Bien que l'effort scientifique cherche à développer l'autorité, il est aussi fondamentalement subversive, poser des questions et de tester ses propres connaissances. Il est souhaitable dans la science pour développer une oreille pour grandiloquence. Le doute est une expérience fondamentale dans la recherche scientifique, pas une émotion désagréable à craindre.
Il est souhaitable de poser des questions spécifiques au matériel en main, par exemple, de suggérer des variables trop essentielles pour exclure d'un modèle. Il y a une batterie de questions de situation indépendante qui peuvent être posées des demandeurs ou d'un sujet à promouvoir la compréhension, saper les revendications gonflés, ou tester le bon sens. Certains d'entre eux sont donnés ci-dessous.
Comment quelque chose est connu
Un argument peut être compromis (ou étayé) en demandant comment les revendications de l'argument sont connus. Une autre question pénétrante est de demander un ou deux exemples - utile lorsque les revendications deviennent visiblement abstraite. Une question connexe mais moins pénétrante est de demander au demandeur de définir ses termes - utile lorsque la dénomination des choses prend la priorité sur le savoir quelque chose à propos de ce qui est nommé.
La disponibilité Erreur: un effet d'ancrage
Ne pas promouvoir une réponse dans la tête du candidat en posant des questions similaires. Par exemple, si quelqu'un demande une estimation de 60 pour cent pour une quantité mesurable, demandant: «Mais pourquoi ne pas 59 pour cent?" maintient la région près de 60 pour cent ancré dans son esprit et donc la gamme plausible de sondage. (Se disputer sur une différence de 1 pour cent ne sera probablement pas promouvoir un aperçu de toute façon.) Demandé: «Mais pourquoi ne pas 40 pour cent ou 80 pour cent?" maintient une plus large gamme psychologiquement disponibles, ce qui permet de mieux comprendre, si aussi une discussion plus longue. Cet effet d'ancrage a été décrite par les psychologues Amos Tversky et Daniel Kahneman.
Comment une prédiction Compares à l'expérience
Une question fondamentale dans la science est de se demander comment une théorie compare à la réalité. La théorie est développée de la manière suivante. Tout d'abord, il est deviné - de préférence une supposition éclairée. Ensuite, les prédictions sont faites, ou calculées, à partir de la théorie. Enfin, les prédictions sont comparées à l'expérience, ou de l'expérience. Si la prédiction ne correspond pas à l'expérience, la théorie est fausse. Cette ligne de questionnement est la pierre angulaire de la méthode scientifique et son énorme succès.
Trop peu d'observations
La citation "Aucune quantité d'expérimentation ne peut jamais me prouver à droite, une seule expérience peut me prouver le contraire" a été attribuée à Einstein en ce qui concerne sa théorie de la relativité. Il peut ou peut ne pas avoir dit cela (même "The Quotable Einstein" n'a pas pu trouver une source), mais il est une croyance douteuse, pour l'expérience unique doit également être reproductible. Il ne peut pas simplement passer un moment de détrôner une théorie soutenue par des monticules d'autres observations. La raison en est parce que certains facteur inconnu peut avoir corrompu que d'une expérience, donc il doit être répété pour démontrer le contraire. Ou comme James Watson, co-découvreur de la forme en double hélice de l'ADN dit: "Pas bon modèle jamais représenté tous les faits, étant donné que certaines données ont été liés à induire en erreur si pas simplement faux."
Un n de 1
Certaines personnes ne font pas attention à la preuve. Mais certains paient trop d'attention. Comment est-ce possible? Ils observent quelque chose personnellement et sauter à des conclusions de cette observation limitée. Les connexions sont parfois vus là où il n'y existe. Avec ou sans un mécanisme plausible, on imagine un lien et de cause à effet. Dans la logique, il y a un nom pour cette erreur: post hoc, ergo propter hoc (après cela, donc à cause de cela). Une étiquette similaire pour sauter aux conclusions sur un minimum de soutien observation est de compter sur un «n de 1," à savoir, la taille de l'échantillon, n, a un seul sujet en elle. La remarque fait allusion aux grandes tailles d'échantillons nécessaires pour parer à des conclusions erronées résultant de statistique (erreur) variance.