Informations

La Méthode Scientifique# - Biologie


Aperçu

Un exemple de simplification excessive qui déconcerte de nombreux étudiants en biologie (en particulier au début de leurs études) est l'utilisation d'un langage qui masque le processus expérimental utilisé pour construire des connaissances. Cependant, alors que nous écrivons et parlons souvent de sujets en biologie avec une conviction qui donne l'apparence d'une connaissance « factuelle », la réalité est souvent plus nuancée et remplie d'incertitudes importantes. La présentation « factuelle » du matériel (manquant généralement de discussion sur les preuves ou de confiance dans les preuves) joue avec notre tendance naturelle à nous sentir bien dans le fait de « savoir » les choses, mais elle a tendance à créer un faux sentiment de sécurité dans l'état des connaissances et ne fait pas grand-chose. encourager l'utilisation de l'imagination ou le développement de la pensée critique.

Une meilleure façon de décrire nos connaissances sur le monde naturel serait de qualifier explicitement le fait que les connaissances présentées représentent notre meilleure compréhension actuelle qui n'a pas encore été réfutée par l'expérience. Malheureusement, la qualification répétée devient assez lourde. La chose importante à retenir est que même si nous ne le disons pas explicitement, toutes les connaissances dont nous discutons en classe ne représentent que le meilleur de notre compréhension actuelle. Certaines idées ont résisté à des expérimentations répétées et variées tandis que d'autres sujets n'ont pas encore été testés de manière aussi approfondie. Donc, si nous ne sommes pas aussi sûrs des choses que nous aimerions parfois le croire, comment savons-nous en quoi nous fier et de quoi être sceptique ? La réponse complète n'est pas triviale, mais elle commence par développer une compréhension de la traiter nous utilisons en science pour construire de nouvelles connaissances. La méthode scientifique est le processus par lequel de nouvelles connaissances sont développées. Alors que le processus peut être décrit avec de longues listes d'« étapes » (souvent vues dans les manuels), ses éléments de base peuvent être décrits de manière plus succincte.

Description succincte de la méthode scientifique (adapté de Feynman)

  1. Faites une observation sur le monde.
  2. Proposez une explication possible de l'observation.
  3. Testez l'explication par l'expérience.
  4. Si l'explication est en désaccord avec l'expérience, l'explication est fausse.

À la base, c'est tout ! En science, il peut y avoir plusieurs explications ou idées proposées simultanément qui sont testées par l'expérience. Les idées qui échouent à l'expérimentation sont laissées pour compte. Les idées qui survivent à l'expérimentation avancent et sont souvent retestées par des expériences alternatives jusqu'à ce qu'elles échouent elles aussi ou continuent d'être retenues.

Faire une observation et poser une question

La capacité de faire des observations utiles et/ou de poser des questions significatives requiert de la curiosité, de la créativité et de l'imagination - cela ne peut pas être surestimé. En effet, historiquement, c'est d'abord et avant tout l'application de ces compétences, peut-être plus que la capacité technique, qui a conduit à de grandes avancées scientifiques. Beaucoup de gens pensent que faire des observations significatives et poser des questions utiles est la partie la plus facile de la méthode scientifique. Ce n'est pas toujours le cas. Pourquoi? Voir ce que les autres n'ont pas et être créatif demande du travail et une réflexion approfondie ! De plus, notre sens de l'observation est souvent biaisé par l'expérience de la vie, des connaissances antérieures ou même notre propre biologie. Ces préjugés sous-jacents influencent la façon dont nous voyons le monde, la façon dont nous interprétons ce que nous voyons et ce qui nous intéresse en fin de compte. Cela signifie que lorsque nous regardons le monde, nous pouvons manquer beaucoup de choses qui sont en fait juste sous notre nez. Douglas Adams, qui est surtout connu pour son livre intitulé The Hitchhiker's Guide to the Galaxy, a un jour développé ce point en écrivant :

« Les hypothèses les plus trompeuses sont celles que vous ne savez même pas que vous faites. »

Les scientifiques doivent donc être conscients de tout biais sous-jacent et de toute hypothèse pouvant influencer la manière dont ils intériorisent et interprètent les observations. Cela inclut d'aborder notre préjugé selon lequel la variété des endroits où nous obtenons nos connaissances (c'est-à-dire les manuels, les instructeurs, Internet) représentent la vérité absolue avec une bonne dose de scepticisme. Nous devons apprendre à examiner les preuves sous-jacentes aux « faits » que nous sommes censés connaître et à porter des jugements critiques sur la confiance que nous accordons à ces connaissances. Plus généralement, prendre le temps de faire des observations minutieuses et de découvrir les hypothèses et les biais qui pourraient influencer leur interprétation est donc du temps bien investi. Cette compétence, comme toutes les autres, doit être développée et demande de la pratique et nous essaierons de vous y initier dans BIS2A.

Pour le plaisir et pour tester vos capacités d'observation, Google « tests d'observation ». De nombreux résultats de recherche vous mèneront à des tests psychologiques intéressants et/ou à des vidéos qui illustrent à quel point une observation précise peut être difficile.

Générer une hypothèse vérifiable

L'« explication possible » évoquée à l'étape 3 ci-dessus a un nom formel ; ça s'appelle un hypothèse. Une hypothèse n'est pas une supposition aléatoire. Une hypothèse est une explication éclairée (basée sur des connaissances antérieures ou un nouveau point de vue) pour un événement ou une observation. Il est généralement plus utile si une hypothèse scientifique peut être testée. Cela nécessite que les outils pour faire des mesures informatives sur le système existent et que l'expérimentateur ait un contrôle suffisant sur le système en question pour faire les observations nécessaires.

La plupart du temps, les comportements du système que l'expérimentateur veut tester peuvent être influencés par de nombreux facteurs. Nous appelons les comportements et les facteurs, variables dépendantes et indépendantes, respectivement. La variable dépendante est le comportement qui doit être expliqué tandis que les variables indépendantes sont toutes les autres choses qui peuvent changer et influencer le comportement de la variable dépendante. Par exemple, un expérimentateur qui a développé un nouveau médicament pour contrôler la tension artérielle peut vouloir tester si son nouveau médicament influence réellement la tension artérielle. Dans cet exemple, le système est le corps humain, la variable dépendante peut être la pression artérielle et les variables indépendantes peuvent être d'autres facteurs qui changent et influencent la pression artérielle comme l'âge, le sexe et les niveaux de divers facteurs solubles dans la circulation sanguine.

Noter

Dans BIS2A, et au-delà, nous préférons éviter d'utiliser un langage comme « l'expérience a prouvé son hypothèse » en faisant référence à un cas comme l'exemple de pression artérielle ci-dessus. Nous dirions plutôt « l'expérience est cohérente avec son hypothèse ». Notez que pour plus de commodité (l'un des raccourcis linguistiques dont nous avons parlé plus tôt), nous avons simplement fait référence à l'hypothèse alternative sous le nom de « son hypothèse » ! Il serait plus correct de dire que "l'expérience a falsifié son hypothèse nulle et est cohérente avec son hypothèse alternative". Pourquoi prendre ce raccourci puisque cela ajoute de la confusion lorsqu'un élève essaie d'apprendre ? Dans ce cas, cela a été fait pour illustrer le point ci-dessus sur les raccourcis linguistiques et donc la longue explication. Cependant, soyez conscient de ce raccourci couramment utilisé et apprenez à vous assurer que vous pouvez lire vous-même dans le bon sens.

Remarque : discussion possible

Que signifie l'énoncé sur la falsification des hypothèses dans vos propres mots ? Pourquoi la falsification est-elle essentielle à la méthode scientifique ?

Les contrôles

Dans un cas idéal, une expérience comprendra ce que l'on appelle des groupes de contrôle. Les groupes témoins sont des conditions expérimentales dans lesquelles les valeurs des variables indépendantes (il peut y en avoir plusieurs) sont maintenues aussi proches de celles du groupe expérimental à l'exception de la variable indépendante testée. Dans l'exemple de la tension artérielle, un scénario idéal serait d'avoir un groupe identique de personnes prenant le médicament et un autre groupe de personnes identiques à ceux du groupe expérimental prenant une pilule contenant quelque chose dont on sait qu'il n'influence pas la tension artérielle. Dans cet exemple simplifié à l'extrême, toutes les variables indépendantes sont identiques dans les groupes témoin et expérimental, à l'exception de la présence ou de l'absence du nouveau médicament. Dans ces circonstances, si la valeur de la variable dépendante (tension artérielle) du groupe expérimental diffère de celle du groupe témoin, on peut raisonnablement conclure que la différence doit être due à la différence de variable indépendante (la présence/absence de la médicament). C'est bien sûr l'idéal. Dans la vraie vie, il est impossible de mener l'expérience de dosage de médicament proposée ; le nombre même de variables indépendantes possibles dans un groupe de patients potentiels serait élevé. Heureusement, alors que les statisticiens sont venus à la rescousse dans la vraie vie, vous n'aurez pas besoin de comprendre les nuances de ces problèmes statistiques dans BIS2A.

Précision dans la mesure, l'incertitude et la réplication

Enfin, nous mentionnons la notion intuitive selon laquelle les outils utilisés pour effectuer les mesures dans une expérience doivent être raisonnablement précis. Quelle précision ? Ils doivent être suffisamment précis pour effectuer des mesures avec suffisamment de certitude pour tirer des conclusions quant à savoir si les changements dans les variables indépendantes influencent réellement la valeur d'une variable dépendante. Si nous prenons, encore une fois, l'exemple de la pression artérielle ci-dessus. Dans cette expérience, nous avons fait l'hypothèse importante que l'expérimentateur disposait d'outils lui permettant de mesurer avec précision les changements de pression artérielle associés aux effets du médicament. Par exemple, si les changements associés au médicament se situaient entre 0 et 3 mmHg et que son lecteur mesurait avec précision les changements de pression artérielle avec une certitude de +/- 5 mmHg, elle n'aurait pas pu faire les mesures nécessaires pour tester son hypothèse ou aurait manqué de voir l'effet de la drogue. À titre d'exemple, nous supposons qu'elle disposait d'un meilleur instrument et qu'elle pouvait être sûre que tous les changements qu'elle mesurait étaient bien des différences dues au traitement médicamenteux et qu'ils n'étaient pas dus à une erreur de mesure, à une variabilité d'un échantillon à l'autre, ou d'autres sources de variation qui diminuent la confiance des conclusions tirées de l'expérience.

Le sujet de l'erreur de mesure nous amène à mentionner qu'il existe de nombreuses autres sources possibles d'incertitude dans les données expérimentales que vous, en tant qu'étudiants, devrez en fin de compte connaître. Ces sources d'erreur ont beaucoup à voir avec la détermination de notre degré de certitude que les expériences ont réfuté les hypothèses, à quel point nous devons faire confiance à l'interprétation des résultats expérimentaux et, par extension, à notre état actuel de nos connaissances. Même à ce stade, vous reconnaîtrez certaines stratégies expérimentales utilisées pour gérer ces sources d'incertitude (c'est-à-dire effectuer des mesures sur plusieurs échantillons ; créer des expériences répétées). Vous en apprendrez plus à ce sujet dans vos cours de statistiques plus tard.

Pour l'instant, vous devez cependant savoir que les expériences comportent un certain degré de confiance dans les résultats et que le degré de confiance dans les résultats peut être influencé par de nombreux facteurs. Développer un scepticisme sain implique, entre autres, d'apprendre à évaluer la qualité d'une expérience et l'interprétation des résultats et d'apprendre à poser des questions sur des choses comme celle-ci.

Remarque : discussion possible

Après avoir déménagé en Californie pour assister à l'UC Davis, vous êtes tombé amoureux des tomates fraîches. Vous décidez que les tomates dans les magasins n'ont tout simplement pas bon goût et décidez de faire pousser les vôtres.

Vous plantez des plants de tomates partout dans votre jardin; chaque espace libre a maintenant un plant de tomate fraîchement planté de la même variété. Vous avez planté des tomates dans le sol en plein soleil et à côté de votre maison à l'ombre.

Observation: Après la première année de récolte, vous faites le observation que les plantes poussant en pleine ombre semblent presque toujours plus courtes que celles en plein soleil. Vous pensez avoir une explication (hypothèse) raisonnable pour cette observation.

Sur la base des informations ci-dessus, vous créez l'hypothèse suivante pour expliquer les différences de hauteur que vous avez remarquées dans vos tomates :

Hypothèse: La hauteur atteinte par mes plants de tomates est positivement corrélée à la quantité de lumière solaire à laquelle ils sont exposés (par exemple, plus le plant reçoit de soleil, plus il sera grand).

Cette hypothèse est vérifiable et falsifiable. Ainsi, l'été suivant, vous décidez de tester votre hypothèse.

Cette hypothèse permet également de faire une prédiction. Dans ce cas, vous pourriez prédire que SI vous deviez ombrager un ensemble de tomates dans la partie ensoleillée de la cour, ALORS ces plantes seraient plus courtes que leurs voisines en plein soleil.

Vous concevez une expérience pour tester votre hypothèse en achetant la même variété de tomate que vous avez plantée l'année précédente et en replantant tout votre jardin. Cette année, cependant, vous décidez de faire deux choses différentes :

(a) Vous créez une structure d'ombrage que vous placez sur un petit sous-ensemble de plantes dans la partie ensoleillée de votre jardin.

(b) Vous construisez un engin avec des miroirs qui redirige un peu de lumière du soleil sur un petit sous-ensemble de plantes qui se trouvent dans la partie ombragée de la cour.

Question 1: Nous avons utilisé un raccourci ci-dessus. Pouvez-vous créer des déclarations pour l'hypothèse nulle et l'hypothèse alternative ? Travaillez avec vos camarades de classe pour le faire.

Question 2: Pourquoi créer une structure d'ombrage ? C'est quoi ce test ? Sur la base de votre hypothèse, que prédisez-vous qu'il arrivera aux plantes sous la structure d'ombrage ?

Question 3: Pourquoi créez-vous l'engin miroir? Pourquoi avez-vous potentiellement besoin de cet engin si vous avez déjà la structure d'ombrage ?

Nouvelles données: A la fin de l'été vous mesurez la hauteur de vos plants de tomates et vous constatez une fois de plus que les plants de la partie ensoleillée du jardin sont en effet plus hauts que ceux de la partie ombragée du jardin. Cependant, vous remarquez qu'il n'y a pas de différence de hauteur entre les plantes sous votre ombrière et celles juste à côté de la structure en plein soleil. De plus, vous remarquez que les plantes dans la partie ombragée de la cour ont toutes à peu près la même hauteur, y compris celles qui ont été éclairées par une lumière supplémentaire via votre miroir.

Question 4: Qu'est-ce que cette expérience vous amène à conclure ? Qu'essaieriez-vous de faire ensuite ?

Question 5 : Imaginez un scénario alternatif dans lequel vous découvrirez, comme auparavant, que les plantes dans la partie ensoleillée de la cour étaient toutes de la même hauteur (même celles sous votre structure d'ombrage) mais que les plantes dans la partie ombragée de la cour ” la lumière de votre engin miroir est devenue plus grande que leurs voisins immédiats. Qu'est-ce que cela dirait de votre hypothèse alternative ? Hypothèse nulle? Que ferais-tu ensuite?

Question 6 : Quelles hypothèses faites-vous sur la capacité de faire des mesures dans cette expérience ? Quelle influence ces hypothèses peuvent-elles avoir sur votre interprétation des résultats ?

