リサーチクエスチョン設定の鍵:仮説と検証【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】 | Google Gemini・Python・エクセルを使った講義で最速マスター

セミナー案内             AIデータサイエンス動画           インスタグラム

リサーチクエスチョン設定の鍵:仮説と検証【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】

リサーチクエスチョン設定の鍵:仮説と検証【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】
仮説は根拠のある推測であり、リサーチクエスチョンの設定と仮説の検証において重要な役割を果たす。科学的プロセスでは、リサーチクエスチョンを立て、重要な要素を特定し、仮説を定式化し、関連するデータを収集し、仮説を検証し、修正・考察し、新たな問いを立てるプロセスを取る。仮説の定式化によって問いが検証可能な形になり、検証によって変数や関係性が明確になり、修正・考察によって仮説と理論が改善される。

リサーチクエスチョン設定の鍵:仮説と検証【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】▼▼▼▼▼▼▼▼
チャンネル登録はこちら


目次  リサーチクエスチョン設定の鍵:仮説と検証【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】


仮説とは根拠のある(信頼に基づく)推測


仮説とは根拠のある(信頼に基づく)推測です


それは科学的プロセスにおいて非常に重要ですが、一部分を占めているにすぎません。


さまざまの種類の仮説があります。


仮説の最も重要な役割は、「男子と女子で、高校入試時における数学と語学の到達度に差があるか」というようなリサーチクエスチョンを取り上げ、それを「男子と女子で高校入試時における数学と言語的到達度に差がある」というような検証可能な宣言文の形式にすることです。


これは些細な違いのように見えるかもしれませんが、そうではありません。



リサーチクエスチョンの設定と仮説の検証


仮説は問いを行動、あるいはそれに従って行動するためのアイデアとして表明できるようにするのです。


仮説の重要性を理解する最もよい方法は、科学的プロセスの段階をリスト化して、それぞれが、このツールの使用にどのように関係しているかを手短に論じることです。


@リサーチクエスチョンを立てる


Aリサーチクエスチョンに含まれる重要な要素を特定する


B仮説を定式化して述べる


C仮説に関係するデータを収集する


D仮説を検証する


E仮説を修正・考察する


F理論を修正・考察する


G新たな問いを立てる


これら8段階は仮説の定式化や検証を直接扱うものではないが、それぞれ仮説の本質に影響を与えます。


上記の段階B、D、Eは特に重要です。


段階Bにおいて仮説を定式化して述べることで、研究者は、研究プロジェクトの一部として問われたもともとのリサーチクエスチョンを、検証可能な言葉で表現します。


科学者は自分の研究について好奇心を持っており、結果として得られる知見の重要性に興奮し、大きな期待を持っています。


しかし、これらの知見は、解答可能な方法で問いが定式化されます。


体系的なプロセスの一部となっていなければなりません


つまり、個々の問いに対する解答は、全体的なリサーチクエスチョンに対する解答に、大なり小なり何らかの貢献をしなければなりません。


Dで仮説を検証することによって、これらの問いから、何の変数が関わっていて、研究者が結果として何を知りたいと期待しているかが明確になります。


たとえば、数学と言語スキルについて、子どもたちを性別に分けて調べるのであれば、性別、数学の成績、言語成績という変数と、さらにそれらの関係性が、仮説の性質に従って特定されます。


Eにおける仮説の修正/考察では、仮説の検証結果に基づいて、研究者はその仮説のもとになっている理論と仮説そのものについて考察し、再考します。


プロセスの最初の時点で問われたもともとのリサーチクエスチョンに答え続けようと努めるこの循環プロセスの中で、フィードバックによって、もともとの仮説の新しい、より正確な検証がなされていきます



リサーチクエスチョン設定の鍵:仮説と検証【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】


セミナー詳細                    解析ご相談                    LINEでお友達

リサーチクエスチョン設定の鍵:仮説と検証【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】

リサーチクエスチョン設定の鍵:仮説と検証【東京情報大学・嵜山陽二郎博士のAIデータサイエンス講座】