私たちのほとんどは、科学論文やそれらに関するプレス リリースを読むとき、科学者がテスト中に行った測定値が正確であると思い込み、信頼しています。しかし、科学研究者も人間であり、物事を測定する際に間違いを犯すことがあります。科学における測定誤差には、大きく 3 つのタイプがあります。
独自の実験を実行する場合に、それらを認識するだけでなく、同じ間違いを避けることができるように、ここでそれらについて説明します.まず、エラーとは実際の値と観察された値の不一致であることに注意してください。研究者が誤りを事実として受け入れ、その結果を公表すると、聴衆に誤解を与えたり誤解を与えたりする可能性があります。
ランダム エラーに慣れる
ランダム エラーは、実験における未知の、予測不可能な、制御不能な変化が原因で発生します。ランダム誤差が測定に与える影響は、毎回異なります。たとえば、風速などの環境要因によって、ランダムなエラーが発生する可能性があります。科学者が、散発的ではあるが強い突風が多い日に屋外で測定しようとしているとします。突然の突風が発生したときに計器を読み取ろうとすると、その環境要因がランダムなエラーを引き起こす可能性があります。
いくつかの測定値を取得して平均を求めることで、複製と呼ばれるプロセスを実行することは、ランダム エラーの影響を取り除くための信頼できる方法の 1 つです。各測定値には変動がありますが、総合的な結果は、正しい測定値と誤りである外れ値を認識するのに役立ちます。または、測定手法を改善して、制御不能な要因の問題を軽減することを検討してください。
このようなアプローチを採用するには、忍耐と試行錯誤に積極的に取り組む必要がありますが、正確な結果が優先される場合は報われる可能性があります。
系統誤差について
研究者はまた、実験を行う際に系統誤差に注意し、最小限に抑える必要があります。ランダムエラーとは異なり、システマティックエラーは、人が時間内に同じ方法で読み取りを行うか、変更を加えずに機器を使用する限り予測可能です.その場合、エラーは試行ごとに同じ割合で結果に影響します。系統誤差は通常一貫して正または負であるため、それらをバイアスとして分類する人もいます.
系統誤差にはいくつかの種類があります。 1つ目は器差です。校正されていない計測器で発生するか、測定ツールが壊れていてユーザーが気付かない場合に発生する可能性があります。複数の研究者が数字を丸め、開始時に手順に同意しない場合など、手順のエラーも発生する可能性があります。ある人が切り上げ、他の人が切り捨てた場合、調査結果に食い違いが入り込みます。次に、前のセクションで説明した変動条件とは異なる環境エラーがあります。それらは、研究者が測定ツールを使用する場所であればどこでも制御できる一定の環境条件に関連付けられています。
たとえば、湿度が高すぎて機器が適切に機能しない部屋で研究者が屋内測定を行った場合、環境エラーによって結果が損なわれる可能性があります。理論上のエラーも問題を引き起こす可能性があります。測定機器に関連する過度に単純化された理論に頼りすぎると、他の人を見落としてその側面にお金を払いすぎるというパターンに陥る可能性があります。最後に、観測エラーがあります。人々が測定器を読み間違えたときに起こります。
ヒューマン エラーがミスを引き起こす
実験を行うのがまったくの初心者であろうと経験豊富な専門家であろうと、全員が科学的方法の手順に従う必要があります。仮説を立ててそれをテストすることは、おそらく以前に聞いたことがあるいくつかのステップです。情熱と熱意は、科学の探求を特にやりがいのあるものにする 2 つの要素ですが、興奮が正確さの妨げになることがあってはなりません。
人々が測定を急いで行ったり、正しく測定する方法を学ぶために時間を割いたりしない場合、失敗は結果の有効性に悪影響を与える可能性があります.この種の問題は、総エラーとも呼ばれます。これらは、人的エラーによって引き起こされた不正確さと考えることができます。いくつかの観察誤差も失敗です。科学界で通常議論される 2 種類の失敗は、推定エラーと転写エラーです。測定ツールで正確な測定値を取得できず、結果を読んでいる人々が同意できない場合、推定エラーが発生する可能性があります。
見積もりを作成し、友人や同僚に確認を求めなかった場合にも発生する可能性があります。次に、転記エラーは、たとえば、図を間違って書き留めたり、スプレッドシートの間違ったフィールドに入力したりした場合に発生する間違いに関連しています.他の人が読めないようなずさんな手書きで測定値を急いで書き下ろすと、同僚が推測を行うため、転記ミスが組織全体に急速に広がる可能性があります。
注意を払うことは、重大なエラーを減らすための最も効果的なアプローチの 1 つです。また、測定後に別の人に測定してもらい、結果を比較するのも賢明です。
測定誤差の種類はどのような影響を与えますか?
科学者が時々犯す測定ミスの内訳がわかったので、潜在的な影響について疑問に思うかもしれません。エラーの重大度は、影響を受ける人や団体の数と同様に、違いを生む要因の 1 つです。いつ
Facebook は、2016 年と 2017 年にマーケティングとエンゲージメントの指標に関連するさまざまな誤りを認めました。その誤りの 1 つにより、マーケターがソーシャル メディア プラットフォームでの広告に対して誤って請求されるというニュースが発表されました。 Facebook の一部の顧客は、こうした事故は容認できないと判断し、他のプロモーション方法を探すかもしれません。
最近では、科学チームが公開された論文に修正を加えました。彼らは、気候変動が海洋温度の上昇にどのように影響するかに関する研究に関連する誤差範囲が、最初に計算されたよりもはるかに大きいことに気付きました。啓示は、彼らが彼らの結論にそれほど自信を持てないことを意味しました.その場合、研究者は自分の過ちを認めました。彼らはまた、彼らの調査結果について提起されたすべての懸念を受け入れ、研究で使用した方法を再検討することを約束しました.これらの回答は、彼らが不正確さを正すことに真剣に取り組んでいることを示しています。
継続的な改善は優れた目標です
完璧な人はいません。研究で間違いを犯すことは避けられません。とはいえ、測定エラーの種類とその回避方法を知っていれば、正確な結果が得られる可能性が高くなります。測定で問題が見つかった場合は、過度にイライラするのではなく、改善するためにさらに努力することを決定してください。そうすれば、過ちから学び、過ちを繰り返さないようにして、時間が経つにつれてプロセスを完成させることができます。