Dans ce cours, il vous sera parfois demandé de créer des hypothèses, d'interpréter des données et de concevoir des expériences avec des contrôles appropriés. Toutes ces compétences nécessitent de la pratique pour être maîtrisées, nous pouvons commencer à les pratiquer dans BIS2A. Encore une fois, même si nous ne nous attendons pas à ce que vous soyez des maîtres après avoir lu ce texte, nous supposerons que vous avez lu ce texte au cours de la première semaine et que les concepts associés ne sont pas complètement nouveaux pour vous. Vous pouvez toujours revenir à ce texte comme une ressource pour vous rafraîchir.

Clause de non-responsabilité

Bien que le traitement précédent de la méthode expérimentale soit très basique - vous ajouterez sans aucun doute de nombreuses couches de sophistication à ces idées de base au fur et à mesure que vous poursuivez vos études - il devrait servir d'introduction suffisante au sujet pour BIS2A. Le point le plus important à retenir de cette section est que les connaissances représentées dans ce cours, bien que parfois présentées par inadvertance comme des faits irréfutables, ne sont en réalité que l'hypothèse la plus courante sur la façon dont certaines choses se produisent en biologie qui n'ont pas encore été falsifiées par l'expérience.


Les étudiants, et parfois même les enseignants, pensent souvent que les scientifiques n'utilisent la méthode scientifique que pour répondre aux questions scientifiques. En fait, vous pouvez appliquer la méthode scientifique à presque tous les problèmes. La clé est d'utiliser les éléments (étapes) pour réduire les biais et aider à trouver une solution au problème.

La méthode scientifique est la norme en laboratoire, mais ne vous laissez pas berner par son nom. Il est également utilisé au-delà du laboratoire pour résoudre les mystères et les problèmes du quotidien.

La méthode scientifique se compose d'un certain nombre d'étapes différentes, mais l'ordre dans lequel nous appliquons les étapes peut varier. Plutôt que de se concentrer sur l'ordre des étapes, les élèves devraient voir la méthode scientifique comme un outil composé d'éléments qu'ils peuvent utiliser pour résoudre des problèmes et répondre à des questions.

Une taille unique ne convient pas à tous lorsqu'il s'agit de faire de la science ou de résoudre des mystères quotidiens. Cliquez sur l'image pour les soins.

Bien que vous puissiez réorganiser les étapes de la méthode scientifique, il est important d'appliquer toutes les étapes pour réduire l'impact des préjugés personnels. C'est vraiment la fonction clé de la méthode scientifique. La méthode scientifique définit un processus qui aide les scientifiques à parvenir à une conclusion, mais cette conclusion est rendue plus valable en vertu du processus utilisé par les scientifiques pour parvenir à leur conclusion. L'une des véritables forces de la méthode scientifique est que ses étapes aident les utilisateurs à réduire les risques d'erreur et de biais personnels, rendant les résultats de leurs expériences plus fiables.


Théories et lois scientifiques

La méthode scientifique et la science en général peuvent être frustrantes. Une théorie n'est presque jamais prouvée, bien que quelques théories deviennent des lois scientifiques. Un exemple serait les lois de conservation de l'énergie, qui est la première loi de la thermodynamique. Le Dr Linda Boland, neurobiologiste et présidente du département de biologie de l'Université de Richmond, en Virginie, a déclaré à Live Science qu'il s'agissait de sa loi scientifique préférée. "C'est celui qui guide une grande partie de mes recherches sur l'activité électrique cellulaire et il déclare que l'énergie ne peut pas être créée ni détruite, mais seulement changée de forme. Cette loi me rappelle continuellement les nombreuses formes d'énergie", a-t-elle déclaré.

Une loi décrit juste un phénomène observé, mais elle n'explique pas pourquoi le phénomène existe ou ce qui le cause. "En science, les lois sont un point de départ", a déclaré Peter Coppinger, professeur agrégé de biologie et de génie biomédical au Rose-Hulman Institute of Technology. « À partir de là, les scientifiques peuvent alors poser les questions : « Pourquoi et comment ? » »

Les lois sont généralement considérées comme sans exception, bien que certaines lois aient été modifiées au fil du temps après que des tests supplémentaires ont révélé des divergences. Cela ne veut pas dire que les théories n'ont pas de sens. Pour qu'une hypothèse devienne une théorie, des tests rigoureux doivent être effectués, généralement dans plusieurs disciplines par des groupes distincts de scientifiques. Dire que quelque chose n'est « qu'une théorie » est un terme de profane qui n'a aucun rapport avec la science. Pour la plupart des gens, une théorie est une intuition. En science, une théorie est le cadre des observations et des faits, a déclaré Tanner à Live Science.

Certaines des choses que nous tenons pour acquises aujourd'hui ont été imaginées par pure intelligence, d'autres par accident. Mais que savez-vous de l'origine des choses ? Ici, nous avons inventé un quiz sur 15 des inventions les plus utiles au monde, des adhésifs

Quiz : les plus grandes inventions du monde


Méthode scientifique

La méthode est une procédure ou la façon dont une personne fait une activité pour faciliter la résolution du problème de manière régulière, systématique et contrôlée. Les moyens scientifiques conformes aux principes scientifiques pour acquérir des connaissances reposent naturellement sur l'évidence de la fission. La méthode scientifique est donc un processus ou une manière de faire de la science dans le processus scientifique (projet scientifique) pour acquérir la connaissance systématiquement sur la base de preuves physiques. La manière d'acquérir la connaissance ou la vérité dans la méthode scientifique doit être régie par des considérations logiques (McCleary, 1998).

Sur la base de la définition ci-dessus de la méthode scientifique, vous pouvez involontairement ou en réalisant que vous avez également appliqué la méthode scientifique dans vos activités quotidiennes. De plus, les méthodes scientifiques de la biologie peuvent souvent le faire, car la biologie est toujours associée à l'activité quotidienne du corps humain.

Biologie Méthode Scientifique

  • A l'objet d'étude
  • Avoir une méthode
  • Systématique
  • Est universel (généralement accepté)
  • Soyez objectif (quelles qu'elles soient)
  • Analytique
  • Vérification caractéristique

Lire aussi : Caractéristique de la biologie

C'est la raison pour laquelle la méthode scientifique est essentielle à une science. La biologie s'étant également développée avec des méthodes scientifiques, les conclusions tirées doivent être valides, précises, vérifiables, non seulement basées sur la perception des chercheurs mais aussi sur des données factuelles sur le terrain (vie réelle). La méthode scientifique est un processus de pensée déductive et inductive. La pensée déductive signifie penser à des choses qui sont communes à la nature particulière des choses, par exemple, c'est le processus de faire une hypothèse. Alors que la pensée inductive signifie penser à des choses qui sont spécifiques à des choses communes, par exemple, lors d'une conclusion basée sur les données et l'analyse. Eh bien, pour que vous ayez un aperçu de la méthode scientifique, veuillez noter le tableau suivant.

méthodes scientifiques de la biologie, par exemple, étapes, compréhension

Étapes Méthode Scientifique Biologie

Sur la base de l'image ci-dessus, on peut voir que les étapes de la méthode scientifique de la biologie comprennent les étapes suivantes.

Observer les problèmes qui existent autour, puis trouver des problèmes qui existent vraiment ou des problèmes qui ont initialement donné lieu à aucun.

Problème acquis formulé dans une question, par exemple si, pourquoi, comment, sur les problèmes à observer.

L'hypothèse est une conjecture (réponse) sur la formulation du problème à l'étude. Cette hypothèse est encore limitée, les possibilités sont incertaines et doivent être approfondies ultérieurement.

Dans la conception de l'étude, il faut déterminer en détail la méthode de recherche utilisée, les variables de l'étude (contrôle et libre), les instruments et les matériaux, les techniques d'analyse des données, le temps et le lieu, et les choses qui doivent être préparées avant la étude réalisée

Les expériences sont des expériences menées et doivent être conformes à la conception ou aux étapes. Dans ce processus seront obtenues les données de l'expérience.

qui ont été obtenues expérimentalement peuvent être des données quantitatives (numériques) telles que la longueur, la taille, le poids, etc. Il peut également s'agir de données qualitatives telles que la saveur, la couleur, la texture, etc. Les données sont ensuite traitées et analysées statistiquement.

La conclusion est obtenue sur la base des données qui ont été analysées, qu'elles soutiennent l'hypothèse ou rejettent l'hypothèse.

Tous les processus du début à la fin penelian compilés dans un format de rapport ou de recherche expérimentale qui peuvent ensuite être utilisés pour la publication ou la livraison des données au public.

Explications en détail sur les étapes de la méthode scientifique, veuillez vous référer à l'article suivant.

Lisez aussi: Étapes Méthode scientifique Biologie

Exemples de méthode scientifique Biologie

Un exemple simple d'application de la méthode scientifique pour observer le processus de croissance de la biologie, par exemple les haricots verts. Le but de cette expérience est généralement d'observer l'effet de la lumière du soleil sur la croissance des haricots verts. Veuillez pratiquer cette expérience, puis observez. Que se passe-t-il si la graine plante des haricots verts cultivés dans l'obscurité, et que se passe-t-il si elle est plantée à l'extérieur de la pièce remplie de lumière.

Lorsque vous le comprenez suffisamment, veuillez faire des expériences comme dans l'exemple de la méthode scientifique de recherche sur les plants de haricots verts. En détail, veuillez cliquer sur le lien suivant.

Lisez aussi : Exemples de méthodes scientifiques de haricots verts

Jusque là d'abord, une explication de la méthode scientifique en biologie. Bida et n'explique pas tout en détail dans ce seul article. Par conséquent, s'il vous plaît visitez certains des matériaux sont encore en contact avec les méthodes scientifiques de la biologie dans d'autres articles pour être clair et compris. D'accord, ça peut être utile.


Retour aux scientifiques

Vickers se compte parmi les philosophes de la science « d'abord la science », un mouvement récent qui se concentre sur la façon dont les scientifiques pratiquent réellement leur métier. Compte tenu de leurs « succès manifestes », si un point de vue philosophique prétend qu'ils devraient fonctionner différemment de ce qu'ils font, il préférerait rejeter le point de vue philosophique. « Cela vient des antécédents de la science », dit-il. « À un moment donné, il est indéniable que les scientifiques ont quelque chose de bien. »

Prenez la virologie. Les particules virales sont beaucoup trop petites pour être réellement observées lorsqu'elles infectent les hôtes et ravagent leur corps. Un sceptique extrême pourrait dire que les scientifiques ne comprennent pas vraiment ces processus, mais cela n'a pas empêché l'éradication de la polio (ou le développement rapide d'un vaccin COVID-19). À l'extrémité astronomique du spectre, personne n'a vu le soleil d'assez près pour être sûr que c'est une étoile, pourtant « aucun scientifique au monde n'en douterait », dit Vickers. "Nous avons établi certaines choses au-delà de tout doute raisonnable."

Tout cela pour dire : la science va bien. En effet, on ne sait pas dans quelle mesure les tendances philosophiques changeantes ont façonné le cours de la science. (« Probablement pas grand-chose, dit Vickers, bien que certains scientifiques éminents aient cité Popper comme une influence majeure. La citation ci-dessus de Bondi continue : « Il n'y a pas plus à la science que sa méthode, et il n'y a pas plus à sa méthode que Popper l'a dit. ”)

Accepter une philosophie axée sur la science, c'est aussi abandonner la notion d'une véritable méthode scientifique, comme de nombreux philosophes l'ont fait au cours des dernières décennies. Nicolas Rasmussen, historien des sciences à l'Université de Nouvelle-Galles du Sud, a comparé la « quête continue » d'une seule méthode (ou même quelques-unes) à « le saut désespéré du saumon contre un barrage insurmontable ».

Au niveau le plus large, bien sûr, la science déploie tous les éléments méthodologiques. Mais en zoomant sur des domaines spécialisés et des scientifiques individuels, il est clair qu'ils diffèrent. En tant que physicien théoricien, Einstein a utilisé le raisonnement déductif pour arriver à ses théories, n'expérimentant que dans son propre esprit. Ensuite, il y a Alexander Fleming, qui a découvert la pénicilline par induction, en remarquant une moisissure particulière dans une boîte de Pétri et en examinant ses propriétés.

Deux scientifiques célèbres, mais "les types de pratique qu'ils font au jour le jour sont complètement différents", déclare Vickers. « Je pense que beaucoup de philosophes examineraient maintenant toutes ces théories de la méthode scientifique et diraient que toutes ces théories sont parfois utilisées par quelqu'un, dans un certain contexte. Et c'est ce que vous voulez.


5. Méthode en pratique

L'attention portée à la pratique scientifique, nous l'avons vu, n'est pas en soi nouvelle. Cependant, le tournant vers la pratique dans la philosophie des sciences ces derniers temps peut être considéré comme une correction au pessimisme concernant la méthode en philosophie des sciences dans les dernières parties du 20 e siècle, et comme une tentative de réconciliation entre les explications sociologiques et rationalistes de savoir scientifique. Une grande partie de ce travail considère la méthode comme des procédures de résolution de problèmes détaillées et spécifiques au contexte, et les analyses méthodologiques comme étant à la fois descriptives, critiques et consultatives (voir Nickles 1987 pour un exposé de ce point de vue). La section suivante contient un aperçu de certains des axes de pratique. Dans cette section, nous nous tournons entièrement vers les sujets plutôt que vers la chronologie.

5.1 Pratiques créatives et exploratoires

Un problème avec la distinction entre les contextes de découverte et de justification qui figurait si en évidence dans la philosophie des sciences dans la première moitié du 20e siècle (voir la section 2) est qu'aucune distinction ne peut être clairement vue dans l'activité scientifique (voir Arabatzis 2006 ). Ainsi, au cours des dernières décennies, il a été reconnu que l'étude de l'innovation conceptuelle et du changement ne devrait pas se limiter à la psychologie et à la sociologie des sciences, mais sont également des aspects importants de la pratique scientifique que la philosophie des sciences devrait aborder (voir aussi l'entrée sur la découverte scientifique ). La recherche des pratiques qui conduisent l'innovation conceptuelle a conduit les philosophes à examiner à la fois les pratiques de raisonnement des scientifiques et le vaste domaine des pratiques expérimentales qui ne visent pas étroitement à tester des hypothèses, c'est-à-dire l'expérimentation exploratoire.

