仮説生成ツール
独立変数と従属変数、任意の対象集団、そして予想する方向を入力すると、仮説が4つの標準的な形式で得られます：if/then、方向性（H1）、非方向性（H1）、帰無（H0）。AIは使わず、誠実なテンプレートで表現を組み立てるだけです。科学的な思考は、あくまであなた自身のものです。無料、登録不要。
従属変数の予測される方向
仮説生成ツールの使い方
- 独立変数を挙げます。 変化させる、または比較するものを、測定可能なものとして書きます：1晩あたりの睡眠時間。
- 従属変数を挙げます。 効果を見るために測定するものです：テストの点数。主張が特定の集団についてのものなら、高校生などの対象集団を追加します。
- 予想する方向を選びます。 増加、減少、または変化（どちらの方向でも）のいずれかで、従属変数に何が起こると予想するかを示します。
- 仮説を生成し、編集します。 4つの形式が、それぞれコピーボタン付きで表示されます。使う前に文法を整え、各変数を正確に定義してください。
4つの形式
| 形式 | ツールが当てはめるパターン | 使う場面 |
|---|---|---|
| If/then | もし[IV]を変化させると、[DV]は増加、減少、または変化します。 | 学校の理科の課題や実験レポート |
| 方向性（H1） | [IV]の変化は、[DV]における増加、減少、または測定可能な変化をもたらすでしょう。 | 先行研究に基づく予測。片側検定に対応します |
| 非方向性（H1） | [IV]と[DV]の間には関係があります。 | 方向が不明な効果。両側検定に対応します |
| 帰無（H0） | [IV]と[DV]の間には関係がありません。観察される[DV]の差は偶然によるものです。 | 統計検定が実際に検定する主張 |
対象集団を入力した場合は、各文の末尾に「（対象：…）」として加えられます。選んだ方向は、if/thenと方向性の形式に反映されます。非方向性と帰無の形式は方向に左右されません。
具体例
独立変数に1晩あたりの睡眠時間、従属変数にテストの点数、対象集団に高校生を入力し、方向は増加のままにします。ツールは4つの文を返します：
- If/then： もし1晩あたりの睡眠時間を変化させると、テストの点数は増加する（対象：高校生）。
- 方向性（H1）： 1晩あたりの睡眠時間の変化は、テストの点数の増加をもたらすだろう（対象：高校生）。
- 非方向性（H1）： 1晩あたりの睡眠時間とテストの点数の間には関係がある（対象：高校生）。
- 帰無（H0）： 1晩あたりの睡眠時間とテストの点数の間には関係がない（対象：高校生）；観察されるテストの点数の差は偶然によるものである。
これは枠組みですから、一文ずつ声に出して読んでください。「もし1晩あたりの睡眠時間を変化させると」のように、日本語として自然に読めるかを確かめ、必要なら原因をより具体的にしてください：「生徒が毎晩1時間多く眠れば、平均テストの点数は上がるでしょう」。変化（どちらの方向でも）を選んだ場合、方向性の形式は「測定可能な変化」と読めます。これは非方向性の主張を別の言葉で言い直したものなので、その場合は非方向性の形式を使ってください。
仮説、予測、リサーチクエスチョン
リサーチクエスチョンは、知りたいことを問います（「睡眠はテストの点数に影響するか？」）。仮説は、それに対する、変数について述べた検証可能な答えです。帰無仮説は、検定が棄却しようとする形式です。有意性検定は、H0が正しかった場合にデータがどれほど意外かを問い、H0を棄却するか、棄却できないかのどちらかになります。何かが「証明」されることは決してありません。書き上げたら次の段階としてサンプルサイズ計算ツールを使い、データが集まったらT-Test CalculatorまたはP-Value Calculatorを使ってください。
仮説が検証可能であるための条件
- 両方の変数が測定可能でなければなりません。 曖昧な用語を、数えたり採点したりできるものに置き換えてください。「集中力が向上する」は測定できませんが、「10分間の注意課題でのスコア」は測定できます。測定器具や単位を挙げられなければ、その仮説はまだ検証の準備ができていません。
- 反証可能でなければなりません。 良い仮説は、データによって誤りだと示され得るものです。どんな結果もあなたの主張に不利にならないのであれば、それは科学的な仮説ではなく、単なる意見です。帰無仮説（H0）が存在するのは、まさにあなたの検定が棄却できる対象を持つためです。
- 対象集団を定義してください。 大学生で見られた効果は、子どもや高齢者には当てはまらないかもしれません。対象集団を明示することで、主張がどの人々に当てはまるかについて誠実であり続け、読者に結果がどこまで一般化できるかを伝えられます。
- 一度に1つの変数だけを変えてください。 2つのことを同時に操作すると、どちらが効果の原因かを判断できません。仮説ごとに独立変数は1つにし、それ以外はすべて一定に保ってください。それが公正な比較を可能にします。
どのツールが必要ですか？
- 変数から仮説へ： このページです。
- テーマからリサーチクエスチョンへ： リサーチクエスチョン生成ツール。臨床的な問いをPICO形式で扱う場合は、PICO Question Generator。
- 参加者に投げかける質問へ： アンケート質問。
- 実験ではなくエッセイの主張へ： 主張文（テーゼ）ジェネレーター。
よくある質問
- 独立変数と従属変数の違いは何ですか？
- 独立変数とは、研究の中であなたが変化させる、あるいは操作するもの — 疑われる原因です。従属変数とは、その効果を見るためにあなたが測定するものです。「睡眠はテストの点数に影響するか？」では、睡眠時間が独立変数で、テストの点数が従属変数です。
- H0とH1とは何ですか？
- H0は帰無仮説です：あなたの変数の間には効果や関係がないと述べるもので、統計的検定が実際に検定する対象です。H1（対立仮説）は効果があると述べます。研究はH1を直接証明することは決してありません — H0を棄却するか、棄却できないかを判断できる証拠を集めるだけです。
- 方向性仮説と非方向性仮説の違いは何ですか？
- 方向性仮説は、効果がどちらの方向に向かうかを予測します — 例えば、点数が上がるだろう、というようにです。非方向性仮説は、関係が存在することだけを予測し、方向は指定しません。先行研究が特定の方向を予測する根拠を与えてくれる場合は方向性仮説を、そうでない場合は、より安全な主張である非方向性仮説を使ってください。
- このツールは仮説をAIで書きますか？
- いいえ。あなたの変数を、研究法の授業で使われる標準的な仮説の形式 — if/then、方向性、非方向性、帰無 — に当てはめるだけです。科学的な思考は、あくまであなた自身のものです。ツールが扱うのは言い回しの慣例だけなので、各変数が正確に定義されるよう、表現を練り直してください。
- 仮説はどのように書けばよいですか？
- 2つの変数を測定可能な言葉で挙げ、独立変数が従属変数にどう影響すると予想するかを述べ、研究している集団を明記してください。データによって誤りだと示され得る書き方にしてください。生成ツールは、編集できる4つの形式でその言い回しを示します。