Whatsoever things are true: Hypothesis, artefact, and bias in chemical engineering research
Notice bibliographique
Résumé
Abstract For experimental research to offer valuable insights and predictions, its results and interpretation need to be properly validated. When the experiments deal with complex systems, such as biological materials, multicomponent mixtures, or multiple phases, the use of the rigorous scientific method is essential. Setting and testing hypotheses and design of experimental programs to include formal positive and negative experiments helps to identify artefacts and to minimize the influence of the biases of the investigators that can invalidate the results of studies. The literature has many examples of well‐executed studies, but there is much less discussion of the pitfalls and traps that can beset experimental research. This paper presents cases in the area of chemical reaction engineering and biochemical engineering. Experimental designs are presented that were successful in validating results by using positive and negative controls. Case studies of experimental artefacts that were published suggest that the biases of the investigators were important in failing to fully verify experimental observations. Both strong experimental designs to identify artefacts and publication of negative results are important in avoiding the persistence of what Stephen Poole calls “zombie ideas”. These zombie ideas may be benign, or they may lead to considerable wasted effort on studies with no chance of success. Graphical representations and schematics are extremely valuable in communicating results and making them memorable, but they can also be seductive in misleading researchers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,534 | 0,701 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,081 |
| Communication savante | 0,015 | 0,018 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».