Método científico

 Nota: Este artigo é sobre o conjunto de princípios e procedimentos da investigação científica. Para a pesquisa em sentido amplo, veja Pesquisa. Para o estudo filosófico do conhecimento, veja Epistemologia.

Método científico
Observar, formular hipóteses, testar e rever explicações.
Área	Ciência e filosofia da ciência
Elementos	Observação, hipóteses, previsões e experimentos
Objetivo	Construir e avaliar explicações testáveis
Características	Investigação empírica, crítica e iterativa

O método científico reúne formas de obter conhecimento pela observação cuidadosa, pelo exame crítico das ideias e pelo teste de hipóteses, com validação experimental. Seu caráter empírico exige confrontar as explicações com o que se observa, para avaliar se elas dão conta dos fenômenos estudados.

Uma investigação pode partir de uma pergunta e de uma hipótese, formulada pelo raciocínio indutivo ou por outras formas de inferência. Os pesquisadores deduzem as consequências lógicas dessas conjecturas, fazem previsões e as comparam com observações ou experimentos. A análise dos resultados, que pode empregar estatística, permite ajustar ou descartar a hipótese. Os procedimentos variam entre as áreas da ciência, embora esse processo seja frequente.

Os pressupostos de quem investiga podem distorcer a interpretação do que se percebe, por isso as conclusões precisam permanecer abertas ao exame crítico. Métodos e resultados são comunicados para que outros pesquisadores possam avaliá-los, questioná-los e, quando aplicável, reproduzi-los. A verificação coletiva permite corrigir erros e rever explicações diante de novas evidências.

Desenvolvido a partir de práticas antigas e medievais, o método científico caracteriza a ciência desde pelo menos o século XVII. Ele reúne princípios gerais, sem impor uma sequência fixa de etapas. Nem todos os procedimentos ocorrem em cada investigação científica, na mesma ordem ou com o mesmo peso. Descobertas também podem partir de resultados inesperados ou de encontros ocasionais, que os pesquisadores reconhecem e investigam.

Conceito e alcance

O método científico orienta o trabalho dos pesquisadores, que usam o conhecimento anterior para aprofundar a compreensão dos assuntos estudados. A investigação pode reunir explicações antes separadas e construir uma compreensão comum, como ocorre em outras formas de buscar conhecimento.

A investigação procura obter conhecimento por meio de explicações testáveis que permitam prever resultados de experimentos futuros. A compreensão dos mecanismos que produzem os fenômenos também pode permitir intervenções, por exemplo, para curar uma doença. Uma explicação que prevê resultados com mais exatidão costuma ser mais útil e pode explicar as evidências melhor que suas alternativas. Explicações que dão conta dos fenômenos e fazem previsões exatas em circunstâncias muito diferentes são frequentemente chamadas de teorias científicas.

Para descrever fenômenos, explicar suas relações, prever resultados ou intervir em processos e sistemas, os pesquisadores escolhem ferramentas e formas de obter evidências conforme as perguntas e os objetos de estudo.

Hipóteses, modelos, leis e teorias

Hipóteses, modelos, leis e teorias cumprem funções diferentes na construção do conhecimento, como mostra a tabela.

Conceito	Função na investigação
Hipótese	Formulação provisória que pode ser confrontada com observações ou experimentos.
Modelo científico	Representação de um sistema ou processo usada para construir explicações e fazer previsões. Pode assumir a forma de diagramas, objetos físicos, relações matemáticas ou simulações.
Lei científica	Descrição de regularidades ou relações entre fenômenos sob determinadas condições.
Teoria científica	Explicação sustentada por um conjunto de evidências, que pode reunir fatos, leis, inferências e hipóteses testadas.

Uma teoria não se transforma em lei apenas por acumular confirmações, pois esses termos designam funções diferentes, e não degraus de uma escala. Leis, modelos e mecanismos podem fazer parte da elaboração e da avaliação de uma teoria.

Dados, evidências e argumentação

Ao registrar mortes por cólera e fontes de água em Londres, John Snow usou um mapa para examinar sua distribuição e tornar visíveis os padrões espaciais nos dados.

Observações e medições produzem registros chamados de dados, que podem ser analisados para encontrar padrões, relações e fontes de erro. Esses registros são usados como evidência quando ajudam a avaliar uma afirmação ou explicação. Para isso, é preciso verificar sua qualidade e sua relação com a pergunta investigada.

Uma argumentação científica mostra o caminho dos dados às conclusões, ao apresentar as inferências feitas, os pressupostos adotados e as razões pelas quais os dados sustentam uma interpretação. Precisa também esclarecer como outras explicações possíveis foram examinadas. Os dados obtidos na coleta e a conclusão extraída deles são partes distintas desse trabalho.

Dedução, indução e abdução

Ver artigos principais: Método dedutivo e Método indutivo

No raciocínio dedutivo válido, a conclusão decorre necessariamente das premissas e será verdadeira se elas também forem. O raciocínio indutivo parte de observações para construir princípios gerais, mas suas conclusões são prováveis, sem garantia de verdade. A indução permite formular hipóteses, e a dedução permite prever consequências que podem ser testadas. O exame crítico das observações exige cuidado com as ideias anteriores do observador, que podem distorcer a interpretação das primeiras percepções.

A investigação emprega a indução para propor generalizações a partir de observações e a dedução para extrair consequências das premissas.

Na biologia, em que há poucas leis gerais, a busca da explicação mais plausível por inferência lógica, chamada de raciocínio abdutivo, às vezes ocupa o lugar da dedução. A escolha depende dos pressupostos disponíveis, pois deduções válidas exigem que eles estejam bem estabelecidos.

Processo de investigação

O esquema reúne hipóteses, previsões e testes em um processo de revisão, sem estabelecer uma sequência obrigatória para toda pesquisa.

Os componentes abaixo são frequentes em investigações que formulam e testam hipóteses, embora o método científico possa ser apresentado de diferentes maneiras. Essa classificação não abrange todas as atividades da comunidade científica nem estabelece uma separação rígida entre ciências experimentais e ciências sociais. A revisão contínua das informações pode fazer da investigação um processo cíclico e iterativo. Observações, hipóteses, previsões e experimentos participam desse trabalho em combinações que dependem da pesquisa:

• Caracterizações, por meio de observações, definições e medições do objeto investigado.
• Hipóteses, ou explicações teóricas e hipotéticas das observações e medições.
• Previsões, obtidas pelo raciocínio indutivo e dedutivo a partir de uma hipótese ou teoria.
• Experimentos, que testam os elementos anteriores.

