Araştırmada, bir şeyin doğru olduğunu kanıtlamak için yola çıkmazsınız. Doğru olup olmadığını keşfetmek için yola çıktınız. Bu bilgi olacaktır. Diğeri sadece propaganda.

Negatif sonuçlar başarısızlık değildir. Olumlu sonuçlar gibi size kanıt sağlarlar. Sonuçları görmezden gelirseniz ya da belirsizleştirirseniz, kendinize ve başkalarına yalan söylüyorsunuz. Pozitif sonuçlar üretmesi garanti altına alınacak bir "deney" tasarlarsanız, bu araştırma değildir.

Bir şeyin doğru olduğunu ummak kanıt değildir. Birçok araştırmacı bu fikirle başlar. Ben bunun doğru olduğunu düşünüyorum. Ben gerçekten doğru olmasını istiyorum. Ama eğer yanlışsa, bunu bilmek ve nedenini araştırabilmek de (muhtemelen daha fazla) değerlidir.

Tüm sonuçlarınızı bildirin. Neden farklı yönlerin sizi farklı yönlere götürdüğünü açıklamaya çalışın. Ancak o zaman öğrenmeniz başlayabilir.

Olumsuz bulguları göz ardı etmek ve seçici olarak yalnızca olumlu bulguları bildirmek, araştırma etiğinin ihlali anlamına gelir. Bir araştırmacı olarak bilgiyi gizlememek için * ortaya çıkarmanız gerekir. Bulgular genellikle çelişkilidir ve yorumlanması gerekir. Bu çelişkili sonuçları (yani yöntemlerinizi) nasıl elde ettiğinizi açıklayarak, başkalarının gelecekte çıkmazlardan kaçınmalarına ve bugün kafa karıştırıcı görünen şeyleri anlamalarına yardımcı oluyorsunuz.

_{* İlginç bir şekilde, araştırma yaratır, genellikle nihai kesinlikten çok üst düzey kafa karışıklığı biçimini alır.}

Pek heyecan verici olmayan sonuçları ifşa etmekte ne kadar dürüst olmalıyım?

Her zaman tamamen dürüst olmalısınız: Her ikisinin de sonuçlarını göster veri kümeleri ve sonucun verilerden gelmesine izin verin. İki veri kümesinin kalitesi ve örnek boyutları hakkında objektif bir şekilde yorum yapın, ancak verileri yalnızca istenmeyen veya heyecan verici olmayan sonuçlar verdiği için dışlamayın. Veri kümeleri arasındaki farklar açısından, neden farklı olduklarını biliyorsanız, bunu açıklayın ve neden farklı olduklarını bilmiyorsanız, öyle söyleyin - spekülasyonlarınızı bilimsel sonuçlar olarak sunmayın.

Seçenek (3) için, 'yoksa henüz anlamadığım bir şey var "ekleyin.

Bu, çok daha fazla ilginç.

Lisans kursunuz size soruları nasıl cevaplayacağınızı öğretmek için orada.

Herhangi bir disiplinin araştırmasında önemli olan doğru cevapları almak değil, doğru soruları sormaktır.

Yani, her iki veri kümesini de sunun, tutarsızlığı belirtin ve bunun neden ilginç olduğunu ve neden takip etmeye değer olduğunu açıklamaya çalışın.

Böyle bir mini araştırma problemi ortaya koymak, sizi basitçe sahip olmaktan çok daha fazla öne çıkarabilir sonuç.

Ben de sadece öğrenciyim (yüksek lisans düzeyinde), ancak burada her iki veri kümesini de gösterme seçeneğinin 3. seçeneğiyle gitmek için birkaç neden daha var:

• Henning'de belirtildiği gibi yorum, belki de alışılmadık sonuçlarınızı daha fazla araştırma yapmak için bir basamak olarak kullanabilir ve bunu başvurunuza ekleyebilirsiniz. Tatmin edici olmayan sonuçları bu şekilde ele almak, motivasyonunuz ve dayanıklılığınız olduğunu gösterebilir.

• İyi bir iş çıkardıysanız ve bunu "iyi sonuçlar" almadan bile gösterdiyseniz, En azından bir potansiyele sahip olduğunuzu.

• Ayrıca, insanların genellikle sadece ellerinden gelenin en iyisini yaptıkları uygulamalar bağlamında, kabul komitesi dürüstlüğünüze gerçekten değer verebilir ve saygı duyabilir . Bilimi birinci sıraya koyduğunuzu gösterebilir.

Belirgin sonuçlarınız büyük bir etki boyutu mu yoksa büyük örneklem boyutu nedeniyle önemli olan küçük bir değişiklik mi?

Önemsiz sonuçlarınız yön ve büyüklük açısından aşağıdaki önemli sonuçlara benzer mi? Diğer veri kümesi mi?

Veri kümesinin boyutunun gördüklerinizi ne kadar etkilediğini düşünün. Bir çalışmayı, öneminden ayrı olarak aynı fikirde ise diğerinin sonuçlarını doğrulayan olarak çerçeveleyebilirsiniz. Yalnızca p değerlerinden daha fazlasına bakın, özellikle de çok büyük bir veri kümesinden geliyorlarsa.

