고 잠정적인 진술이지만, 초기에는 우리가 조사하고자 하는 것이 무엇인지 확인하고 이상적인 검증 방법을 찾도록 하는 데 도움이 됩니다. 그래서 가설이 이론 그리고 관찰. 그러므로 모든 연구는 반드시 가설의 공식화와 함께 시작됩니다.
그러나 조사에서 둘 이상의 가설이 제기될 수 있으며 이러한 가설은 다른 성격을 띱니다. 물론, 그들 중 일부는 유효한 것으로 판명될 것이고(검증될 때), 다른 것들은 무효로 판명될 것입니다(반박될 때). 그러나 다음으로 우리는 가설의 다소 일반적인 분류를 볼 것입니다.
가설의 유형
기술 가설
사이의 관계를 설정하는 사람들 변수 그것들의 원인에 대해 걱정하지 않고 그것들을 비교하지 않고 연구되고 있습니다. 이름에서 알 수 있듯이 물질의 변수, 값 및 품질을 설명하고 예측하는 데 제한이 있습니다.
예를 들어, 과학자 그룹이 해당 국가의 인구에서 질병의 재발을 연구한다고 가정합니다. 그들은 작업 가설로서 질병이 전체 인구를 구성하는 모든 민족 그룹에 균등하게 분포되어 있다고 가정하지만, 연구를 완료하면서 일부 민족 그룹이 다른 민족보다 더 많은 영향을 받는다는 것을 알게 됩니다.
상관 가설
관절 변이라고도 하며, 이름에서 알 수 있듯이 연구된 변수 간의 상관 관계를 제안합니다. 즉, 한 변수가 다른 변수에 영향을 미치는 방식과 정도를 나타냅니다. 이 관계가 어떻게 되는지에 따라 이러한 가설은 세 가지 유형이 될 수 있습니다.
- 양의 상관관계 가설, 한 변수의 증가가 다른 변수의 증가를 가져올 때. 예를 들어, 질병을 연구하는 과학자들이 환자가 나이가 많을수록 감염 시 사망할 가능성이 더 크다고 제안한다면.
- 음의 상관 가설, 한 변수의 감소가 다른 변수의 감소를 가져올 때. 예를 들어, 질병을 연구하는 과학자들이 인구의 연령이 낮을수록 감염된 환자가 더 적다고 제안한다면.
- 혼합 상관 가설, 한 변수의 증가 또는 감소가 다른 변수의 감소 또는 증가를 각각 가져오는 경우. 예를 들어, 질병을 연구하는 과학자들이 조기 치료가 질병으로 인한 사망을 줄인다고 제안한다면.
인과적 가설
예측 가설은 인과 관계를 미래로 투영합니다.
관계를 탐구하는 사람들 원인 효과 연구된 변수 사이에서 특정 유형의 특정 의미를 제안합니다. 이 의미에 따라 다음과 같이 말할 수 있습니다.
- 하나가 다른 하나에 의해 설명될 수 있도록 변수 사이의 검증 가능한 인과 관계를 제안하는 설명 가설.예를 들어, 과학자들이 연구하고 있는 질병의 경우로 돌아가서 모든 민족에게 동등하게 영향을 미치지 않는다는 것이 확인되면 특정 민족의 사람들이 더 많기 때문에 질병이 더 많은 사람들에게 영향을 미친다는 가설을 세울 수 있습니다. 혈액 내 특정 단백질의
- 연구 변수들 사이에 가능한 인과 관계를 제시하고 미래를 예측하는 예측 가설. 예를 들어, 다시 연구된 질병의 경우에 대해 과학자들은 인구의 특정 부문에 대한 더 큰 영향이 곧 감염원의 유전적 변화를 일으킬 것이라는 가설을 세울 수 있습니다.
통계적 가정
변수의 집합을 참조하고 절대적 용어 대신 백분율 또는 비례 용어로 그 관계를 표현하는 것. 확률, 인구 또는 예측 연구에서 매우 일반적입니다. 이러한 유형의 가설은 동시에 다음과 같이 분류할 수 있습니다.
- 연구원이 모집단 및 이전 정보 집합에 대한 일부 통계 변수의 값을 평가할 수 있도록 하는 통계적 추정 가설. 예를 들어, 질병을 조사하는 과학자들이 감염된 환자의 70%가 특정 증상을 나타낸다고 진술하면 이것이 주요 증상으로 간주되어야 합니다.
- 통계적 상관 가설은 통계적 용어로 변수 사이의 일부 상관 관계를 설정하려고 합니다. 예를 들어, 질병을 조사하는 과학자들이 그 사망률이 주로 환자의 사회경제적 수준과 관련이 있다고 생각한다면 심각한 사례의 80%가 인기 있는 동네에서 발생하기 때문입니다.
- 두 인간 그룹의 통계 사이에 관계를 제시하는 평균 분화의 통계적 가설.예를 들어, 이 질병을 연구하는 과학자들이 남성이 여성보다 40% 더 많이 발병한다고 생각한다면.
귀무가설
귀무 가설은 연구 가설에서 확립된 것을 반박하는 가설이며, 후자는 모든 유형입니다. 따라서 귀무가설은 연구가설의 반대이며 그 중 어떤 것과도 같은 유형일 수 있습니다(지금까지 나열한 것 중 하나).
예를 들어, 질병을 연구하는 과학자들이 질병의 중증도가 환자의 성별과 관련이 없음을 증명하려고 하는 경우.
귀납적, 연역적, 유추적 가설
위의 가설 중 하나는 귀납적, 연역 어느 하나 유사한, 연구된 변수 간의 관계를 설정하는 데 사용되는 논리를 기반으로 합니다. 이는 관계를 나타내는 방식으로 다음과 같이 표현됩니다.
- 연역에 의해 작동하는 연역 가설 또는 가설, 이미 입증된 다른 이전 가설을 출발점으로 사용하여 일반에서 특수로의 관계를 제기하는 가설. 예를 들어, 질병을 연구하는 과학자들이 특정 인종 그룹에 다른 그룹보다 더 많은 영향을 미친다는 것을 확인하면 특정 유전 구성 요소를 나타내는 사람들에게 더 많은 영향을 미친다는 것을 추론할 수 있습니다. 왜냐하면 후자가 해당 인종 그룹에서 우세하기 때문입니다.
- 귀납에 의해 작동하는 귀납적 가설 또는 가설, 특수한 것에서 일반으로의 관계, 즉 연역적인 것과 반대로 관계를 제기하는 것, 직관 관찰된 것에서. 예를 들어, 질병을 연구하는 과학자들이 특정 인종 그룹의 사람들 사이에서 심각한 사례를 찾지 못하면 면역을 만드는 유전 요소가 있다고 주장할 수 있습니다.
- 유추 가설 또는 유추에 의해 작동하는 가설, 검증된 다른 지식 분야에서 영감, 복사 또는 이전된 변수 사이의 관계를 제기하는 가설. 즉, 그들은 상기 가설이 다른 분야에서 유효했다면, 자신의 분야에서도 유효할 수 있다고 가정합니다. 예를 들어, 질병을 연구하는 과학자들이 다르지만 유사한 질병이 특정 항생제로 치료되었기 때문에 이 새로운 질병이 같은 방식으로 반응할 가능성이 있다고 가정합니다.