A revisão por pares permite que outros especialistas examinem os métodos e resultados em busca de possíveis erros. As atividades dessa lista fazem parte de pesquisas experimentais de física, química, biologia e psicologia, entre outras, mas não abrangem tudo o que os cientistas fazem. No sistema educacional, costumam ser ensinadas como "o método científico".

Os quatro elementos anteriores podem ser organizados em uma orientação para a pesquisa que permita voltar a etapas anteriores e ajude a resolver os problemas da investigação:

1. Definir uma pergunta.
2. Reunir informações e recursos, por meio da observação.
3. Formular uma hipótese explicativa.
4. Testar a hipótese com um experimento e coletar dados de maneira reprodutível.
5. Analisar os dados.
6. Interpretar os dados e chegar a conclusões que possam dar origem a uma nova hipótese.
7. Publicar os resultados.
8. Repetir os testes, frequentemente por outros cientistas.

O ciclo iterativo dessa organização percorre os pontos 3 a 6 e retorna ao ponto 3.

Embora esse esquema apresente um método típico de formulação e teste de hipóteses, filósofos, historiadores e sociólogos da ciência, entre eles Paul Feyerabend, criticam sua apresentação como uma descrição universal da maneira como a ciência é feita.

Exemplo de investigação: a febre puerperal

Ao investigar a elevada mortalidade por febre puerperal no Hospital Geral de Viena, no século XIX, Ignaz Semmelweis comparou duas divisões de maternidade e examinou possíveis explicações para a diferença entre elas. Em maio de 1847, introduziu a desinfecção das mãos com uma solução de cal clorada.

Aspectos da investigação de Semmelweis

Aspecto	Aplicação ao problema
Observação e pergunta	A mortalidade era maior em uma divisão. Por que a diferença persistia entre duas divisões do mesmo hospital?
Exame de alternativas	Comparações e mudanças nos procedimentos não sustentaram explicações baseadas na superlotação ou na posição das mulheres durante o parto.
Hipótese	Material proveniente de cadáveres, transportado pelas mãos de médicos e estudantes após autópsias, provocaria a doença.
Previsão e teste	Se esse material causava as infecções, sua remoção das mãos antes dos exames deveria reduzir a mortalidade.
Resultado	Após a adoção da desinfecção, a mortalidade diminuiu.
Revisão da explicação	Novos casos levaram Semmelweis a reconhecer que material proveniente de pessoas vivas também podia transmitir a doença.

Nesse caso, a redução da mortalidade sustentava a previsão, mas não provava que a doença tivesse uma única origem. Novos casos exigiram ampliar a hipótese inicial. Carl Gustav Hempel usou a investigação de Semmelweis para explicar essa diferença entre o apoio das evidências e uma demonstração definitiva.

Perguntas e conhecimento prévio

Uma pergunta científica pode partir de uma observação específica, como "Por que o céu é azul?", ou procurar uma solução ainda não definida, como "Como posso desenvolver um medicamento para curar esta doença?". Para formular a pergunta, o pesquisador frequentemente precisa avaliar experimentos anteriores, suas próprias observações ou afirmações e o trabalho de outros cientistas. Se a resposta já for conhecida, as evidências disponíveis podem dar origem a outra pergunta. A escolha pode ser difícil, pois a pergunta orienta a investigação e interfere em seu resultado.

Caracterização, observação e medição

Instrumentos de medição permitem caracterizar os objetos de pesquisa com maior precisão, mas seus limites precisam ser considerados ao interpretar os resultados.

A descoberta da estrutura do DNA, entre 1944 e 1953, permite acompanhar os elementos básicos do método científico em uma investigação. Os trechos desse exemplo aparecem recuados e identificados pelo símbolo .

A caracterização de um objeto investigado, também chamado de "problema não resolvido" ou "incógnita", se torna mais detalhada conforme a investigação avança. Benjamin Franklin, por exemplo, comparou as propriedades da eletricidade atmosférica com as da eletricidade produzida por atrito e utilizou instrumentos para estudar as nuvens de tempestade. A busca das propriedades relevantes pode exigir definições e observações feitas com medições cuidadosas ou contagens, que podem compor uma ampla pesquisa empírica.

Em áreas como a química e a biologia, a coleta cuidadosa e sistemática de medições ou contagens permite reunir os dados da investigação. As medições costumam ser organizadas em tabelas, gráficos ou mapas e analisadas por métodos estatísticos, como correlação e regressão. Podem ser feitas em um ambiente controlado, como um laboratório, ou envolver objetos pouco acessíveis ou difíceis de manipular, como estrelas e populações humanas. Muitas medições exigem instrumentos científicos especializados, como termômetros, espectroscópios, aceleradores de partículas e voltímetros. A invenção e o aperfeiçoamento desses instrumentos costumam acompanhar o avanço da área científica que os utiliza.

"Não tenho o costume de afirmar algo com certeza depois de apenas uma ou duas observações."
André Vesálio, 1546.

Em 1950, sabia-se que a herança genética tinha uma formulação matemática, iniciada pelos estudos de Gregor Mendel, e que o DNA continha informação genética, o "princípio transformante" de Oswald Avery. Não estava claro, porém, como essa informação era armazenada no DNA na forma de genes. Pesquisadores do laboratório de Bragg, na Universidade de Cambridge, produziam imagens de difração de raios X de diferentes moléculas, começando por cristais de sal e passando a substâncias mais complicadas. As pistas reunidas ao longo de décadas, a começar pela composição química, permitiram concluir que seria possível caracterizar a estrutura física do DNA e que as imagens de raios X seriam o meio para isso.

Definição dos conceitos

Distinguir massa e peso, que se confundem na linguagem cotidiana, ajuda a formular e comunicar problemas científicos com definições precisas.

Na linguagem cotidiana, massa e peso têm sentidos que se sobrepõem, mas, na mecânica, designam grandezas diferentes. Ao empregar um termo, a ciência pode precisar de uma definição diferente daquela usada na fala comum. Para comunicar uma medição, também é necessário informar o que foi medido e sua unidade de medida.

A necessidade de definir melhor certos termos pode levar ao desenvolvimento de novas teorias, como ocorreu no primeiro artigo de Albert Einstein sobre a relatividade. Ele começa por definir a simultaneidade e os meios de determinar o comprimento. Isaac Newton havia escrito: "Não defino tempo, espaço, lugar e movimento, pois são bem conhecidos de todos". No escólio que vem depois, Newton distingue o tempo e o espaço absolutos de suas medidas relativas. Para definir a simultaneidade de eventos distantes, Einstein introduziu um procedimento de sincronização de relógios.