Bir an için veri kümelerini (ve bunlardan elde edilen sonuçları) yanlış bir şekilde karşılaştırıyor olabileceğinizi düşünün. "Önem" veya daha doğrusu güç, tasarımdan bağımsız değildir. A Çalışması 1.000 kişi üzerinde yapılıyorsa, ancak Çalışma B aynı ise ancak sadece 100 gönüllü içeriyorsa, Çalışma A çok daha güçlüdür, bu nedenle A'dan (istatistiksel olarak) önemli bulgular ve B'den (istatistiksel olarak) anlamlı olmayan bulgular şaşırtıcı değildir. İki çalışmayı karşılaştırmak için daha iyi yöntemler var, örneğin bir orman arsası.

Bundan söz ediyorum çünkü her şey, bu uygulama için satmaya çalıştığınız "size" bağlı. Lisans düzeyinde bir sosyoloğun lisans düzeyinde istatistik eğitimi almasına gerek yoktur, ancak bunu bir güç olarak övüyorsanız, bir dizi bulguyu doğru yorumladığınızdan emin olmalısınız.

" negatif "(sonuç veya çalışma), istatistiksel terminolojinin kötüye kullanılmasıdır. Güç, bağlam ve kesinlik sorunları vardır; ama usta araştırmacılar bebeği banyo suyuyla birlikte dışarı atıyorlar. Bir an için durun ve düşünün: "H_0'ı reddetmeyin", güven limitlerinin boş varsayılmış değerleri içerdiği anlamına gelir: farklılıklar için 0 veya oranlar için 1. Ne olmuş yani?

1) Bu çalışma yeterince güçlendirilmiş miydi yoksa tam bir karanlıkta atış mı? Büyük, savunulamaz güven aralıkları berbat bir çalışmayı temsil edebilir veya popülasyondaki önemli heterojenliği yansıtabilir. İşe alma veya uyum ile ilgili sorunlar var mıydı? İnsanları daha iyi telafi etmeniz mi gerekiyordu? Mevcut bir enstrümanı kullandınız mı ve öyleyse, ifadenin net olduğundan emin olmak için kendinizi veya hastaları değerlendirdiniz mi? Bir tren kazası çalışmasıysa, öğrenilen derslere odaklanabilirsiniz. Örneğin.

Yanlış bir güç hesaplamasına dayanarak 30 kişiyi işe aldık, etki tahminimiz önceki literatürde belirtilenden çok daha küçük bir boyuta sahipti. Hesaplamamızın önceki araştırmaya dayandığına göre bu, bazı endişelerin sebebidir ...

2) CI, diğer tüm araştırmaları hariç tutarak dar bir şekilde 0 veya 1'de mi? Bu, diğer literatürle tutarsız olduğu için önemli bir bulgudur. Yayın önyargısının etkilerini belirlemeye adanmış bir araştırma alanı var. Huni Grafikleri, meta analizlerden beklenen etkilerin dağılımını gösterir. Dağılım H0'da bir boşlukla kaydırılırsa, kanıt durumunun boş bulguları filtreleyerek abartıp abartmadığına dair biraz duraklama olur. Önemli bir dönüm noktası araştırması kesin olarak şunu söyleyebilir: "Hayır. Belirli bir tedavi farklılığa neden olmaz / olamaz.

3) CI geniş mi, ancak önceki araştırmayı doğrulayan bir sonuca odaklanmış. Örneğin:

5.000 kişilik bir tuz azaltma çalışması, MI için HR'nin% 0,95 95 CI 0,92, 0,99 (p < 0.05) olduğunu buldu. 100 kişilik bir doğrulama çalışması, MI için 0,95 değerinde bir HR bulundu 95 % CI 0.5, 1.45. (P> 0.05).

Önemlisi bu çalışmalar% 100 aynı fikirde.

Kulağa çok ilginç geliyor. Elbette oyunda istatistiksel sorunlar var, sizi caydırmak istemiyorum ama matematiği yaptığınızdan emin olmalısınız (veri toplama ve metodoloji dahil), ancak iki yöntemi karşılaştırarak çok güçlü bir makale yazabilirsiniz. . Şuna benzer bir şey:

• Ucuz ve hakkında veri toplamak kolay olan A Yöntemi, ancak önyargı içereceğine dair endişelerimiz var, olumlu bir sonuç veriyor.

• Öte yandan, hakkında veri toplamak zor ve pahalı olan ancak çok daha kapsamlı olan ve önyargı içermesi beklenmeyen B Yöntemi olumsuz bir sonuç verir.

• Bu nedenle, araştırmacılar A yöntemini kullanmaktan kaçınmalıdır.

Her şeye rağmen, böyle yazılmış bir makale yayınlamak için bir günlük alabileceğinize bahse girerim. Analiz, veri toplama vb. gibi konular, sınıfta iyi bir not almayı bir kenara bırakın.