En examinant les pratiques de raisonnement des scientifiques historiques et contemporains, Nersessian (2008) a soutenu que les nouveaux concepts scientifiques sont construits comme des solutions à des problèmes spécifiques par un raisonnement systématique, et que l'analogie, la représentation visuelle et l'expérimentation de la pensée font partie des pratiques de raisonnement importantes employées. Ces formes omniprésentes de raisonnement sont des méthodes fiables&mdashmais également faillibles&mdash de développement et de changement conceptuels. Pour elle, le raisonnement basé sur des modèles consiste en des cycles de construction, de simulation, d'évaluation et d'adaptation de modèles qui servent d'interprétations intermédiaires du problème cible à résoudre. Souvent, ce processus entraînera des modifications ou des extensions, et un nouveau cycle de simulation et d'évaluation. Cependant, Nersessian souligne également que

le raisonnement créatif basé sur des modèles ne peut pas être appliqué comme une simple recette, n'est pas toujours productif de solutions, et même ses usages les plus exemplaires peuvent conduire à des solutions incorrectes. (Nersessian 2008 : 11)

Ainsi, alors que d'une part elle est d'accord avec de nombreux philosophes précédents qu'il n'y a pas de logique de découverte, les découvertes peuvent dériver de processus raisonnés, de sorte qu'une partie importante et intégrale de la pratique scientifique est

la création de concepts à travers lesquels comprendre, structurer et communiquer sur les phénomènes physiques & hellip. (Nersessian 1987 : 11)

De même, les travaux sur l'heuristique pour la découverte et la construction de théories par des chercheurs tels que Darden (1991) et Bechtel & Richardson (1993) présentent la science comme la résolution de problèmes et étudient la résolution de problèmes scientifiques comme un cas particulier de résolution de problèmes en général. S'appuyant en grande partie sur des cas des sciences biologiques, ils se sont principalement concentrés sur les stratégies de raisonnement pour la génération, l'évaluation et la révision d'explications mécanistes de systèmes complexes.

Abordant un autre aspect de la distinction de contexte, à savoir la vision traditionnelle selon laquelle le rôle principal des expériences est de tester des hypothèses théoriques selon le modèle H-D, d'autres philosophes des sciences ont plaidé pour des rôles supplémentaires que les expériences peuvent jouer. La notion d'expérimentation exploratoire a été introduite pour décrire des expériences mues par le désir d'obtenir des régularités empiriques et de développer des concepts et des classifications dans lesquels ces régularités peuvent être décrites (Steinle 1997, 2002 Burian 1997 Waters 2007)). Cependant, la différence entre l'expérimentation fondée sur la théorie et l'expérimentation exploratoire ne doit pas être considérée comme une distinction nette. Les expériences basées sur la théorie ne visent pas toujours à tester des hypothèses, mais peuvent également viser divers types de collecte de faits, tels que la détermination de paramètres numériques. Vice versa, les expériences exploratoires sont généralement éclairées par la théorie de diverses manières et ne sont donc pas exemptes de théorie. Au lieu de cela, dans les expériences exploratoires, les phénomènes sont étudiés sans d'abord limiter les résultats possibles de l'expérience sur la base de la théorie existante sur les phénomènes.

Le développement de l'instrumentation à haut débit en biologie moléculaire et dans les domaines voisins a donné lieu à un type particulier d'expérimentation exploratoire qui collecte et analyse de très grandes quantités de données, et ces nouvelles disciplines &lsquoomics&rsquo représentent souvent une rupture avec l'idéal de l'hypothèse. axée sur la science (Burian 2007 Elliott 2007 Waters 2007 O&rsquoMalley 2007) et plutôt décrite comme une recherche axée sur les données (Leonelli 2012 Strasser 2012) ou comme un type spécial d'"expérimentation de commodité" dans laquelle de nombreuses expériences sont effectuées simplement parce qu'elles sont extraordinairement pratiques à réaliser (Krohs 2012).

5.2 Méthodes informatiques et « nouvelles manières » de faire de la science

Le domaine des omiques qui vient d'être décrit est possible grâce à la capacité des ordinateurs à traiter, dans un laps de temps raisonnable, les énormes quantités de données requises. Les ordinateurs permettent une expérimentation plus élaborée (vitesse plus élevée, meilleur filtrage, plus de variables, coordination et contrôle sophistiqués), mais aussi, à travers la modélisation et les simulations, pourraient constituer eux-mêmes une forme d'expérimentation. Ici aussi, nous pouvons poser une version de la question générale de la méthode contre la pratique : la pratique de l'utilisation d'ordinateurs change-t-elle fondamentalement la méthode scientifique, ou fournit-elle simplement un moyen plus efficace de mettre en œuvre des méthodes standard ?

Étant donné que les ordinateurs peuvent être utilisés pour automatiser des mesures, des quantifications, des calculs et des analyses statistiques lorsque, pour des raisons pratiques, ces opérations ne peuvent pas être effectuées autrement, bon nombre des étapes nécessaires pour parvenir à une conclusion sur la base d'une expérience sont désormais effectuées à l'intérieur d'un &ldquoblack box&rdquo, sans l'implication ou la conscience directe d'un humain. Cela a des implications épistémologiques, concernant ce que nous pouvons savoir et comment nous pouvons le savoir. Pour avoir confiance dans les résultats, les méthodes informatiques sont donc soumises à des tests de vérification et de validation.

La distinction entre vérification et validation est plus facile à caractériser dans le cas de simulations informatiques. Dans un scénario de simulation informatique typique, des ordinateurs sont utilisés pour intégrer numériquement des équations différentielles pour lesquelles aucune solution analytique n'est disponible. Les équations font partie du modèle que le scientifique utilise pour représenter un phénomène ou un système à l'étude. Vérifier une simulation informatique, c'est vérifier que les équations du modèle sont correctement approchées. Valider une simulation, c'est vérifier que les équations du modèle sont adéquates pour les inférences que l'on veut faire à partir de ce modèle.

Un certain nombre de problèmes liés aux simulations informatiques ont été soulevés. L'identification de la validité et de la vérification en tant que méthodes d'essai a été critiquée. Oreskes et al. (1994) craignent que la &ldquovalidation», parce qu'elle suggère une inférence déductive, puisse conduire à une confiance excessive dans les résultats des simulations. La distinction elle-même est probablement trop nette, puisque la pratique réelle dans le test des simulations mélange et oscille entre les deux (Weissart 1997 Parker 2008a Winsberg 2010). Les simulations informatiques semblent avoir un caractère non inductif, étant donné que les principes selon lesquels elles fonctionnent sont intégrés par les programmeurs, et que tous les résultats de la simulation découlent de ces principes intégrés de telle manière que ces résultats pourraient, en principe, être déduit du code du programme et de ses entrées. Le statut des simulations en tant qu'expériences a donc été examiné (Kaufmann et Smarr 1993 Humphreys 1995 Hughes 1999 Norton et Suppe 2001). Cette littérature considère l'épistémologie de ces expériences : ce que nous pouvons apprendre par simulation, et aussi les types de justifications qui peuvent être données en appliquant cette connaissance au monde "réal". (Mai 1996 Parker 2008b). Comme indiqué, une partie de l'avantage de la simulation informatique provient du fait qu'un grand nombre de calculs peuvent être effectués sans nécessiter d'observation directe par l'expérimentateur/simulateur. En même temps, bon nombre de ces calculs sont des approximations des calculs qui seraient effectués directement dans une situation idéale. Les deux facteurs introduisent des incertitudes dans les inférences tirées de ce qui est observé dans la simulation.

Pour bon nombre des raisons décrites ci-dessus, les simulations informatiques ne semblent appartenir clairement ni au domaine expérimental ni au domaine théorique. Au contraire, ils semblent impliquer de manière cruciale des aspects des deux. Cela a conduit certains auteurs, comme Fox Keller (2003 : 200) à soutenir que nous devrions considérer la simulation par ordinateur comme une « manière qualitativement différente de faire de la science ». La littérature en général a tendance à suivre Kaufmann et Smarr (1993) en se référant à la simulation informatique comme une "troisième voie" pour la méthodologie scientifique (le raisonnement théorique et la pratique expérimentale sont les deux premières voies.). Il convient également de noter que les débats autour de ces questions ont eu tendance à se concentrer sur la forme de simulation informatique typique des sciences physiques, où les modèles sont basés sur des équations dynamiques. D'autres formes de simulation peuvent ne pas avoir les mêmes problèmes, ou avoir des problèmes qui leur sont propres (voir l'entrée sur les simulations informatiques en science).

Ces dernières années, le développement rapide des techniques d'apprentissage automatique a incité certains chercheurs à suggérer que la méthode scientifique est devenue &ldquoobsolète&rdquo (Anderson 2008, Carrol et Goodstein 2009). Cela a donné lieu à un débat intense sur le mérite relatif de la recherche basée sur les données et sur les hypothèses (pour les échantillons, voir par exemple Mazzocchi 2015 ou Succi et Coveney 2018). Pour un traitement détaillé de ce sujet, nous renvoyons à l'entrée recherche scientifique et mégadonnées.


Contenu

Des débats importants dans l'histoire des sciences concernent le rationalisme, en particulier tel que prôné par René Descartes, l'inductivisme et/ou l'empirisme, tel que soutenu par Francis Bacon, et prenant une importance particulière avec Isaac Newton et ses disciples et l'hypothético-déductivisme, qui a pris le devant de la scène. au début du 19e siècle.

Le terme « méthode scientifique » est apparu au XIXe siècle, alors qu'un important développement institutionnel de la science avait lieu et que des terminologies établissant des frontières claires entre la science et la non-science, telles que « scientifique » et « pseudoscience », sont apparues.[16] Tout au long des années 1830 et 1850, époque à laquelle le baconianisme était populaire, des naturalistes comme William Whewell, John Herschel, John Stuart Mill se sont engagés dans des débats sur « l'induction » et les « faits » et se sont concentrés sur la façon de générer des connaissances. [16] À la fin du 19e et au début du 20e siècle, un débat sur le réalisme contre l'antiréalisme a été mené alors que de puissantes théories scientifiques s'étendaient au-delà du domaine de l'observable. [17]

Le terme « méthode scientifique » est devenu populaire au XXe siècle, apparaissant dans les dictionnaires et les manuels de sciences, bien qu'il y ait eu peu de consensus scientifique sur sa signification. [16] Bien qu'il y ait eu une croissance au milieu du vingtième siècle, dans les années 1960 et 1970, de nombreux philosophes des sciences influents tels que Thomas Kuhn et Paul Feyerabend avaient remis en question l'universalité de la « méthode scientifique » et, ce faisant, ont largement remplacé la notion de la science comme une méthode homogène et universelle avec celle d'une pratique hétérogène et locale. [16] En particulier, Paul Feyerabend, dans la première édition de 1975 de son livre Contre la méthode, a plaidé contre l'existence de règles universelles de la science. [17] Les exemples ultérieurs incluent l'essai de 2013 du physicien Lee Smolin "There Is No Scientific Method" [18] et le chapitre de l'historien des sciences Daniel Thurs dans le livre de 2015 La pomme de Newton et autres mythes sur la science, qui a conclu que la méthode scientifique est un mythe ou, au mieux, une idéalisation. [19] Les philosophes Robert Nola et Howard Sankey, dans leur livre de 2007 Théories de la méthode scientifique, a déclaré que les débats sur la méthode scientifique se poursuivent, et a fait valoir que Feyerabend, malgré le titre de Contre la méthode, a accepté certaines règles de méthode et a tenté de justifier ces règles par une méta-méthodologie. [20]

La méthode scientifique est le processus par lequel la science est réalisée. [21] Comme dans d'autres domaines de recherche, la science (par la méthode scientifique) peut s'appuyer sur les connaissances antérieures et développer une compréhension plus sophistiquée de ses sujets d'étude au fil du temps. [22] [23] [24] [25] [26] [27] On peut voir que ce modèle est à la base de la révolution scientifique. [28]

L'élément omniprésent dans la méthode scientifique est l'empirisme. Ceci s'oppose aux formes strictes de rationalisme : la méthode scientifique incarne que la raison seule ne peut pas résoudre un problème scientifique particulier. Une formulation forte de la méthode scientifique n'est pas toujours alignée sur une forme d'empirisme dans laquelle les données empiriques sont mises en avant sous forme d'expérience ou d'autres formes abstraites de connaissances dans la pratique scientifique actuelle, cependant, l'utilisation de la modélisation scientifique et le recours à des typologies et théories abstraites est normalement acceptée. La méthode scientifique est nécessairement aussi l'expression d'une opposition aux affirmations selon lesquelles, par ex. la révélation, le dogme politique ou religieux, les appels à la tradition, les croyances communément admises, le bon sens ou, surtout, les théories actuellement admises, sont les seuls moyens possibles de démontrer la vérité.

Différentes expressions précoces de l'empirisme et de la méthode scientifique peuvent être trouvées à travers l'histoire, par exemple avec les anciens stoïciens, Épicure, [29] Alhazen, [30] Roger Bacon et Guillaume d'Ockham. À partir du XVIe siècle, des expériences sont prônées par Francis Bacon et réalisées par Giambattista della Porta [31][31] Johannes Kepler, [32] et Galileo Galilei. [33] Il y a eu un développement particulier aidé par les travaux théoriques de Francisco Sanches, [34] John Locke, George Berkeley et David Hume.

Le modèle hypothético-déductif [35] formulé au 20e siècle, est l'idéal bien qu'il ait subi une révision importante depuis sa première proposition (pour une discussion plus formelle, voir § Éléments de la méthode scientifique). Staddon (2017) soutient que c'est une erreur d'essayer de suivre des règles [36] qui sont mieux apprises par une étude minutieuse d'exemples d'investigation scientifique.

Traiter

Le processus global consiste à faire des conjectures (hypothèses), à en tirer des prédictions en tant que conséquences logiques, puis à effectuer des expériences basées sur ces prédictions pour déterminer si la conjecture originale était correcte. [4] Il y a cependant des difficultés dans un énoncé de méthode stéréotypé. Bien que la méthode scientifique soit souvent présentée comme une séquence fixe d'étapes, ces actions sont mieux considérées comme des principes généraux. [9] Toutes les étapes n'ont pas lieu dans chaque enquête scientifique (ni au même degré), et elles ne sont pas toujours effectuées dans le même ordre. Comme l'a noté le scientifique et philosophe William Whewell (1794-1866), « l'invention, la sagacité [et] le génie » [10] sont nécessaires à chaque étape.

Formulation d'une question

La question peut faire référence à l'explication d'une observation spécifique, comme dans « Pourquoi le ciel est-il bleu ? mais peut aussi être ouvert, comme dans « Comment puis-je concevoir un médicament pour guérir cette maladie particulière ? Cette étape implique fréquemment la recherche et l'évaluation de preuves issues d'expériences antérieures, d'observations ou d'affirmations scientifiques personnelles, ainsi que du travail d'autres scientifiques. Si la réponse est déjà connue, une question différente qui s'appuie sur les preuves peut être posée. Lors de l'application de la méthode scientifique à la recherche, la détermination d'une bonne question peut être très difficile et cela affectera le résultat de l'enquête. [37]

Hypothèse

Une hypothèse est une conjecture, basée sur les connaissances acquises lors de la formulation de la question, qui peut expliquer un comportement donné. L'hypothèse peut être très spécifique, par exemple, le principe d'équivalence d'Einstein ou "L'ADN fait l'ARN fait la protéine" de Francis Crick, [38] ou elle peut être large, par exemple, des espèces de vie inconnues habitent dans les profondeurs inexplorées des océans. Une hypothèse statistique est une conjecture sur une population statistique donnée. Par exemple, la population peut être personnes atteintes d'une maladie particulière. La conjecture pourrait être qu'un nouveau médicament guérira la maladie chez certaines de ces personnes. Les termes couramment associés aux hypothèses statistiques sont hypothèse nulle et hypothèse alternative. Une hypothèse nulle est la conjecture que l'hypothèse statistique est fausse par exemple, que le nouveau médicament ne fait rien et que toute guérison est causée par le hasard. Les chercheurs veulent normalement montrer que l'hypothèse nulle est fausse. L'hypothèse alternative est le résultat souhaité, que le médicament fait mieux que le hasard. Un dernier point : une hypothèse scientifique doit être falsifiable, ce qui signifie que l'on peut identifier un résultat possible d'une expérience qui entre en conflit avec les prédictions déduites de l'hypothèse sinon, elle ne peut pas être testée de manière significative.

