En fråga om olika förekommande forskning metoder

[unik]

@Pilatus

Illustrerar och lyfter fram liknelser inom andra områden där vi sysselsätter oss med sådant vi tagit lärdom av proffs som livnär sig på sin profession.

Vi föreställer oss sedan att vanlig förekommande forskning ställer upp en problemställning eller en förundran över något dom vill belysa, urskilja och särskilja. Benar ut plus och minus för vad som förefaller vara fallet med utgångspunkten med problemställningen.
Härur kan man komma fram till oväntade slutsatser som kan liknas vid ett uppvaknande eller så fallerar alltsammans.
Och under hela kvantitiva eller kvalitativa metoden får man inte anpassa och falla offer för Curve-fitting.

Och så var det dags för vår illustration med en följdfråga.
Finns det olika vetenskapliga grenar och fältstudier som först och främst samlar in data rörande intresse områden utan påverka miljön eller research arbetet. Som att fånga olika företeelser som kan liknas vid ett insamling av brus-fält av data som är aktuellt för intresse området. Sedan letar man fram ur det bruset av omanipulerad data med att hitta avvikelser och olika mönster som inte passar in med den förväntade normen, föreställningsvärlden som rått innan eller som råder med vår samtid.

Illustration - Fotboll Data Insamling
Vi sätter en urvalsprocess med följande parametrar

Hur ofta sker ett mål under andra halvlek?

Vi kollar % för över 1,5 mål full matchtid
Över 2,5 mål
Över 3,5 mål

Kollar medianen av varje enskild parameter
Och får ett snitt som huserar 50/50%
Där huserar vi nu för hitta avvikelser eller en udd som ger egenvärde och mervärde

Nu kan vi kolla huruvida ett andra mål sker mer ofta eller mindre när halvtid är spelad med 0-0, 0-1, 1-0, 1-1 resultat och med eller utan alla halvtidsresultat oavsett målmängd första halvlek

Ger vissa högre träff- frekvens än andra förutsättningar
Och vi kan även justera det mediala värdet med några % punkter och utvärdera olika data för uppnå en frekvens av många andra halvleks - mål

Brus - avvikelser - signaler

Ur fritt tänk och laborerande kan en oväntad parameter sticka ut som att den rådande favoriten oavsett borta eller hemma med odds 2,0 eller lägre ger och gör en % skillnad med utfall

Utan att avslöja det färdiga filtret, så visar det sig med 500 matcher att oavsett halvtidsresultatet, så får man en EDGE om oddset är 1.2+ vid halvtid för ett andra mål under andra halvlek, då träff % har påvisat att det finns en positiv förväntan med mervärde

Sedan ur datan som sorterat olika urvals-parametrar
Kan det visa sig att ett första mål sker vid och som oftast efter 20 minuter med föreliggande urval och kan de i relation träff % och odds ge fördelaktiga mervärden kan den resultera i att vara mer attraktiv än spela på ett mål andra halvlek

Vet inte om alltsammans blev otydligt men försöker sammanfatta.
Du samlar in all möjlig data som ett data-kludd eller data-brus-fragment.
Sedan ur dess datamängd försöker du hitta avvikelser och mönster som kan vara fördelaktiga för det man efterfrågar eller efter söker.

V

[unik]

AI generat svar - kanske finns ytterligare metoder som har likheter.

induktiv ansats eller explorativ dataanalys (EDA). Istället för att utgå från en färdig hypotes, samlar man först in stora mängder omanipulerad data (”bruset”) för att sedan upptäcka mönster, avvikelser och anomalier

Tycker detta är jätte spännande, arbetsmetoder.

Vetenskapliga grenar och fältstudier utan påverkan
För att samla in data utan att störa miljön (det du kallar omanipulerat brus) använder vetenskapen metoder som kallas icke-reaktiva eller dolda observationer. Forskaren är här en fluga på väggen.

* Astronomi och Astrofysik: Det ultimata exemplet på din beskrivning. Forskare kan inte manipulera stjärnor. De riktar teleskop mot rymden och samlar in ett gigantiskt "brus" av kosmic strålning, ljus och radiovågor. Ur detta brus letar de efter mönster, till exempel exoplaneter som passerar en stjärna (en liten regelbunden avvikelse i ljusstyrka).

* Meteorologi och Klimatforskning: Här samlas enorma mängder rådata in (temperatur, vind, lufttryck) dygnet runt. Forskare letar efter avvikelser från den förväntade normen (anomalier) för att upptäcka nya vädermönster eller klimatförändringar.

* Kvantitativ Ekologi och Biologi: Genom att använda kamerafällor eller spåra djur via GPS samlar man in data om rörelsemönster utan att störa djurlivet. Därefter analyserar man datan för att hitta dolda beteendemönster.

[Pilatus]

@Pilatus

Illustrerar och lyfter fram ...

Jag ser inte att du formulerat någon fråga unik.

[unik]

@Pilatus

Illustrerar och lyfter fram ...

Jag ser inte att du formulerat någon fråga unik.

Kan du ge ytterligare exempel på vetenskapliga metoder som använder något av dom arbetsmetoder som nämnts.

Såsom

induktiv ansats eller explorativ dataanalys (EDA). Istället för att utgå från en färdig hypotes, samlar man först in stora mängder omanipulerad data (”bruset”) för att sedan upptäcka mönster, avvikelser och anomalier

Tack för vänligheten

Tillägg - det är precis så yrkesspelare inom sport och trading hittar värde/value och som kan resultera med en EDGE.
Likaså inom kasino världen.

Måste väl även förekommit historiskt även om det då inte kallades EDA såsom Darwin’s utforskande världen/djuren och hur en slump blev upptäckten av antibiotikan .

[Pilatus]

Kan du ge ytterligare exempel på vetenskapliga metoder som använder något av dom arbetsmetoder som nämnts.

Ja, deduktiv slutledning. premiss Newtons gravitationslag är sann. men Uranus bana avviker från vad lagen förutsäger.

Därför Urbain Le Verrier funderade och antog: Om Newtons lag är korrekt, måste avvikelsen bero på en okänd planet som stör Uranus. Så han satte sig vid sitt arbetsbord och började räkna på planetens massa, dess avstånd, dess position på himlen.

Johann Gottfried Galle och Heinrich Louis d'Arrest riktade teleskopet i Berlinobservatoriet exakt dit Le Verrier pekat. Och där fann de en planet, Neptunus. Det var den 23 september 1846.

d’Arrest metod blev att han upptäckte att ett ljuspunkt inte fanns med på kartan och att den nästa kväll hade flyttat sig.

Fraunhofer‑teleskopet vid Berlin Observatoriet.png (137.85 KiB) Visad 223 gånger

[unik]

Fantastiskt