Nos estudos da consciência, Francis Crick achou mais fácil investigar a percepção consciente no sistema visual que o livre-arbítrio, por exemplo, e advertiu que definir algo ainda pouco compreendido pode ser prematuro. O gene oferecia um motivo para essa cautela, pois era muito menos compreendido antes da descoberta da estrutura do DNA por Watson e Crick. Dedicar muito tempo à sua definição antes dessa descoberta poderia atrapalhar a investigação.

Formulação de hipóteses

Artigo principal: Formação de hipóteses.

Ao representar relações evolutivas em forma de árvore neste esboço de 1837, Charles Darwin organizou visualmente ideias sobre a origem das espécies.

Uma hipótese propõe uma explicação para um fenômeno ou uma afirmação fundamentada sobre uma possível correlação entre fenômenos. Ela parte do conhecimento obtido na busca de respostas à pergunta investigada e pode ser específica ou abranger um conjunto amplo de ocorrências. Sua formulação pode usar palavras ou um modelo matemático. Uma hipótese pode atribuir uma característica a uma ocorrência do fenômeno estudado, na forma de um enunciado existencial. Também pode propor uma explicação causal que atribua uma característica a todas as ocorrências, na forma de um enunciado universal.

A criatividade, as ideias de outras áreas, o raciocínio indutivo e a inferência bayesiana estão entre os recursos que os cientistas podem usar para imaginar explicações. Albert Einstein resumiu essa dificuldade ao afirmar que "não há uma ponte lógica entre os fenômenos e seus princípios teóricos". Ao retomar Aristóteles nos Analíticos anteriores, livro II, capítulo 25, Charles Sanders Peirce chamou de raciocínio abdutivo as primeiras etapas da investigação, nas quais a "irritação da dúvida" leva a uma suposição plausível.^{II, p. 290} Há muitos relatos de cientistas que tiveram um "lampejo de inspiração" ou um palpite e passaram a buscar evidências que confirmassem ou refutassem a ideia. Michael Polanyi colocou essa criatividade no centro de sua discussão sobre metodologia.

William Glen escreveu:

"O sucesso de uma hipótese, ou sua utilidade para a ciência, não está simplesmente em sua suposta 'verdade' ou na capacidade de substituir, incorporar ou reduzir uma ideia anterior, mas talvez sobretudo na capacidade de estimular a pesquisa que esclarecerá... suposições sem fundamento e pontos pouco claros."
William Glen, The Mass-Extinction Debates.

Para reduzir o viés de confirmação provocado pela consideração de uma única hipótese, a inferência forte enfatiza a necessidade de considerar hipóteses alternativas e de evitar artefatos.

O método científico exige inteligência, imaginação e criatividade e forma um ciclo contínuo de desenvolvimento de modelos e métodos mais úteis, precisos e abrangentes.

Na escolha entre hipóteses com capacidade explicativa semelhante, a simplicidade e a elegância podem servir como critérios de avaliação.

Linus Pauling propôs que o DNA poderia ter uma tripla hélice. Francis Crick e James Watson também consideraram essa hipótese, mas a descartaram. Quando souberam da proposta de Pauling, perceberam, pelos dados disponíveis, que ela estava errada e que Pauling logo admitiria as dificuldades daquela estrutura.

Criatividade e acaso nas descobertas

Artigo principal: Papel do acaso nas descobertas científicas.

Ao perceber que bactérias morriam perto do bolor que contaminara uma cultura, Fleming encontrou no imprevisto o caminho para a descoberta da penicilina.

Nos laboratórios, resultados inesperados podem levar a descobertas científicas quando os pesquisadores examinam suas possíveis causas e trabalham com colegas para compreendê-los. Os próprios cientistas dos séculos XIX e XX reconheceram o papel da sorte e da serendipidade. A frase "A sorte favorece a mente preparada", atribuída a Louis Pasteur, também deu origem à pergunta sobre o que significa estar "preparado para a sorte" na ciência. Pesquisas em psicologia examinam como os cientistas aprendem heurísticas para aproveitar o acaso e o inesperado. Nassim Nicholas Taleb chama de "antifragilidade" a capacidade de sistemas se beneficiarem da variabilidade e de perturbações, além de resistirem a elas. Essa distinção não significa que todo erro humano ou viés favoreça uma investigação científica.

Um resultado inesperado pode ser interpretado inicialmente como falha do experimento, levando o pesquisador a tentar corrigir o que julga ser um erro do método. Se o resultado persiste de forma sistemática, pode parecer recorrente demais para ser coincidência. O controle dos procedimentos, a cautela e a curiosidade ajudam a perceber esses erros persistentes e a procurar explicações teóricas, muitas vezes com colegas de outras especialidades.

Previsões e consequências testáveis

As fotografias do eclipse de 1919 permitiram comparar o desvio observado da luz das estrelas com a previsão da relatividade geral.

Ver também: Previsão

Uma hipótese útil permite fazer previsões por meio do raciocínio, inclusive o dedutivo, sobre o resultado de um experimento em laboratório ou a observação de um fenômeno natural. Previsões estatísticas podem expressar apenas a probabilidade dos resultados.

Ao avaliar uma evidência, é preciso distinguir as previsões feitas antes de conhecer os resultados das explicações construídas depois da observação. Essa diferença ajuda a compreender a separação entre investigação exploratória e confirmatória.

Quando as observações ou experiências disponíveis não permitem confrontar uma previsão com evidências, a hipótese ainda não pode ser testada por esses meios. Novas tecnologias ou teorias podem tornar os testes viáveis. A dificuldade prática de realizá-los, porém, não significa necessariamente que a hipótese não produza consequências testáveis.

Ao formular a hipótese de uma estrutura helicoidal para o DNA, James Watson, Francis Crick e outros pesquisadores podiam prever que seu padrão de difração de raios X teria a forma de um X. Essa previsão decorria do trabalho de Cochran, Crick e Vand e, de maneira independente, de Stokes. O teorema de Cochran–Crick–Vand–Stokes explicava matematicamente a observação de que a difração por estruturas helicoidais produz padrões em X. No primeiro artigo, Watson e Crick também observaram que a dupla hélice proposta oferecia um mecanismo simples de replicação do DNA: "Não nos passou despercebido que o pareamento específico que postulamos sugere imediatamente um possível mecanismo de cópia do material genético".

Planejamento e realização dos testes

Um aparato experimental relaciona hipóteses a efeitos observáveis, que podem ser medidos e comparados com previsões.