Prédiction

Cette étape consiste à déterminer les conséquences logiques de l'hypothèse. Une ou plusieurs prédictions sont ensuite sélectionnées pour des tests supplémentaires. Plus il est improbable qu'une prédiction soit correcte par simple coïncidence, plus elle serait convaincante si la prédiction se réalisait, la preuve est également plus forte si la réponse à la prédiction n'est pas déjà connue, en raison des effets du biais rétrospectif (voir aussi postdiction). Idéalement, la prédiction doit également distinguer l'hypothèse des alternatives probables si deux hypothèses font la même prédiction, observer que la prédiction est correcte n'est pas une preuve pour l'une par rapport à l'autre. (Ces déclarations sur la force relative des preuves peuvent être dérivées mathématiquement en utilisant le théorème de Bayes). [39]

Essai

Il s'agit d'une enquête pour savoir si le monde réel se comporte comme prédit par l'hypothèse. Les scientifiques (et d'autres personnes) testent des hypothèses en menant des expériences. Le but d'une expérience est de déterminer si les observations du monde réel sont en accord ou en conflit avec les prédictions dérivées d'une hypothèse. S'ils sont d'accord, la confiance dans l'hypothèse augmente sinon, elle diminue. L'accord ne garantit pas que l'hypothèse est vraie. De futures expériences pourraient révéler des problèmes. Karl Popper a conseillé aux scientifiques d'essayer de falsifier les hypothèses, c'est-à-dire de rechercher et de tester les expériences qui semblent les plus douteuses. Un grand nombre de confirmations réussies ne sont pas convaincantes si elles découlent d'expériences qui évitent les risques. [7] Les expériences doivent être conçues pour minimiser les erreurs possibles, notamment grâce à l'utilisation de contrôles scientifiques appropriés. Par exemple, les tests de traitements médicaux sont généralement effectués en double aveugle. Le personnel d'essai, qui pourrait involontairement révéler aux sujets d'essai quels échantillons sont les médicaments d'essai souhaités et lesquels sont des placebos, ignore lesquels sont lesquels. De tels indices peuvent biaiser les réponses des sujets de test. De plus, l'échec d'une expérience ne signifie pas nécessairement que l'hypothèse est fausse. Les expériences dépendent toujours de plusieurs hypothèses, par exemple, que l'équipement d'essai fonctionne correctement, et une défaillance peut être une défaillance de l'une des hypothèses auxiliaires. (Voir la thèse de Duhem-Quine.) Les expériences peuvent être menées dans un laboratoire universitaire, sur une table de cuisine, au Grand collisionneur de hadrons du CERN, au fond d'un océan, sur Mars (en utilisant l'un des rovers de travail), etc. . Les astronomes font des expériences, recherchant des planètes autour d'étoiles lointaines. Enfin, la plupart des expériences individuelles abordent des sujets très spécifiques pour des raisons pratiques. En conséquence, les preuves sur des sujets plus larges sont généralement accumulées progressivement.

Une analyse

Cela implique de déterminer ce que montrent les résultats de l'expérience et de décider des prochaines actions à entreprendre. Les prédictions de l'hypothèse sont comparées à celles de l'hypothèse nulle, afin de déterminer laquelle est la mieux à même d'expliquer les données. Dans les cas où une expérience est répétée plusieurs fois, une analyse statistique telle qu'un test du chi carré peut être requise. Si la preuve a falsifié l'hypothèse, une nouvelle hypothèse est requise si l'expérience soutient l'hypothèse mais que la preuve n'est pas assez solide pour une confiance élevée, d'autres prédictions de l'hypothèse doivent être testées. Une fois qu'une hypothèse est fortement étayée par des preuves, une nouvelle question peut être posée pour fournir un aperçu plus approfondi sur le même sujet. Les preuves d'autres scientifiques et expériences sont fréquemment incorporées à n'importe quelle étape du processus. Selon la complexité de l'expérience, de nombreuses itérations peuvent être nécessaires pour rassembler suffisamment de preuves pour répondre à une question avec confiance ou pour construire de nombreuses réponses à des questions très spécifiques pour répondre à une seule question plus large.

Exemple d'ADN

Les éléments de base de la méthode scientifique sont illustrés par l'exemple suivant tiré de la découverte de la structure de l'ADN :

  • Question: Des recherches antérieures sur l'ADN avaient déterminé sa composition chimique (les quatre nucléotides), la structure de chaque nucléotide individuel et d'autres propriétés. Schémas de diffraction des rayons X de l'ADN par Florence Bell dans son doctorat. thèse (1939) étaient similaires (bien que pas aussi bonnes que) "photo 51", mais cette recherche a été interrompue par les événements de la Seconde Guerre mondiale. L'ADN avait été identifié comme le support de l'information génétique par l'expérience Avery-MacLeod-McCarty en 1944, [40] mais le mécanisme de stockage de l'information génétique dans l'ADN n'était pas clair.
  • Hypothèse: Linus Pauling, Francis Crick et James D. Watson ont émis l'hypothèse que l'ADN avait une structure hélicoïdale. [41]
  • Prédiction: Si l'ADN avait une structure hélicoïdale, son diagramme de diffraction des rayons X serait en forme de X. [42][43] Cette prédiction a été déterminée en utilisant les mathématiques de la transformation en hélice, qui avait été dérivée par Cochran, Crick et Vand [44] (et indépendamment par Stokes). Cette prédiction était une construction mathématique, complètement indépendante du problème biologique en question.
  • Expérience: Rosalind Franklin a utilisé de l'ADN pur pour effectuer la diffraction des rayons X afin de produire la photo 51. Les résultats ont montré une forme en X.
  • Une analyse: Lorsque Watson a vu le motif de diffraction détaillé, il l'a immédiatement reconnu comme une hélice. [45][46] Lui et Crick ont ​​ensuite produit leur modèle, en utilisant ces informations avec les informations précédemment connues sur la composition de l'ADN, en particulier les règles d'appariement des bases de Chargaff. [47]

La découverte est devenue le point de départ de nombreuses autres études impliquant le matériel génétique, telles que le domaine de la génétique moléculaire, et elle a reçu le prix Nobel en 1962. Chaque étape de l'exemple est examinée plus en détail plus loin dans l'article.

Autres composants

La méthode scientifique comprend également d'autres composants requis même lorsque toutes les itérations des étapes ci-dessus ont été effectuées : [48]

Réplication

Si une expérience ne peut pas être répétée pour produire les mêmes résultats, cela implique que les résultats originaux pourraient avoir été erronés. En conséquence, il est courant qu'une même expérience soit effectuée plusieurs fois, en particulier lorsqu'il existe des variables non contrôlées ou d'autres indications d'erreur expérimentale. Pour des résultats significatifs ou surprenants, d'autres scientifiques peuvent également tenter de reproduire les résultats pour eux-mêmes, surtout si ces résultats sont importants pour leur propre travail. [49] La réplication est devenue une question controversée dans les sciences sociales et biomédicales où les traitements sont administrés à des groupes d'individus. Typiquement un groupe expérimental reçoit le traitement, comme un médicament, et le groupe de contrôle obtient un placebo. John Ioannidis en 2005 a souligné que la méthode utilisée a conduit à de nombreux résultats qui ne peuvent pas être reproduits. [50]

Examen externe

Le processus d'examen par les pairs implique une évaluation de l'expérience par des experts, qui donnent généralement leur avis de manière anonyme. Certaines revues demandent à l'expérimentateur de fournir des listes de pairs évaluateurs possibles, surtout si le domaine est hautement spécialisé. L'examen par les pairs ne certifie pas l'exactitude des résultats, seulement que, de l'avis de l'examinateur, les expériences elles-mêmes étaient solides (sur la base de la description fournie par l'expérimentateur). Si le travail passe l'examen par les pairs, ce qui peut parfois nécessiter de nouvelles expériences demandées par les examinateurs, il sera publié dans une revue scientifique à comité de lecture. La revue spécifique qui publie les résultats indique la qualité perçue du travail. [51]

Enregistrement et partage de données

Les scientifiques sont généralement prudents dans l'enregistrement de leurs données, une exigence promue par Ludwik Fleck (1896-1961) et d'autres. [52] Bien qu'ils ne soient généralement pas requis, ils peuvent être invités à fournir ces données à d'autres scientifiques qui souhaitent reproduire leurs résultats originaux (ou des parties de leurs résultats originaux), allant jusqu'au partage de tout échantillon expérimental qui peut être difficile à obtenir. [53]

L'enquête scientifique vise généralement à obtenir des connaissances sous la forme d'explications vérifiables que les scientifiques peuvent utiliser pour prédire les résultats d'expériences futures. Cela permet aux scientifiques d'acquérir une meilleure compréhension du sujet à l'étude, et plus tard d'utiliser cette compréhension pour intervenir dans ses mécanismes causaux (comme guérir la maladie). Plus une explication est bonne pour faire des prédictions, plus elle peut être fréquemment utile et plus elle continuera à expliquer un ensemble de preuves mieux que ses alternatives. Les explications les plus réussies – celles qui expliquent et font des prédictions précises dans un large éventail de circonstances – sont souvent appelées théories scientifiques.

La plupart des résultats expérimentaux ne produisent pas de grands changements dans la compréhension humaine. Les améliorations de la compréhension scientifique théorique résultent généralement d'un processus graduel de développement au fil du temps, parfois dans différents domaines scientifiques. [54] Les modèles scientifiques varient dans la mesure dans laquelle ils ont été testés expérimentalement et pour combien de temps, et dans leur acceptation dans la communauté scientifique. En général, les explications sont acceptées au fil du temps à mesure que les preuves s'accumulent sur un sujet donné, et l'explication en question s'avère plus puissante que ses alternatives pour expliquer les preuves. Souvent, les chercheurs ultérieurs reformulent les explications au fil du temps ou combinent des explications pour produire de nouvelles explications.

Tow voit la méthode scientifique en termes d'algorithme évolutif appliqué à la science et à la technologie. [55]

Propriétés de la recherche scientifique

Les connaissances scientifiques sont étroitement liées aux découvertes empiriques et peuvent rester sujettes à falsification si de nouvelles observations expérimentales sont incompatibles avec ce qui est trouvé. Autrement dit, aucune théorie ne peut jamais être considérée comme définitive puisque de nouvelles preuves problématiques pourraient être découvertes. Si une telle preuve est trouvée, une nouvelle théorie peut être proposée, ou (plus communément) il est constaté que des modifications à la théorie précédente sont suffisantes pour expliquer la nouvelle preuve. La force d'une théorie peut être discutée [ Par qui? ] pour se rapporter à combien de temps il a persisté sans altération majeure de ses principes fondamentaux.

Les théories peuvent également être subsumées par d'autres théories. Par exemple, les lois de Newton expliquaient presque parfaitement des milliers d'années d'observations scientifiques des planètes. Cependant, ces lois ont ensuite été déterminées comme des cas particuliers d'une théorie plus générale (la relativité), qui expliquait à la fois les exceptions (auparavant inexpliquées) aux lois de Newton et prédisait et expliquait d'autres observations telles que la déviation de la lumière par gravité. Ainsi, dans certains cas, des observations scientifiques indépendantes, non connectées, peuvent être connectées, unifiées par des principes de pouvoir explicatif croissant. [56] [57]

Étant donné que les nouvelles théories pourraient être plus complètes que celles qui les ont précédées, et donc être en mesure d'expliquer plus que les précédentes, les théories qui leur succèdent pourraient être en mesure de répondre à une norme plus élevée en expliquant un plus grand nombre d'observations que leurs prédécesseurs. [56] Par exemple, la théorie de l'évolution explique la diversité de la vie sur Terre, comment les espèces s'adaptent à leur environnement et de nombreux autres modèles observés dans le monde naturel [58] [59] sa modification majeure la plus récente a été l'unification avec la génétique pour forment la synthèse évolutive moderne. Dans des modifications ultérieures, il a également intégré des aspects de nombreux autres domaines tels que la biochimie et la biologie moléculaire.

Croyances et préjugés

La méthodologie scientifique exige souvent que les hypothèses soient testées dans des conditions contrôlées dans la mesure du possible. Cela est souvent possible dans certains domaines, comme les sciences biologiques, et plus difficile dans d'autres, comme l'astronomie.

La pratique du contrôle expérimental et de la reproductibilité peut avoir pour effet de diminuer les effets potentiellement nocifs des circonstances et, dans une certaine mesure, les biais personnels. Par exemple, des croyances préexistantes peuvent modifier l'interprétation des résultats, car dans le biais de confirmation, il s'agit d'une heuristique qui amène une personne ayant une croyance particulière à voir les choses comme renforçant sa croyance, même si un autre observateur peut être en désaccord (en d'autres termes, les gens ont tendance à observer ce qu'ils s'attendent à observer).

Un exemple historique est la croyance selon laquelle les jambes d'un cheval au galop sont écartées au moment où aucune des jambes du cheval ne touche le sol, au point que cette image est incluse dans les peintures de ses partisans. Cependant, les premières images en stop-action du galop d'un cheval par Eadweard Muybridge ont montré que cela était faux et que les jambes sont plutôt rassemblées. [60]

Un autre biais humain important qui joue un rôle est une préférence pour de nouvelles déclarations surprenantes (voir appel à la nouveauté), ce qui peut entraîner une recherche de preuves que la nouvelle est vraie. [61] On peut croire et agir sur des croyances mal attestées via une heuristique moins rigoureuse. [62]

Goldhaber et Nieto ont publié en 2010 l'observation que si des structures théoriques avec « de nombreux sujets étroitement voisins sont décrites en reliant des concepts théoriques, alors la structure théorique acquiert une robustesse qui la rend de plus en plus difficile – mais certainement jamais impossible – à renverser ». [57] Lorsqu'un récit est construit, ses éléments deviennent plus faciles à croire. [63] Pour en savoir plus sur le sophisme narratif, voir aussi Fleck 1979, p. 27 : « Les mots et les idées sont à l'origine des équivalences phonétiques et mentales des expériences coïncidant avec eux. a été formé, il offre une résistance durable à tout ce qui le contredit." Parfois, ceux-ci ont leurs éléments supposés a priori, ou contiennent un autre défaut logique ou méthodologique dans le processus qui les a finalement produits. Donald M. MacKay a analysé ces éléments en termes de limites de précision de mesure et les a associés à des éléments instrumentaux d'une catégorie de mesure. [64]

Il existe différentes manières de décrire la méthode de base utilisée pour la recherche scientifique. La communauté scientifique et les philosophes des sciences s'accordent généralement sur la classification suivante des composants de la méthode. Ces éléments méthodologiques et l'organisation des procédures ont tendance à être plus caractéristiques des sciences naturelles que des sciences sociales. Néanmoins, le cycle de formulation d'hypothèses, de test et d'analyse des résultats, et de formulation de nouvelles hypothèses, ressemblera au cycle décrit ci-dessous.

