仮説生成ツール

従属変数の予測される方向

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。使用する測定方法や単位を挙げられないなら、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証明され得るものです。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、あなたの主張がどの範囲の人々に当てはまるかについて誠実であり続け、読者に、その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。 一度に2つのことを操作すると、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を1つに絞り、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。

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。

仮説が検証可能であるとはどういうことですか？

検証可能な仮説は、実際に測定できる変数を挙げ、定義された対象集団に適用され、データによって誤りだと証明され得る — つまり、反証可能である — ものです。「音楽を聴きながら勉強すると、大学生の記憶精度が低下する」は検証可能ですが、「音楽は勉強に悪い」は検証できません。「悪い」が測定可能ではないためです。

このツールは私の仮説をAIで書いていますか？

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 — に当てはめているだけです。科学的な思考は、あくまであなた自身のものです：このツールは言い回しの慣例を扱うだけなので、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。