Ver artigo principal: Experimentação

A comparação dos resultados experimentais com as previsões permite avaliar as hipóteses das quais elas foram deduzidas. Resultados contrários às previsões colocam essas hipóteses em dúvida e as tornam menos sustentáveis. A divergência também pode decorrer de falhas na execução ou de um planejamento inadequado em comparação com um experimento crucial. Resultados favoráveis tornam a hipótese mais plausível, mas ela ainda pode estar errada e precisa passar por novos testes.

O controle experimental ajuda a lidar com erros de observação pela comparação de amostras, observações ou populações sob condições diferentes. Ao variar as condições de medição, procura-se isolar o que mudou e verificar o que permaneceu igual. Os métodos de Mill podem ajudar a encontrar o fator determinante. A análise fatorial examina as relações entre variáveis observadas por meio de fatores não observados, mas não permite, sozinha, encontrar uma causa.

A pergunta e a previsão orientam a escolha de testes, que podem incluir experimentos de laboratório ou estudos duplo-cego. Uma escavação arqueológica também fornece evidências por observação, embora essa coleta de dados não seja um experimento controlado. Um voo de Nova York a Paris, por exemplo, depende de conhecimentos de aerodinâmica. Para avaliá-los experimentalmente, é preciso definir o que será medido e como os resultados serão analisados.

Sempre que possível, a metodologia científica orienta o teste de hipóteses sob condições controladas, mais frequentes nas ciências biológicas e mais difíceis de obter em áreas como a astronomia.

O planejamento da investigação define os dados que serão coletados e como eles permitirão avaliar as hipóteses. Nos experimentos com grupos, a distribuição aleatória dos participantes ajuda a reduzir diferenças sistemáticas entre os grupos, inclusive aquelas que o pesquisador não percebeu. Os grupos de controle permitem comparar os resultados obtidos sob condições distintas.

Nos estudos com grupos de participantes, o grupo experimental recebe o tratamento em avaliação, como um medicamento, e o grupo de controle pode receber o tratamento padrão, outro tratamento ou um placebo. Essa escolha depende da pergunta de pesquisa e dos requisitos éticos do estudo.

Watson e Crick apresentaram uma proposta inicial e incorreta da estrutura do DNA a uma equipe do King's College de Londres, composta por Rosalind Franklin, Maurice Wilkins e Raymond Gosling. Franklin percebeu de imediato as falhas relativas ao teor de água. Watson viu depois a fotografia 51, uma imagem detalhada de difração de raios X obtida por Franklin e Gosling, cujo padrão em X indicava uma estrutura helicoidal.

Definições operacionais e variáveis

Uma definição operacional estabelece como um conceito será observado ou medido, esclarecendo o significado dos dados e permitindo repetir os procedimentos. Em uma investigação sobre aprendizagem, por exemplo, o pesquisador pode definir que ela será avaliada pelo desempenho em uma prova sobre o conteúdo estudado.

Em um experimento, o fator manipulado pelo pesquisador é chamado de variável independente, e a resposta medida é a variável dependente. No exemplo da aprendizagem, a modalidade de ensino pode ser o fator comparado, e o desempenho na prova, a resposta registrada. O planejamento precisa considerar outros fatores que possam oferecer uma explicação alternativa ao resultado.

Mesmo quando não é possível manipular as variáveis, como em estudos de campo, é preciso decidir o que observar, como medir e quais condições podem ser controladas ou comparadas.

Análise e interpretação dos resultados

A análise dos dados em relação à pergunta investigada permite avaliar o apoio que eles oferecem às hipóteses. Sua interpretação precisa considerar quanto as observações variam e até onde as conclusões podem ser aplicadas.

Incerteza e inferência estatística

A repetição das medições permite avaliar quanto elas variam, e a incerteza que faz parte do resultado precisa acompanhar a interpretação dos dados.

Uma medição científica vem acompanhada de uma estimativa de incerteza, que pode ser calculada por medições repetidas, pela propagação das incertezas das grandezas utilizadas ou por outras informações sobre suas fontes. Quando uma contagem corresponde a uma amostra das grandezas que se pretende conhecer, a incerteza depende do método de amostragem e da quantidade de amostras.

A incerteza de medição expressa a dispersão dos valores que podem ser atribuídos à grandeza medida, sem informar uma diferença conhecida entre o resultado e um valor verdadeiro. Na estatística, usar os dados de uma amostra para extrapolar conclusões mais gerais é uma forma de generalização estatística indutiva, que precisa ser justificada e examinada. Os modelos estatísticos podem ser úteis mesmo sem retratar por completo as circunstâncias.

Os vieses esperados e inesperados da análise estatística exigem cuidado com a pergunta de pesquisa, a coleta de dados e a interpretação dos resultados. Essas tarefas requerem mais exame que situações nas quais a lógica pode ser aplicada sem essas dificuldades. A validação de um modelo estatístico exige avaliar seus pressupostos, os possíveis vieses e se as inferências são justificadas. Uma afirmação de conhecimento racional, sobretudo quando envolve estatística, também precisa ser avaliada nas condições em que foi feita. Sem uma justificativa dos métodos empregados, não é possível conhecer a qualidade de frases como "9 em cada 10 médicos recomendam".

A falta de familiaridade com métodos estatísticos pode causar erros em situações simples e dificultar a compreensão de probabilidades combinadas, até entre profissionais de medicina. O teorema de Bayes estabelece como ajustar probabilidades anteriores diante de novas informações, relação que aparece no paradoxo do menino ou menina. Na representação do conhecimento, a informação mútua entre variáveis aleatórias mede sua dependência estatística e é nula quando elas são independentes.

O raciocínio probabilístico é usado na metodologia de levantamentos da pesquisa de campo e em áreas como a mecânica estatística. Nesta última, o estado microscópico completo de um sistema pode ser desconhecido. Nesse caso, usam-se distribuições de probabilidade sobre seus microestados, as configurações microscópicas possíveis do sistema.

Um valor-p não informa a probabilidade de uma hipótese ser verdadeira nem mede o tamanho ou a importância de um efeito, e decisões científicas não devem depender apenas de ultrapassar um limiar de significância. A interpretação exige considerar o planejamento, a qualidade dos dados, as condições do estudo e o relato completo das análises. O tamanho do efeito e sua incerteza também fazem parte desse exame, recomendado pela Associação Estatística Americana em 2016.

Donald M. MacKay analisou os limites de exatidão das medições e sua relação com os instrumentos empregados.

Associação e inferência causal

Quando uma variável Z influencia tanto X quanto Y, a associação entre estas duas não basta para demonstrar que uma cause a outra.

