科学的方法

出典: フリー百科事典『ウィキペディア（Wikipedia）』
（科学的手法から転送）
移動先: 案内、 検索

テンプレート:科学 科学的方法（かがくてきほうほう）とは、物事を調査し、結果を整理し、新たな知見を導き出し、知見の正しさを立証するまでの手続きであり、かつそれがある一定の基準を満たしているもののことである[1][2][3][4][5]。科学的な方法は、科学的手法、科学的検証ともいわれる。

「一定の基準とはそもそも何か」という問題は諸論があるが、大まかにいえば、その推論過程において「適切な証拠から、適切な推論過程によって推論されていること」[3]、「仮説検証型」[3]の調査プロセスが要求される。また、扱う対象が、測定、定量化が可能であることが望まれることも多い。

科学的な方法の概要

断片化された散在している雑情報あるいは、新たに実験や観測をする必要がある未解明な対象に関連性、法則を見出し、立証するための体系的方法である。

科学的方法に関する指針については、さまざまな時代の、様々な者が発言を行っている。「発言者の立場」に基づいて大別すると、科学者、技術者などの科学サイドの人間によるものと、哲学者、社会学者、教育学者等の社会的サイドの人間によるものがあり、概して両者の間には温度差がある[6]。しかし、調査、論証、あるいはそれらの手法が、科学的であるために必要な要件として、証拠、推論過程、結論に関するいくつかの特徴、及び調査手段におけるいくつかの特徴（仮説－検証型 等）に関して、ある程度の共通理解が存在する[1]。

科学的方法の古典的な基本

放送大学の濱田嘉昭によれば、科学的な方法の古典的な基本は、17世紀にデカルトが『方法序説』で示した以下の原則である[7][8]。

  • 明瞭判明の規則：明らかに真理と認められたものだけを判断の基準とする。
  • 要素分解：解決可能な要素に分解して考察する。
  • 具体から抽象へ：単純なものから複雑なものへと順番に認識をすすめる。
  • 総合：見落としがないことを十分に確かめて、完全な列挙と再構成により全体を再構成する。

これは17世紀に提示されたものであるが「現在でも研究論文を書きあげる指針として十分光を放つものである」という。

現代における科学的な方法

「科学的方法」についての言及は、さまざまなものがある。世界各国を見渡すといくつかありうるが[2] [注釈 1] 、その一つとしてアメリカ科学振興協会が1989年に提出した報告書、「すべてのアメリカ人の科学」[1][注釈 2]がある。

「すべてのアメリカ人の科学」(SFAA)は、草記、審査、承認に関して、さまざまな領域から、世界的に権威を認められた者が多数関わっている点に特徴がある[1]。F. James Rutherfordは同文書について、「（いろいろありはしたが）結果としては「多くの地域の科学者たちは、“尊敬されるメンバーが行った表明として”受け入れてくれた」とも述べている[1]。したがって、少なくともアメリカの権威者の多くが認めた、科学的方法に対する指針とみてもよいであろう[注釈 3]。

同文書などでは、「科学的な方法の特徴は、論証過程と調査プロセスに顕著に認められる」とした[1][注釈 4]記述がみられる。論証過程においては、以下のような記述がある。

基本的なことを言えば、様々な科学的学問は次のような点では似通っている。すなわち、証拠に依拠していること、仮説と理論を使用しているということ、また用いられる論理の種類、である[9][10]。とは言うものの、科学全てが同一の特徴を有しているというわけではなく、異なる点も多々ある[9][10]。たとえば科学者ごとに、研究する現象、活動に取り組む姿勢、歴史的データを用いるか実験的発見を用いるのか、手法が定性的なのか定量的なのか、基本原理への依拠の程度、他の科学の所見をどの程度重視するか、などの点では大きく異なっている[9][10]。

上記の記述において、「証拠に依拠していること、仮説と理論を使用しているということ、また用いられる論理の種類に共通性があること」が、科学的学問の間で、特に類似性の高い部分としている[10]。

また、一般に、論理の妥当性に関しては以下の点が必要である[3]とされるが、

  • 「適切な証拠への依存」
  • 「明確な結論の存在」
  • 「証拠と結論を結ぶ適切な推論過程の存在」

これらについて、以下のような記述が本文[10]に記載されている。

科学は証拠を要求する遅かれ早かれ，科学的主張の妥当性は現象を観察することで解決される。したがって，科学者は正確なデータを収集することに努力する。

仮説や理論の形成にはあらゆる種類の想像力や思考力が利用されるが，遅かれ早かれ，どのような科学的主張であっても論理的推論の原則に合致しなければならない。すなわち、 推論，実証，常識に関する一定規準を適用することで，主張の有効性は試されなければならないのである。科学者は，しばしば特定の証拠の価値や特定の想定の妥当性について見解が異なるため，正当化すべき結論に関する見解が異なることがある。しかし，証拠と想定を結論に結びつけるための論理的推論の原則については，科学者の見解は一 致する傾向にある。

これに加え、以下のようなことも述べている。

論理と証拠に関する詳細な調査は必要なものではあるが，これだけでは科学の発展にとって十分ではない。科学的概念は，データや実施された多くの分析から自動的に発生するわけではない。

調査プロセスにおいても、いくつかの免責事項がつくが、以下のような記述がある。

科学者が常に従っているような決まった一連の手順などというものは無い[9][10]。また、“誤ることなく科学的知識に導いてくれる単一の道筋”などというものも無い[9][10]。それでも科学には、探究モデルとして他とは異なった性質をもたらしているような、何らかの特徴がある[9][10]。

現代の科学的な方法においては、一つの現象を説明する場合に、「なぜそうなるのか」という哲学的な問題は棚上し、「その現象がどのようにふるまうのか」に着眼する傾向がある[11]、とファインマンは指摘した。 この意味で、科学的な方法においては結論の提示は現実の物理現象、社会現象などを定性的/定量的に説明する具体的なモデル[12]を提示する形で行われる傾向がある[7]。

結論の成否は証拠となる事実の取得方法、処理方法、推論過程の適切さの判断となる[3]。しかしながらこの問題は評価の問題を含む。また分野間、研究者間によってデータの処理方法や実験的所見、定性的又は定量的手法等が異なる[1]。

科学的な方法の対象

科学的な方法が取り扱い得る対象については、科学者の間でしばしば見解の相違が見られる。一般に「科学的な方法」の適用範囲については人によって意見が異なり、対象を限定する議論は極めて難しい。その理由は、個々の研究者間で証拠の妥当性や扱う対象の価値判断が異なるためである[1][7][5]。

科学の扱う対象について、以下の論点がある[1][3][13][14][15][16][17][18] [19][5]。

  • 論じる対象を何らかの方法で測定できるか否か?
  • 定量性
  • 再現性がある、あるいは統計的に有意とされる証拠があるか否か?
  • 推論過程に整合性があるか否か?

測定可能性、測定原理の存在

科学史研究者の岡本拓司（東京大学）の文章には「測れるもののみが科学の対象」と書かれていた[14]。

測れることを保証するためには、適切な測定手段が必要である[14][20]。適切な測定手段の実現には、正しい測定原理と、それを実現する適切な装置構成、適切な精度評価が必要であるテンプレート:要出典。物理学や化学では、測定原理の妥当性の評価が比較的行いやすい対象が研究対象になるが、それでも最先端では、測定原理の妥当性や、装置構成の妥当性に対し議論が生じる場合もある（#科学的方法における証拠　の節も参照のこと）。

理論についても、検証手段としての実験方法の提示[注釈 5]は、極めて重要であるテンプレート:要出典。

定量性

測定結果は、定量的であるほうがより価値が高いとされることが多い。但し、キャベンディッシュの実験（クーロンの法則に関する）や、ホイートストーンブリッジ等のNull Checkのほうが、価値が高い、とされる場合もある。また、結果の定量的な予測が出来ない理論は、価値が低く見られる傾向がある。但し、系が複雑な場合には、短時間で定性的な傾向がつかめることや、倍・半分以上の予測のずれが許容される場合もあるテンプレート:要出典（シンプルさとのトレードオフが存在する）。

ここ数十年、医療や食品の分野で、証拠に基づいていない説・言説は不適切、と見なされるようになってきている。 特に、医療・医薬品の効果に関しては、疫学的な観察や治療結果の統計学による比較に根拠を求める根拠に基づいた医療が重視されるようになってきている。また、食品、製品の安全性についても、定量的なデータに基づいた監査が強化される傾向にある[18]（FDA等のWeb Siteを参照のこと）。このように、定量的なデータに基づくことを重視する立場を、エビデンスベースという[21]。

一方で、いくつかの問題は、定量化が難しい場合もある[注釈 6]。このような問題に関しても、数字を用いて考えるほうが より科学的だ、と述べる人々もいる。実際に調査するのが難しいようなとらえどころのない量であっても、いくつかの手掛かりを元に論理的に推論し、概算すること（フェルミ推定）は、科学的な思考の基本である[22][23][24]と言われている。

文系の問題には定量化が困難な問題が多い、とされるが、実際には政治、経済、司法等においても、既に存在する統計データ（白書、売上データ等）から、四則演算および並べ替え・書き写しだけの操作で、データを、仮説検証に適した形に変更することができる問題は多数ある[25][26]。定量化が可能な論点を含む問題で、定量化を度外視した議論を行うと、批判を受けることがある[25][26]。この種の問題の詳細は、本記事後述の「#日常の俗説と科学的方法」の節で述べる。

再現性

論じる対象を測定することが可能であったとして、今度は、再現性が問題になる。再現性については、例えば、物理学者中谷宇吉郎（1900-1962）は1958年の著書において「科学は再現の可能な問題に適用範囲が限られる」と述べた[13][注釈 7]。19世紀の科学では、文字通りの「再現性」が重視されていた。

一方、筑波大学教授・宮島龍興が日本教育工学振興会提言で、現代では（厳密な意味での）再現性や定量化が難しい対象も科学の対象となってきている[15]、と指摘した。この背景には、（20世紀、なかでも20世紀後半における）推測統計学の導入により従来の記述統計をベースとした統計処理だけでは扱い切れなかった対象が定量的に考察しえるようになったことがある。

例えば医学・薬学・心理学・経済学などは、根本的に複雑性や複合性を内包していて、再現性を得にくい生体や社会そのものを扱う[16]。（19世紀までの科学の水準ではこれをうまく扱えなかったが）現代の科学においてはこれらも、科学的な研究対象である。つまり、このような「古典的な意味での再現性が無い分野についても、統計学の手法を用いて、科学的な方法の対象とする」という立場が、現在の科学的方法の主流である。

論理的整合性

（下記の「科学的方法における論証」も参照のこと。）

論理的整合性とは、[3]

