ಸಂಶೋಧಕರು ಕಾಸ್-ಎಫೆಕ್ಟ್ ಸಂಬಂಧಗಳನ್ನು ಹೇಗೆ ಕಂಡುಹಿಡಿಯುತ್ತಾರೆ
ಒಂದು ಸರಳ ಪ್ರಯೋಗವು ಒಂದು ವೇರಿಯೇಬಲ್ನಲ್ಲಿನ ಬದಲಾವಣೆಗಳು ಮತ್ತೊಂದು ವೇರಿಯಬಲ್ನಲ್ಲಿ ಬದಲಾವಣೆಗೆ ಕಾರಣವಾಗಬಹುದು-ಇತರ ಕಾರಣಗಳಲ್ಲಿ, ಕಾರಣ ಮತ್ತು ಪರಿಣಾಮವನ್ನು ಸ್ಥಾಪಿಸಲು ಒಂದು ಸಂಶೋಧಕರು ಹೆಚ್ಚಾಗಿ ಬಳಸುತ್ತಾರೆ. ಒಂದು ಹೊಸ ಔಷಧಿಯ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ನೋಡುವ ಒಂದು ಸರಳ ಪ್ರಯೋಗದಲ್ಲಿ, ಅಧ್ಯಯನ ಭಾಗವಹಿಸುವವರು ಯಾದೃಚ್ಛಿಕವಾಗಿ ಎರಡು ಗುಂಪುಗಳಲ್ಲಿ ಒಂದನ್ನು ನಿಯೋಜಿಸಬಹುದು : ಅವುಗಳಲ್ಲಿ ಒಂದು ನಿಯಂತ್ರಣ ಗುಂಪು ಮತ್ತು ಯಾವುದೇ ಚಿಕಿತ್ಸೆಯನ್ನು ಪಡೆಯುವುದಿಲ್ಲ, ಆದರೆ ಇತರ ಗುಂಪು ಪ್ರಾಯೋಗಿಕ ಗುಂಪು ಅದು ಚಿಕಿತ್ಸೆ ಪಡೆಯುವ ಚಿಕಿತ್ಸೆಯನ್ನು ಪಡೆಯುತ್ತದೆ.
ಸರಳ ಪ್ರಯೋಗದ ಎಲಿಮೆಂಟ್ಸ್
ಒಂದು ಸರಳ ಪ್ರಯೋಗವು ತೀವ್ರವಾದ ಪ್ರಮುಖ ಅಂಶಗಳಿಂದ ಕೂಡಿದೆ:
- ಪ್ರಾಯೋಗಿಕ ಸಿದ್ಧಾಂತ. ಇದು ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮವನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ ಎಂದು ಅಂದಾಜು ಮಾಡುವ ಹೇಳಿಕೆಯಾಗಿದೆ ಮತ್ತು ಆದ್ದರಿಂದ ಯಾವಾಗಲೂ ಕಾರಣ ಮತ್ತು ಪರಿಣಾಮದ ಹೇಳಿಕೆಯಾಗಿ ರೂಪುಗೊಳ್ಳುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಸಂಶೋಧಕರು ಈ ರೀತಿಯಾಗಿ ಒಂದು ಸಿದ್ಧಾಂತವನ್ನು ಉಚ್ಚರಿಸುತ್ತಾರೆ: "ರೋಗನಿರ್ಣಯದ ಔಷಧವು A ರೋಗಲಕ್ಷಣದ ರೋಗಲಕ್ಷಣಗಳನ್ನು ಕಡಿಮೆಗೊಳಿಸುತ್ತದೆ."
- ಶೂನ್ಯ ಸಿದ್ಧಾಂತ. ಪ್ರಾಯೋಗಿಕ ಚಿಕಿತ್ಸೆಯು ಭಾಗಿಗಳು ಅಥವಾ ಅವಲಂಬಿತ ಅಸ್ಥಿರಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ ಎಂದು ಇದು ಒಂದು ಊಹಾಪೋಹವಾಗಿದೆ . ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮವನ್ನು ಕಂಡುಹಿಡಿಯಲು ವಿಫಲವಾದರೆ ಪರಿಣಾಮವಿಲ್ಲ ಎಂದು ಅರ್ಥವಲ್ಲ ಎಂಬುದನ್ನು ಗಮನಿಸುವುದು ಮುಖ್ಯವಾಗಿದೆ. ಈ ಪ್ರಯೋಗವು ಮತ್ತೊಂದು ವೇರಿಯೇಬಲ್ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರಬಹುದು ಎಂದು ಸಂಶೋಧಕರು ಪ್ರಸ್ತುತ ಪ್ರಯೋಗದಲ್ಲಿ ಅಳತೆ ಮಾಡುತ್ತಿಲ್ಲ.
- ಸ್ವತಂತ್ರ ವೇರಿಯಬಲ್ . ಪ್ರಯೋಗ ವೇರಿಯಬಲ್ ಅನ್ನು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಮಾರ್ಪಡಿಸಲಾಗಿದೆ.
- ಅವಲಂಬಿತ ವೇರಿಯಬಲ್ . ಇದು ಸಂಶೋಧಕರು ಅಳೆಯುವ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತದೆ.
- ನಿಯಂತ್ರಣ ಗುಂಪು. ಯಾದೃಚ್ಛಿಕವಾಗಿ ಗುಂಪಿಗೆ ನೇಮಿಸಲ್ಪಟ್ಟ ವ್ಯಕ್ತಿಗಳು ಆದರೆ ಚಿಕಿತ್ಸೆ ಪಡೆಯುವುದಿಲ್ಲ. ನಿಯಂತ್ರಣ ಗುಂಪಿನಿಂದ ತೆಗೆದುಕೊಂಡ ಅಳತೆಗಳನ್ನು ಪ್ರಾಯೋಗಿಕ ಗುಂಪಿನಲ್ಲಿರುವವರಿಗೆ ಹೋಲಿಸಿದರೆ ಪರಿಣಾಮವನ್ನು ನಿರ್ಧರಿಸಲಾಗುವುದು.
