مفت Hypothesis Generator مطابق، قابلِ تردید جوڑوں کی صورت میں لکھا گیا

alternative hypothesis (H1) آپ کی اصل پیش گوئی بیان کرتا ہے: کوئی اثر، فرق یا تعلق موجود ہے۔ null (H0) اس کا قطعی الٹ بیان کرتا ہے: کچھ بھی نہیں۔ significance test null کے گرد بنایا جاتا ہے، اور یہ پوچھتا ہے کہ اگر null دنیا کی حقیقی حالت ہوتا تو آپ کا data کتنا غیر متوقع دکھائی دیتا، اسی لیے اپنے بالکل مماثل null کے بغیر alternative صرف ایک working hypothesis کا آدھا حصہ ہے۔ یہ tool ایک کو دوسرے کے بغیر واپس نہیں کرے گا۔

ایک directional (one-tailed) مفروضہ یہ طے کرتا ہے کہ اثر کس سمت میں چلتا ہے، مثلاً یہ کہ ورزش resting heart rate کو کم کرتی ہے۔ ایک غیر directional (two-tailed) مفروضہ صرف یہ دعویٰ کرتا ہے کہ heart rate میں تبدیلی آئے گی، بغیر یہ بتائے کہ سمت کون سی ہے۔ directional صرف تب منتخب کریں جب نظریہ یا سابقہ شواہد واقعی ایک ہی سمت کی طرف اشارہ کرتے ہوں، کیونکہ یہ کمٹمنٹ ایک قیمت رکھتی ہے، منتخب شماریاتی ٹیسٹ اسی سے اخذ ہوتا ہے، اور اگر اثر مخالف سمت میں چلے تو وہ finding کے بجائے null نتیجہ بن جاتا ہے۔ جب واقعی غیر یقینی ہوں تو non-directional زیادہ محفوظ ڈیفالٹ ہے۔

قابلِ آزمائش ہونے کا مطلب ہے کہ اس کے متغیرات ایسے آلات سے ناپے جا سکیں جو آپ کے پاس واقعی موجود ہوں، اور ایسے ڈیزائن کے اندر ہوں جسے آپ واقعی نافذ کر سکیں۔ قابلِ تردید ہونے کا مطلب ہے کہ کم از کم ایک حقیقی امکان ایسا ہو جو اس دعوے کے خلاف شمار ہو۔ ایسا بیان جس کی کوئی بھی ممکنہ نتیجہ تردید نہ کر سکے، مثلاً mindfulness کسی طرح wellbeing بدلتی ہے، دراصل مفروضے کے لباس میں ایک موضوع ہے۔ ایک عملی جانچ یہ ہے: کسی بھی data کے موجود ہونے سے پہلے، وہ عین نتیجہ جاتی صورتِ حال لکھ دیں جو آپ کو دعویٰ ترک کرنے پر مجبور کرے۔ اگر کچھ بھی اس معیار پر پورا نہیں اترتا، تو مفروضے کو مزید واضح کرنے کی ضرورت ہے۔

نہیں۔ مفروضے confirmatory quantitative work سے متعلق ہوتے ہیں، جہاں ایک design خاص طور پر کسی بیان کردہ پیش گوئی کو جانچنے کے لیے موجود ہو۔ exploratory projects اور زیادہ تر qualitative work اس کے بجائے research questions پر چلتے ہیں، اور ان پر زبردستی مفروضہ مسلط کرنا اس بات کی غلط نمائندگی کرتا ہے کہ study حقیقت میں کیا کر رہی ہے۔ اگر کسی project کے بارے میں شک ہو کہ وہ کس زمرے میں آتا ہے؟ پہلے research question لکھیں؛ اس کی نوعیت طے کر دے گی کہ اس کے بعد مفروضہ آتا ہے یا نہیں۔

ہاں، بشرطیکہ بیان میں دونوں متغیرات کا نام لیا جائے اور صاف طور پر کہا جائے کہ ایک سے دوسرے کے اثر میں تبدیلی متوقع ہے، مثلاً یہ کہ نیند کا ٹیسٹ اسکور پر اثر caffeine intake پر منحصر ہے۔ پھر generator اس مشترکہ دعوے کے گرد دونوں کا جوڑا بناتا ہے، بجائے اس کے کہ دونوں متغیرات کو الگ، غیر متعلقہ پیش گوئیوں کی طرح سمجھا جائے۔ اگر آپ interaction کو اپنے بیان میں غیر واضح چھوڑ دیں تو ٹول کے پاس اسے بنانے کے لیے کچھ نہیں ہوگا، اس لیے جوڑا جو وہ واپس کرے گا ہر متغیر کو اپنے طور پر جانچے گا۔

یہ ہمارے server پر بھیجی جاتی ہے، اور hypothesis pairs بنانے کے لیے ایک بار استعمال ہوتی ہے۔ اس کے بعد اس کے ساتھ کچھ اور نہیں ہوتا۔

اپنے متغیرات اور اپنا design واضح کریں: آپ کیا manipulate یا compare کریں گے، کیا ناپیں گے اور کس instrument سے، اور participants کون ہیں۔ output سختی سے انہی متغیرات کے اندر رہتا ہے جن کا آپ نے نام لیا ہے؛ generator کوئی mediating variable خود سے نہیں گھڑے گا جس کا آپ نے ذکر ہی نہ کیا ہو، اور نہ ہی کوئی effect size جو آپ نے ناپا ہی نہ ہو اس سے جوڑے گا۔ مبہم description جان بوجھ کر مبہم hypothesis واپس کرتی ہے، تاکہ اشارہ ملے کہ واپس جا کر چیزوں کو زیادہ دقیق طور پر نام دیں۔

نہیں، اور اسے ایسا نہیں کرنا چاہیے: درست test measurement scales، distributions اور design details پر منحصر ہوتی ہے، جنہیں صرف آپ جانتے ہیں۔ جو pairs آپ کو ملتے ہیں وہ اس فیصلے کے لیے input دیتے ہیں، کیونکہ directionality one-tailed اور two-tailed testing کا فیصلہ کرتی ہے، اور null کی exact wording بتاتی ہے کہ آپ کی test کو کس چیز کو رد کرنے کے قابل ہونا چاہیے۔ اس کے بعد انتخاب methods textbook یا آپ کے advisor کا معاملہ ہے۔