Loading article…
仮説演繹モデルまたは方法は、科学的方法の提案された説明である。それによると、科学的探究は、結果がまだ不明な観察可能なデータに対するテストを使用して、反証可能な形式で仮説を定式化することによって進められる。仮説の予測に反する可能性があり、実際に反するテスト結果は、仮説の反証とみなされる。仮説に反する可能性があったが反しなかったテスト結果は、理論を裏付ける。次に、競合する仮説の説明価値を、予測によってどの程度厳密に裏付けられているかをテストすることによって比較することが提案されている。[ 1 ]
仮説演繹法のアルゴリズム的記述の一例は次のとおりです。[ 2 ]
このモデルにおける考えられる手順の1つは、1、2、3、4です。4の結果が正しければ、3がまだ反証されていない場合は、 3、4、1 、といったように続けることができます。しかし、 4の結果が3が偽であることを示している場合は、 2に戻って新しい2を考案し、新しい3を推論し、 4を探す、といった手順を踏まなければなりません。
この方法では、2 の真偽を完全に検証（証明）することは決してできないことに注意してください。2 を反証することしかできません。[ 4 ]（これは、アインシュタインが「どんなに多くの実験を行っても私の正しさを証明することはできないが、たった一つの実験で私の間違いを証明できる」と言ったことの意味です。[ 5 ]）
さらに、カール・ヘンペル（1905～1997）が指摘したように、科学的方法のこの単純な見方は不完全です。推測には確率も含まれることがあります。たとえば、薬は約70%の確率で効果があります。[ 6 ]この場合、推測（特に確率）を立証するためにテストを繰り返す必要があります。この場合やその他の場合、推測自体に対する確信の確率を定量化し、ベイズ分析を適用することができます。各実験結果は確率を上下にシフトさせます。ベイズの定理は、確率が正確に0%または100%に達することは決してない（どちらの方向にも絶対的な確実性はない）ことを示していますが、それでもどちらかの極端に非常に近づくことはあります。確証全体論も参照してください。
裏付けとなる証拠の限定は、哲学的に問題視されることがある。カラスのパラドックスはその有名な例である。「すべてのカラスは黒い」という仮説は、黒いカラスだけを観察することによって裏付けられるように見える。しかし、「すべてのカラスは黒い」は、「すべての黒くないものはカラスではない」と論理的に同値である（これは元の含意の対偶である）。「これは緑の木だ」は、カラスではない黒くないものの観察であり、したがって「すべての黒くないものはカラスではない」を裏付ける。したがって、「これは緑の木だ」という観察は、「すべてのカラスは黒い」という仮説の裏付けとなる証拠であるように思われる。[ 7 ]
試みられた解決策は、以下の点を区別する可能性がある。
仮説に反する証拠は、それ自体が哲学的に問題となる。そのような証拠は仮説の反証と呼ばれる。しかし、確証全体論の理論の下では、与えられた仮説を反証から救うことは常に可能である。これは、反証となる観察は理論的背景に組み込まれており、仮説を救うためにその理論的背景を修正できるからである。カール・ポパーはこのことを認めたが、そのような免疫戦略を避ける方法論的規則を尊重する批判的アプローチが科学の進歩に資すると主張した。[ 9 ]
物理学者のショーン・キャロルは、このモデルは決定不足を無視していると主張している。[ 10 ]
仮説演繹的アプローチは、帰納的アプローチやグラウンデッド・セオリーなどの他の研究モデルとは対照的です。データ浸透法では、仮説演繹的アプローチは、変数間の関係が記述的、影響的、縦断的、または因果的である4つのタイプが存在する可能性がある実用主義のパラダイムに含まれています。変数は構造的および機能的の2つのグループに分類され、この分類は仮説の定式化とデータに対して実行される統計的検定を推進し、研究の効率を高めます。[ 11 ]