  • 「根拠（証拠物件）」
  • 「推論過程」、
  • 「結論」

から構成された三角ロジックによるフォーメーションを持った論理構成であり、

  • 仮に「根拠となる事実（仮定を含む）」が間違っていないとすれば、推論過程に無理がないこと
  • 内部矛盾や循環論法が少ないこと
  • 根拠となる事実や仮定同士の間で矛盾がないか、あるいは矛盾があっても結論を防衛しえる議論を尽くしていること

を意味する[3]。

文科系の諸学問においては、検証、定量化が困難、あるいは、不可能な課題に取り組むことも多々ある[5]。また、自然科学者からみれば、予測の定量性に瑕疵があると考えられる仮説が重要な学説として鎮座している場合もある[5]。例えば、心理学、教育学などでは、測定原理の妥当性の評価が極めて難しい対象、例えば心の痛み、知能、学力等を扱う[27]。例えば「心の痛み」というものが存在することを否定するものは極めて少数で、現代では組織運営をする上でも極めて重要な概念であり、正しい根拠に基づいた判断が要求されるものであるが、これを定量的に測定する測定原理を提案することは難しい。同様のもので、（存在するか否かが怪しいものも一部にあるが）おそらく存在するだろうと考えられ、何らかの重要な問題と関係があるものであるが、その測定原理を示し難いものは沢山ある。

このような対象に対しては、「論理的な整合性を維持しながら、適切な証拠を集めて議論をするならば科学的である」とする考え方もある[17]。このような見解に立つと、ハリウッド映画俳優の共演関係のようなものまで科学的考察の対象と考えられることがある[17]。このような考え方も、定量化が難しい分野においては、しかたなくではあるものの、ある程度認められた考え方である[5]。

「論理的整合性」を吟味するにあたっては、前提としての科学的理論の合理性や、分析方法の適切さ、参考データの信頼性に最大限留意する必要がある。これらの点を欠くと、「蟻を殺すのに核兵器を使う」ような議論（集団ヒステリー）、逆効果の発生、ひいては冤罪等の最悪の結末を発生させる可能性がある[19]。

科学的な方法のプロセス

科学的方法のプロセスには、例えば、PDCA(plan-do-check-act cycle)や、武谷三男[28][29] の「三段階論」などがある。

PDCA

PDCA流に考えると、科学的な方法のプロセスは、おおざっぱにいえば「仮説の構築」と「その検証」の延々たる繰り返しとみなせる[5]。

「仮説をたて、検証し、次の計画に反映する」思考様式は広く一般化されており、プロジェクトマネジメントにおいては、PDCAサイクルという名前で、一般のプロジェクトの管理に加え、研究開発や国の大型研究プロジェクト等の大局的な管理において基本となる考え方として受け入れられている[30]。見方を変えると、科学的な方法のプロセスは、多重の入れ子構造となったPDCAサイクルと見ることもできる[注釈 8]。

科学的方法のプロセスを具体的たものの、一例を以下に示す[1][7][31][32][20] [33]。細かい説明は、文献によって異なるが、一般論としては問題発見から結論の公表までのプロセスに以下のような要素が含まれると考えてよい。

  1. 先行研究のリサーチ：何が分かっていないのかを明らかにし、リサーチクエスチョンの抽出や仮説の構築の手がかりを得るために自分の知りたいことを解明するために行う文献調査のこと。必要に応じ、有効な手法や、自分の結果と比較、参照する上で有益なデータがないかを調べる。
  2. 仮説の構築 ：先行研究のリサーチ、場合によっては以前の予備実験の結果等を再評価すことでリサーチクエスチョンを明確化し、これを検証可能な命題（仮説）に落とし込む
  3. 実験の計画・準備：仮説の具体的な検証方法、検証計画を立案し、実際の実験の準備を行う。
  4. 予備実験、基礎検討及びその解析：リサーチクエスチョンの抽出や仮説の構築、モデルの構築、オーダーエスティメーション、実験の問題点などの評価、最適条件の探索のために行う実験および評価・解析、理論的検討等。
  5. 解析、整理：実験のデータを、処理、整理することで、仮説との論理的な関係を明確にする。
  6. 実証実験 :仮説がおおむね正しいことがわかった段階で行う、仕上げ的な実験。Nを稼ぐことにより信頼性を上げることや、デモンストレーションを前提とする。
  7. 論文執筆、公表 :研究の結論を、すでに得たデータや、理論的な考察に基づき論理的に立証したうえで、その過程を公知化する。

ここで、リサーチクエスチョンとは、研究全体を貫く「問い」のことである。言い換えれば、「明らかにしたいこと」そのものである。

大学教養課程未満では教育課程では正則的なループを想定した課題が与えられることが多い。つまり(1)-(6)までのループを何度か繰り返したあと、(7)に至る、といった極めてオーソドックスな流れをが想定されている。例えば2007年前後に出版されている文部科学省高等学校検定教科書の課題研究の欄や、学部レベルの学生実験の教科書[20]には概ね「(1)-(6)までのループを何度か繰り返したあと、(7)に至ると」ことを勧める記述がある。

プロの研究者のレベルにおいても、一つ一つの行動は、概ね上の要素に還元できる[31]。しかし、プロのレベルは、試行錯誤が迷走する可能性の高いレベルの高いテーマを扱うことが多いことや、いくつかの仮説を並行してテストできるようなスケジュールを組むこと、いくつかの項目を同時並行的に行うが多いため、変則的になってくる。

また、プロの研究者のレベルにおいては、論文では、IMRAD型のように、あたかも「まず先に解答を思いえがき、それからそれをささえる事実をさがし始めた」かのように記載するが、現実には検証よりもむしろ仮説構築に労力を割いている。単なる検証であれば、学生やテクニシャンに任せている場合も多い。

研究者にとっては、仮説構築のプロセスこそ重要であるが、この部分については、統一的な見解はなく、散逸的、専門的（必ずしも全読者に必要とは限らない）であるため、「#科学的方法と現実の研究プロセス」の節において後述する。

武谷三男の「三段階論」

理論物理学者の武谷三男は、科学理論の進展は以下の現象論、実態論、本質論の三段階を経ると考えた[28][29]。

  1. 現象論：個々の事象の知識を集める段階。
  2. 実体論：少数の実験結果に対して当てはまりのよい理論を作る段階。
  3. 本質論：統一的な視座から物事を説明する段階。

三段階論は、主に科学の一つの領域の進展を考察したものであるが、現象論的な知識が十分ではなくて直ちにその原因を思惟するとき形而上学に陥るという点においてなど、個々の一研究（一つの論文レベル）についても学ぶところが多い考え方である。

科学的方法における論証

テンプレート:See also 論証が科学的であるためには、少なくとも論理的であることが求められる[3]。一般に、科学の領域における「論理的」という概念を説明するモデルとしては三角ロジック（論理の三要素)[3][34][35] が有力である[34][35]。三角ロジックとは、以下に示す三つの要素からなる論法である。

  • ｢主張（結論）｣
  • ｢根拠となる事実（証拠；証拠物件）｣
  • ｢根拠となる事実から主張を演繹/帰納するための推論過程（論拠）｣

三角ロジックは、スティーヴン・トゥールミンによるトゥールミンモデル(en:Stephen Toulmin#The Toulmin Model of Argument）の簡略化であると考えられている[34]。

これらの言葉の意味を簡単に例解する。例えば、推理小説においては、証拠、証言を根拠にして推理が進み、そして結論が導かれる。「犯人はA氏だ」というのが「主張（結論）」である。「根拠となる事実」というのは、例えば「血のついたナイフ」とか「ドアについた指紋」といった、証拠物件自体それぞれや、「何時に駅でA氏をみた」といった証言自体それぞれのことである。推理小説では、証拠物件の存在や状況、証言から何らかの推理を行い、「犯人はA氏だ」ということを立証するための論を述べるが、これが「推論過程（論拠）」である。

科学的な論証においては、上記の三要素に関して、相応の適切さが求められ、それが適切であることが科学的な方法を特徴づけている。この意味において、科学的な論証の顕著な特徴としては「適切な証拠への依存」、「明確な結論の存在」、「証拠と結論を結ぶ適切な推論過程の存在」の三つが認められる[3] [1]。

科学的方法における結論

「現実の対象がどのように振る舞うか」に着眼する現代の科学では、結論の提示は、現実の物理現象・社会現象などを定性的/定量的に説明する具体的なモデル[12]の提示という形で行われることが多い[1][7][36]。モデルの良し悪しは、明確であることが求められると同時に、扱いやすさ、どれだけ多くの現実を説明できるかにかかっている。

モデルの成否の推定については、以下に挙げる「チャールズ・パースの仮説形成法」が基本になるとされている[7][37][38]。

  • 驚くべき現象Fが観察されている。
  • だが、仮説Hが真であると仮定すると、Fは当然のことになるだろう。
  • よって、Hは真であると考える理由がある。

いわゆる「現象論的」と言われる考察においては、このような考え方を特に好んで行う。 また、現在において認められている理論のほとんどすべては、「多数のFを説明できるからHは正しい」といった論拠に基づいており、逆に言えば、どれだけの（多さの）Fを説明できるかがその理論の優劣を決める[7]。このようなモデルに基づいた仮説形成法は、「必要条件と十分条件の混同」という点においてデカルトの枠組みを若干逸脱しているが、科学的推論の過程においてよく用いられる[37]。

特に現代の科学においては、「真理とは何か」といった哲学的でとらえどころのない問題に比べて、「どのようなモデル・式・計算コードが現実を最もよく反映するのか」という問題が圧倒的に重要な意味をもつ[12]。そのため、現代の自然科学においては、「とりあえず」のメカニズムを考案する上で

  • 直観的に考え、もっともらしいモデルを議論の叩き台にするために提案する。
  • 現実と合致するようにモデル・式・計算コードを調整する（調整されてできたモデルあるいはモデルの調整法を「とりあえず」のメカニズムと考える）。
  • そのモデルが（少なくとも考えた中では）最もよく物事を説明していることを、統計学的な見地から評価する。
  • モデルを調整するのに用いた実験パラメータの物理学的な意味を、次元解析等を参考に解釈する。

というアプローチをよく行う[12]。特に萌芽的な研究においては、「ある程度幅をもった実験結果でも取り込めるような体系を作り、実験でパラメータを抜き出し、外挿によって近縁の系に対して予測を立てる（所謂「合わせこみ）」という手法がよくとられる。

