提出假设

假设是你能检验的具体预测，通常用“如果……那么……”把原因和结果连起来。它不只是猜测：好的假设必须有可能被证伪，也就是你能通过观察或实验发现它是错的。例如，“如果我每天给这株植物浇水，那么它的生长速度会是每周浇一次水的植物的两倍”，这个预测就能测量。试试这样：选一个你相信的观点，把它改写成一个有可能被证明是错的“如果……那么……”预测。

提出假设可以按清楚的步骤来：先找出两个变量之间的具体关系，比如“添加进度条”和“完成率”；再说明你改变其中一件事后，预计会发生什么。好的假设会说清楚什么会变、变化多少，以及在什么条件下变化。这样，模糊的想法就成了能检验、能指导行动的说法。

假设的关键在于它能否被证伪。哲学家卡尔·波普尔认为，科学主张必须允许人们找到证明它可能是错的证据。“用户更喜欢简洁的设计”就难以检验，因为“更喜欢”和“简洁”都没有明确含义。但“如果我们把表单字段从8个减到4个，提交率会至少提高15%”给出了精确预测，检验后就能看出它是否成立。说得清楚，才能避免把时间花在无法检验的想法上。

你在很多地方都能看到好的假设。商业领域：“如果订单满50美元就免运费，平均购物车金额会增加12美元。”健康领域：“如果患者在感冒季每天服用500毫克维生素C，症状持续时间会至少缩短20%。”教育领域：“如果学生采用间隔提取练习，而不是反复阅读，考试成绩会至少提高一个等级。”每个例子都说明了要采取什么做法、用什么衡量结果，以及预计结果会朝哪个方向变化。

检验假设后，无论预测对不对，你都能学到东西。如果假设得到支持，你就有证据扩大方案的应用；如果假设被否定，你就能避免继续投入无效的做法，也能看出自己还有哪里没弄明白。这就是为什么提出可检验的预测是通过实验学习的基础。

关于如何提出假设的研究强调，以已有证据为基础的可检验预测，更有助于推动可靠的科学进展。Gasparyan等人（2021）发现，与推测性的主张相比，有文献和初步数据支持的假设更有可能经受住严格检验 [1]。同样，针对研究实践的研究表明，明确可证伪的假设有助于减少确认偏误，让各学科更客观地评估证据 [2]。

假设演绎法围绕假设推导出可检验的预测，再系统地尝试推翻这些预测。它仍是自然科学和社会科学实验设计中的主流框架 [3]。科学哲学家指出，虽然不存在一种放之四海而皆准的方法，但提出具体、可证伪的主张，是严谨研究与单纯猜测的重要区别 [4]。

• Gasparyan等人（2021）：有效的假设必须有证据依据，能用现有方法检验，并且在伦理上可行；随意猜测或无法检验的推测很少能增进科学知识 [1]。
• 《斯坦福哲学百科全书》（2025）：惠威尔提出、波普尔进一步完善的假设演绎法，以从假设推导出可观察的结果并尝试证伪为核心，而不是寻求证实 [3]。
• Hoyningen-Huene（2013）：科学知识与日常知识的主要区别在于系统性：更审慎地排除其他可能、更详细地作出预测，以及更严格地检验主张 [4]。

并非所有有价值的研究都适合用检验假设的方式开展。探索性和描述性研究旨在发现规律、提出问题，而不是检验预先设定的预测。在基因组学和数据科学等领域，不预设假设的研究方法带来了一些重要发现，而有针对性的检验可能会错过它们。此外，有些复杂现象难以归结为简单的“如果……那么……”预测。生态系统、社会运动和人类行为往往涉及太多相互作用的变量，很难提出明确的因果假设。最后，要求假设必须可证伪，也可能过早排除对某些现象的有效研究，因为用现有方法暂时很难测量或检验这些现象。