论文书写学习笔记之论文研究假设
论文研究假设
“研究假设(hypothesis)”,特别重要,它连接了理论和数据,是贯穿一篇文章的黄金线。读一篇实证文章的时候,哪怕什么都没看懂,也要把研究假设看懂了,看懂了研究假设也就明白了这篇文章主要是要干嘛。
为什么?
研究假设的本质:一种对于某个问题答案的未经证实的猜测。其实这世界上所有对答案的探索过程都一定要经过“假设”这个过程,当我们给出的某个答案还未经证实,那不就是一种“假设”吗?只不过有很多时候这个假设的过程是隐性的、短暂的、无需被单独列出的、或者不被人意识到的。
而科学研究不同,科学研究里面,你需要严谨和明确的把你要研究的东西明晃晃的亮出来,你需要清清楚楚的分清什么是fact(事实)什么是opinion (观念),什么是hypothesis(假设)什么是tested finding (经证实的发现), 为此你需要把你的研究假设一是一二是二的写出来在文章里,而且你需要尽量表达到位、用词准确,因为只有这样别人才能知道你后续验证数据的过程做的有没有道理、所设计的方法合不合适、分析结果能不能验证你的假设。所以在实证研究中,我们也就看见了“Hypothesis 1..”, “Hypothesis 2…” 这样的专属于学术研究的东西。
在实证研究中一定要亮出研究假设是为了以下几个目的:
1. 告诉别人你这篇文章要关注的主题是什么(比如,” 喝咖啡喝的越多,小白的头越疼” 这个假设能清楚的告诉别人我要关注的是“为什么小白头疼”);
2. 告诉别人你有一些别人没想到的能解释这个问题的想法或“变量”(比如“喝咖啡”和“睡得晚”就是解释变量);
3. 告诉别人你在研究中关注的自变量和因变量分别是什么;
4. 告诉别人假设自变量和因变量两者是怎样的关系(比如正相关、负相关、非线性相关等等)。
定义研究假设?
1. 只讨论了一个变量的假设并不是研究假设。比如,“明天天气会变暖”---这里面只有一个变量,就是“天气”,它没有提出两个变量之间的关系,变暖这个事情是天气的特征值(value),而不是variable;
2. 研究假设里面要提出自变量和因变量的关系,将自变量和因变量进行“联结”。比如,“明天天气会变暖,明天湿度会特别大”----这里面确实出现了两个变量,然而并没有联结二者的关系,没有用自变量去解释因变量,所以也不是好的研究假设;
3. 好的研究假设里不能只说两个东西相关,还要说他们是怎么相关的。-----比如随着一个变量的增长另一个也增长,这叫正相关;随着一个增长另一个下降,这叫负相关。
4. 研究假设必须可以验证。比如,“喝咖啡越多头越疼”就可以验证;“喝咖啡越多人就越通灵”就无法验证 (至少现在科学界无法验证)。
研究假设的核心是解释“自变量与因变量的关系”
自变量与因变量?
Independent Variable : variable是变量的意思,independent是不依赖的意思,所以independent variable就是谁都不依赖的变量——我自己变我自己的,不管别人变不变,其它变量决定不了我(很任性的)——中文就叫“自变量”了, 其实直译过来就是“不依赖别人的变量”。
Dependent Variable: 再次顾名思义,它需要依赖,需要依赖什么呢?依赖其它变量来变化,否则它自己不知道该怎么变。那具体依赖谁呢?依赖“independent variable”的变化。Independent variable一变,dependent variable一定跟着变,因为它天生就需要依赖才能存在啊。——中文里把它叫做了“因变量”,因着别的变量才知道自己是怎么变,然而英文名直译过来它应该叫“依赖别人的变量”吧?
在验证两个变量之间关系的时候,研究者总是试图通过改变和调试自变量(IV),来观测因变量(DV)的变化——因为如果因变量随着自变量的变化而变化,那么就说明两者是相关的;至于是如何相关的,则需要进一步利用不同的统计模型来做出判断。
下图展示了研究假设中IV和DV的关系:
一个好的研究假设?
- 清楚说明一个自变量与一个因变量之间是有关联的;
- 清楚地说明自变量和因变量之间是怎样关联的(direction of relationship);
- 研究假设应该是可以验证的(testable).