このような「合わせこみ」をベースとした現象論的・現代的なモデル形成手法は、特に「物ができること」を重視する応用系の分野において顕著な成果を挙げており、現在のデータからより優れた物を作る指針として活用されている。素粒子論などの基礎的な分野においても、このような手法の活用に苦言を呈する者はいるが、少なくとも論文を書く上ではよく用いられている指針である。総じて言えば、基礎研究・応用研究の両方において強力な手法である。

特に基礎分野の研究に対する、現代的なモデル化手法の積極的な導入に対する苦言の根拠としては、現代的なモデル化は、モデルを調整するための変数があまりにも増えてしまうと、そもそも計算が困難になり、直観による見通しが利かなくなるという弱点があることがよく言われる[39]。特に、素粒子理論などでは、現実を説明するためにどんどん新しい素粒子が仮定され、話がどんどん複雑になっていくということが問題視されている[39]。単に「話がどんどん複雑になっていく」というだけでは「悪い」とは言えないが、一般に結論はシンプルであるほうがよいと考えられている。結論のシンプルさに関しては、以下の「オッカムの剃刀」という原則がある。

  • 必要以上に多くの実体を仮定するべきでない。
  • 現象を同程度うまく説明する仮説があるなら、より単純な方を選ぶべきである。

概ねこのような原則は、「並立する幾つかの仮説の中から、ある一つの仮説を選択する方法」の一つとして現代の科学者において、理念的な面で受け入れられているが、あまり教条的に受け入れてしまってはいけない事柄である。その理由としては、

  • 説明に不必要であることは、存在しないことを含意しない（より多くの現象を統一的な視座から説明する上では必要な概念があるかもしれない）。
  • 何が説明に必要であるかは必ずしも明確ではない。

などの問題点がありえるからである。

無論、明確な指導原理が得られないままパラメータが泥縄的に増えていく状況が生じた場合には、オッカムの剃刀という理念を再度思い起こす必要がある。

科学的方法における証拠

科学は証拠となる事実（生データ/証拠物件）を要求する。科学者は何らかの「真偽判定」を行う場合に「どういった証拠が結論を支持し得るか」ということを考える[1]。このような思考は一般に、科学教育において優先的に身に着けさせるべきことと考えられている[1][2]。この際まず、仮説を支持する証拠と仮説の反証となる証拠を明確にする必要がある[1]。さらに、結論を立証、あるいは反証するために必要な実験を計画する必要がある。

一般に、「仮説の反証となる証拠の存在」は、必ずしも反証となる証拠を提示された理論の否定にはつながらない（後述の「反証可能性について」を参照）[1]が、特に実験家は、既存の理論の反証となりそうな実験を好んでターゲットにするという傾向があり、そのような反証例を基に、理論が洗練させられていく[40]。

証拠となる事実の取得（測定）の段階では、適切な測定方法の存在が重要となる。 適切な測定方法の実現には、正しい測定原理と、それを実現する適切な装置構成、適切な精度評価が必要である[14][20]。 測定原理の妥当性は、直接測定（例えば自分の身長を直接身長計で測る場合）の場合にはあまりその重要性が意識されないが、間接測定（例えば三角測量で山の高さを測る場合）には、その妥当性（本当にその方法で山の高さが測れるのか？）が極めて重要になる。また、「何を明らかにするために何をするのか」という研究者が意識すべき重要な事柄にも密接に関係する。

物理学や化学では、測定原理の妥当性の評価が比較的行いやすい対象が研究対象になるが、それでも最先端では、測定原理の妥当性や、装置構成の妥当性に対し議論が生じる場合もある。測定原理の妥当性や、装置構成の妥当性、精度の評価はそれぞれの学問における最も本質的な議題の一つであり、それぞれの学問分野で研究されることである。

測定原理の妥当性や、装置構成の妥当性については、主に大学の学生実験で重点的に指導される[20]。逆にいえば、測定原理の妥当性と装置構成の妥当性について学ぶことが学生実験の一つの重要な意義である[20]。典型的な例としては、ボルタ振子の実験等がある。この実験では、振り子の周期と重力加速度の関係を理論的に導いたうえで振り子の周期を測定することで、重力加速度を間接的に測定する。

測定原理、装置構成、精度の妥当性の評価を行うことを目的とした論文以外の論文では、博士論文等のような大著の論文を除き、装置構成の妥当性や装置構成の詳細、測定原理の妥当性については、軽く触れるにとどめるのが普通である。このようになった原因の一つには、知的財産権に関する戦略や、二重投稿と解釈されることへの懸念などがある。論文に実験方法詳しく書いた場合で、既に実験方法の妥当性を示すために提出した論文（理論や装置に関する論文）や、特許が存在した場合には、二重投稿と処断される可能性がある。また、論文に実験装置の構成について詳しく書きすぎると、実験の成功に関して必須でない部分に関しても装置構成に関する新規性が喪失されることになる場合があり、後に特許として権利化する場合に支障となる可能性が出てくる。

また、最近では実験ツールのキット化が進んでおり、間接測定であっても、妥当性、測定精度等の基礎評価は、実験装置、実験キットのメーカーが保証してくれていて、実験者が意識しなくても済むようになってきつつあるため、測定原理や測定精度について、意識の低い研究者がいることも指摘される[41]。

証拠となる事実の整理（解析）、あるいは実証実験のように示すべき命題が明確になり、結論の有意性の問題に逢着 段階においては「データの解釈方法」「データの記録または報告」「データの重みづけ」等、適切なデータの取得、適切なデータの処理に関する問題が重要となる[1]。「適切」とは、ここでは、「どのような手順でデータを取得、解析すれば偏りが少ないと認められるか」を指す[1]。この問題は概して非常に難しく、有意性の問題といわれる。有意性の判断は先述のように分野によってどこまで容認するかに温度差があるが、この判定基準については統計学特に実験計画法[注釈 9] の分野の研究者が研究している事柄である。有意性の判定に関して、実験計画法では以下の3条件を原則としている（実験計画法の項目を参照のこと）。

  • 局所管理化：影響を調べる要因以外のすべての要因を可能な限り一定にする。
  • 反復：実験ごとの偶然のバラツキ（誤差）の影響を除くために同条件で反復する。
  • 無作為化（ランダム化）：以上でも制御できない可能性のある要因の影響を除き、偏りを小さくするために条件を無作為化する。

また、「科学的であること」の要件として必須であるとまでは言えないものの「どのようなデータの収得順序、収得方法、統計処理方法でデータの本性をえぐりだすことができるのか」という問題も重要である。この問題の系統だった研究はデータマイニングの分野で研究されている。この問題に対してカリフォルニア大学サンタバーバラ校教授 中村修二が、「データに文脈性を持たせることの重要性」を説いている[42]。データに文脈性を持たせ、一見意味のない雑情報に見えるものの中から意味のある情報を取り出すためには、セレンディピティーや磨かれたセンス、場合によっては運が要求される問題でもある。センスを磨くためには実験ノートの有機的な活用など、実験をよく振り返ることに加え、関連するよい論文に目を通し発見の過程を分析する必要がある。

科学的方法における推論過程

テンプレート:See also 結論と、実験事実の間には何らかのギャップがあることが通常であり、その間を結ぶ考察が必要となる。すなわち、証拠と結論を結ぶ適切な推論過程が考察である。

科学的な論証に限らず、推論過程を、一つの観点から分類すると、 大きく帰納と演繹の二種類に分類できる。通常は、試行錯誤の過程において、帰納と演繹を繰り返し行う[43]。例えば少数の現象から、それらを統一的に説明する仮説を帰納し、その仮説からより多くの現象を予測する。

  • 帰納：実験により得られた個々の結果、つまり特殊な条件での事象に基づいて一般的原理を推定する。
  • 演繹：一般的原理として認知された法則、あるいはもっともらしいと信じられているものに基づいて、いくつかの仮定をおき、具体的なモデルを考え、それに基づいて現象を予測する手法である。

推論過程を、別の観点から分類すると、直接証明法と間接証明法に分類できる。

  • 直接証明法:証明したい命題を直接的に立証する
  • 間接証明法：証明したい命題と等価な命題（例えば対偶や背理法）を示す。

考察を行うに当たっては、必要に応じて、何らかの理論や既に公表された他の実験データなどを援用し、証拠を補完する必要がある場合もある。しかし、ある程度信頼を得ている理論ですら完全な証拠の補完ができず、いくつかの推定が根拠の中に混ざる場合や、推論過程自体に粗が存在する場合もある。一般に、「どのような推論過程」が適切であるのかは、その研究のオリジナリティーにかかわる部分であり、特に研究レベルでは極めて難しい。

実際、物理の重要な概念を創造した論文は、たいていは隙がある論理展開をしていると指摘される[40][44]。 通常の学部レベルで想像される緻密な理論展開は、創造的理論を受けてその内容を精密化したり整理する過程で生じる[44]。

このように科学においては論理性を重視する一方で、現実の対象を扱っていることによる若干の論理の飛躍を認めざるを得ない側面がある。一般に、現実の対象を扱う学問では多少飛躍を許してでも学問を進めたほうが、後になってみて分かることが多いと信じられている[45]。反面、この意味では「科学的な方法によって得られた結論」であるというだけでは「科学的に正しいか否か」「現実的に正しいか否か」「現実的に役立つか否か」は必ずしも一致するとは限らない[46]。問題は、「ギャップを認めつつも推論を進め、意味のある仮説を提唱し、それを広め、集団で検証する」という建設的な立場の重要性にある[4][40][44]。

論理の飛躍としては、

  • 法則の適用範囲を勝手に広げる
  • 数学上の制約を無視
  • 実態とは合わない近似
  • 必要条件と十分条件の意図的な混同（チャールズ･パースの仮説形成法）
  • 強引なモデル化
  • 強引な仮定を認める

などがある[40][44]。それぞれそういうものを認めざるを得ない相応の理由がある。

では、どこまでの飛躍やあいまいさを容認するのか。これは非常に難しい問題であり「真実への到達」を考えるならば安易に結論できない問題である。だが標語的に「仮説は失敗を恐れずに大胆に立てろ」といわれるように、一般に建設的な立場においては「真実に到達する」ためには「いろいろな”とるに足る”論」があったほうがよいと考えられている[44][45]。

最終的には「どれだけ沢山の自然現象を説明できるか」が科学理論の良し悪しを決めるため、 裁判における証拠の鑑定や、法律制定の基礎調査等のような「真実性」の重要性が圧倒的に高いケースを除き、 この問題は、過度に深刻に考える必要性は乏しい。どこまでの論理の飛躍を認めるかについては「研究者のタイプ論」から説明されることもある。研究者のタイプはしばし（呼び方は別として）「先頭突撃型」と「地固め型」[44][45]に分類され、前者の場合は文字どおり、多少乱雑かもしれない実験や推論をする反面、重要な発見をする。逆に地固め型は過去の研究の”粗”の部分を補正する。

