Poziom 3 · Trzon studiów licencjackich · Zestaw dydaktyczny · Studia, rok 1–2
Projekt eksperymentalny, wnioskowanie i powtarzalność
Karta laboratoryjna dla ucznia i przewodnik dla prowadzącego zamieniają model interaktywny w powtarzalne badanie.
Karta ucznia
Analiza zaślepionych rezydualów i kary za przeszukanie
Kiedy lokalna rezyduala pozostaje wiarygodna po uwzględnieniu skorelowanej niepewności, odzyskiwania z zastrzyków oraz zadeklarowanej przestrzeni wyszukiwania?
Przygotowanie
- • Skorzystaj z laboratorium analizy ślepiej. Zamroź model i tnij, obejrzyj bazowy zespół zerowy, następnie testuj jedną ukrytą iniekcję i zastosuj zadeklarowaną korektę wyszukiwania.
Najpierw przewidź
- 1. Przewiduj, czy więcej badań usunie w pełni skorelowane offset.
- 2. Przewiduj, jak większa liczba zadeklarowanych wyszukiwań zmienia globalne znaczenie.
| Zmienna | Rola | Jednostka |
|---|---|---|
| Liczba prób i niezależny szum | Wkłady projektowe | Jednostka liczenia i sygnału |
| Skorelowane systematyczne | Wspólne wejście niepewności | Jednostka sygnalizacji |
| Sygnał wstrzyknięty | Dane walidacyjne | Jednostka sygnalizacji |
| Znaczenie lokalne i dostosowane | Diagnostyka zależna | σ lub prawdopodobieństwo |
Kolumny obserwacji
Przeanalizuj
- 1. Który wyraz niepewności uśredni się w dół?
- 2. Czy rurociąg odzyskał znane wstrzykiwanie w granicach tolerancji?
- 3. Dlaczego lokalne wykrycie może stać się globalnym niewykryciem?
- 4. Jaka decyzja musi zostać zamrożona przed odblokowaniem oślepienia?
Rama wniosku
Potok generował lokalne ___ i korygował ___ w zależności od przeszukiwań ___; odzyskiwanie z wszczepów wynosiło ___, więc decyzja zarejestrowana to ___.
Przewodnik prowadzącego · 55–75 minut
Nauczaj badania, nie interfejsu
Cel: Uczący się traktują zaślepienie, skorelowaną niepewność, odzyskiwanie z zastrzyków oraz korekcję wielokrotności jako jeden z dowodów, a nie opcjonalne ostrzeżenia po założeniu.
Przygotowanie
- • Zdefiniuj decyzję analizową przed ujawnieniem wyniku, który modelował.
- • Przygotuj jedną nieudaną skrzynkę.
- • Rozróżnij prawdopodobieństwo lokalne od rodzinnego.
Kroki prowadzenia
- • Zapytaj, jakie wybory zostały podjęte przed odblokowaniem oślepienia.
- • Nie pozwól, by liczba prób usuwała wspólną systematykę.
- • Wymagaj oświadczenia decyzyjnego nawet dla interesującej reszty.
Dostępność i udział
- • Przekładaj prawdopodobieństwa na częstotliwości, nie przesadzając z pewnością.
- • Dostarcz drzewo decyzyjne w formie tekstu i diagramu.
- • Umożliwić wsparcie dla kombinacji niepewności w arkuszu kalkulacyjnym lub kalkulatorze.
Dowody uczenia się
- • Zamrożona decyzja analizy
- • Poprawne wyjaśnienie błędu skorelowanego
- • Wniosek świadomy wstrzyknięcia i wielokrotności
Sprawdzenie błędnych wyobrażeń
Wystarczająco dużo powtarzających się prób eliminuje wszelkie niepewności.
Niezależny szum uśrednia w dół; skorelowane błędy i błąd modelu wymagają oddzielnych kontrol lub granic.
Mała lokalna wartość p okazuje się preferowanym mechanizmem.
Zmiany wielokrotności wyszukiwania zaskakują, a atrybucja mechanizmu wymaga rozróżniających przewidywań i kontroli.
Rozszerzenie
Zaprojektuj wcześniej zarejestrowaną replikację dwóch laboratoriów z wspólnym protokołem iniekcji i niezależnymi zespołami analitycznymi.