آزمایشگاه آزاد؛ بدون نیاز به ورود
آزمایش کنترل‌شده؛ چرا هر بار فقط یک متغیر رو عوض می‌کنیم؟
اگه هم‌زمان آب و نور رو بیشتر کنی و قد گیاه بالا بره، می‌فهمی کدوم تغییر اثر گذاشته؟ این شبیه‌سازی نشون می‌ده چرا جدا کردن تغییرها کمک می‌کنه.
آزمایش رو شروع کناول همهٔ گزینه‌ها رو خاموش کن و عددها رو ببین. بعد فقط یک عامل رو روشن کن و نتیجه رو با حالت قبل بسنج.
آزمایشگاه در حال آماده شدنه…
حالا خودت امتحان کن
هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.
فقط آب رو بیشتر کن
هر سه گزینه رو خاموش کن و ارتفاع و درصد نمایش‌داده‌شده رو یادداشت کن. بعد فقط «افزایش میزان آب» رو روشن کن و دوباره بخون.
حدست چیه؟ با روشن کردن فقط آب، ارتفاع مدل چقدر عوض می‌شه و درصدش چه تغییری می‌کنه؟
توضیح نتیجه رو ببین
عدد ارتفاع از ۱۲ به ۲۲ سانتی‌متر می‌رسه و درصد از ۵۰ به ۱۰۰ می‌ره. این‌ها خروجی قانون‌های سادهٔ همین شبیه‌سازی‌ان، نه اندازه‌گیری یک گیاه واقعی. چون فقط آب رو عوض کردی، توی این مدل می‌تونی افزایش ۱۰ سانتی‌متری رو به همین گزینه ربط بدی.
اثر نور و دما رو جدا ببین
یک بار فقط «افزایش شدت نور» رو روشن کن و عدد ارتفاع رو یادداشت کن. بعد نور رو خاموش کن و فقط «افزایش دما» رو روشن کن؛ بقیهٔ گزینه‌ها خاموش بمونن.
حدست چیه؟ کدوم تغییر در این مدل عدد ارتفاع بیشتری می‌سازه؛ نور یا دما؟
توضیح نتیجه رو ببین
حالت نور ۲۰ سانتی‌متر و حالت دما ۱۸ سانتی‌متر نشون می‌ده. هر بار فقط یک گزینه روشن بوده و درصد در هر دو حالت ۱۰۰٪ می‌شه. اختلاف دو سانتی‌متری از امتیازهای ازپیش‌تعیین‌شدهٔ مدل می‌آد؛ ازش نمی‌شه نتیجه گرفت نور همیشه برای گیاه واقعی از دما مهم‌تره.
دو تغییر رو با هم روشن کن
فقط آب رو روشن کن و ارتفاع رو بخون. بعد آب رو روشن نگه دار و نور رو هم روشن کن؛ دما خاموش بمونه. دو خروجی رو با هم مقایسه کن.
حدست چیه؟ وقتی نور رو هم اضافه کنی، عدد قد و درصد نمایش‌داده‌شده چه تغییری می‌کنن؟
توضیح نتیجه رو ببین
آب به‌تنهایی ۲۲ سانتی‌متر و ۱۰۰٪ می‌ده؛ آب و نور با هم ۳۰ سانتی‌متر و ۳۰٪. اینجا مدل ۸ سانتی‌متر به قدِ فرضی اضافه می‌کنه، ولی درصدِ «شفافیت اثر» رو فقط از تعداد گزینه‌های روشن حساب می‌کنه. این درصد، اطمینان علمی یا اندازه‌گیری واقعی نیست؛ وقتی دو عامل با هم عوض می‌شن، این اجرا هم نمی‌گه سهم هرکدوم جداگانه چقدره.
پشت این حرکت چه خبره؟
متغیر مستقل یعنی چی؟
متغیری که خودت در آزمایش تغییر می‌دی، متغیر مستقله؛ چیزی که اندازه می‌گیری، مثل ارتفاع گیاه، متغیر پاسخ یا وابسته‌ست. اگه چند عامل رو با هم عوض کنی، جدا کردن اثر هرکدوم سخت‌تر می‌شه.
حالت پایه به چه درد می‌خوره؟
یک حالت پایه بساز و شرایط دیگه رو تا جای ممکن یکسان نگه دار. بعد یک عامل رو تغییر بده و تفاوت رو اندازه بگیر. گیاه‌های واقعی هم با هم فرق دارن؛ برای نتیجهٔ محکم‌تر، آزمایش رو چند بار با روش یکسان تکرار کن.
این عددهای گیاه واقعین؟
h=12+8L+10W+6T
نه؛ اینجا قد از یک عدد پایه و چند امتیاز ثابت ساخته می‌شه. روشن کردن نور ۸، آب ۱۰ و دما ۶ سانتی‌متر به عدد پایه اضافه می‌کنه. درصدِ شفافیت هم فقط با تعداد گزینه‌های روشن عوض می‌شه و احتمال یا اطمینان آماری رو نمی‌سنجه.
سؤالت رو بپرس، جوابش رو هم ببین
وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.
شروع یادگیری با چتبرای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.
نمونهٔ نمایشی از آموزش در چت
اگه هم آب رو بیشتر کنم هم نور رو، از قد بلندتر می‌فهمم کدوم اثر گذاشته؟
نه، از یک مقایسه که دو چیز با هم عوض شدن نمی‌فهمی سهم هرکدوم چقدره. یک حالت پایه نگه دار، بعد آب رو تنها تغییر بده و در آزمایش جدا نور رو تنها عوض کن. برای گیاه واقعی هم چند بار تکرار کن و شرایط دیگه رو تا جایی که می‌شه یکسان نگه دار. این شبیه‌سازی فقط ایدهٔ مقایسه رو نشون می‌ده و قد واقعی گیاه رو حساب نمی‌کنه.
سؤال‌های رایج
چرا توی آزمایش هر بار یک عامل رو عوض می‌کنیم؟
چون اگه چند عامل هم‌زمان تغییر کنن، معلوم نیست هرکدوم چه سهمی در نتیجه داشتن. با ثابت نگه داشتن بقیهٔ شرایط، فهمیدن تفاوت راحت‌تر می‌شه؛ البته تکرار و اندازه‌گیری درست هم لازمه.
گروه کنترل یا حالت پایه یعنی چی؟
حالت یا گروهیه که عامل آزمایشی رو دریافت نمی‌کنه و برای مقایسه نگهش می‌داری. این شبیه‌سازی گروه واقعی نداره؛ خاموش بودن گزینه‌ها فقط نقش حالت پایه رو برای مقایسه بازی می‌کنه.
ارتفاعی که می‌بینم، قد واقعی گیاهه؟
نه. این مدل با چند امتیاز ثابت یک عدد می‌سازه؛ رشد در گذر زمان یا نیاز واقعی گیاه رو شبیه‌سازی نمی‌کنه.
برای آزمایش واقعی یک بار کافیه؟
یک بار ممکنه تحت‌تأثیر اتفاق یا تفاوت گیاه‌ها باشه. چند تکرار با روش و اندازه‌گیری یکسان کمک می‌کنه ببینی نتیجه پایدار هست یا نه.