この論理の飛躍に関しては、「論文として世に出す価値を認めるか否か」に話を限局すれば節度の問題となっていて、ピア・レビューの過程で、前例やその報告の面白さなどを踏まえながら決まっていくものである[44]。ピア・レビューで出来ることは、せいぜいその程度のことであり過度な期待はいけない。この時点におけるレフェリーとの応酬に勝つためには当然、過去の論文を多く読みその論法を見ておく必要がある。また粗がある議論があって、それを部分的にでも修正することができるのならば（それを論理的に立証できる限り）それは論文を書くチャンスである。

科学的方法を実行するための素養

科学的な方法を実行する上では、調べるべき対象への知識、それ以前の基礎的な知識などが要求されるが、このような知識面以外に、「対象に影響を与えるドミナントな支配法則 をまず考慮して概略の傾向を数値的に掴むこと 」「実験ノートをきちんとつけられること」、「一定の計算力、論理的な思考力」などの知識面とは異なる素養、具体的にはスキルや評価項目が存在すると考えられている[2][47]。

研究者レベルの人間に必要な素養全てを書きだすことは難しいが、教育レベルでは、ある程度明確化されてきている。一般に、教育レベルでは、以下の素養を身につけることが必要であると考えられている[2]。科学的方法を実行するための素養のうち、推論能力に関する評価 手法としては、例えば、科学的推論能力テスト(Science Reasoning Test, SR-Test)[47]がある。

科学での考え方と証拠に対する理解

  1. いかに科学的な考え方が発表され評価され広まっていくか（例えば、出版物や他の科学者のレビューによって）。
  2. 経験的な証拠を異なって解釈することからいかに科学的な論争が巻き起こるか（例えば、ダーウィンの進化論）。
  3. 科学的な仕事が、それがなされる状況から影響を受ける様（例えば、社会的、歴史的、倫理的、精神的）と、そうした状況が考え方を受け入れるかいなかにいかに影響を与えるか。
  4. 産業的、社会的、及び環境的な問題に取り組む際の科学の力と限界について考察すること。それは、科学が答えられることと答えられないこと、科学的な知識の不確かさ及び関連する審美的な諸問題も含む。

調査能力

「計画すること」
  1. 科学的な知識と理解を用いて様々な考えを調査できる形式に変換し、適切な方略を計画すること。
  2. 直接経験に基づく証拠を用いるか、二次的な情報源からの証拠を用いるかを決定すること。
  3. 適切な場面で予備的な作業を行って予測を立てること。
  4. 証拠を収集する際、考慮すべき主要な要因について検討し、また容易に変数がコントロールできないような状況（例えば、野外作業や調査など）いかに証拠を収集できるかを検討すること。
  5. 収集しようとするデータの範囲と程度（例えば、生物調査の際の適切な標本の量）、技法、装置、及び用いる材料を決定すること。
    6. 「証拠を得ることと提示すること」
  6. 幅広い装置や材料を用いてかつ、自身や他人の安全を確保する作業環境を保つこと。
  7. データ収集に当たってICT（情報通信技術）を使用することを含んだ観察や測定を行うこと。
  8. 誤差を低減したり信頼性の高い証拠を得たりするために十分な観察や測定を行うこと。
  9. 観察や測定における不確かさの程度を判断すること（例えば分散を用いて測定値の平均値の正確さの程度を判断すること）。
  10. ダイアグラムや表、チャート、グラフ及びICTを用いて量的データや質的データを表現したり他人に伝えたりすること
    11. 「証拠を考察すること」
  11. ダイアグラムや表、チャート、グラフを用いて、データにおけるパターンや関連性を見つけたり説明したりすること。
  12. 計算の結果を適切な程度の正確さで表現すること。
  13. 観察や測定その他のデータを用いて結論を導くこと。
  14. こうした結論がどの範囲において予測を支持するか、及びさらなる予測を可能とするかについて説明すること。
  15. 科学的な知識と理解を用いて観察や測定その他のデータ及び結論を説明したり解釈したりすること。
「評価すること」

不規則なデータについてそれらを却下もしくは採用するための理由について検討するとともに、測定と観察にともなう不確かさに関して、データの信頼性を検討すること。

  1. 収集した証拠がいかなる結論やなされる解釈を十分に支持するかどうかについて検討すること。
  2. 用いた方法に対する改善点を示唆すること。
  3. さらなる調査について示唆すること。

研究者レベルの素養

研究者レベルの素養に関しては、天才性や独創性、あるいは奇人変人であることなどの、さまざまなステレオタイプの議論があるが、 実際のところは、このような議論は、余り正しくない[48][41]。研究者レベルの素養に関しては、一概に言えないが、いくつかよく言われること[4][41][48][49][50]を列挙する。下記のことができるために必要な素養は、概ね、上記の素養と一致すると考えてよい。

  1. 自分で研究テーマを定めることができるか？[4][49]
  2. 研究テーマを検証可能な問題にブレークダウン出来るか？[4][49][50]
  3. 自分で実験手順を定めることができるか？[4][49]
  4. 自分の実験結果に自信が持てるか？[41][48]

上記1-2は、研究戦略のレベルである。3は、戦術のレベルである。一般に、研究には、研究テーマ全体を貫く一つあるいは複数の 疑問、即ち、「リサーチクエスチョン」が存在する[4][49]。

リサーチクエスチョンをどのように見つけ出すかは、一概にはいえず、個々の研究に依存する。 殆どすべての素人の素朴な疑問、例えば「どうすれば頭が良くなるか」、「どうすれば長生きできるか」 、「木星に旅行するにはどうすればよいのか」、「鉄を金に変えるには」 などといった疑問は、ほとんどすべて、壮大な研究テーマと なり得る。しかし、大半が、現代の人類の英知全てを結集しても、手がかりすら簡単には掴めない 夢物語でもある。こういった夢は、確かにモチベーションの維持という観点では需要である。しかし、 現実的かつ健全に科学的課題に取り組む上では、このようなテーマそのものを 正面から扱うのは、「世界征服をしたい」、「宇宙の帝王になりたい」というのと 同じぐらい、不毛である[4]。何故ならば、少なくとも、検証可能な問題にブレークダウンして、 実験手順を定めることが出来なければ、実験すら行えず、したがって、部分的な結果すら得られないからである[4][49]。

多少の背伸びをしたとしても実験手順を定めることも、テクニシャン的に実験をすることも到底できないような 身の丈に合わない本質論[28][29]を論じたがる人間のことを、「本質病」 と揶揄する言い方がある[50]（学界の俗語）。本質病という言い方がいつごろから言われるようになったかは 定かではないが、少なくとも武谷三男の諸著作においては、 本質論ばかりやりたがる”エリート”研究者への批判がいくつか書かれている。 本質病を脱却できないと、研究者として、研究業績を出すことは難しい[50]（ といわれるように、本質病は、挫折の一つの原因である。

そこで、自分の検証可能な問題（「何をどうやって調べるか」）にブレークダウン出来そうな問題を探すという考え方に到達することができる。 一つのオーソドックスなやり方は、「誰かがある方法で銅について研究したので鉄で同じ方法を試してみよう」 「誰かが、ある方法で牛について研究したので豚で同じ方法を試してみよう」 [50] といった具合に過去の研究の実験条件の一つを変えて、どのように結果が変化するかを 調べる、より一般には 「系や手段を変えて比較する」ことで研究テーマを見つける方法である[50]。 このような方法は、自嘲や、軽蔑を込めて「銅鉄研究」、「牛豚研究」 、「論文倍増計画」 等といわれることがある。確かに、「銅を鉄に変えて比較するときに何に着目すべきか」、 「何故、豚を選んだのか」といった意識もなくこのような方法をとっていては、 成長はないかもしれないが、どのような研究でも、「系や手段を変えて比較する」という要素を欠くことはできないため、研究の進め方の基礎基本は身に付く[50]。 また、 このようなやり方を取ることで、実験手法や実験手技を身に着けられるため、極めて複雑な実験計画を立てなければならないある程度大きな研究テーマに対しても 取り組めるようになる[50]。

別の側面から従って真に新しい装置、実験手法を 発明するというのは、極めて大変なことで、原理、装置構成、精度、製造方法など、ありとあらゆる事柄に対して、 深い考察が必要となる[注釈 10]。 したがって真に新しい装置、実験手法に対しては、ノーベル賞が与えられることも よくある（走査型トンネル顕微鏡、PCR法等）。装置や手法の改良一つとっても、極めて大変な作業で、少なくとも 計測器メーカや試薬メーカの技術者、研究者の大半は、この問題に殆どすべてをつぎ込んでいるといっても過言ではない。 計測器メーカや試薬メーカと研究機関の分業により、 最近では、様々な計測装置、試薬キットが、お金を出せば買えるようになってきているが[48]、それでも一つの実験系を組み立てるという行為は相当の力量と、労力と、資金と、センス が必要となる。さらに、装置や試薬の最適条件、適用範囲等を深く考察すること（基礎検討） や、装置や試薬の構成、成分、原理を理解するだけでも大変な行為である[51]。したがって、凡人であれば再現実験や、銅鉄研究をある程度やって、実験系に対する感覚をつかんでおかないと、 新しい測定原理や測定方法、真に新しい使い方どころか、マニュアル通りの実験 すらままならないのは言うまでもない。

注意すべきは Cell,Nature,Science級の論文といっても 例えばPCRとブロッティングといったお決まりの方法以外の方法は使っていないなどという論文は多数あるという事実である。 原理としては新しくなくても精度を飛躍的に上げるなり、調べる対象が、研究の進展に重要な意味を与えるものであれば 研究としての価値は極めて高いということになる。したがって、人によっては、新しい手法を発明することなく、「何を調べるか」 だけで、一流の研究ができている場合もある。例えば ある系で成功した手法を、別の系に適応した場合、まったく予想できないようなことが起こることがある[48]。 こういう場合に、何故予想ができないことが起こったのかを考察することで まったく新しい学問的地平が拓かれることがある[48][51] [52]。

4は実践のレベルである。この部分の不安を解消出来なければ、大胆な仮説の構築や、大テーマの検証などあり得ない[48]。 従って、研究者としての技能や資質を語る上で、決して欠いてはならない部分である。

大学院生など研究に不慣れな者は、手技に不慣れであることから、実験結果の信頼性に問題がある場合、あるいは実際には問題がないにせよ自信が持てない場合などがあり、不安定な土台の上に積み木を積んでいる如く、技術的にも自分に自信が持てないため、どんな結果が出てもなかなかそれを信じることができないことがある。実際、仮に予想外の結果が出ても、「もしかしたら試薬の入れ忘れ、入れ間違いかも知れない」ということを毎回考えなければならないとするならば実験の面白さは半減するだろうと。このような不安と自信のなさが、セミプロレベルでの研究の面白さを失わせる大きな要因だと思われる[41][48]。