A inferência causal exige examinar como os dados foram obtidos e os pressupostos sobre os processos estudados, pois uma associação estatística, sozinha, não basta para estabelecer uma relação de causa e efeito. Esses pressupostos permitem avaliar explicações alternativas, como a influência de uma variável de confusão, e distinguir a observação de uma relação da estimativa do que ocorreria com uma intervenção.

Validade e alcance das conclusões

A validade interna depende de as conclusões se sustentarem nas condições do próprio estudo, depois de examinadas outras explicações possíveis para os resultados. A validade externa trata da aplicação dessas conclusões a outras pessoas, situações ou contextos. Mesmo uma investigação que oferece uma comparação bem fundamentada entre grupos pode ter limites para a generalização.

Para generalizar uma conclusão, é preciso examinar como a amostra, os procedimentos e as condições da pesquisa se relacionam com aquilo que se pretende explicar. Estudos em outros contextos podem reforçar a conclusão ou esclarecer os limites de sua aplicação. A avaliação do conhecimento acumulado também considera a relação entre resultados de diferentes estudos.

Iteração e revisão do processo

Para construir e ajustar modelos de DNA, os pesquisadores reuniram informações sobre sua composição, as ligações químicas e a difração de raios X.

A busca de maior exatidão e precisão pode levar o cientista a repetir uma parte anterior do processo em qualquer etapa da investigação. Dificuldades para formular uma hipótese interessante podem exigir uma nova definição do objeto estudado. Hipóteses que não produzem previsões interessantes e testáveis podem ser revistas, ou pode-se mudar a definição do objeto. Resultados pouco interessantes também podem levar à revisão do método experimental, da hipótese ou da definição do objeto.

As novas informações podem levar a novas caracterizações e a outros ciclos de investigação, razão pela qual o método científico costuma ser representado como circular. As medições podem ser arquivadas, transmitidas e utilizadas por outras pessoas. Outros cientistas podem iniciar uma pesquisa e entrar no processo em qualquer etapa, adotando uma caracterização para formular uma hipótese própria ou partindo de uma hipótese para deduzir outras previsões. Quem realiza o experimento muitas vezes não é a pessoa que formulou a previsão, e a caracterização pode se apoiar em experimentos de terceiros. Resultados publicados também podem ser tratados como hipóteses que preveem sua própria reprodutibilidade.

Watson e Crick construíram seu modelo com essas informações e com o que já se sabia sobre a composição do DNA, sobretudo as regras de Chargaff para o pareamento de bases. Depois de experimentos infrutíferos, da oposição de seu superior à continuidade do trabalho e de tentativas equivocadas, chegaram à estrutura do Ácido desoxirribonucleico pela modelagem concreta das formas físicas dos nucleotídeos que o compõem. Orientaram-se pelos comprimentos de ligação deduzidos por Linus Pauling e pelas imagens de difração de raios X de Rosalind Franklin.

Abordagens metodológicas

Uma investigação pode combinar formas diferentes de formular perguntas, obter dados e construir modelos, conforme a disciplina, os fenômenos e as perguntas examinadas.

Aspecto da investigação	Abordagens
Formulação e avaliação das hipóteses	Método hipotético-dedutivo, método indutivo e investigação exploratória e confirmatória.
Obtenção de evidências	Experimentos, estudos observacionais e investigação histórica.
Dados e análise	Pesquisa quantitativa, qualitativa e métodos mistos.
Representação dos fenômenos	Modelagem matemática e computacional.

Formulação e teste de hipóteses

Método hipotético-dedutivo

Os estudos de Semmelweis sobre a febre puerperal exemplificam a avaliação de hipóteses por suas consequências observáveis.

No modelo hipotético-dedutivo, também chamado de método de teste de hipóteses ou método científico "tradicional", formulam-se hipóteses cujas previsões são obtidas por raciocínio dedutivo. As previsões precisam poder ser refutadas experimentalmente, pois são essas implicações da hipótese que o teste examina. Os cientistas procuram confirmar ou refutar as consequências de uma possível teoria em um experimento. Se os resultados contradizem as consequências, a parte da teoria que as implicava é refutada, desde que os pressupostos auxiliares da dedução e as condições do teste estejam corretos. Resultados favoráveis, porém, não provam definitivamente a teoria.

Na lógica desse teste, a hipótese é admitida como "verdadeira" para que se possam deduzir suas implicações. Um resultado contrário a elas expõe uma falha no conjunto de premissas usado na dedução. Atribuir essa falha à hipótese exige examinar também os pressupostos auxiliares. Um resultado favorável traz conhecimento e pode dar forte apoio à hipótese, mas não permite demonstrá-la de forma definitiva. Para escrever esse raciocínio em notação lógica, chamam-se as premissas de A e a consequência de B. A relação A ⇒ B significa que A implica B, mas não permite concluir B ⇒ A. O símbolo ¬ expressa negação, e a relação válida ¬B ⇒ ¬A permite rejeitar o conjunto de premissas se a consequência não ocorre. Os resultados positivos fornecem, nas palavras de Hempel, "ao menos algum apoio, alguma corroboração ou confirmação". Popper insistia na necessidade de hipóteses falseáveis, pois, sem elas, os testes bem-sucedidos dizem muito pouco. Para Gillies, "as teorias bem-sucedidas são aquelas que sobrevivem à eliminação por falseamento".

Uma previsão depende da hipótese examinada e de hipóteses auxiliares, como as condições iniciais e o funcionamento dos instrumentos. A tese Duhem–Quine, formulada a partir dos trabalhos de Pierre Duhem e Willard van Orman Quine, trata da dificuldade de distinguir qual dessas partes falhou em um teste. Pode-se chamar a hipótese de H, os pressupostos auxiliares de A e a previsão de P. A relação (H ∧ A) ⇒ P significa que H e A, em conjunto, implicam P. Uma observação contrária à previsão, ¬P, permite rejeitar esse conjunto, H ∧ A, mas não informa qual componente falhou. A avaliação do resultado exige investigar as hipóteses, os instrumentos e as condições do teste.

Método indutivo

Levantamentos de grande escala, como mapas de galáxias, organizam numerosas observações e permitem procurar padrões nos dados.

Com Francis Bacon e, sobretudo, com Isaac Newton e seus seguidores, a abordagem indutivista ganhou espaço na busca da verdade científica. Após a consolidação do método hipotético-dedutivo, foi muitas vezes deixada de lado como uma busca sem direção definida. O método indutivo continua válido, mas a escala dos dados coletados aumentou sua eficácia e o afastou bastante da abordagem antiga. Ele aparece sobretudo em projetos de mineração de dados e observações de grande escala, nos quais os resultados dos experimentos propostos frequentemente são desconhecidos. O conhecimento surge depois da coleta, pela análise indutiva dos dados.