La méthode scientifique est un processus itératif et cyclique par lequel l'information est continuellement révisée. [65] [66] Il est généralement reconnu de développer des avancées dans les connaissances à travers les éléments suivants, dans des combinaisons ou des contributions variables : [67] [68]

  • Caractérisations (observations, définitions et mesures du sujet d'enquête)
  • Hypothèses (explications théoriques, hypothétiques des observations et mesures du sujet)
  • Prédictions (raisonnement inductif et déductif à partir de l'hypothèse ou de la théorie)
  • Expériences (tests de tout ce qui précède)

Chaque élément de la méthode scientifique est soumis à un examen par les pairs pour d'éventuelles erreurs. Ces activités ne décrivent pas tout ce que font les scientifiques, mais s'appliquent principalement aux sciences expérimentales (par exemple, la physique, la chimie et la biologie). Les éléments ci-dessus sont souvent enseignés dans le système éducatif comme « la méthode scientifique ». [69]

La méthode scientifique n'est pas une recette unique : elle demande de l'intelligence, de l'imagination et de la créativité. [70] En ce sens, il ne s'agit pas d'un ensemble insensé de normes et de procédures à suivre, mais plutôt d'un cycle continu, développant constamment des modèles et des méthodes plus utiles, précis et complets. Par exemple, quand Einstein a développé les théories de la relativité restreinte et générale, il n'a en aucune façon réfuté ou écarté la théorie de Newton. Principia. Au contraire, si l'astronomie massive, la légèreté comme une plume et l'extrêmement rapide sont retirés des théories d'Einstein – tous les phénomènes que Newton n'aurait pu observer – les équations de Newton sont ce qui reste. Les théories d'Einstein sont des extensions et des raffinements des théories de Newton et, ainsi, augmentent la confiance dans le travail de Newton.

Un schéma linéarisé et pragmatique des quatre points ci-dessus est parfois proposé comme ligne directrice pour procéder : [71]

  1. Définir une question
  2. Recueillir des informations et des ressources (observer)
  3. Formuler une hypothèse explicative
  4. Tester l'hypothèse en réalisant une expérience et en collectant des données de manière reproductible
  5. Analyser les données
  6. Interpréter les données et tirer des conclusions qui servent de point de départ à une nouvelle hypothèse
  7. Publier les résultats
  8. Retest (fréquemment effectué par d'autres scientifiques)

Le cycle itératif inhérent à cette méthode pas à pas va du point 3 au point 6 jusqu'au point 3.

Alors que ce schéma décrit une hypothèse/méthode de test typique, [72] de nombreux philosophes, historiens et sociologues des sciences, dont Paul Feyerabend, affirment que de telles descriptions de la méthode scientifique ont peu de rapport avec la manière dont la science est réellement pratiquée.

Caractérisations

La méthode scientifique repose sur des caractérisations de plus en plus sophistiquées des sujets d'investigation. (Les sujets peut aussi être appelé problèmes non résolus ou la inconnues.) Par exemple, Benjamin Franklin a conjecturé, à juste titre, que le feu de Saint-Elme était de nature électrique, mais il a fallu une longue série d'expériences et de changements théoriques pour l'établir. Tout en recherchant les propriétés pertinentes des sujets, une réflexion approfondie peut également entraîner des définitions et des observations, les observations exigent souvent des mesures et/ou des comptages soigneux.

La collecte systématique et minutieuse de mesures ou de comptages de quantités pertinentes est souvent la différence critique entre les pseudo-sciences, telles que l'alchimie, et les sciences, telles que la chimie ou la biologie. Les mesures scientifiques sont généralement tabulées, représentées graphiquement ou cartographiées, et des manipulations statistiques, telles que la corrélation et la régression, y sont effectuées. Les mesures peuvent être faites dans un cadre contrôlé, comme un laboratoire, ou faites sur des objets plus ou moins inaccessibles ou inmanipulables comme des étoiles ou des populations humaines. Les mesures nécessitent souvent des instruments scientifiques spécialisés tels que des thermomètres, des spectroscopes, des accélérateurs de particules ou des voltmètres, et le progrès d'un domaine scientifique est généralement intimement lié à leur invention et à leur amélioration.

Je n'ai pas l'habitude de dire quoi que ce soit avec certitude après seulement une ou deux observations.

Incertitude

Les mesures dans les travaux scientifiques sont également généralement accompagnées d'estimations de leur incertitude. L'incertitude est souvent estimée en effectuant des mesures répétées de la quantité souhaitée. Les incertitudes peuvent également être calculées en tenant compte des incertitudes des quantités sous-jacentes individuelles utilisées. Le nombre de choses, comme le nombre de personnes dans une nation à un moment donné, peut également comporter une incertitude en raison des limitations de la collecte de données. Ou les comptages peuvent représenter un échantillon de quantités souhaitées, avec une incertitude qui dépend de la méthode d'échantillonnage utilisée et du nombre d'échantillons prélevés.

Définition

Les mesures exigent l'utilisation de définitions opérationnelles des quantités pertinentes. C'est-à-dire qu'une quantité scientifique est décrite ou définie par la façon dont elle est mesurée, par opposition à une définition plus vague, inexacte ou "idéalisée". Par exemple, le courant électrique, mesuré en ampères, peut être défini de manière opérationnelle en termes de masse d'argent déposée en un certain temps sur une électrode dans un dispositif électrochimique qui est décrit en détail. La définition opérationnelle d'une chose repose souvent sur des comparaisons avec des normes : la définition opérationnelle de « masse » repose finalement sur l'utilisation d'un artefact, tel qu'un kilogramme particulier de platine-iridium conservé dans un laboratoire en France.

La définition scientifique d'un terme diffère parfois considérablement de son utilisation en langage naturel. Par exemple, la masse et le poids se chevauchent dans la signification dans le discours commun, mais ont des significations distinctes en mécanique. Les quantités scientifiques sont souvent caractérisées par leurs unités de mesure qui peuvent ensuite être décrites en termes d'unités physiques conventionnelles lors de la communication du travail.

De nouvelles théories sont parfois développées après s'être rendu compte que certains termes n'avaient pas été suffisamment clairement définis auparavant. Par exemple, le premier article d'Albert Einstein sur la relativité commence par définir la simultanéité et les moyens de déterminer la longueur. Ces idées ont été ignorées par Isaac Newton avec, "Je ne définis pas le temps, l'espace, le lieu et le mouvement, comme étant bien connus de tous." L'article d'Einstein démontre ensuite qu'ils (c'est-à-dire le temps et la longueur absolus indépendants du mouvement) étaient des approximations. Francis Crick nous avertit qu'en caractérisant un sujet, cependant, il peut être prématuré de définir quelque chose quand il reste mal compris. [74] Dans l'étude de la conscience de Crick, il a en fait trouvé plus facile d'étudier la conscience dans le système visuel, plutôt que d'étudier le libre arbitre, par exemple. Son exemple de mise en garde était le gène le gène était beaucoup plus mal compris avant la découverte pionnière de Watson et Crick de la structure de l'ADN, il aurait été contre-productif de passer beaucoup de temps sur la définition du gène, avant eux.

ADN-caractérisation

L'histoire de la découverte de la structure de l'ADN est un exemple classique des éléments de la méthode scientifique : en 1950, on savait que le patrimoine génétique avait une description mathématique, à commencer par les études de Gregor Mendel, et que l'ADN contenait des informations génétiques ( celui d'Oswald Avery principe de transformation). [40] Mais le mécanisme de stockage de l'information génétique (c'est-à-dire les gènes) dans l'ADN n'était pas clair. Des chercheurs du laboratoire de Bragg à l'Université de Cambridge ont réalisé des images de diffraction des rayons X de diverses molécules, en commençant par des cristaux de sel et en passant à des substances plus complexes. À l'aide d'indices minutieusement assemblés au fil des décennies, à commencer par sa composition chimique, il a été déterminé qu'il devrait être possible de caractériser la structure physique de l'ADN et que les images radiographiques en seraient le véhicule. [75] ..2. Hypothèses ADN

Autre exemple : la précession de Mercure

L'élément de caractérisation peut nécessiter une étude étendue et approfondie, voire des siècles. Il a fallu des milliers d'années de mesures, des astronomes chaldéens, indiens, persans, grecs, arabes et européens, pour enregistrer pleinement le mouvement de la planète Terre. Newton a pu inclure ces mesures dans les conséquences de ses lois du mouvement. Mais le périhélie de l'orbite de la planète Mercure présente une précession qui ne peut pas être entièrement expliquée par les lois du mouvement de Newton (voir schéma à droite), comme Leverrier l'a souligné en 1859. La différence observée pour la précession de Mercure entre la théorie newtonienne et l'observation était l'une des les choses qui sont arrivées à Albert Einstein comme un possible test précoce de sa théorie de la relativité générale. Ses calculs relativistes correspondaient beaucoup plus à l'observation que la théorie newtonienne. La différence est d'environ 43 secondes d'arc par siècle.

Développement d'hypothèses

Une hypothèse est une explication suggérée d'un phénomène, ou alternativement une proposition raisonnée suggérant une corrélation possible entre ou parmi un ensemble de phénomènes.

Normalement, les hypothèses ont la forme d'un modèle mathématique. Parfois, mais pas toujours, ils peuvent également être formulés comme des énoncés existentiels, affirmant qu'un cas particulier du phénomène étudié a des explications caractéristiques et causales, qui ont la forme générale d'énoncés universels, affirmant que chaque cas du phénomène a un caractéristique particulière.

Les scientifiques sont libres d'utiliser toutes les ressources dont ils disposent – ​​leur propre créativité, les idées d'autres domaines, le raisonnement inductif, l'inférence bayésienne, etc. – pour imaginer des explications possibles pour un phénomène à l'étude. Albert Einstein a un jour observé qu'"il n'y a pas de pont logique entre les phénomènes et leurs principes théoriques". [77] Charles Sanders Peirce, empruntant une page à Aristote (Analyse préalable, 2.25) a décrit les étapes naissantes de l'enquête, suscitées par « l'irritation du doute » pour tenter une supposition plausible, comme raisonnement abductif. L'histoire de la science est remplie d'histoires de scientifiques revendiquant un "éclair d'inspiration", ou une intuition, qui les a ensuite motivés à rechercher des preuves pour soutenir ou réfuter leur idée. Michael Polanyi a fait de cette créativité la pièce maîtresse de sa discussion sur la méthodologie.

le succès d'une hypothèse, ou son service à la science, ne réside pas simplement dans sa "vérité" perçue, ou son pouvoir de déplacer, de subsumer ou de réduire une idée précédente, mais peut-être plus dans sa capacité à stimuler la recherche qui éclairera . suppositions chauves et zones de flou.

En général, les scientifiques ont tendance à rechercher des théories « élégantes » ou « belles ». Les scientifiques utilisent souvent ces termes pour désigner une théorie qui suit les faits connus mais qui est néanmoins relativement simple et facile à manipuler. Le rasoir d'Occam sert de règle empirique pour choisir la plus souhaitable parmi un groupe d'hypothèses également explicatives.

Pour minimiser le biais de confirmation qui résulte de l'examen d'une seule hypothèse, une inférence forte met l'accent sur la nécessité d'envisager plusieurs hypothèses alternatives. [79]

ADN-hypothèses

Linus Pauling a proposé que l'ADN pourrait être une triple hélice. [80] Cette hypothèse a également été considérée par Francis Crick et James D. Watson mais rejetée. Lorsque Watson et Crick ont ​​appris l'hypothèse de Pauling, ils ont compris à partir des données existantes que Pauling avait tort [81] et que Pauling admettrait bientôt ses difficultés avec cette structure. Donc, la course était lancée pour trouver la bonne structure (sauf que Pauling ne s'était pas rendu compte à l'époque qu'il était dans une course) ..3. ADN-prédictions

Prédictions à partir de l'hypothèse

Toute hypothèse utile permettra des prédictions, par des raisonnements incluant des raisonnements déductifs. Il peut prédire le résultat d'une expérience en laboratoire ou l'observation d'un phénomène dans la nature. La prédiction peut aussi être statistique et ne traiter que des probabilités.

Il est essentiel que le résultat du test d'une telle prédiction soit actuellement inconnu. Ce n'est que dans ce cas qu'un résultat positif augmente la probabilité que l'hypothèse soit vraie. Si le résultat est déjà connu, il est appelé une conséquence et aurait déjà dû être pris en compte lors de la formulation de l'hypothèse.

Si les prédictions ne sont pas accessibles par l'observation ou l'expérience, l'hypothèse n'est pas encore testable et restera donc dans cette mesure non scientifique au sens strict. Une nouvelle technologie ou théorie pourrait rendre les expériences nécessaires réalisables. Par exemple, alors qu'une hypothèse sur l'existence d'autres espèces intelligentes peut être convaincante avec des spéculations scientifiquement fondées, aucune expérience connue ne peut tester cette hypothèse. Par conséquent, la science elle-même peut avoir peu à dire sur la possibilité. À l'avenir, une nouvelle technique pourrait permettre un test expérimental et la spéculation deviendrait alors une partie de la science acceptée.

ADN-prédictions

James D. Watson, Francis Crick et d'autres ont émis l'hypothèse que l'ADN avait une structure hélicoïdale. Cela impliquait que le diagramme de diffraction des rayons X de l'ADN serait « en forme de X ». [43] [82] Cette prédiction découle des travaux de Cochran, Crick et Vand [44] (et indépendamment de Stokes). Le théorème de Cochran-Crick-Vand-Stokes a fourni une explication mathématique de l'observation empirique selon laquelle la diffraction à partir de structures hélicoïdales produit des motifs en forme de x.

Dans leur premier article, Watson et Crick ont ​​également noté que la structure en double hélice qu'ils proposaient offrait un mécanisme simple pour la réplication de l'ADN, écrivant : « Il ne nous a pas échappé que l'appariement spécifique que nous avons postulé suggère immédiatement un mécanisme de copie possible pour le Matériel". [83] ..4. ADN-expériences

Autre exemple : la relativité générale

La théorie de la relativité générale d'Einstein fait plusieurs prédictions spécifiques sur la structure observable de l'espace-temps, comme par exemple que la lumière se courbe dans un champ gravitationnel et que la quantité de courbure dépend de manière précise de la force de ce champ gravitationnel. Les observations d'Arthur Eddington faites lors d'une éclipse solaire de 1919 ont soutenu la relativité générale plutôt que la gravitation newtonienne. [84]

Expériences

Une fois les prédictions faites, elles peuvent être recherchées par des expériences. Si les résultats des tests contredisent les prédictions, les hypothèses qui les impliquaient sont remises en cause et deviennent moins tenables. Parfois, les expériences sont menées de manière incorrecte ou ne sont pas très bien conçues par rapport à une expérience cruciale. Si les résultats expérimentaux confirment les prédictions, alors les hypothèses sont considérées comme plus susceptibles d'être correctes, mais pourraient toujours être fausses et continuer à faire l'objet de tests supplémentaires. Le contrôle expérimental est une technique de traitement des erreurs d'observation. Cette technique utilise le contraste entre plusieurs échantillons (ou observations) dans des conditions différentes pour voir ce qui varie ou ce qui reste le même. Nous varions les conditions pour chaque mesure, pour aider à isoler ce qui a changé. Les canons de Mill peuvent alors nous aider à comprendre quel est le facteur important. [85] L'analyse factorielle est une technique pour découvrir le facteur important dans un effet.

Selon les prédictions, les expériences peuvent avoir différentes formes. Il peut s'agir d'une expérience classique en laboratoire, d'une étude en double aveugle ou d'une fouille archéologique. Même prendre un avion de New York à Paris est une expérience qui teste les hypothèses aérodynamiques utilisées pour la construction de l'avion.

