Il ne sert pas à grand-chose de faire des prédictions si vous ne pouvez jamais vous tromper - alors comment s'assurer que vos prédictions sont falsifiables ? Nous verrons pourquoi il est important de faire des prédictions falsifiables et comment faire en sorte que vos prédictions soient falsifiables dans la pratique. Un aspect important de la falsification des prédictions consiste à spécifier une plage de valeurs qui n'est pas prédite, et nous examinerons différentes approches pour spécifier la plus petite taille d'effet d'intérêt.

Si les études sont conçues pour répondre à une question, vous devez vous assurer que la réponse que vous obtiendrez après avoir collecté des données est informative. Au lieu de fixer sans réfléchir des taux d'erreur de type 1 et de type 2, nous apprendrons pourquoi il est important de pouvoir justifier les taux d'erreur, et quelques approches pour y parvenir. Nous discuterons des avantages de l'utilisation de votre plus petite taille d'effet d'intérêt dans les analyses de puissance, et pourquoi apprendre à simuler des données est un outil utile. Les simulations peuvent vous aider à améliorer votre compréhension des statistiques, vous permettre de concevoir des études informatives et même de poser de nouvelles questions.

Malheureusement, nous travaillons dans une entreprise scientifique où la littérature publiée ne reflète pas la recherche réelle. Les biais de publication et de sélection conduisent à une littérature scientifique qui ne peut être interprétée sans tenir compte de ces biais. Nous verrons à quoi ressemblent les vraies lignes de recherche et comment évaluer méta-analytiquement la littérature tout en gardant à l'esprit les biais.

Nous abordons trois derniers sujets. Tout d'abord, nous nous assurerons que d'autres personnes peuvent utiliser vos données pour poser de nouvelles questions, en veillant à ce que l'analyse de vos données soit reproductible sur le plan informatique. Ensuite, nous réfléchirons à la manière dont votre philosophie de la science influence les types de questions que vous posez et ce à quoi vous attachez de l'importance lorsque vous faites de la recherche. Enfin, nous discuterons de l'intégrité scientifique et réfléchirons aux raisons pour lesquelles notre pratique de la recherche n'est pas toujours alignée sur les meilleurs moyens possibles de fournir des réponses fiables aux questions scientifiques.

Ce module contient un examen noté. Il couvre le contenu de l'ensemble du cours. Nous vous recommandons de ne passer cet examen qu'après avoir parcouru tous les autres modules.