このような不安をなくすためには、手技的に習熟するのは当然として、手技以前にどのくらいミスやブレをなくすことができるかを徹底的に考えるも大切である。このような考察には、抜群の想像力が要求されると考えられている。この点に関して、九州大学の中山敬一教授は、「チューブの並べ方やチップの使う順番（のような極めて簡単なことまで）まで理屈を持って決めていました。そこに流れている思想を読み取って欲しいと思います。」と述べている。このように、一流の実験家は、実験装置をどの順番で使うのがベストであるだとか、どのようなサインが出た場合には何がどのように影響している場合があり、それはどのようにすれば排除できるのかといったことまで理路整然と把握している[41][48]。

科学的方法と現実の研究プロセス

本節では、先述の「科学的方法のプロセス」について、現実の研究を前提とした説明を行う。

先行研究のリサーチ

過去の論文などを調べ、何が分かっていないのかを調べる。または同時に、自分の知りたいことを解明するにあたり、有効な手法がないか、比較、参照する上で有益なデータがないかを調べる。 一般に、研究者は、自分のテーマに関連する先人達の業績である文献をよく読み、その中から証明すべき事実を演繹し、実験仮説、リサーチクエスチョンを設定する。このときの 仮説の善し悪しが、その後の価値を左右する。

仮説の構築

仮説とは、推測ではあるが、観察した現象や事実を説明できるものである。具体的には（いくつかの仮定を含む）何らかのモデルを立て、それに基づいて演繹的に結果（具体的なモデルや、何らかの周期性や規則性等）を予想したものである。（「科学的方法における結論」を参照のこと）。

通常は、仮説は実験を単純化したモデルを立てる形で行い、モデルをいくつか立てた上で、そのモデルの定性的な傾向、例えば、入力する量を増やせば、信号がどのように変化するかや、モデルを支持する結果と反証する結果がどんなものかを予想した上で、大まかなセットアップを考案して実験の準備をし、だいたいの最適な設定とデータが取得されるデータのオーダーを予想する。また、その仮説を立てた大まかな理由もある程度明確にしておくとよい。箇条書きにすると、以下のことが重要である。

  • 実験を単純化したモデル
  • モデルの定性的な傾向
  • モデルを支持する結果と反証する結果の例
  • そのモデルから予想される、最適な実験条件のオーダー

実験の計画

研究の計画とは「何を明らかにするために、何をしたのか（するのか）」を定めることである。先行研究のリサーチや、それに基づく仮説の構築、あるいは先行して行った予備実験によって、「何を明らかにするために」の部分が明確になった時点においては、実験計画とは、何をどのように測定すれば、仮説がテストできるか、あるいは、問題の切り分け方法を考案することと、その測定を行う段取りをたてることである(ロードマップ、マイルストンも参照のこと)。

仮説のテスト方法、あるいは問題の切り分け方法を考える上では、「何と何を測定し」、「何と何の関係に着目し」、「どのように解析すれば」、仮説のテストが可能であるか、問題の切り分けが可能であるかを考案することが重要である。つまり、仮説のテストを行う上で重要となる評価項目を明らかにして、その評価方法（測定方法）を適切な原理と方法、必要な精度を見積もって明示する必要がある（「科学的方法における証拠の項目」を参照のこと）。

仮説のテスト方法、あるいは問題の切り分け方法がある程度明確になった後は、「いつ、どこで何をする」に落とし込む必要がある。ところが、実際の研究計画は、理想的に事が運んだとしても個々の評価項目としての実験の結果によってシナリオが分枝する。従って、シナリオの分枝による先行したリスク評価が必要となる。軍事開発や大規模なソフトウェア開発などの大規模な研究開発プロジェクトでは、 Program Evaluation and Review Technique[53]に基づいた work breakdown structure [54] 、Precedence Diagram Method[55]、Arrow Diagram Method[56]等を を用いたシナリオの分枝の分析[57] が行われる。

シナリオの分枝の分析をしておくことで、どの順番で行うのが手際がよいのかを見極めることができ、シナリオ上の可能性の高いルートで必要となるものは先行して準備、手配することも可能となり、また、条件分枝の上で絶望的なルート（俗に言う死亡フラグ）に陥った場合の対処（例えばどこで見切りをつけるか）も考慮できる。絶望的なルートの例としては、仮説の立証にも反証にもならない結果ばかりしか得られず、時間ばかりかかるルートが考えられる。さらに、シナリオから大きくずれた状況に陥った時や、とっさの判断が求められた場合（まったく違うシナリオに遷移したほうがよい場合等）にも、より適切な判断が可能となる。

実際の研究では、学生実験とは違い、「初めから予想通りの結果になる」、あるいは「初めから予想を明確に反証する結果が得られる」ことは極めて稀である。実際には、最初に予想した内容を反証しているとも立証しているとも言い難い微妙な結果しか得られないことが多いため、実際には「予備実験、基礎検討」と「計画の見直」しの間の往復を何度も繰り返し行う必要がある[41]。また、実際の実験では予想した範囲を大きく逸脱した現象も視野に入れ、その場で随時予想や目的を修正しながら実験をしていく必要性が生じる。それでも、最初の段階でよく計画を立てておくと、それ以降の計画の見直しが楽になる。

試行錯誤型の研究の場合は、計画段階では目的を明確にし難い部分があり、どうしてもマルチエンディング型のゲームのように、目的（結末）が抽象的になる。「目的を明確にしないことは、タクシーに乗って行き先を言わないのに等しい」というたとえ話が教えるように、計画の良し悪しについては、ゴールの明確さが重要といわれる。しかし、研究、実験の計画はそのたとえ話には乗らない。研究の計画を”「行きたいところ」に行くため”の計画にたとえたとしても、試行錯誤が多いため、「行きたいところ」というのを明確に書き下すことは難しい。タクシーのたとえ話にたとえるならば、「外国人が見て面白そうなところに連れて行ってください」、「桜のきれいなところに連れて行ってください」といったことは明確であるが、そこがどこなのかはよくわからないといった状況である。実際には「行きたいところ」は、漠然とした状態で「行けるところ」、「行けたところ」が計画の遂行、修正のたびに決まってくるといった側面が強い。ここが実験の計画、研究の計画の難点である。

この意味で、試行錯誤型の研究は、探検に似ている。探検においては、「行きたいところ」は「金脈」だったり「肥沃な農地」だったりするが、実際に見つかったものは「油田」かもしれないし、広大な砂漠しかない場合もある。このような場合には、「成果となりえるもの」の候補と、「それが現れる兆候」を試行錯誤の中でよく把握しておく必要がある。「外国人が見て面白そうなところに連れて行ってください」、「桜のきれいなところに連れて行ってください」という二つの目的地を比較した場合、前者のほうがより上位である。実際、前者は紅葉の季節であっても通用するが、後者は通用しない。このように、当面の目標以外にも、より上位の目標、共通の上位目標を持つ別の代替目標を並行して考えておくことも必要である。

尚、実験の計画については、実験計画法という分野があるが、これは、QC活動に関連したものであり、目的を明確で、実験の計画が迷走しないルーチンワーク的な実験（例えば実証実験）や品質保証における実験を手際よく行うことを想定しており、特に試行錯誤型のの研究にはあまり関連しない。

予備実験、基礎検討及びその解析

予備実験、基礎検討とはリサーチクエスチョンの抽出や仮説、モデルの構築、オーダーエスティメーション、実験の問題点などの評価切り分け、最適条件の探索のために行う実験、検討のことである。

「実験の計画」の項目で述べたように、実際の研究では、学生実験とは違い、「初めから予想通りの結果になる」、あるいは「初めから予想を明確に反証する結果が得られる」ことは極めて稀である。実際には、最初に予想した内容を反証しているとも立証しているとも言い難い微妙な結果しか得られない。

そのため、大体の場合、研究は大雑把な仮説とその根拠になるプレリミナリーなデータを積み木のように組み立てていくことで進行する。つまり、「実験の大まかな傾向を見るための実験（予備実験）を行いながら、当初考案したモデルも修正しながら、さらにそのモデルの成否をよく判定する条件を探りながら再度予備実験を行い」というサイクルを実行する。つまり、上記の(1)-(4)の間のプロセスを長い期間往来する。このプロセスにより、価値ある研究課題と最適な実験条件が見つかり、実験手技も高まって安定していく。

予備実験の良し悪しは、その実験家のセンスそのものだという学者もいる[41]。通常、どの研究者も、まずは初歩的な阻害要因（グランドループによる発振や電源ノイズ、振動、極端なコンタミネーション、手技の不足）をあたって、それらがドミナントでない場合には誰でもこのレベルの問題は解決できる。また、条件を振って問題の切り分けを試み、何らかの操作を行い、その応答[注釈 11]から押さえるべきポイントを論理的に把握ることを試みる。また、複数の実験データをみながら即座にいろいろなモデルを立て、そのモデルを考慮しながら随時、実験条件の最適化を図っていくこと。しかし、最終的に整合のとれたモデルとデータの組に到達できる人は少数である。そのような者は、どうしようもないときにも「この山はハズレ」との結論に到達するまでの時間が短くさらにその決断は正しい（どのような要因が邪魔なのかをそれなりには正確に把握している）。予備実験の段階で注意すべきことを箇条書きにすると、以下のようになる。

  1. 予備実験のデータを桁違いに変化させる要因
  2. 傾向を大幅に変える要因（発振が止まる等）
  3. 変化させられるパラメータ
  4. 個々のパラメータそれぞれを独立に動かした時に測定される個々の測定値のそれぞれ変化の傾向[注釈 12]
  5. そのオーダー
  6. それに当てはまる実験式、定性的なモデルなど

実験の勝負は、「先行研究のリサーチ」、「予備実験」の段階で大半が決まり、これに従い、「リサーチクエスチョンの抽出」、「仮説の構築」、「最適な実験条件」が機械的に決まり、実証実験に至っては、もはやルーチンワークでしかない[41]。このことから、研究者の成長にとって、実験の大半を予備実験や基礎検討に費やすことが遠回りなようで、実はこれが実験の成功への近道であるばかりか、若い研究者の研究能力の大きな基盤財産になると考えられている[41]。