Les scientifiques assument une attitude d'ouverture et de responsabilité de la part de ceux qui expérimentent. La tenue de dossiers détaillés est essentielle pour faciliter l'enregistrement et la communication des résultats expérimentaux, et soutient l'efficacité et l'intégrité de la procédure. Ils aideront également à reproduire les résultats expérimentaux, probablement par d'autres. Des traces de cette approche peuvent être vues dans les travaux d'Hipparque (190-120 av. meilleure source nécessaire ] (853-929) et Alhazen (965-1039). [87] : p.444 pour ses expérimentations sur la couleur

ADN-expériences

Watson et Crick ont ​​présenté une proposition initiale (et incorrecte) pour la structure de l'ADN à une équipe du Kings College – Rosalind Franklin, Maurice Wilkins et Raymond Gosling. Franklin a immédiatement repéré les défauts qui concernaient la teneur en eau. Plus tard, Watson a vu les images détaillées de diffraction des rayons X de Franklin qui montraient une forme en X [88] et a pu confirmer que la structure était hélicoïdale. [45] [46] Cela a ravivé le bâtiment modèle de Watson et Crick et a conduit à la structure correcte. ..1. ADN-caractérisations

Évaluation et amélioration

La méthode scientifique est itérative. A n'importe quelle étape, il est possible d'affiner son exactitude et sa précision, de sorte qu'une certaine considération conduira le scientifique à répéter une partie antérieure du processus. L'incapacité à développer une hypothèse intéressante peut conduire un scientifique à redéfinir le sujet à l'étude. L'échec d'une hypothèse à produire des prédictions intéressantes et vérifiables peut conduire à reconsidérer l'hypothèse ou la définition du sujet.L'échec d'une expérience à produire des résultats intéressants peut conduire un scientifique à reconsidérer la méthode expérimentale, l'hypothèse ou la définition du sujet.

D'autres scientifiques peuvent commencer leurs propres recherches et entrer dans le processus à n'importe quelle étape. Ils peuvent adopter la caractérisation et formuler leur propre hypothèse, ou ils peuvent adopter l'hypothèse et déduire leurs propres prédictions. Souvent, l'expérience n'est pas faite par la personne qui a fait la prédiction, et la caractérisation est basée sur des expériences faites par quelqu'un d'autre. Les résultats d'expériences publiés peuvent également servir d'hypothèse pour prédire leur propre reproductibilité.

ADN-itérations

Après de nombreuses expérimentations infructueuses, découragés par leur supérieur de continuer, et de nombreux faux départs, [89] [90] [91] Watson et Crick ont ​​pu déduire la structure essentielle de l'ADN en modélisant concrètement les formes physiques des nucléotides qui le comprendre. [47] [92] Ils ont été guidés par les longueurs de liaison qui avaient été déduites par Linus Pauling et par les images de diffraction des rayons X de Rosalind Franklin. ..Exemple d'ADN

Confirmation

La science est une entreprise sociale et les travaux scientifiques tendent à être acceptés par la communauté scientifique lorsqu'ils sont confirmés. Surtout, les résultats expérimentaux et théoriques doivent être reproduits par d'autres au sein de la communauté scientifique. Des chercheurs ont donné leur vie pour cette vision. Georg Wilhelm Richmann a été tué par la foudre en boule (1753) alors qu'il tentait de reproduire l'expérience de cerf-volant de 1752 de Benjamin Franklin. [93]

Pour se protéger contre la mauvaise science et les données frauduleuses, les organismes gouvernementaux subventionnant la recherche tels que la National Science Foundation et les revues scientifiques, y compris La nature et Science, ont une politique selon laquelle les chercheurs doivent archiver leurs données et leurs méthodes afin que d'autres chercheurs puissent tester les données et les méthodes et s'appuyer sur les recherches antérieures. L'archivage des données scientifiques peut être effectué dans plusieurs archives nationales aux États-Unis ou au World Data Center.

Modèle classique

Le modèle classique de l'enquête scientifique dérive d'Aristote, [94] qui a distingué les formes de raisonnement approximatif et exact, a exposé le triple schéma de l'inférence abductive, déductive et inductive, et a également traité les formes composées telles que le raisonnement par analogie.

Modèle hypothético-déductif

Le modèle ou la méthode hypothético-déductive est une proposition de description de la méthode scientifique. Ici, les prédictions de l'hypothèse sont centrales : si vous supposez que l'hypothèse est vraie, quelles conséquences en découlent ?

Si une enquête empirique ultérieure ne démontre pas que ces conséquences ou prédictions correspondent au monde observable, l'hypothèse peut être conclue comme étant fausse.

Modèle pragmatique

En 1877, [22] Charles Sanders Peirce (1839-1914) a caractérisé l'enquête en général non pas comme la poursuite de la vérité en soi mais comme la lutte pour sortir de doutes irritants et inhibiteurs nés de surprises, de désaccords, etc., et pour parvenir à une croyance sûre, la croyance étant celle sur laquelle on est prêt à agir. Il considérait la recherche scientifique comme faisant partie d'un spectre plus large et comme stimulée, comme la recherche en général, par un doute réel, et non par un simple doute verbal ou hyperbolique, qu'il considérait comme infructueux. [95] Il a décrit quatre méthodes de règlement d'opinion, classées du moins au plus réussie :

  1. La méthode de la ténacité (politique consistant à s'en tenir à la croyance initiale) – qui apporte confort et détermination mais conduit à essayer d'ignorer les informations contraires et les points de vue des autres comme si la vérité était intrinsèquement privée et non publique. Il va à l'encontre de l'impulsion sociale et faiblit facilement puisque l'on peut très bien s'apercevoir que l'opinion d'un autre est aussi bonne que la sienne initiale. Ses succès peuvent briller mais ont tendance à être transitoires. [96]
  2. La méthode de l'autorité – qui surmonte les désaccords mais parfois brutalement. Ses succès peuvent être majestueux et de longue durée, mais il ne peut pas fonctionner de manière suffisamment approfondie pour supprimer indéfiniment les doutes, en particulier lorsque les gens apprennent le présent et le passé d'autres sociétés.
  3. La méthode de la a priori – qui promeut le conformisme de manière moins brutale mais favorise les opinions comme quelque chose comme des goûts, surgissant dans la conversation et les comparaisons de perspectives en termes de « ce qui est agréable à la raison ». De ce fait, il dépend de la mode dans les paradigmes et tourne en rond au fil du temps. Elle est plus intellectuelle et respectable mais, comme les deux premières méthodes, entretient des croyances accidentelles et capricieuses, destinant certains esprits à en douter.
  4. La méthode scientifique - la méthode dans laquelle l'enquête se considère comme faillible et se teste à dessein et se critique, se corrige et s'améliore.

Peirce a soutenu qu'une rationalisation lente et trébuchante peut être dangereusement inférieure à l'instinct et au sentiment traditionnel en matière pratique, et que la méthode scientifique est la mieux adaptée à la recherche théorique, [97] qui à son tour ne devrait pas être entravée par les autres méthodes et fins pratiques de la raison. La "première règle" est que, pour apprendre, il faut désirer apprendre et, en corollaire, ne pas bloquer le chemin de l'enquête. [98] La méthode scientifique surpasse les autres en étant délibérément conçue pour arriver – à terme – aux croyances les plus sûres, sur lesquelles peuvent se fonder les pratiques les plus réussies. Partant de l'idée que les gens ne cherchent pas la vérité en soi mais au lieu de dompter un doute irritant et inhibiteur, Peirce a montré comment, à travers la lutte, certains peuvent arriver à se soumettre à la vérité pour l'intégrité de la croyance, chercher comme vérité la direction d'une pratique potentielle correctement vers son objectif donné, et se marier à la méthode scientifique. [22] [25]

Pour Peirce, l'enquête rationnelle implique des présupposés sur la vérité et le réel pour raisonner c'est présupposer (et au moins espérer), en tant que principe d'autorégulation du raisonneur, que le réel est découvrable et indépendant de nos caprices d'opinion. Dans cette veine, il a défini la vérité comme la correspondance d'un signe (en particulier, une proposition) à son objet et, pragmatiquement, non comme le consensus réel d'une communauté définie et finie (telle qu'enquêter serait interroger les experts) , mais plutôt comme cet avis final que tous les enquêteurs aurait tôt ou tard mais toujours inévitablement, s'ils devaient pousser l'enquête assez loin, même lorsqu'ils partent de points différents. [99] En tandem, il a défini le réel comme un véritable objet du signe (que cet objet soit une possibilité ou une qualité, ou une réalité ou un fait brut, ou une nécessité ou une norme ou une loi), ce qu'il est indépendamment de l'opinion de toute communauté finie. et, pragmatiquement, ne dépend que de l'opinion finale destinée à une enquête suffisante. C'est une destination aussi lointaine, ou proche, que la vérité elle-même pour vous ou moi ou la communauté finie donnée. Ainsi, sa théorie de l'enquête se résume à « Faire la science ». Ces conceptions de la vérité et du réel impliquent l'idée d'une communauté à la fois sans limites définies (et donc potentiellement autocorrectrices autant que nécessaire) et capable d'un accroissement défini de la connaissance. [100] À titre d'inférence, « la logique est enracinée dans le principe social » puisqu'elle dépend d'un point de vue qui est, en un sens, illimité. [101]

En accordant une attention particulière à la génération d'explications, Peirce a décrit la méthode scientifique comme la coordination de trois types d'inférence dans un cycle déterminé visant à régler les doutes, comme suit (au §III-IV dans « Un argument négligé » [4] sauf indication contraire c'est noté):

  1. Enlèvement (ou rétrogradation). Deviner, inférence à des hypothèses explicatives pour la sélection de celles qui valent le mieux d'être essayées. De l'enlèvement, Peirce distingue l'induction comme le fait d'inférer, sur la base de tests, la proportion de vérité dans l'hypothèse. Chaque enquête, qu'il s'agisse d'idées, de faits bruts ou de normes et de lois, découle d'observations surprenantes dans un ou plusieurs de ces domaines (et par exemple à n'importe quel stade d'une enquête déjà en cours). Tout le contenu explicatif des théories vient de l'abduction, qui devine une idée nouvelle ou extérieure pour rendre compte de manière simple et économique d'un phénomène surprenant ou compliquant. Le plus souvent, même un esprit bien préparé devine mal. Mais le minimum de réussite de nos suppositions dépasse de loin celui de la pure chance et semble né de l'harmonisation avec la nature par des instincts développés ou inhérents, en particulier dans la mesure où les meilleures suppositions sont optimalement plausibles et simples dans le sens, a dit Peirce, de la « facile et naturelle ", comme par la lumière naturelle de la raison de Galilée et par opposition à la "simplicité logique". L'enlèvement est le mode d'inférence le plus fertile mais le moins sûr. Sa logique générale est inductive : elle y parvient assez souvent et, sans elle, il n'y a aucun espoir d'accélérer suffisamment l'enquête (souvent multigénérationnelle) vers de nouvelles vérités. [102] La méthode de coordination conduit de l'abduction d'une hypothèse plausible à la juger pour sa testabilité[103] et pour la façon dont son essai économiserait l'enquête elle-même. [104] Peirce appelle son pragmatisme "la logique de l'enlèvement". [105] Sa maxime pragmatique est : « Considérez les effets qui pourraient éventuellement avoir des incidences pratiques que vous concevez que les objets de votre conception doivent avoir. Ensuite, votre conception de ces effets est l'ensemble de votre conception de l'objet ». [99] Son pragmatisme est une méthode pour réduire fructueusement les confusions conceptuelles en assimilant le sens de toute conception aux implications pratiques imaginables des effets conçus de son objet - une méthode de réflexion mentale expérimentale propice à la formation d'hypothèses et propice à les tester. Il favorise l'efficacité. L'hypothèse, étant peu sûre, doit avoir des implications pratiques conduisant au moins à des tests mentaux et, en science, se prêtant à des tests scientifiques. Une supposition simple mais improbable, si peu coûteuse à tester pour la fausseté, peut appartenir à la première ligne pour le test. Une supposition vaut intrinsèquement la peine d'être testée si elle a une plausibilité instinctive ou une probabilité objective raisonnée, tandis que la probabilité subjective, bien que raisonnée, peut être trompeuse et séduisante. Les suppositions peuvent être choisies pour le procès de manière stratégique, pour leur prudence (pour laquelle Peirce a donné comme exemple le jeu des vingt questions), leur ampleur et leur complexité. [106] On ne peut espérer découvrir que ce que le temps révélerait de toute façon à travers l'expérience suffisante d'un apprenant, il s'agit donc de l'accélérer l'économie de la recherche est ce qui exige le saut, pour ainsi dire, de l'abduction et régit son art. [104]
  2. Déduction. Deux étapes :
    1. Explication. Analyse peu claire, mais déductive, de l'hypothèse afin de rendre ses parties aussi claires que possible.
    2. Démonstration : Argumentation déductive, procédure euclidienne. Déduction explicite des conséquences de l'hypothèse en tant que prédictions, pour l'induction à tester, sur les preuves à trouver. Corollaire ou, si besoin, théorique.
    1. Classification. Classement peu clair, mais inductif, des objets d'expérience sous des idées générales.
    2. Probation : argumentation inductive directe. Brut (le dénombrement des instances) ou graduel (nouvelle estimation de la proportion de vérité dans l'hypothèse après chaque test). L'induction progressive est qualitative ou quantitative si qualitative, alors dépendante de pondérations de qualités ou de caractères [108] si quantitative, alors dépendante de mesures, ou de statistiques, ou de comptages.
    3. Induction Sentinelle. ". qui, par des raisonnements inductifs, évalue les différentes épreuves individuellement, puis leurs combinaisons, puis fait l'auto-évaluation de ces mêmes évaluations elles-mêmes, et porte un jugement final sur l'ensemble du résultat".

    Explication invariante

    Dans une conférence TED de 2009, Deutsch a exposé un critère d'explication scientifique, qui consiste à formuler des invariants : « Déclarez une explication [publiquement, afin qu'elle puisse être datée et vérifiée par d'autres plus tard] qui reste invariante [face à un changement apparent, de nouvelles informations ou des conditions inattendues]". [109]

    "Une mauvaise explication est facile à varier." [109] : minute 11:22 "La recherche d'explications difficilement modifiables est à l'origine de tout progrès" [109] : minute 15:05 "Ce la vérité consiste en des affirmations difficiles à varier sur la réalité est le fait le plus important du monde physique." [109] : minute 16:15

    L'invariance en tant qu'aspect fondamental d'un compte rendu scientifique de la réalité faisait depuis longtemps partie de la philosophie des sciences : par exemple, le livre de Friedel Weinert Le scientifique comme philosophe (2004) ont noté la présence du thème dans de nombreux écrits à partir du début du XXe siècle, tels que les œuvres d'Henri Poincaré (1902), Ernst Cassirer (1920), Max Born (1949 et 1953), Paul Dirac (1958) , Olivier Costa de Beauregard (1966), Eugene Wigner (1967), Lawrence Sklar (1974), Michael Friedman (1983), John D. Norton (1992), Nicholas Maxwell (1993), Alan Cook (1994), Alistair Cameron Crombie (1994), Margaret Morrison (1995), Richard Feynman (1997), Robert Nozick (2001) et Tim Maudlin (2002). [110]

    La science appliquée aux systèmes complexes peut impliquer des éléments tels que la transdisciplinarité, la théorie des systèmes et la modélisation scientifique. Le Santa Fe Institute étudie de tels systèmes [111] Murray Gell-Mann relie ces sujets à la transmission de messages. [112]

    En général, la méthode scientifique peut être difficile à appliquer rigoureusement à divers systèmes interconnectés et à de grands ensembles de données. En particulier, les pratiques utilisées au sein du Big data, telles que l'analyse prédictive, peuvent être considérées comme en contradiction avec la méthode scientifique. [113]

    Fréquemment, la méthode scientifique est employée non seulement par une seule personne mais aussi par plusieurs personnes coopérant directement ou indirectement. Une telle coopération peut être considérée comme un élément important d'une communauté scientifique. Diverses normes de méthodologie scientifique sont utilisées dans un tel environnement.