A abordagem indutiva costuma partir de uma pergunta de pesquisa, sem a hipótese inicial formulada no método tradicional. Escolhe-se um método de coleta de dados de alta capacidade para responder à pergunta. Depois, os dados são processados e "limpos" para que se possam obter conclusões. "Essa mudança de foco eleva os dados à posição principal de trazer, por si mesmos, novas descobertas."

Para Voit, a menor dependência de uma hipótese inicial sobre os mecanismos estudados é uma vantagem dessa abordagem, embora a pesquisa continue a depender de pressupostos. A pergunta formulada e a seleção e interpretação dos dados influenciam as conclusões. Como em todo raciocínio indutivo, essas conclusões têm um grau de incerteza, que pode ser pequeno em condições bem definidas. Um exemplo matemático, diferente da generalização a partir de observações, são os testes probabilísticos usados para obter grandes números primos em programas de criptografia. Esses testes de primalidade permitem limitar a probabilidade de aceitar um número composto como primo.

Investigação exploratória e confirmatória

A investigação exploratória pode produzir hipóteses ao procurar padrões nos dados, e a confirmatória examina previsões e análises definidas antes de conhecer os resultados relevantes. Se uma explicação construída depois da observação é apresentada como previsão anterior, torna-se mais difícil avaliar a força da evidência. A exploração pode levar a descobertas, mas é preciso deixar claro como as hipóteses surgiram, para que aquelas produzidas pelos próprios dados não pareçam ter passado por um teste independente.

Estudos observacionais e investigação histórica

A investigação histórica examina vestígios para avaliar explicações sobre acontecimentos passados, mesmo quando não é possível reproduzir esses acontecimentos.

Nos estudos observacionais, os pesquisadores analisam os fenômenos sem determinar experimentalmente as condições às quais os participantes são expostos. Podem usar medidas quantitativas e comparações entre grupos para examinar os dados obtidos.

Para explicar vestígios atuais por acontecimentos passados, as ciências históricas, como a geologia, a paleontologia e a arqueologia, podem comparar explicações concorrentes e buscar evidências que permitam distingui-las. Uma hipótese sobre um acontecimento singular pode ser avaliada cientificamente mesmo sem recriar esse acontecimento em laboratório. Experimentos e simulações ajudam a examinar os mecanismos propostos e a interpretar os vestígios, enquanto novas observações podem alterar a preferência entre hipóteses. Para a filósofa Carol E. Cleland, as diferenças entre essa investigação e a experimentação controlada não bastam para considerar a primeira metodologicamente inferior.

Pesquisa quantitativa, qualitativa e métodos mistos

Entrevistas e discussões em grupo permitem investigar experiências e interpretações, e o registro dos procedimentos e da análise permite que outros examinem a pesquisa.

Na pesquisa quantitativa, medidas numéricas permitem examinar com que frequência algo ocorre, sua magnitude e as relações entre variáveis. A pesquisa qualitativa procura compreender significados, experiências, processos e contextos, por exemplo, com entrevistas, observação participante e análise de documentos. A pergunta e os objetivos da investigação orientam a escolha dos métodos.

Para que outros pesquisadores avaliem como se chegou a uma interpretação qualitativa, é preciso mostrar a relação entre a teoria, o método e as técnicas empregados. Maria Cecília de Souza Minayo recomenda registrar as ações do pesquisador no campo, comparar informações de diferentes fontes e técnicas por triangulação e examinar relatos que contradigam as hipóteses iniciais. O rigor depende da interpretação dos dados em seu contexto e de permitir que outros examinem o caminho da análise.

Uma pesquisa de métodos mistos integra de forma deliberada os componentes qualitativo e quantitativo para responder à pergunta investigada. Eles podem ser usados ao mesmo tempo ou em etapas sucessivas, quando os resultados de uma abordagem orientam a coleta ou a interpretação dos dados da outra. A presença dos dois tipos de dados, sem essa integração, não basta para caracterizar uma pesquisa de métodos mistos.

Modelagem matemática e computacional

A amostragem aleatória, usada no método de Monte Carlo, permite produzir estimativas por simulações que dependem de um modelo e de seus pressupostos.

A modelagem matemática, também chamada de raciocínio alóctone, permite examinar consequências de hipóteses por meio de representações matemáticas de sistemas ou processos. Pode complementar experimentos físicos ou explorar situações em que eles são difíceis de realizar. A construção do modelo usa simplificação ou abstração para deixar de lado fatores considerados menos relevantes. As regras de correspondência estabelecem como interpretar os resultados matemáticos em relação ao sistema real. Essas escolhas precisam ser avaliadas, pois excluir um fator relevante pode comprometer as conclusões. A construção do modelo também ajuda a compreender os fatores determinantes do sistema e a avaliar até onde ele pode ser simplificado sem perder aspectos relevantes. A parcimônia e os princípios relacionados são examinados na avaliação e escolha de teorias.

Depois da representação matemática, o modelo pode ser analisado por meios matemáticos e computacionais, e seus resultados são relacionados ao sistema real pelas regras de correspondência. A revisão e a interpretação permitem repetir e ajustar esse trabalho. O raciocínio empregado costuma ser dedutivo, mas pode assumir outras formas. As simulações pelo método de Monte Carlo, por exemplo, usam amostragem aleatória para gerar resultados simulados. Conforme os recursos disponíveis, podem produzir uma quantidade arbitrariamente grande de resultados e ser úteis mesmo sem estabelecer princípios universais.

Inteligência artificial e automação da pesquisa

O sistema robótico Eve exemplifica a integração de hipóteses, execução de testes e análise de resultados na automação da pesquisa.

Na investigação científica, a inteligência artificial pode ajudar a formular hipóteses, planejar experimentos e analisar grandes conjuntos de dados. Essas aplicações exigem cuidado com a qualidade dos dados e com a integração dos modelos ao conhecimento científico da área em que são empregados.

Para Lisa Messeri e M. J. Crockett, o uso dessas ferramentas pode favorecer uma ilusão de compreensão, levando pesquisadores a julgar que entendem mais do que de fato entendem. Elas também apontam o risco de concentrar a atenção em poucas perguntas, métodos e perspectivas, reduzindo a diversidade das formas de investigar.

Raciocínio e avaliação das explicações

Ao avaliar uma explicação científica, é preciso examinar o raciocínio empregado e as crenças e os vieses que podem afetar as conclusões.

Aplicação e avaliação dos argumentos

As discussões sobre análise e síntese e sobre raciocínio não ampliativo e ampliativo fazem parte da história do método científico, mas essas distinções não são equivalentes. A indução pode propor generalizações a partir de observações, enquanto a dedução extrai consequências das premissas adotadas.