実証実験

仮説が正しいか、否かを、客観的な形で検証するための、デモンストレーションを前提とした実験。

実験の再現性という観点から言えば、実証実験は、よほどの人を除き誰でもできる程度の完全なルーチンワークであることが望まれる。

日常の俗説と科学的方法

（メディア・リテラシー 、集団ヒステリーも参照のこと）

マスコミや、一般書籍などを通じて行われる話題、例えば、 「食の安全」、「少年犯罪の凶悪化」、「学力低下」、「ゲーム、マンガ害悪説」、「健康法」 に関して、

  • 口当たりのいい表現（マジックワード、奇麗ごと）
  • 統計データの無視、曲解

などを巧みに用いて、いい加減な俗説、扇動的議論を垂れ流すものがある[25][26]。さらに、いい加減な俗説の根拠を定量的に検証することや、あるいは、対案を議論するための調査自体が、一種のタブーとなっている場合もある[25][26]。

また、このような扇動的議論が、社会的に意味を持ち、合意形成の上で重要な役割を担ってしまうことが、現在、過去、国内外を問わずある[25][26]。

例えば、窒息頻度が1億分の0.16(参考：もち 一億分の6.8、あめ 一億分の1.0)の こんにゃくゼリーのみに窒息の危険性を理由に製造中止措置が取られる等、統計的なエビデンスとはあまり関係なく 論理的な整合性に乏しい規制がとられることがある。この事例は、「人が死んだ」、「海外でも規制」 というマジックワードが意思決定において尊重された例である。

また、「漫画やアニメ、ゲームの表現規制」などがよく取り上げられる。 この問題に関しては、例えば 「架空の青少年の性的表現を含む創作物と性犯罪等の関係を示すデータが示されていない」点において、 科学的でない議論が行われているとする意見がある[58]。 この例において、「架空の青少年の性的表現を含む創作物は、性犯罪を増加させる」 という主張は、

  • 「先行して規制を行った諸国における犯罪件数の推移と、国内の犯罪件数の推移の比較」
  • 「架空の青少年の性的表現を含む創作物の販売件数の推移と、国内の犯罪件数の推移の比較」

などの、既存の統計から成否を判断できる。このような簡単なデータを議論の対象としない （あるいは、調べてもいないということは）、少なくともエビデンスベースとは 対極にある姿勢であり、科学的ではない[注釈 13]。

また、2000年代前半ごろから、「ゲームをすると、脳が破壊される（ゲーム脳)」等といった いい加減な学説が、科学的検証を受けずに流布しており[59]、 一部の科学的方法に理解の乏しい教育者が無批判に、教育方針に取り入れている場合がある。

大昔の事例としては、禁酒法、魔女狩りなども、口当たりのいい表現に基づいた、 科学的根拠のない判断である。

ここまで分かりやすい、つまり、当該分野の専門的な知識がなくても、議論のおかしさが大体わかる例はそこまで多くないが、それでも、どのような議論でも、エビデンスを無視した科学的方法とは対極にある判断が含まれていることは、よくある[25][25][26]。

このような事例に対して、ロジカルシンキングやクリティカルシンキング 等の手法から、解説した書物が、近年相次いで出版されているなど、 （例えば[25][25]） 一定の関心がはらわれるようになっている。 このような関心に答える一連の知識体系を、メディアリテラシーという。

「科学的」という言葉への誤解

科学的という言葉に関する二つの極端な立場がある[12]。一つは、「科学的に証明された」「正しい理論」という文言と、それらしい実験を示しただけで、盲目的に信仰するという立場である。もう一つは、すべては「単なる理論」であるという事を極端に強調し、全く信頼しないという立場である。これらは二つとも科学的という言葉に対する初歩的な誤解である[12]。

「科学的に証明された」、「正しい理論」という言葉が、何を意味するのかは、非常に幅の広い意味を持つ言葉で一般には難しい[12]。このような問題を考慮する場合には、「研究目的にたちかえって考えること」や、「測定とはどのようなことなのか」、「科学的な論証で用いられる論法」など、「科学的な方法」に求められる諸要件について理解しておく必要がある[12]。

特に、科学的な態度においては、特に論文などのように、自らの得た知見を世に問う場面においては、明確な研究目的の提示を行うこと、そして、「研究目的で提示した問題の解」において明快な論理と確かな証拠を以て立証する義務が生じる（詳細はIMRAD参照）。これは、数学の証明問題において「示すべき命題が何なのかを意識せよ」と言われるのと同じことである。例えば「鶏肉からDNAを抽出する」という研究目的を立てた場合には少なくとも「抽出されたものがDNAであることをきちんと立証する」必要がある[注釈 14]。つまり、この研究目的に照らして、例えば「洗剤に鶏肉を入れたら、白い沈殿ができた」という結果が得られたとしよう。この場合この結果と「その白い沈殿がDNAである」という結論の間を最も真剣に考察する必要が生じる（循環論法の項を参照のこと）。

本来科学的なものの見方を広めるはずの、啓蒙活動が、かえって「科学的」という言葉に対する誤解を広める原因となることもある。古くから、健康番組や科学番組などにおいて演示実験がおこなわれる。また、科学啓蒙家による演示実験による啓蒙活動がよく行われる。また”インパクト抜群のオモシロ実験”を自宅で簡単にできるようにコンパクトにまとめた本が多数売り出され好評を博している。これらの中には、しっかりとした調査の上に科学的な論理を以って物事の成り立ちを示す大変質の高いものがある一方で、実験データの検証と解釈などの点で科学研究の基礎的な要件をあまりにも無視したものが多数見受けられる[60]。

金澤一郎 日本学術会議会長は昨今の健康番組や科学番組における”科学的な論証”に対し、

  • 適切な対照群の設定
  • 統計的な有意差を得るために必要な実験例数の設定
  • 実験データの検証と解釈

などの点で科学研究の基礎的な要件を必ずしも満たしていないものが見受けられることを指摘した[60]。

ゆとり教育においては、特に初等教育、中等教育において「体験型」を重んじるあまり、単なる「じっけんごっこ」にすぎない、「科学的方法」とはかけはなれた行為を「実験」として理科の教育課程で行ってきてしまった[61]と菊池誠は指摘した。 わかりやすさを前面に出すためには、ある程度は枝葉末節を切り捨てることが重要ではあるが、科学的な論証の上で必要な手続きを無視した議論は、結論の成否に関わらず、科学的な態度とは対極にある態度である。

一方で、科学的という概念を無駄に潔癖な方法と誤解している者もいる[4]。現実の科学者に対して、無駄に潔癖な考え方を押しつけ、ただの誤解やミスあるいは（マスメディアに見られる”科学的推論”に比べればはるかにギャップの少ない）「多少は強引な結論」等、科学の進展の上では必然的に生じてくるような特段騒ぐほどでないものを誇張して科学における不正行為と騒ぎ立てるものがいる[4]。こういった問題は最近においては「芸能人の不倫騒動」と同列に大衆の興味を掻き立てるものである[4]。科学者においては誠意をもった推論が必要なことは言うまでもないが、最近においてはこのような”ゴシップ騒動”の影響で、特に若い世代に萎縮効果が出るなどの弊害がある点には注意が必要で、健全な科学の進展には弊害がある[4]。

科学的方法の歴史と哲学

テンプレート:See also 科学的な方法とは何かという問題について、これまでは科学者の側あるいはそれに近い側からの議論を中心に述べてきたが、この問題は科学哲学の重要な問題の一つでもある[62]。但し、反証可能性、オッカムの剃刀などに関する諸議論は、科学者にとっての必須教養ではなく、また、研究開発の現場と乖離している場合もあり、また哲学として一定の権威をゆうしているものであっても、極端にその考え方を推し進めるとまったくのでたらめに近い議論が成立することもあるので注意を要する。科学的な方法を身につける上では、特に初学のうちは下手に手を出さないほうがよい事柄も多く含まれ、研究者として未熟な段階でこの手の議論にとりつかれてしまったがために、この手の話題だけには強くなり、インターネット上で教弁をふるってはいるが、研究業績はさっぱりという”研究者”もいる。

特に、哲学と自然科学が分業して以降は科学哲学の側がどうしても観念的になり、また、科学を中途半端に理解した議論が野放図に行われる状況である[40]。具体的には、「相対論の実証により、古典力学の正しさは否定された」とか、「土星模型は、電子運の発見で意味をなくした（土星模型で説明のつく問題は土星模型を用いればよく、量子論でも、ハミルトニアンは、クーロンポテンシャルを用いて立てることが多い。）」などといった短絡的で次元が低い理解に基づき、論理の飛躍を繰り返す傾向などがある。また、宗教、オカルトといった、まったく思考様式の異なる問題と、科学との線引きといった、科学者、あるいはそれを目指す人にとっては、直接的には意味のない問題を延々と扱う傾向がある。

また、古典的な科学哲学者の見解には科学の進展の美化された部分を高度に抽象化させすぎるきらいがあることが指摘されている。結果として道徳の次元としては美談だが、現実の科学の進展に寄与したい人間にとっては逆に変な誤解や萎縮効果を与えてしまう危険性のある理屈がまかり通り、神話を作るだけで結果として科学者の側にとってはどうでもよい問題を延々と議論しているという指摘がしばしなされる[40][63]。

不幸なことにこのような古典的な科学哲学の問題点は「いまでもそのまま」だと誤解されているようであるが、これはとんでもない間違いである。現在の科学史、科学哲学においては既に実験ノートの記録などから科学的に研究者に迫るアプローチが主流であり、従来の観念的な科学論は科学哲学の中でも重要性を失っている[63][64][65][66]。

観念的な大昔の科学史、科学哲学によって形成された神話的な科学者像は正確には実用性に欠く見当違いな「科学的方法」観を与える。先述のように、科学的な方法においては、最終的にはデータに文脈性を持たせることが重要になるが、データに文脈性を持たせる能力について「単なる弁明の能力でしかなく、科学を進める原動力にはならない」と言う人もいる[64]。そして、「口がうまい者が一流とみなされる」と嘆いて見せる[64]。しかし最近の科学史の研究においては、「パスツール」だとか「ファラデー」とかいった比較的神格化されている人たちも含め、どちらかというと「口がうまい」と嘆かれる研究者に近くそういう特質をもっていたからこそ科学を進歩させられたのだとみる見方が主流となっている。

反証可能性に関して

疑似科学に対する批判活動（科学と科学でないものの線引き問題）において、「科学的」であることの要件の一つとして、「ポパーの反証可能性の原則」がよく引き合いに出されるテンプレート:要出典

SFAAでは、本質的に立証も反証も行えないような対象は、原則論としては科学の対象とはみなされない[1]とされている。

しかし、総じて言えば、反証可能性は現実には、「ポパーの反証可能性の原則」は、言われているほど現実の研究者には、受け入れられておらず、むしろ軽視されている[39]とも言う。

