En primer lugar (como con cualquier cosa) “¡No cunda el pánico!”. Muchos de los resultados experimentales más interesantes que he tenido son los que, en el primer examen, no parecían muy buenos. No sé en qué campo está trabajando, así que me temo que mi consejo será general y puede que no se aplique, pero aquí están mis ideas generales cuando tengo “resultados pobres”.
Creo que primero debe ser claro con usted mismo sobre exactamente por qué estos resultados “no son buenos”. Es solo una vez que entiendes que puedes comenzar a descubrir cómo mejorarlos (si eso es lo que es necesario).
Los resultados no concuerdan con la hipótesis inicial : este es un problema común y causará pánico en muchas personas que realizan investigaciones, pero relájese, esto es lo que está aquí para descubrir. Recuerde el método científico: hacer hipótesis, probar, analizar, refinar. Su hipótesis inicial se basa en lo que cree que ocurrirá; si esto no ocurriera, es un resultado experimental válido, solo significa que necesita analizar sus datos más para comprender exactamente por qué ocurrieron estos resultados.
Sugerencias: analice más sus datos, pruebe diferentes pruebas estadísticas, trace todo, anote sus gráficos con observaciones experimentales. Básicamente, salga de la zona de su análisis planificado para estos datos y mírelo desde todos los ángulos posibles, incluidas las cosas que cree que no tendrán impacto. Si hay una tendencia, entonces hay una razón!
Los resultados no muestran tendencias / mucha dispersión en los datos: estas dos cosas son diferentes, pero puede ser difícil diferenciarlas. Si sus resultados realmente no muestran una tendencia, este es todavía un resultado (aunque entiendo que no siempre es bienvenido).
Sugerencias: trace sus barras de error (el mundo real tiene error), si es necesario, repita los experimentos para calcular sus barras de error. Esperamos que esto le ayude a ver las tendencias generales generales si están presentes a pesar del ruido. Busque formas de modificar su experimento para aumentar la respuesta o disminuir el ruido en sus datos; Esto podría ser expandir el rango de sus parámetros o cambiar su método experimental.
- ¿Cómo es estar en una relación con un científico?
- ¿Por qué los iones de elementos de transición son usualmente coloreados?
- ¿Cuáles son los beneficios de ser un polimatista, incluso si tiene una especialización y trabaja en un campo en particular?
- ¿Cómo funciona la computación cuántica adiabática en términos simples?
- Un amigo no cree que podamos viajar 36,000 pies bajo el agua, ¿cómo puedo convencerlo de lo contrario?
El método experimental era pobre : este puede ser el más embarazoso, pero nos ha sucedido a todos. Lo mejor que puedes hacer es levantar la mano y decir “Sí, planifiqué un experimento defectuoso”. El método puede ser malo por varias razones, tal vez no controló las condiciones tanto como debió haberlo hecho, tal vez hubo un problema de equipo imprevisto, tal vez simplemente no lo pensó todo.
Sugerencias: la buena noticia es que la investigación es un proceso de aprendizaje e incluso si no puede utilizar sus resultados, estoy seguro de que lo que inicialmente intentaba examinar era válido. Aprende de esto, ¿cómo puedes refinar tu método para evitar los problemas en el futuro … esencialmente, levantarte, desempolvarte, mirar tu error y intentarlo de nuevo?
Midiendo lo que está mal: esto va a sonar condescendiente (lo siento), pero asegúrese de que esté midiendo lo correcto. A veces podemos estar tan atrapados en el proceso de experimentación que no siempre consideramos con la suficiente atención lo que estamos tratando de descubrir. Donde sea posible, cuantifique sus observaciones, incluso si parece simplista; no hay sustituto para los datos duros, incluso si los está acoplando con observaciones. Durante mi investigación a menudo me han dicho que haga (o que alguien esté planeando) “un experimento para optimizar el proceso”, pero cuando le pregunté “¿Para qué está optimizando?” Me encuentro con expresiones en blanco.
Sugerencias: bastante obvias, pero asegúrese de que comprende completamente lo que está investigando y, lo que es más importante, lea el tema, si es necesario, escriba notas para aclarar cada punto; podría darse cuenta de que lo que estaba midiendo no era exactamente lo que debería haber sido.
¡No es nada de esto !: Es posible que haya ocurrido algo de lo que no estaba al tanto, podría ser un equipo defectuoso, podría haber alguien que sirviera café en la computadora mientras estaba fuera de la sala, podría ser que el gobierno esté tratando de sabotear su trabajo a un nivel fundamental.
Sugerencias: repita el experimento … pero sea autocrítico en cada paso del camino, si es consistente en cada paso, si está anotando todo hacia abajo, si toma suficientes datos de lectura / muestreo. ¿Ha quitado sus ojos de la pelota / termómetro / patinaje sobre hielo en algún punto?
¡Buena suerte!