O raciocínio dedutivo permite desenvolver consequências de uma teoria admitida como verdadeira. Uma aplicação do trabalho de Einstein, por exemplo, pode afirmar: "Mostramos que este caso satisfaz as condições de aplicação da relatividade geral ou restrita, portanto suas conclusões também se aplicam". Se essas condições forem demonstradas corretamente, a conclusão decorre delas. Também é possível deduzir consequências de uma hipótese ainda não estabelecida, mas uma dedução válida não garante que a hipótese seja verdadeira. A conclusão depende das premissas, e novas evidências podem exigir sua revisão.

A relação entre indução e dedução ajuda a compreender a ciência como um ciclo de investigação que se apoia no raciocínio, sem depender inteiramente do cumprimento de procedimentos.

Testabilidade e falseabilidade

Observar muitos cisnes brancos não demonstra que todos sejam brancos. Um cisne negro funciona como contraexemplo a essa afirmação universal.

Uma afirmação de verdade científica pode ser contestada pela refutação, pelo questionamento de seu grau de certeza ou pelo exame de sua coerência. A incoerência ocorre quando há erros lógicos internos, como afirmar que proposições opostas são verdadeiras. A refutação corresponde ao trabalho de conjectura e refutação defendido por Popper. O grau de certeza talvez seja a questão que mais facilmente dificulta distinguir uma afirmação verdadeira de uma falsa.

Karl Popper adotou a falseabilidade como critério de demarcação entre teorias científicas e não científicas. Uma hipótese é falseável quando se pode apontar um resultado possível de experimento ou observação que contradiga as previsões deduzidas dela. Sem essa possibilidade, a hipótese não pode ser testada de maneira significativa. Em sua comparação com a astrologia, ambas "explicam" observações, mas a teoria científica faz previsões que podem entrar em conflito com a experiência. Ela se expõe ao risco de ser refutada, embora resultados favoráveis não sejam uma prova definitiva.

"Aqueles entre nós que não estão dispostos a expor suas ideias ao risco da refutação não participam do jogo da ciência."
Karl Popper, The Logic of Scientific Discovery, 2002, publicado originalmente em 1935.

Quando uma teoria não oferece condições para ser testada, pode escapar à refutação, problema criticado pela expressão "nem sequer erradas", associada a Wolfgang Pauli. A testabilidade abrange a falseabilidade e permite considerar também as condições práticas de um teste. A necessidade de teorias falseáveis recebe atenção especial na filosofia de Karl Popper.

Relações entre teoria e observação

O conhecimento teórico prévio permitiu interpretar esta trajetória, registrada em uma câmara de nuvens em 2 de agosto de 1932, como evidência do pósitron.

Os conceitos e pressupostos do observador podem afetar a interpretação dos dados empíricos, como se discute na ideia de que a observação depende de teorias. Informações limitadas podem levar a conclusões falsas, enquanto o conhecimento científico permanece em construção.

Ao examinar a dependência teórica da observação, Norwood Russell Hanson, Thomas Kuhn e Paul Feyerabend discutiram como as concepções do observador afetam o que ele percebe. Em Patterns of Discovery, de 1958, Hanson recorreu à Gestalt para mostrar como ideias anteriores afetam a observação e a forma de apresentá-la. Entre seus exemplos estão a rejeição inicial do complexo de Golgi como artefato da técnica de coloração e as interpretações do nascer do Sol por Tycho Brahe e Johannes Kepler, associadas a modelos diferentes do movimento da Terra. A comparação trata da influência dos pressupostos na interpretação e da dificuldade de chegar a uma descrição intersubjetiva.

Na descoberta de Netuno, cálculos baseados nas perturbações da órbita de Urano permitiram prever onde procurar o planeta, identificado em 1846. Antes disso, astrônomos como Galileu já o haviam registrado sem reconhecê-lo como planeta.

Crenças e vieses

O "galope voador" pintado por Théodore Géricault em 1821 corresponde a uma expectativa que as fotografias do movimento contrariaram depois.

O controle experimental e a reprodutibilidade ajudam a reduzir os efeitos prejudiciais das circunstâncias e, em alguma medida, dos vieses pessoais. No viés de confirmação, crenças anteriores levam à busca ou à interpretação de evidências de maneira favorável a uma crença ou hipótese já considerada. Na confirmação comportamental, as expectativas sobre outras pessoas orientam interações que ajudam a produzir o comportamento esperado.

Nas fotografias de Muybridge de 1878, o galope pode ser examinado em etapas, mostrando que as patas ficam recolhidas quando as quatro deixam o chão.

A crença de que um cavalo a galope estende as pernas quando nenhuma pata toca o chão aparece em pinturas, mas foi contrariada pelas fotografias de Eadweard Muybridge. Ao congelar o movimento, elas mostraram que, nesse instante, as pernas ficam recolhidas.

A preferência por afirmações novas e surpreendentes pode favorecer a busca de evidências de que o novo é verdadeiro. A aceitação sem exame crítico também pode manter crenças pouco comprovadas dentro de um grupo.

Para Goldhaber e Nieto, conceitos teóricos que conectam muitos assuntos próximos tornam a estrutura teórica cada vez mais difícil de derrubar, embora isso nunca seja impossível. Organizar os elementos em uma narrativa também pode torná-los mais fáceis de acreditar.

Critérios de avaliação e escolha de teorias

Os ajustes aos dados passam de insuficiente a equilibrado e excessivo, da esquerda para a direita. O sobreajuste aos dados de treinamento não garante bom desempenho em novas observações.

Algumas teorias substituíram outras por explicar fenômenos ou abrir caminhos de pesquisa, mas as razões dessas mudanças nem sempre são simples ou evidentes. Cientistas e filósofos discutem há muito quais critérios uma "boa" teoria satisfaz e como escolher entre teorias sem introduzir vieses cognitivos. Os critérios podem receber pesos diferentes e incluem exatidão, coerência interna, capacidade de explicar mais que os dados que deram origem à teoria, de reunir fenômenos distintos e de abrir novas pesquisas. A parcimônia e a invariância também fazem parte dessas discussões. Algumas propostas usam a "elegância formal" como um critério subjetivo, que pode ter sentidos diferentes.