ラリー・ラウダンらは「（反証可能性は）普通は科学的とみなされないような理論でも、満たすこともあり、これまで成功してきた多くの科学の実例は、反証可能性を逸脱している」と 指摘したテンプレート:要出典 。ここで、 「反証可能性を逸脱する」とは、「基本法則の成否判定が、少なくとも現実には不可能で、 補助仮説を補ったり実験手続きの不備などを仮定するなどの”逃げ”（小規模な修正）によって理論が変わっていくこと」を指す[6]。


また、「三体問題は、運動方程式が支配法則である」という問題は、古典力学の問題で、二体問題が大学入試レベルであることと対照的に、（解が存在するものの）解析解が原理的に発見しえないことが数学的に分かっているうえ、解の不安定性が存在する可能性もあり、軌道を予測したければなんらかの近似をせざるを得ないことになる。従って、なんらかの”反証”らしき実験結果が出たとしても、不安定平衡点の存在によるのか、「近似の粗さの問題」なのか、「そもそも三体以上の問題には運動方程式が適用できない」のか「基礎方程式の間違い」なのか、「近似のまずさ」なのか、「実験の問題」なのかは、極めて難しい問題となるテンプレート:要出典。


さらに、現実の科学は、現実の科学研究の進展においては、仮説はあいまいなところからはじまり徐々に明確になっていく傾向があり、論文を書く場合には簡単には反証されないように細心の注意を払う傾向があると指摘される[4]。

通常の科学者は、ある理論に対していくつかの反証となる例が発見された場合にも、理論自体を全否定するという考え方はしない。通常は、アドホックな仮説を積極的に投入することにより、予測の精度を高めてより広範に受け容れられるように何らかの変更を加えること[1][6]が一般的である。場合によっては、欠点を認識しながら、そのまま未修正の学説を使い続けることもある。

具体的な科学の事例においては、相対性理論の有用性は、古典力学の反証によって立証されたが、相対性理論の構築は、ニュートン力学を破棄、否定する形をとらず、むしろニュートン力学がより一般的な概念の中で適用範囲が限定された一つの近似であるにすぎないことを示す形で行われた[1]とSFAAでは説明された。さらにニュートン力学に基づいた計算は、現在でも無修正で科学技術の最先端で使われることが多々ある。この意味でも「ニュートン力学が相対論によって否定された」とまで言い切るのは早計であり、現在の科学者の標準的な考え方とは大きく異なる[1][6][5]。

さらに疑似科学と科学の線引きに関しても、実際に論点となるのは、個々のデータの有意性や論理的整合性等である[67]。

現在の研究の最前線において、反証可能性の原則が、実際にはきわめて軽視されている現状に対して危機感をつのらせる人もいる。例えばリース・モーリン博士は、現在の最前線における物理学の理論が、「どのような実験結果でも取り込めるほどパラメータが多い」ことを指摘したうえで、反証可能性を軽視している傾向を、「物理学の迷走」と断じている[39]。実際、モーリン博士が指摘するように、最近の素粒子物理、量子情報、物性理論等は極めて数学に近い様相を呈しているため反証可能性の原則を逸脱していることはしばし指摘される。また、特に、萌芽的な理論においては、実験がどんな結果を出してもそれを取り込めてしまうほどパラメータが多く、しかもそのパラメータの物理的な意味が不明確であることもしばしば指摘される。現在でも、このことを理由として権威ある雑誌への掲載が拒まれることがあるとされる[44]。但し、この傾向も最近では現実的な方向に、つまり反証可能性に偏重しない方向にシフトしつつある[44]。


しかし、実はポパーは、仮説のアドホックな修正について全面的に禁止してなく、その修正により反証可能性の度合いを増やす場合に対し、受容可能としている。 [68]

決定不全の説明で繰り返し使われる事例として、海王星の発見がある。天王星が発見されたとき、その軌道がニュートン力学の予測とずれていることが観察された。そのとき天文学者たちはニュートン力学を放棄するという路線ではなく、 未知の惑星があって天王星に影響しているという仮説をたてる路線を選び、これが海王星の発見につながった。

この問題はしばしば反証主義の難点として指摘される。しかし、その条件付きの修正が可能な場合、その仮説の修正は、その条件を満たすので認められる。 [69]

参考文献

  • 濱田嘉昭『科学的な見方・考え方』放送大学教育振興会、ISBN 9784595307522

脚注

  1. ↑ 例えば、科学的であること必須要件の中に反証可能性というのを挙げる者がいる。確かに、幽霊やインテリジェントデザインに等といった疑似科学を処断するうえでは、反証可能性による線引きは、それなりの成果をあげているようである(たとえば、伊勢田哲治「科学哲学における線引き問題の現代的展開」名大哲学会発表(2000)[1]） しかしながら、前記の科学哲学者の伊勢田哲治の論文中に、以下のような記述がある。

    われわれが科学のもっとも成功した例とみなすようなものまで排除してしまうような形で 「科学」([()内は引用者による注]反証可能性を用いて定義された科学)が定義されるなら、その定義そのものが疑問に付されるのもやむをえない。

    とある。また、この問題点に関する修正として、科学者一般の間でコンセンサスのとれた修正が存在するとも言い難いようである。このような理由で、反証可能性を科学的であることの必須要件にするのは、一面的過ぎるように思われる。

    尚、本記事では、以下のような記述は、記事の扱うテーマの趣旨に反すると考え、記載対象から除外する。

    • オカルトや、トンデモのように、科学的な思考とはその根本的な基盤が異なる世界の例ばかりを挙げているもの。
    • 「すべてのカラスが黒いという命題は反証可能性がある」（全称命題のに似たものの説明をしたいらしいように見えるが、数学でもない限り全称命題に全面的に頼るというの現実的でない）のような、ありきたりで微妙な例しか挙げていないもの。
    • 「相対論により力学が反証され古典力学は意味を失った」等といった、「予測精度」という考え方を知っていればアホラシイとわかるような記述が至る所にちりばめられているもの。少しでも科学技術をかじっていれば、現実の科学技術の最先端でどれだけ古典力学が有用かを思い知っているはずである。
  2. ↑ この報告書は、すべてのアメリカ人が身につけるべき科学的な素養についての指針を与えるために、アメリカ科学振興協会の中心的なメンバーの草起・承認のもと発行され、日本を含む世界各国の教育行政に影響を与えている。特に、科学リテラシーに関する内容が中心となっている。いわゆる学習指導要領とは異なり、「小学3年生では、何と何を学びなさいといった」ことを書いたものではなく、科学、工学、数学など、科学に関係する分野の特徴づけに多くの項目を割いたものである。
  3. ↑ 一方で、この文書には多くの免責事項が書かれている点にも注意が必要であろう。例えば、 F. James Rutherfordは同文書の日本向けの序文の中で、以下のような免責事項を述べているたとえば、同書の名前を『すべてのアメリカ人のための科学』といった、米国限定であるようなタイトルがついていることについて、「この文書の作成には、基本的に他国の科学者が参加しておらず、他国の優秀な科学者の見解が反映されていない）、これを勝手に「すべての人のための科学」としてしまっては、他国の科学者たちがそれぞれの見解を表明するという権限を侵してしまう可能性があり、そうはしなかったらしい」と述べている。またラザフォードはこの『すべてのアメリカ人のための科学』も、（その他のいかなる刊行物も）1冊では科学的リテラシーを保証するものとはならない、と述べてこの冊子で提示できる内容に一定の留保を示している。
  4. ↑ 似たようなことは、引用文献のうち多数に、少なくとも断片的には書かれているが、特に権威があり、国際的に通用する定番の文献としてこれらの文献を挙げる。
  5. ↑ 必ずしも、現在の技術で実現できるものである必要はない。例えば、量子力学における不確定性の概念は、ガンマ線用の収束レンズ（現代でも実現不可能）を用いた思考実験によって考案されたテンプレート:要出典。
  6. ↑ 例えば、全ての問題の中で定量化が可能な問題の割合はどのくらいあるか？
  7. ↑ 中谷の言う「再現可能性」は、「全く同じ現象が何度も起こる」という最も狭い意味よりも少しゆるやかである。
  8. ↑ 。 但し、PDCAサイクルが日本で広まった背景にはQC活動があり、この活動は、統計の専門家や、品質管理の専門家が中心となって広めた活動であるため、広く言われるところのPDCAサイクルは、、根底となる思想面では研究の工程と共通する部分が多いものの、実際には意識の違いがある。意識の違いのうち最も大きな点は、QC活動では、「データに合うように研究目的を変更すること」はよいこととはされない点、また、実際の研究レベルでは、大半の成否は、「予備実験、基礎検討」までの段階で決まってしまう点である
  9. ↑ 実験計画法に関しても既にさまざまなレベルの良質な文献が複数刊行されているが、示すべき命題が明確になっている状況を（主に品質保証やルーチン的な実験）意識して書かれたものが多いため、示すべき命題が混沌としているところから、仮説を形成することを仕事とする研究者との間に意識のずれがある場合もある。
  10. ↑ 装置の発明を神格化する意図はない。世の中にある様々な計測装置は、原理が難しいものは多数あるものの 装置構成の把握だけならば、高校物理程度の知識で理解できるものが殆どということにも注意したい。 例えば走査型トンネル顕微鏡（コンスタントハイトモード）は、装置構成の核の部分は、鋭利に尖った針と、前記の針を試料に対して水平に走査する機構と、試料-探針との間に電圧を印加する機構と、試料-探針間に流れる電流を測定する機構 に尽きる。いずれも、高校物理程度の知識で理解可能である。一方、測定原理やデータ解釈 については、そこまで簡単ではない。最低限の測定原理を理解に留めても、少なくとも量子力学の初歩的な知識は必要となる。 PCR法も、装置構成の観点からはそこまで難しくない。DNAの溶液にいくつかの試薬を加えた試験管に対し 数分間の間に50℃～90℃程度のレンジで規則的に温度昇降させればDNAが増えていくというだけである。但し、その原理の理解や、最適条件や、阻害要因の考察等をおこなうことは、少なくとも学部3年相当の分子生物学の知識が必要で、 装置の設計は、熱工学的に極めて難しいとされる。
  11. ↑ 例えば「どの変数を増やせばどの指標が増えるか」、あるいは「現象CはA、B2つの変数を同時に操作せねば起こらない現象である」等
  12. ↑ 2つのパラメータを同時に変化させた時」に「個々のパラメータを独立に動かした時」と大きく異なる結果が出た場合、それはアーチファクトの可能性が高い。
  13. ↑ 但し、児童を対象とした殺人事件だけを取っても、数年に数件～数十件程度、児童ポルノ、児童ポルノ漫画に誘発されたと裁判で認定された事件が存在し、交通事故で死ぬ確率の1/5000程度の確率では、そのようなことが発生すると推定することも不可能ではない。テンプレート:要出典
  14. ↑ 研究目的が「鶏肉からDNAを効率よく抽出する」の場合には「効率面」を示せばよいこともある。このように「何を目的とするのか」によって明らかにすべきこと（すでに出された研究に全面的に乗っかっても場合によっては問題にならないこと）がある。