- ಪ್ರಾಯೋಗಿಕ ಗುಂಪು. ಪರೀಕ್ಷೆಗೆ ಒಳಪಡುವ ಚಿಕಿತ್ಸೆಯನ್ನು ಸ್ವೀಕರಿಸುವ ಯಾದೃಚ್ಛಿಕವಾಗಿ ಆಯ್ಕೆಮಾಡಿದ ವಿಷಯಗಳ ಮೂಲಕ ಈ ಗುಂಪು ಭಾಗವಹಿಸುವವರು ರಚಿಸಿದ್ದಾರೆ.
ಸರಳ ಪ್ರಯೋಗದ ಫಲಿತಾಂಶಗಳನ್ನು ನಿರ್ಧರಿಸುವುದು
ಒಂದು ಸರಳವಾದ ಪ್ರಯೋಗದಿಂದ ದತ್ತಾಂಶ ಸಂಗ್ರಹಿಸಲ್ಪಟ್ಟ ನಂತರ, ಚಿಕಿತ್ಸೆಯು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ ಎಂದು ನಿರ್ಧರಿಸಲು ನಿಯಂತ್ರಣ ಗುಂಪುಗಳ ಫಲಿತಾಂಶಗಳಿಗೆ ಪ್ರಾಯೋಗಿಕ ಗುಂಪಿನ ಫಲಿತಾಂಶಗಳನ್ನು ಹೋಲಿಸುತ್ತದೆ. ಯಾವಾಗಲೂ ದೋಷಗಳ ಪ್ರಸ್ತುತ ಸಾಧ್ಯತೆಯಿಂದಾಗಿ, ಎರಡು ಅಸ್ಥಿರಗಳ ನಡುವಿನ ಸಂಬಂಧವನ್ನು 100 ಪ್ರತಿಶತ ಖಚಿತವಾಗಿರಿಸುವುದು ಸಾಧ್ಯವಿಲ್ಲ. ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ನಾಟಕದಲ್ಲಿ ಅಸ್ಥಿರ ಅಸ್ಥಿರಗಳು ಇರಬಹುದು, ಉದಾಹರಣೆಗೆ.
ಈ ಸವಾಲನ್ನು ಎದುರಿಸುತ್ತಿದ್ದರೂ ಸಹ, ಅರ್ಥಪೂರ್ಣವಾದ ಸಂಬಂಧವು ಹೆಚ್ಚಾಗಿರುವುದನ್ನು ನಿರ್ಧರಿಸಲು ಮಾರ್ಗಗಳಿವೆ. ಇದನ್ನು ಮಾಡಲು, ವಿಜ್ಞಾನಿಗಳು ತಾರ್ಕಿಕ ಸಂಖ್ಯಾಶಾಸ್ತ್ರವನ್ನು ಬಳಸುತ್ತಾರೆ-ಆ ಸಮುದಾಯದ ಪ್ರತಿನಿಧಿ ಮಾದರಿಯಿಂದ ತೆಗೆದುಕೊಳ್ಳಲಾದ ಅಳತೆಗಳ ಆಧಾರದ ಮೇಲೆ ಜನಸಂಖ್ಯೆಯ ಬಗ್ಗೆ ರೇಖಾಚಿತ್ರದ ಆಧಾರದ ಮೇಲೆ ವ್ಯವಹರಿಸುವ ವಿಜ್ಞಾನದ ಒಂದು ಶಾಖೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಅಳೆಯಲು ಚಿಕಿತ್ಸೆಗೆ ಪರಿಣಾಮವಿದೆಯೇ ಎಂದು ನಿರ್ಧರಿಸುವ ಪ್ರಮುಖ ಅಂಶವಾಗಿದೆ. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಪ್ರಾಮುಖ್ಯತೆಯು ಅಸ್ಥಿರಗಳ ನಡುವಿನ ಸಂಬಂಧವು ಕೇವಲ ಅವಕಾಶದಿಂದಾಗಿಲ್ಲ ಮತ್ತು ನಿಜವಾದ ಸಂಬಂಧವು ಎರಡು ಅಸ್ಥಿರಗಳ ನಡುವೆ ಹೆಚ್ಚಾಗಿ ಕಂಡುಬರುತ್ತದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಹೆಚ್ಚಾಗಿ ಈ ರೀತಿ ನಿರೂಪಿಸಲಾಗಿದೆ:
ಪು <0.05
.05 ಕ್ಕಿಂತ ಕಡಿಮೆಯ ಒಂದು p- ಮೌಲ್ಯವು ಫಲಿತಾಂಶಗಳು ಸಾಧ್ಯತೆಯ ಕಾರಣದಿಂದಾಗಿವೆ ಮತ್ತು ಈ ಫಲಿತಾಂಶಗಳನ್ನು ಪಡೆಯುವ ಸಂಭವನೀಯತೆಯು ಐದು ಪ್ರತಿಶತಕ್ಕಿಂತ ಕಡಿಮೆಯಿರುತ್ತದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.
ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಅಳೆಯುವ ವಿವಿಧ ವಿಧಾನಗಳಿವೆ. ಬಳಸಿದ ಒಂದು ಪ್ರಯೋಗಕ್ಕೆ ಬಳಸಲಾದ ಸಂಶೋಧನೆಯ ವಿನ್ಯಾಸದ ಪ್ರಕಾರವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.