读别人文献的时候我们应该培养:
- 重视读懂实证文章里的研究假设;
- 从研究假设中能看得出谁是IV, 谁是DV,以及作者要验证怎样的关系;
- 脑中能勾画出研究假设中变量之间的关系图。
论文书写学习笔记之论文研究假设相关推荐
- 如何写好科研论文(学习笔记2000字)
如何写好科研论文(学习笔记2000字) 通过本课程的学习,我学习到了许多如何写好科研论文的方法,接下来我将具体阐述我的收获. 一.在第一章中,主要学习了如何造就一篇优秀的学术论文. (一)标题要起得好 ...
- oracle rac 仲裁盘_【学习笔记】深入研究Oracle RAC节点驱逐的条件和案例
天萃荷净 Oracle研究中心学习笔记:分享一篇关于Oracle数据库RAC环境中节点间管理的文章,详细介绍了RAC节点驱逐条件和管理方法. 本站文章除注明转载外,均为本站原创: 转载自loveOra ...
- 可搜索加密研究进展综述与改进方案(读论文,学习笔记)
摘要 随着云计算的迅速发展,为保护用户外包数据的安全和用户隐私,越来越多的企业和用户选择将数据加密后上传.因此,对云服务器上加密数据的有效搜索 成为用户关注的重点. 可搜索加密技术是允许用户对密文数据 ...
- CV视觉论文alexnet学习笔记(二)
<imageNet classification with Deep Convolutional Neural Network> 基于卷积神经网络的图像分类(经典网络) 作者:Alex K ...
- 目标追踪与定位学习笔记10-SiamMOT论文阅读
阅读论文SiamMOT网络 我现在的问题: 问题描述: 给定一个目标进行跟踪,注意观察到人物的遮挡.进入人群中或者视角变化等因素下 SiamMOT专注于改进局部跟踪,在轨迹不可见的情况下也能向前跟踪, ...
- SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS 论文/GCN学习笔记
1 前置知识:卷积与CNN 该内容在论文中并没有涉及,但理解卷积和CNN对于GCN的理解有帮助,因为GCN是将CNN推广到新的数据结构:graph上面. 1.1与1.2的内容均来自视频:https:/ ...
- 对抗攻击经典论文——FGSM学习笔记 EXPLAINING AND HARNESSING ADVERSARIAL EXAMPLES
论文下载:Explaining and Harnessing Adversarial Examples 1摘要 几种机器学习模型,包括神经网络,一致地将对抗样本误分类--通过对数据集样本添加细微而刻意 ...
- Explaining and Harnessing Adversarial Examples——论文的学习笔记01
这篇文章由Goodfellow等人发表在ICLR'2015会议上,是对抗样本领域的经典论文.这篇文章主要提出与之前论文不同的线性假设来解释对抗样本的存在性.同时,论文提出了一种简单的对抗样本生成方法: ...
- 读论文-NeRF学习笔记
文章目录 NeRF的背景 NeRF的原理 NeRF的算法思路: Step1 :使用MLP学习该场景的隐式3D模型表达 Step 2:使用体渲染方程将3D场景渲染成图片 Step 3:训练 Step 4 ...
最新文章
- linux ftp 记录,linux FTP vsftpd
- SQLServer之创建INSTEAD OF INSERT,UPDATE,DELETE触发器
- python网站设计开题报告_XX网站设计开题报告范文
- 012_Redis的aof持久化方式
- json字符串、json对象、数组 三者之间的转换
- 全新尝试|ComponentOne WinForm和.NET Core 3.0
- 每日优鲜上市首日股价报收于9.66美元 目前总市值约22.74亿美元
- 边缘计算(edge computing)中computation offloading、resource allocation、resource provisioning的区别
- 离线安装老版本android sdk,亲测,linux、windows、mac通用
- 《算法导论》——矩阵乘法的Strassen算法
- 电脑文件同步备份软件哪个好用?
- java做http接口
- 宇视摄像头IP地址修改工具
- vue 下载pdf文件
- XXX单板类热仿真分析
- forest_train训练文件的生成代码
- Java工程师(面试)
- caffe-ristretto:可以定点的层目录
- 小视频如何消重 视频剪切后md5值变了吗
- 固定docker容器IP方法