    Évaluation par les pairs

    Les revues scientifiques utilisent un processus de examen par les pairs, dans lequel les manuscrits des scientifiques sont soumis par les éditeurs de revues scientifiques à (généralement un à trois, et généralement anonymes) collègues scientifiques familiers avec le domaine pour évaluation. Dans certaines revues, la revue elle-même sélectionne les arbitres tandis que dans d'autres (en particulier les revues extrêmement spécialisées), l'auteur du manuscrit peut recommander des arbitres. Les arbitres peuvent recommander ou non la publication, ou ils peuvent recommander la publication avec des modifications suggérées, ou parfois, la publication dans une autre revue. Cette norme est pratiquée à des degrés divers par différentes revues et peut avoir pour effet de maintenir la littérature exempte d'erreurs évidentes et d'améliorer généralement la qualité du matériel, en particulier dans les revues qui utilisent la norme le plus rigoureusement. Le processus d'examen par les pairs peut avoir des limites lorsque l'on considère la recherche en dehors du paradigme scientifique conventionnel : les problèmes de « pensée de groupe » peuvent interférer avec la délibération ouverte et équitable de certaines nouvelles recherches. [114]

    Documentation et réplication

    Parfois, les expérimentateurs peuvent commettre des erreurs systématiques au cours de leurs expériences, s'écarter des méthodes et pratiques standard (science pathologique) pour diverses raisons ou, dans de rares cas, signaler délibérément de faux résultats. Parfois, à cause de cela, d'autres scientifiques pourraient tenter de répéter les expériences pour dupliquer les résultats.

    Archivage

    Les chercheurs pratiquent parfois l'archivage de données scientifiques, par exemple en conformité avec les politiques des agences de financement gouvernementales et des revues scientifiques. Dans ces cas, des enregistrements détaillés de leurs procédures expérimentales, des données brutes, des analyses statistiques et du code source peuvent être conservés pour fournir des preuves de la méthodologie et de la pratique de la procédure et aider à toute tentative future potentielle de reproduire le résultat. Ces enregistrements procéduraux peuvent également aider à la conception de nouvelles expériences pour tester l'hypothèse, et peuvent s'avérer utiles aux ingénieurs qui pourraient examiner les applications pratiques potentielles d'une découverte.

    Partage de données

    Lorsque des informations supplémentaires sont nécessaires avant qu'une étude puisse être reproduite, l'auteur de l'étude peut être invité à les fournir. Ils peuvent les fournir, ou si l'auteur refuse de partager les données, des appels peuvent être adressés aux éditeurs de revues qui ont publié l'étude ou à l'institution qui a financé la recherche.

    Limites

    Puisqu'un scientifique ne peut pas enregistrer tout qui a eu lieu dans une expérience, des faits sélectionnés pour leur apparente pertinence sont rapportés. Cela peut inévitablement conduire à des problèmes plus tard si une caractéristique supposée non pertinente est remise en question. Par exemple, Heinrich Hertz n'a pas indiqué la taille de la pièce utilisée pour tester les équations de Maxwell, ce qui s'est avéré plus tard expliquer un petit écart dans les résultats. Le problème est que des parties de la théorie elle-même doivent être supposées sélectionner et rapporter les conditions expérimentales. Les observations sont donc parfois décrites comme étant « chargées de théorie ».

    Philosophie analytique

    La philosophie des sciences examine la logique sous-jacente de la méthode scientifique, ce qui sépare la science de la non-science et l'éthique implicite dans la science. Il existe des hypothèses de base, dérivées de la philosophie par au moins un scientifique éminent, qui forment la base de la méthode scientifique - à savoir, que la réalité est objective et cohérente, que les humains ont la capacité de percevoir la réalité avec précision et que des explications rationnelles existent pour les éléments. du monde réel. [115] Ces hypothèses du naturalisme méthodologique forment une base sur laquelle la science peut être fondée. Les théories positivistes logiques, empiristes, falsificationnistes et autres ont critiqué ces hypothèses et donné des comptes rendus alternatifs de la logique de la science, mais chacune a également elle-même été critiquée.

    Thomas Kuhn a examiné l'histoire des sciences dans son La structure des révolutions scientifiques, et a constaté que la méthode réelle utilisée par les scientifiques différait considérablement de la méthode alors adoptée. Ses observations de la pratique scientifique sont essentiellement sociologiques et ne parlent pas de la façon dont la science est ou peut être pratiquée à d'autres époques et dans d'autres cultures.

    Norwood Russell Hanson, Imre Lakatos et Thomas Kuhn ont effectué des travaux approfondis sur le caractère « chargé de théorie » de l'observation. Hanson (1958) a d'abord inventé le terme pour l'idée que toute observation dépend du cadre conceptuel de l'observateur, en utilisant le concept de gestalt pour montrer comment les idées préconçues peuvent affecter à la fois l'observation et la description. [116] Il ouvre le chapitre 1 avec une discussion sur les corps de Golgi et leur rejet initial en tant qu'artefact de technique de coloration, et une discussion sur Brahe et Kepler observant l'aube et voyant un lever de soleil « différent » malgré le même phénomène physiologique. Kuhn [117] et Feyerabend [118] reconnaissent l'importance pionnière de son travail.

    Kuhn (1961) a déclaré que le scientifique avait généralement une théorie en tête avant de concevoir et d'entreprendre des expériences pour faire des observations empiriques, et que "la route de la théorie à la mesure ne peut presque jamais être parcourue en arrière". Cela implique que la manière dont la théorie est testée est dictée par la nature de la théorie elle-même, ce qui a conduit Kuhn (1961, p.166) pour faire valoir qu'« une fois qu'elle a été adoptée par une profession, aucune théorie n'est reconnue comme vérifiable par des tests quantitatifs qu'elle n'a pas déjà passés ». [119]

    Post-modernisme et guerres scientifiques

    Paul Feyerabend a également examiné l'histoire de la science et a été amené à nier que la science soit véritablement un processus méthodologique. Dans son livre Contre la méthode il soutient que le progrès scientifique est ne pas le résultat de l'application d'une méthode particulière. En substance, il dit que pour toute méthode ou norme spécifique de la science, on peut trouver un épisode historique où sa violation a contribué au progrès de la science. Ainsi, si les partisans de la méthode scientifique souhaitent exprimer une seule règle universellement valable, suggère en plaisantant Feyerabend, cela devrait être « tout est permis ». [120] Des critiques comme la sienne ont conduit au programme fort, une approche radicale de la sociologie des sciences.

    Les critiques postmodernistes de la science ont elles-mêmes fait l'objet d'une intense controverse. Ce débat en cours, connu sous le nom de guerres scientifiques, est le résultat de valeurs et d'hypothèses contradictoires entre les camps postmoderne et réaliste. Alors que les postmodernistes affirment que la connaissance scientifique est simplement un autre discours (notez que ce terme a une signification particulière dans ce contexte) et ne représente aucune forme de vérité fondamentale, les réalistes de la communauté scientifique soutiennent que la connaissance scientifique révèle des vérités réelles et fondamentales sur la réalité. De nombreux livres ont été écrits par des scientifiques qui abordent ce problème et remettent en question les affirmations des postmodernistes tout en défendant la science comme une méthode légitime pour dériver la vérité. [121]

    Anthropologie et sociologie

    En anthropologie et en sociologie, suite aux recherches de terrain dans un laboratoire scientifique académique de Latour et Woolgar, Karin Knorr Cetina a mené une étude comparative de deux domaines scientifiques (à savoir la physique des hautes énergies et la biologie moléculaire) pour conclure que les pratiques et raisonnements épistémiques au sein des deux les communautés scientifiques sont suffisamment différentes pour introduire le concept de « cultures épistémiques », en contradiction avec l'idée qu'une soi-disant « méthode scientifique » est unique et un concept fédérateur. [122]

    Rôle du hasard dans la découverte

    On estime qu'entre 33 % et 50 % de toutes les découvertes scientifiques ont été trébuché sur, plutôt que recherché. Cela peut expliquer pourquoi les scientifiques expriment si souvent qu'ils ont eu de la chance. [123] Louis Pasteur est crédité du célèbre dicton selon lequel « la chance favorise l'esprit préparé », mais certains psychologues ont commencé à étudier ce que signifie être « préparé pour la chance » dans le contexte scientifique. La recherche montre que les scientifiques apprennent diverses heuristiques qui ont tendance à exploiter le hasard et l'inattendu. [123] [124] C'est ce que Nassim Nicholas Taleb appelle « l'anti-fragilité » alors que certains systèmes d'investigation sont fragiles face à l'erreur humaine, aux préjugés humains et au hasard, la méthode scientifique est plus que résistante ou dure - elle bénéficie en fait d'un tel hasard dans de nombreux manières (il est anti-fragile). Taleb pense que plus le système est anti-fragile, plus il s'épanouira dans le monde réel. [26]

    Le psychologue Kevin Dunbar dit que le processus de découverte commence souvent par des chercheurs trouvant des bogues dans leurs expériences. Ces résultats inattendus amènent les chercheurs à tenter de corriger ce qu'ils pense est une erreur dans leur méthode. Finalement, le chercheur décide que l'erreur est trop persistante et systématique pour être une coïncidence. Les aspects hautement contrôlés, prudents et curieux de la méthode scientifique sont donc ce qui la rend bien adaptée pour identifier de telles erreurs systématiques persistantes. À ce stade, le chercheur commencera à réfléchir aux explications théoriques de l'erreur, recherchant souvent l'aide de collègues dans différents domaines d'expertise. [123] [124]

    La science est le processus de collecte, de comparaison et d'évaluation des modèles proposés par rapport à des observables. Un modèle peut être une simulation, une formule mathématique ou chimique, ou un ensemble d'étapes proposées. La science est comme les mathématiques en ce sens que les chercheurs des deux disciplines essaient de distinguer ce qui est connu de ce qui est inconnu à chaque étape de la découverte. Les modèles, tant en sciences qu'en mathématiques, doivent être cohérents en interne et doivent également être falsifiable (capable de réfuter). En mathématiques, un énoncé n'a pas encore besoin d'être prouvé à un tel stade, cet énoncé s'appellerait une conjecture. Mais lorsqu'un énoncé a atteint la preuve mathématique, cet énoncé acquiert une sorte d'immortalité qui est très prisée par les mathématiciens, et pour laquelle certains mathématiciens consacrent leur vie. [125]

    Le travail mathématique et le travail scientifique peuvent s'inspirer mutuellement. [126] Par exemple, le concept technique du temps est apparu dans la science, et l'intemporalité était une caractéristique d'un sujet mathématique. Mais aujourd'hui, la conjecture de Poincaré a été prouvée en utilisant le temps comme concept mathématique dans lequel les objets peuvent circuler (voir le flux de Ricci).

    Néanmoins, le lien entre les mathématiques et la réalité (et donc la science dans la mesure où elle décrit la réalité) reste obscur. l'article d'Eugène Wigner, L'efficacité déraisonnable des mathématiques en sciences naturelles, est un récit très connu de la question par un physicien lauréat du prix Nobel. En fait, certains observateurs (y compris certains mathématiciens bien connus tels que Gregory Chaitin, et d'autres tels que Lakoff et Núñez) ont suggéré que les mathématiques sont le résultat des préjugés du praticien et des limitations humaines (y compris culturelles), un peu comme le post-moderniste vue de la science.

    Les travaux de George Pólya sur la résolution de problèmes, [127] la construction de preuves mathématiques, et les heuristiques [128] [129] montrent que la méthode mathématique et la méthode scientifique diffèrent dans le détail, tout en se ressemblant néanmoins par l'utilisation d'étapes itératives ou récursives.

    De l'avis de Pólya, entente implique de reformuler des définitions inconnues dans vos propres mots, de recourir à des figures géométriques et de remettre en question ce que nous savons et ne savons pas déjà une analyse, que Pólya tire de Pappus, [130] implique la construction libre et heuristique d'arguments plausibles, en partant du but et en élaborant un plan pour construire la preuve synthèse est l'exposition euclidienne stricte des détails étape par étape [131] de la preuve revoir implique de reconsidérer et de réexaminer le résultat et le chemin parcouru.

    Gauss, lorsqu'on lui a demandé comment il est arrivé à ses théorèmes, a répondu une fois « durch planmässiges Tattonieren » (par l'expérimentation systématique palpable). [132]

    Imre Lakatos a soutenu que les mathématiciens utilisent en fait la contradiction, la critique et la révision comme principes pour améliorer leur travail. [133] De la même manière que la science, où la vérité est recherchée, mais la certitude n'est pas trouvée, dans Preuves et réfutations (1976), ce que Lakatos a essayé d'établir, c'est qu'aucun théorème des mathématiques informelles n'est définitif ou parfait. Cela signifie que nous ne devrions pas penser qu'un théorème est finalement vrai, seulement qu'aucun contre-exemple n'a encore été trouvé. Une fois qu'un contre-exemple, c'est-à-dire une entité contredisant/non expliqué par le théorème est trouvé, nous ajustons le théorème, en étendant éventuellement le domaine de sa validité. C'est une façon continue d'accumuler nos connaissances, à travers la logique et le processus de preuves et de réfutations. (Si des axiomes sont donnés pour une branche des mathématiques, cependant, Lakatos a affirmé que les preuves de ces axiomes étaient tautologiques, c'est-à-dire logiquement vraies, en les réécrivant, comme l'a fait Poincaré (Preuves et réfutations, 1976).)

    Lakatos a proposé un compte rendu des connaissances mathématiques basé sur l'idée d'heuristique de Polya. Dans Preuves et réfutations, Lakatos a donné plusieurs règles de base pour trouver des preuves et des contre-exemples aux conjectures. Il pensait que les « expériences de pensée » mathématiques étaient un moyen valable de découvrir des conjectures et des preuves mathématiques. [134]

    Relation avec les statistiques

    Lorsque la méthode scientifique utilise des statistiques dans le cadre de son arsenal, il existe des problèmes mathématiques et pratiques qui peuvent avoir un effet délétère sur la fiabilité des résultats des méthodes scientifiques. Ceci est décrit dans un article scientifique populaire de 2005 "Pourquoi la plupart des résultats de recherche publiés sont faux" par John Ioannidis, qui est considéré comme fondamental dans le domaine des métasciences. [135] De nombreuses recherches en métascience cherchent à identifier une mauvaise utilisation des statistiques et à améliorer son utilisation.