出典

テンプレート:Reflist

関連項目

外部リンク

テンプレート:節stub

テンプレート:科学哲学テンプレート:Link GA テンプレート:Link GA

de:Wissenschaftliche Arbeit
  1. ↑ 1.00 1.01 1.02 1.03 1.04 1.05 1.06 1.07 1.08 1.09 1.10 1.11 1.12 1.13 1.14 1.15 1.16 1.17 1.18 1.19 1.20 1.21 米国科学振興協会1989「すべてのアメリカ人のための科学（PDF版）」。「Science for All Americans（英語版）」
  2. ↑ 2.0 2.1 2.2 2.3 2.4 小倉康「科学リテラシーと探究能力」[2]
  3. ↑ 3.00 3.01 3.02 3.03 3.04 3.05 3.06 3.07 3.08 3.09 3.10 テンプレート:Cite
  4. ↑ 4.00 4.01 4.02 4.03 4.04 4.05 4.06 4.07 4.08 4.09 4.10 4.11 4.12 4.13 フレデリック グリンネル（著）、白楽 ロックビル（翻訳）『グリンネルの研究成功マニュアル―科学研究のとらえ方と研究者になるための指針』共立出版 1998年10月
  5. ↑ 5.0 5.1 5.2 5.3 5.4 5.5 5.6 5.7 小泉健「科学／技術の総合化」 Seneca21st 話題 26[3]
  6. ↑ 6.0 6.1 6.2 6.3 伊勢田哲治「科学哲学における線引き問題の現代的展開」名大哲学会発表(2000)[4]
  7. ↑ 7.0 7.1 7.2 7.3 7.4 7.5 7.6 濱田嘉昭 放送大学講座「科学的な見方・考え方」（2007年～）　[5]（同大学の学生は過去の放送をセンターで検証可能）
  8. ↑ 教科書：濱田嘉昭『科学的な見方・考え方』放送大学教育振興会、ISBN 9784595307522
  9. ↑ 9.0 9.1 9.2 9.3 9.4 9.5 Science For All Americans. chapter1, SCIENTIFIC INQUIRY
  10. ↑ 10.0 10.1 10.2 10.3 10.4 10.5 10.6 10.7 「すべてのアメリカ人のための科学」pp.17-18
  11. ↑ R.P.ファインマン（著）、大貫昌子（訳）『ご冗談でしょう、ファインマンさん』岩波書店、2000年1月
  12. ↑ 12.0 12.1 12.2 12.3 12.4 12.5 12.6 12.7 David Carr Baird・加藤幸弘・千川道幸・近藤康『実験法入門』ピアソンエデュケーション（2004年12月）
  13. ↑ 13.0 13.1 中谷宇吉郎（著）『科学の方法』岩波新書1958年 （青版 313）
  14. ↑ 14.0 14.1 14.2 14.3 [6]テンプレート:リンク切れ
  15. ↑ 15.0 15.1 宮島龍興「曖昧さの科学と科学の曖昧さ」日本教育工学振興会提言[7]
  16. ↑ 16.0 16.1 荒川歩「心理学は「科学的」でなければならないのか?」立命館人間科学研究第10号29頁、2005年[8]
  17. ↑ 17.0 17.1 17.2 文部科学省ウェブサイト - 平成18年版 科学技術白書 - コラムNo1
  18. ↑ 18.0 18.1 独立行政法人 国立健康・栄養研究所 HP上の記事 [9]
  19. ↑ 19.0 19.1 安冨潔「科学的証拠とデジタル・フォレンジック」デジタル・フォレンジック研究会 76号コラム[10]
  20. ↑ 20.0 20.1 20.2 20.3 20.4 20.5 恒本史雄、江間健司 『基礎物理学実験』東京教学社、2008年
  21. ↑ テンプレート:要出典但し、黎明期の理論や、あたりをつけるための理論に関しては、実際のデータとは一致しない仮定を多数含んだとしても予測力が一定水準あれば、仮説として一定の価値を得ることもある。
  22. ↑ 関根一昭『理系力が高まる痛快ゼミナール』 日本実業出版社、2004年3月
  23. ↑ 畑村洋太郎『 数に強くなる 』岩波書店、2007年2月
  24. ↑ ローレンス・ワインシュタイン『サイエンス脳のためのフェルミ推定力養成ドリル』日経BP社、2008年10月
  25. ↑ 25.0 25.1 25.2 25.3 25.4 25.5 25.6 25.7 25.8 小笠原喜康『議論のウソ』講談社 、2005年 引用エラー: 無効な <ref> タグ; name "ogasa"が異なる内容で複数回定義されています
  26. ↑ 26.0 26.1 26.2 26.3 26.4 26.5 吉岡友治 『だまされない〈議論力〉』講談社、2006年 引用エラー: 無効な <ref> タグ; name "yoshi"が異なる内容で複数回定義されています
  27. ↑ http://portal.dl.saga-u.ac.jp/handle/123456789/35392 テンプレート:リンク切れ
  28. ↑ 28.0 28.1 28.2 武谷三男「武谷三男著作集 〈1〉 ― 弁証法の諸問題」勁草書房 より「現代物理学と認識論」
  29. ↑ 29.0 29.1 29.2 [11]テンプレート:リンク切れ
  30. ↑ http://unit.aist.go.jp/eval/H18symp/Files/H18symp.pdf
  31. ↑ 31.0 31.1 入来篤史『研究者人生双六講義』岩波書店、2004年2月
  32. ↑ http://www.socialresearchmethods.net/kb/strucres.php
  33. ↑ http://ie.u-ryukyu.ac.jp/tnal/archives/tag/%E5%8D%92%E6%A5%AD%E7%A0%94%E7%A9%B6 テンプレート:Full
  34. ↑ 34.0 34.1 34.2 野矢 茂樹（著）;「新版 論理トレーニング 」産業図書; 新版版 (2006/11)
  35. ↑ 35.0 35.1 西村 克己（著）;「論理的な文章の書き方が面白いほど身につく本」中経出版 (2006/6/13)
  36. ↑ 寺田寅彦「漫画と科学」[12]（例えば、寺田寅彦,樋口敬二,太田文平;「寺田寅彦全集 第5巻」岩波書店(2010) ）
  37. ↑ 37.0 37.1 http://www.jstage.jst.go.jp/article/biophys/43/6/291/_pdf/-char/ja/
  38. ↑ [13]テンプレート:リンク切れ
  39. ↑ 39.0 39.1 39.2 39.3 リース・モーリン（著）、松浦俊輔（翻訳）「迷走する物理学」ランダムハウス講談社 (2007/12/13)
  40. ↑ 40.0 40.1 40.2 40.3 40.4 40.5 R.P.ファインマン『物理法則はいかにして発見されたか』岩波書店、2001年3月
  41. ↑ 41.0 41.1 41.2 41.3 41.4 41.5 41.6 41.7 41.8 41.9 テンプレート:Cite web
  42. ↑ テンプレート:Cite web
  43. ↑ テンプレート:Cite web
  44. ↑ 44.0 44.1 44.2 44.3 44.4 44.5 44.6 44.7 44.8 テンプレート:Cite web
  45. ↑ 45.0 45.1 45.2 兵頭甲一『物理実験者のための13章』東京大学出版会、1976年5月
  46. ↑ R.P.ファインマン（著）、大貫昌子（訳）『科学は不確かだ!』岩波書店、1998年9月
  47. ↑ 47.0 47.1 林篤裕「科学的推論能力テストと大学入試センター試験の比較分析」大学入試センター研究開発[14]
  48. ↑ 48.0 48.1 48.2 48.3 48.4 48.5 48.6 48.7 48.8 中山 敬一 (著)「君たちに伝えたい3つのこと―仕事と人生について 科学者からのメッセージ 」 ダイヤモンド社 (2010/7/30)
  49. ↑ 49.0 49.1 49.2 49.3 49.4 49.5 Kathryn L. Allen (著), 伊藤 俊洋 (翻訳), 黒澤 麻美 (翻訳), 伊藤 佑子 (翻訳), 吉田 朱美 (翻訳)「スタディスキルズ―卒研・卒論から博士論文まで、研究生活サバイバルガイド」 丸善 (2005/12)
  50. ↑ 50.0 50.1 50.2 50.3 50.4 50.5 50.6 50.7 [15][16]
  51. ↑ 51.0 51.1 テンプレート:Cite web
  52. ↑ テンプレート:Cite web
  53. ↑ テンプレート:Cite web
  54. ↑ テンプレート:Cite web
  55. ↑ テンプレート:Cite web
  56. ↑ テンプレート:Cite web
  57. ↑ テンプレート:Cite web
  58. ↑ テンプレート:Cite web
  59. ↑ 「ゲーム脳」など脳研究で俗説、倫理指針を改定…神経科学学会 （2010年1月9日 読売新聞）
  60. ↑ 60.0 60.1 http://www.scj.go.jp/ja/info/kohyo/pdf/kohyo-20-d4.pdf
  61. ↑ 菊池誠『若きエンジニアへの手紙』工学図書
  62. ↑ http://www.tmd.ac.jp/mri/fro/issp/kougirokupdf/kagakutetugakukihonmondai.pdf
  63. ↑ 63.0 63.1 http://home.hiroshima-u.ac.jp/nkaoru/Pasteur.html
  64. ↑ 64.0 64.1 64.2 橋本毅彦「[科学史研究の新潮流]実験と実験室（ラボラトリー）をめぐる新しい科学史研究」『化学史研究』第20巻第2号107-121頁 1993年[17]
  65. ↑ G・L・ギーソン（著）、長野敬・太田英彦（訳）『パストゥール――実験ノートと未公開の研究』青土社
  66. ↑ B・ラトゥール（著）、川崎・高田（訳）『科学が作られているとき――人類学的考察』、産業図書、1999年
  67. ↑ http://www.mhlw.go.jp/shingi/2004/02/s0226-9d3.html
  68. ↑ カール・ポパー『科学的発見の論理』（恒星社厚生閣（上下）, 1971年-1972年）
  69. ↑ 伊勢田哲治『カール・ポパーの生い立ちと哲学』p.6-7:http://ocw.nagoya-u.jp/files/45/sp_note03.pdf
「http://wikippe.e-do-match.com/index.php?title=科学的方法&oldid=14746」から取得