Nivel 3 · Núcleo universitario · Kit docente · Primer y segundo año de universidad
Diseño experimental, inferencia y reproducibilidad
Un registro de laboratorio para estudiantes y una guía específica para docentes convierten el modelo interactivo en una investigación repetible.
Registro del estudiante
Análisis de residuos ciegos y penalización de búsqueda
¿Cuándo sigue siendo creíble un residual local después de que se incluyan la incertidumbre correlacionada, la recuperación por inyección y el espacio de búsqueda declarado?
Preparación
- • Utiliza el laboratorio de análisis ciego. Congela el modelo y los cortes, inspecciona un conjunto nulo de referencia, luego prueba una inyección oculta y aplica el ajuste de búsqueda declarado.
Predice primero
- 1. Predecir si más ensayos eliminan un desplazamiento completamente correlacionado.
- 2. Predecir cómo un mayor número de búsquedas declaradas cambia la significación global.
| Variable | Función | Unidad |
|---|---|---|
| Recuento de ensayos y ruido independiente | Aportaciones de diseño | Unidad de conteo y señal |
| Sistemático correlacionado | Entrada de incertidumbre compartida | Unidad de señales |
| Señal inyectada | Entrada de validación | Unidad de señales |
| Significado local y ajustado | Diagnóstico dependiente | σ o probabilidad |
Columnas de observación
Analiza
- 1. ¿Qué término de incertidumbre promedia a la baja?
- 2. ¿El oleoducto recuperó la inyección conocida dentro de la tolerancia?
- 3. ¿Por qué una detección local puede convertirse en una no detección global?
- 4. ¿Qué decisión debe congelarse antes de desciegarse?
Marco para la conclusión
La tubería produjo ___ local y ajustó ___ a través de ___ búsquedas; la recuperación por inyección fue ___, por lo que la decisión preregistrada es ___.
Guía del docente · 55–75 minutos
Enseña la investigación, no la interfaz
Objetivo: Los alumnos tratan el cegamiento, la incertidumbre correlacionada, la recuperación de inyecciones y la corrección de multiplicidad como una sola cadena de evidencia, en lugar de advertencias opcionales a posteriori.
Preparación
- • Define la decisión de análisis antes de revelar el resultado modelado.
- • Prepara un caso de inyección fallida.
- • Distingue la probabilidad local de la familiar.
Movimientos de facilitación
- • Pregunta qué decisiones se tomaron antes de desciegar el ciego.
- • No permitas que el recuento de ensayos borre la sistemática compartida.
- • Requiere una declaración de decisión incluso para un residuo interesante.
Accesibilidad y participación
- • Traduce probabilidades en frecuencias sin exagerar la certeza.
- • Proporciona el árbol de decisiones en forma de texto y diagrama.
- • Permite el soporte de hojas de cálculo o calculadoras para la combinación de incertidumbres.
Evidencia de aprendizaje
- • Una decisión de análisis congelado
- • Una explicación correcta del error correlacionado
- • Una conclusión consciente de la inyección y la multiplicidad
Comprobaciones de ideas erróneas
Suficientes ensayos repetidos eliminan toda incertidumbre.
El ruido independiente promedia hacia abajo; el sesgo correlacionado y el error del modelo requieren controles o límites separados.
Un pequeño valor p local demuestra el mecanismo preferido.
La multiplicidad de búsqueda cambia la sorpresa, y la atribución de mecanismos requiere predicciones y controles discriminatorios.
Ampliación
Diseñar una replicación preregistrada en dos laboratorios con un protocolo de inyección compartido y equipos de análisis independientes.