    Les points particuliers soulevés sont statistiques ("Plus les études menées dans un domaine scientifique sont petites, moins les résultats de la recherche sont susceptibles d'être vrais" et "Plus la flexibilité dans les conceptions, les définitions, les résultats et les modes d'analyse dans un domaine scientifique est grande, moins les résultats de la recherche sont susceptibles d'être vrais.") et économique ("Plus les intérêts et les préjugés financiers et autres dans un domaine scientifique, moins les résultats de la recherche sont susceptibles d'être vrais" et "Plus un domaine scientifique est chaud ( avec plus d'équipes scientifiques impliquées), moins les résultats de la recherche sont susceptibles d'être vrais.") Par conséquent: "La plupart des résultats de la recherche sont faux pour la plupart des conceptions de recherche et pour la plupart des domaines" et "Comme montré, la majorité de la recherche biomédicale moderne fonctionne dans les zones avec une très faible probabilité avant et après l'étude d'obtenir de vrais résultats. » Cependant : « Néanmoins, la plupart des nouvelles découvertes continueront de provenir de recherches générant des hypothèses avec des probabilités de pré-étude faibles ou très faibles », ce qui signifie que les *nouvelles* découvertes proviendront de recherches qui, lorsque cette recherche a commencé, avaient des résultats faibles ou très de faibles chances (une chance faible ou très faible) de réussir. Par conséquent, si la méthode scientifique est utilisée pour élargir les frontières de la connaissance, la recherche dans des domaines qui sont en dehors du courant dominant produira les découvertes les plus récentes.


    La méthode scientifique : un besoin de mieux ?

    Voici la dernière partie du triptyque qui a commencé par les « Perspectives » sur le brainstorming qui a été suivie de celle sur l'éclipse verbale. J'ai décidé de garder cela pour la fin car il traite et, à bien des égards, tente de démystifier l'utilisation de la méthode scientifique en tant que Saint Graal de la recherche. Inutile de dire que le sujet est controversé et en irritera certains.

    Dans les « sciences naturelles », les progrès se produisent grâce à la recherche qui utilise la méthode scientifique. Imaginez juste essayer de publier une enquête originale ou d'obtenir des fonds pour un projet sans l'utiliser ! Bien que la recherche dans les sciences pures (fondamentales) (par exemple, la biologie, la physique et la chimie) doive y adhérer, les recherches relatives aux sciences douces (terme péjoratif) (par exemple, la sociologie, l'économie et l'anthropologie) ne l'utilisent pas et pourtant produire des idées valables suffisamment importantes pour être publiées dans des revues à comité de lecture et même gagner des prix Nobel.

    La méthode scientifique est mieux considérée comme un ensemble de « méthodes » ou de différentes techniques utilisées pour prouver ou réfuter une ou plusieurs hypothèses. Une hypothèse est une explication proposée pour les phénomènes observés. Ces phénomènes sont, en général, empiriques, c'est-à-dire qu'ils sont rassemblés par observation et/ou expérimentation. « Hypothèse » est un terme souvent confondu avec « théorie ». Une théorie est le résultat final d'une hypothèse préalablement testée, c'est-à-dire un ensemble prouvé de principes qui expliquent les phénomènes observés. Ainsi, une hypothèse est parfois appelée « hypothèse de travail », pour éviter cette confusion. Une hypothèse de travail doit être prouvée ou réfutée par une enquête. L'ensemble de la démarche employée pour valider une hypothèse est plus largement appelée méthode « hypothético-déductivisme ». Toutes les hypothèses ne sont pas prouvées par des tests empiriques, et la plupart de ce que nous savons et acceptons comme vérité sur l'économie et les civilisations anciennes est uniquement basé sur… juste l'observation et les pensées. Inversement, les penseurs profonds des disciplines non naturelles voient beaucoup de choses mal dans la méthode scientifique car elle ne reflète pas entièrement l'environnement chaotique dans lequel nous vivons, c'est-à-dire que la méthode scientifique est rigide et limitée dans sa conception et produit des résultats qui sont isolés des environnements réels et ne traitent que des problèmes spécifiques.

    L'une des caractéristiques les plus importantes de la méthode scientifique est sa répétabilité. Les expériences réalisées pour prouver une hypothèse de travail doivent clairement enregistrer tous les détails afin que d'autres puissent les reproduire et finalement permettre à l'hypothèse de devenir largement acceptée. L'objectivité doit être utilisée dans les expériences pour réduire les biais. Le «biais» fait référence à la tendance à privilégier une perspective par rapport à d'autres. Le contraire du biais est la « neutralité », et toutes les expériences (et leur évaluation par les pairs) doivent être exemptes de biais et neutres. En médecine, les préjugés font également partie des conflits d'intérêts et produisent des résultats corrompus. En médecine, les conflits d'intérêts sont souvent dus aux relations avec les industries pharmaceutiques/de dispositifs. Les Journal américain de neuroradiologie (AJNR), comme la plupart des autres revues sérieuses, exige que les contributeurs remplissent le formulaire de divulgation standard concernant les conflits d'intérêts proposé par l'International Committee of Medical Journal Editors, et il les publie à la fin des articles. 1

    Comme beaucoup d'autres avancées scientifiques, la méthode scientifique trouve son origine dans le monde musulman. Il y a environ 1000 ans, le mathématicien irakien Ibn al-Haytham l'utilisait déjà. Dans le monde occidental, la méthode scientifique a d'abord été bien accueillie par des astronomes tels que Galilée et Kepler, et après le XVIIe siècle, son utilisation s'est généralisée. Comme nous le savons maintenant, la méthode scientifique ne date que des années 1930. La première étape de la méthode scientifique est l'observation à partir de laquelle on formule une question. De cette question, l'hypothèse est générée. Une hypothèse doit être formulée de manière à pouvoir être prouvée ou réfutée (« falsifiable »). L'hypothèse dite « nulle » représente la position par défaut. Par exemple, si vous essayez de prouver la relation entre 2 phénomènes, l'hypothèse nulle peut être une déclaration selon laquelle il n'y a pas de relation entre les phénomènes observés. L'étape suivante consiste à tester l'hypothèse via une ou plusieurs expériences. Les meilleures expériences, du moins en médecine, sont celles qui sont en aveugle et accompagnées de groupes témoins (non soumis aux mêmes expériences). Troisièmement, l'analyse des données obtenues. Les résultats peuvent soutenir l'hypothèse de travail ou la « falsifier » (la réfuter), conduisant à la création d'une nouvelle hypothèse à tester scientifiquement. Sans surprise, la structure des résumés et des articles publiés dans AJNR et d'autres revues scientifiques reflètent les 4 étapes de la méthode scientifique (contexte et objectif, matériaux et méthodes, résultats et conclusions). Une autre façon dont nos revues adhèrent à la méthode scientifique est l'examen par les pairs, c'est-à-dire que chaque partie de l'article doit être ouverte à l'examen par d'autres qui recherchent d'éventuelles erreurs et biais. La dernière partie de la méthode scientifique moderne est la publication.

    Malgré sa structure rigide, la méthode scientifique dépend encore des capacités les plus humaines : la créativité, l'imagination et l'intelligence et sans elles, elle ne peut exister. La documentation des expériences est toujours imparfaite parce que tout ne peut pas être enregistré. L'un des problèmes les plus importants de la méthode scientifique est le manque d'importance accordée aux observations qui se situent en dehors de l'hypothèse principale (liée à la pensée latérale). Quel que soit le soin avec lequel vous enregistrez ce que vous observez, si ces observations ne sont pas également soumises à la méthode, elles ne peuvent pas être acceptées. C'est un problème courant rencontré par les paléontologues qui n'ont vraiment aucun moyen de tester leurs observations, mais bon nombre de leurs observations (primaires et secondaires) sont acceptées comme valides. Pensez également aux travaux de Sigmund Freud qui ont conduit à une meilleure compréhension du développement psychologique et des troubles associés, la plupart étaient basés uniquement sur des observations. Beaucoup soutiennent que parce que la méthode scientifique rejette les observations extemporanées, cela limite en fait la croissance des connaissances scientifiques. Parce qu'une hypothèse ne reflète que les connaissances actuelles, les données qui la contredisent peuvent être rejetées pour devenir plus tard importantes.

    Parce que la méthode scientifique est fondamentalement un schéma « d'essais et d'erreurs », les progrès sont lents. Dans les disciplines plus anciennes, il n'y avait peut-être pas assez de connaissances pour développer de bonnes théories, ce qui a conduit à la création de mauvaises théories qui ont entraîné un retard important des progrès. On peut aussi dire que les progrès sont souvent fortuits alors que l'on essaie de tester une hypothèse, des résultats complètement inattendus et souvent accidentels conduisent à de nouvelles découvertes. Imaginez simplement combien de données importantes ont été rejetées parce que les résultats ne correspondaient pas à l'hypothèse initiale.

    La phase d'essais et d'erreurs d'une expérience prend beaucoup de temps, alors pourquoi le faire alors que nous savons déjà parfaitement à quoi s'attendre des résultats ? Lisez simplement AJNR, et la plupart des hypothèses proposées se sont avérées vraies ! Les hypothèses qui se sont révélées fausses ne sont jamais sexy, et les revues ne sont généralement pas intéressées par la publication de telles études. Dans la méthode scientifique, les résultats inattendus ne sont pas fiables, tandis que ceux attendus et compris sont immédiatement fiables. Le fait que nous fassions « ceci » pour observer « cela » peut être très trompeur à long terme. 2 Cependant, en réalité, de nombreuses controverses auraient pu être évitées si au lieu de l'appeler « la méthode scientifique », nous l'aurions simplement appelé « une méthode scientifique », laissant la place au développement d'autres méthodes et à l'acceptation de celles utilisées par d'autres disciplines. . Certains prétendent qu'il a été qualifié de « scientifique » parce que ceux qui l'ont inventé étaient arrogants et prétentieux.

    Le terme « science » vient du latin « scientia », qui signifie connaissance. Aristote a assimilé la science à la fiabilité parce qu'elle pouvait être expliquée rationnellement et logiquement. Curieusement, la science a été, pendant de nombreux siècles, une partie de la plus grande discipline de la philosophie. Aux XIVe et XVe siècles, la « philosophie naturelle » est née au début du XVIIe siècle, elle était devenue les « sciences naturelles ». C'est au XVIe siècle que Francis Bacon a popularisé les méthodes de raisonnement inductif qui deviendront par la suite la méthode scientifique. Le raisonnement occidental est basé sur notre foi en la vérité, souvent la vérité absolue. Les hypothèses de départ qui deviennent ensuite des hypothèses sont subjectivement acceptées comme étant vraies. Ainsi, la méthode scientifique a mis plus de temps à être acceptée par les civilisations orientales dont le concept de vérité diffère du nôtre. Il est possible que la méthode scientifique soit la plus grande activité unificatrice de la race humaine. Bien que la médecine et la philosophie aient été séparées l'une de l'autre par des siècles, il existe une tendance actuelle à unir à nouveau les deux.

    La spécialité de la psychiatrie n'est devenue « scientifique » que lorsque l'utilisation généralisée des médicaments et des procédures thérapeutiques a offert la possibilité d'être examinée par la méthode scientifique. Aux Etats-Unis et en Europe, le nombre de psychanalystes a progressivement diminué et, plus surprenant, les philosophes prennent leur place.3 Les avantages offerts par la philosophie sont qu'elle donne la priorité aux patients, soutient de nouveaux modèles de prestation de services et reconnecte les chercheurs de différentes disciplines (ce sont les progrès des neurosciences qui exigent des réponses aux questions plus abstraites qui définissent un «être» humain). La philosophie fournit aux psychiatres des compétences de réflexion génériques indispensables et parce que la philosophie est plus répandue que la psychiatrie et reconnaît son importance, elle fournit un environnement plus universel et plus ouvert. 4 Ceci est un exemple de discipline douce fusionnant avec une discipline dure (médecine) pour l'amélioration de nous tous. Cependant, ce n'est pas le cas dans d'autres domaines.

    Depuis une dizaine d'années, la National Science Foundation parraine l'initiative « Implications empiriques des modèles théoriques » en science politique. 5 Une plainte majeure est que la plupart de la littérature en science politique se compose d'études empiriques non cumulatives et que très peu ont une composante « formelle ». La partie formelle fait référence à l'accumulation de données et à l'utilisation de statistiques pour prouver ou réfuter une observation (donc, l'utilisation de la méthode scientifique). Pour les universitaires en sciences politiques, le problème est que certaines revues n'acceptent plus les publications qui s'appuient sur des modèles théoriques non éprouvés, ce qui pose un problème important aux sciences « non naturelles ». 6 Dans ce cas, les sciences sociales essaient d'imiter les sciences « dures », et ce n'est peut-être pas la meilleure approche. Ces universitaires et d'autres pensent que l'utilisation de la méthode scientifique dans de tels cas met l'accent sur les prédictions plutôt que sur les idées, concentre l'apprentissage sur des activités matérielles plutôt que sur une compréhension approfondie d'un sujet et manque de cadre épistémique pertinent pour une discipline. 7 Alors, existe-t-il une meilleure approche que la méthode scientifique ?

    Une méthode provocatrice appelée « enquête basée sur un modèle » respecte les préceptes de la méthode scientifique (que la connaissance est testable, révisable, explicative, conjecturale et générative). 7 Alors que la méthode scientifique tente de trouver des modèles dans les phénomènes naturels, la méthode d'enquête basée sur un modèle tente de développer des explications défendables. Ce nouveau système considère les modèles comme des outils d'explications et non des explications proprement dites et permet d'aller au-delà des données ainsi, de nouvelles hypothèses, de nouveaux concepts et de nouvelles prédictions peuvent être générés à tout moment de l'enquête, ce qui n'est pas autorisé dans la rigidité de la méthode scientifique traditionnelle. .

    Dans une approche différente, la National Science Foundation a chargé des scientifiques, des philosophes et des éducateurs de l'Université de Californie à Berkeley de proposer une alternative « dynamique » à la méthode scientifique. 8 La méthode proposée accepte les données d'événements fortuits et souligne que la science est un processus dynamique impliquant de nombreux individus et activités. Contrairement à la méthode scientifique traditionnelle, cette nouvelle méthode accepte des données qui ne correspondent pas à des conclusions organisées et nettes. La science concerne la découverte, pas les justifications qu'elle semble mettre en avant. 9

    Évidemment, je ne propose pas qu'on se débarrasse d'emblée de la méthode scientifique traditionnelle. Jusqu'à ce qu'un autre s'avère meilleur, il devrait continuer à être la pierre angulaire de nos efforts. Cependant, dans un monde où l'information augmentera davantage au cours des 50 prochaines années qu'au cours des 400 dernières années, où Internet compte 1 000 milliards de liens, où 300 milliards de messages électroniques sont générés chaque jour et où 200 millions de Tweets sont publiés quotidiennement, demandez vous-même s'il est toujours valable d'utiliser la même méthode scientifique qui a été inventée il y a près de 400 ans ?


    Vous pouvez trouver cette page en ligne sur : https://www.sciencebuddies.org/science-fair-projects/landing-science-inquiry.shtml

    Vous pouvez imprimer et distribuer jusqu'à 200 exemplaires de ce document par an, sans frais, à des fins pédagogiques personnelles et en classe. Lors de l'impression de ce document, vous ne pouvez en aucun cas le modifier. Pour toute autre utilisation, veuillez contacter Science Buddies.


    Voir la vidéo: BrainPOP fr Méthode scientifique (Janvier 2022).