Es hat wenig Sinn, Vorhersagen zu machen, wenn man sich nie irren kann - wie stellen wir also sicher, dass Ihre Vorhersagen falsifizierbar sind? Wir erörtern, warum falsifizierbare Vorhersagen wichtig sind und wie Sie Ihre Vorhersagen in der Praxis falsifizierbar machen können. Ein wichtiger Aspekt, um Vorhersagen falsifizierbar zu machen, ist die Angabe eines Wertebereichs, der nicht vorhergesagt wird. Wir werden verschiedene Ansätze zur Angabe einer kleinsten Effektgröße von Interesse untersuchen.

Wenn Studien darauf ausgelegt sind, eine Frage zu beantworten, sollten Sie sicherstellen, dass die Antwort, die Sie nach der Datenerhebung erhalten, informativ ist. Anstatt gedankenlos Fehlerquoten vom Typ 1 und Typ 2 festzulegen, lernen wir, warum es wichtig ist, Fehlerquoten begründen zu können, und einige Ansätze, wie man dies tun kann. Wir erörtern die Vorteile der Verwendung Ihrer kleinsten interessierenden Effektgröße in Power-Analysen und warum das Erlernen von Datensimulationen ein nützliches Werkzeug ist. Simulationen können Ihnen helfen, Ihr Verständnis von Statistik zu verbessern, informative Studien zu entwerfen und sogar neue Fragen zu stellen.

Bedauerlicherweise arbeiten wir in einem wissenschaftlichen Betrieb, in dem die veröffentlichte Literatur nicht die tatsächliche Forschung widerspiegelt. Publikations- und Selektionsverzerrungen führen zu einer wissenschaftlichen Literatur, die nicht ohne Berücksichtigung dieser Verzerrungen interpretiert werden kann. Wir werden erörtern, wie echte Forschungslinien aussehen und wie man die Literatur meta-analytisch auswertet, ohne die Verzerrungen zu berücksichtigen.

Wir besprechen drei letzte Themen. Zunächst werden wir dafür sorgen, dass andere Menschen Ihre Daten nutzen können, um neue Fragen zu stellen, indem wir sicherstellen, dass Ihre Datenanalyse rechnerisch reproduzierbar ist. Dann werden wir darüber nachdenken, wie Ihre Wissenschaftsphilosophie die Art der Fragen beeinflusst, die Sie stellen, und worauf Sie bei Ihrer Forschung Wert legen. Abschließend diskutieren wir über wissenschaftliche Integrität und überlegen, warum unsere Forschungspraxis nicht immer mit den bestmöglichen Möglichkeiten übereinstimmt, zuverlässige Antworten auf wissenschaftliche Fragen zu geben.

Dieses Modul enthält eine benotete Prüfung. Sie deckt den Inhalt des gesamten Kurses ab. Wir empfehlen Ihnen, diese Prüfung erst abzulegen, nachdem Sie alle anderen Module durchgenommen haben.