Embora esses critérios procurem tornar a escolha entre teorias menos arbitrária, seu caráter subjetivo exige tratá-los como heurísticas, que nem sempre permitem decidir entre alternativas. Alexander Bird apresenta as dificuldades dessa escolha:

"[Esses critérios] não podem determinar a escolha científica. Primeiro, pode haver disputa sobre quais características de uma teoria os satisfazem. Por exemplo, a simplicidade se refere aos compromissos ontológicos da teoria ou à sua forma matemática? Segundo, os critérios são imprecisos, deixando espaço para discordâncias sobre o grau em que são atendidos. Terceiro, pode haver discordância sobre o peso de cada um em relação aos demais, sobretudo quando entram em conflito."

Como nenhuma teoria explica todas as observações existentes, também se discute se esses critérios correspondem a objetivos ainda não alcançados pelas teorias disponíveis.

Parcimônia

Na comparação entre explicações orientada pela navalha de Ockham, a simplicidade é um critério de escolha, sem garantir a verdade da teoria.

Os cientistas costumam chamar de "elegantes" ou "belas" as teorias compatíveis com os fatos conhecidos, relativamente simples e fáceis de usar. A navalha de Ockham oferece uma orientação prática para escolher entre hipóteses com a mesma capacidade explicativa.

Os requisitos de uma "boa" teoria são debatidos há séculos, talvez desde antes da navalha de Ockham, frequentemente associada à busca de simplicidade na ciência. Quando os dados sustentam mais de uma explicação, o princípio da parcimônia recomenda a explicação ou a formulação teórica mais simples. Cientistas chegam a chamar de belas as demonstrações simples de enunciados complicados.

"Não devemos admitir mais causas para as coisas naturais que aquelas que sejam verdadeiras e suficientes para explicar seus fenômenos."
Isaac Newton, Philosophiæ Naturalis Principia Mathematica, terceira edição, 1726.

A busca de explicações científicas pode começar com muitas ideias ainda pouco organizadas, e a parcimônia não exige que esse conjunto inicial seja reduzido ao mínimo. Ao propor novas teorias do comércio internacional, Paul Krugman defendeu "ousar ser tolo" e reviu trabalhos anteriores com abertura para ampliar sua perspectiva até em direções improváveis. Depois de reunir ideias suficientes, procurou simplificá-las para separar o que funcionava do que não funcionava. Também propôs "questionar a pergunta", ao perceber que trabalhos anteriores aplicavam modelos errados a evidências existentes e que "comentários inteligentes eram ignorados". Esse processo exige abertura a outras formas de pensar e cuidado com os preconceitos contra elas.

Elegância

A parcimônia e a elegância podem levar a escolhas diferentes, mesmo quando a navalha de Ockham é entendida como "elegância simples". Acrescentar elementos pode simplificar a formulação de uma teoria. Reduzir os tipos de entidades que ela admite, isto é, simplificar sua ontologia, pode exigir uma sintaxe mais complicada.

Modificações ad hoc de uma ideia que não funciona podem ser rejeitadas por cientistas que as julguem desprovidas de "elegância formal". Esse critério estético é difícil de caracterizar e admite avaliações diferentes. Hawking e Mlodinow, por exemplo, associam a elegância à ausência de ajustes artificiais e reconhecem seu caráter subjetivo.

Invariância

A comparação entre os efeitos da aceleração e da gravidade no experimento mental do elevador contribuiu para o desenvolvimento da relatividade geral.

A discussão da invariância procura estruturas que não dependam da perspectiva adotada e faz parte da reflexão científica, sobretudo na física, desde pelo menos o início do século XX. Essa busca já fazia parte dos métodos de Mill de diferença e concordância, retomados em discussões sobre contraste e invariância. Wigner distingue os princípios geométricos de invariância dos princípios dinâmicos que ganharam espaço com as teorias da relatividade de Einstein. Nesse uso, a invariância trata do que permanece igual sob transformações especificadas, sem significar que a teoria não possa ser modificada. Em outra discussão sobre a qualidade das explicações, David Deutsch afirmou em 2009 que "a busca de explicações difíceis de alterar é a origem de todo progresso".

Em um dos experimentos mentais de Einstein, um laboratório está suspenso no espaço vazio, sem gravidade, e o experimentador flutua livremente. Se alguém puxa o laboratório para cima com aceleração uniforme, o experimentador percebe a força resultante como gravidade. Quem o puxa sente o trabalho necessário para manter a aceleração. Einstein partiu da equivalência entre massa gravitacional e massa inercial, não explicada pelas leis de Newton, para comparar os efeitos locais de um campo gravitacional com os da aceleração do laboratório. Esse argumento contribuiu para a formulação do princípio de equivalência.

"A característica que sugere realidade é sempre alguma invariância de uma estrutura, independente do aspecto, da projeção."
Max Born, "Physical Reality", 1953, p. 149, citado por Weinert em 2004.

Na física, a invariância costuma ser discutida no contexto da simetria, pois uma transformação de simetria preserva determinadas propriedades ou relações do sistema descrito. No experimento mental do elevador, a comparação entre aceleração e gravidade trata do princípio de equivalência. Ter um aspecto em comum não basta para que quaisquer dois sistemas sejam simétricos.

Revisão e desenvolvimento das teorias

A teoria da evolução explica a diversidade e a adaptação dos seres vivos, e sua integração com a genética ampliou o conjunto de fenômenos que ela permite compreender.

O aperfeiçoamento das teorias costuma ocorrer de forma gradual, às vezes em diferentes áreas da ciência, pois a maioria dos resultados experimentais não produz grandes mudanças na compreensão humana. Os modelos científicos variam quanto à extensão e à duração dos testes experimentais e quanto à aceitação pela comunidade científica. Em geral, uma explicação é aceita à medida que as evidências se acumulam e ela as explica melhor que as alternativas. Outros pesquisadores podem reformular essas explicações ou combiná-las para produzir novas.

Novas observações experimentais podem contradizer o conhecimento científico e levar à sua refutação, pois ele depende dos resultados empíricos. Uma teoria pode precisar de modificações ou ser substituída por outra para explicar os novos resultados, sem que possa ser considerada definitiva. A confiança nela depende das evidências, dos testes, de seu alcance e da clareza de seus limites. A permanência de uma teoria, sozinha, não garante que esteja correta.

As leis de Newton explicavam quase perfeitamente milhares de anos de observações dos planetas e foram depois incorporadas como aproximação da relatividade geral em condições adequadas, como campos gravitacionais fracos. A teoria mais geral explicou exceções antes não compreendidas e previu outros fenômenos, como o desvio da luz pela gravidade. Dessa forma, observações independentes podem ser reunidas por princípios capazes de explicar um conjunto mais amplo de fenômenos.

Uma teoria que explica um conjunto mais amplo de observações pode satisfazer exigências maiores que as de suas antecessoras. A teoria da evolução, por exemplo, explica a diversidade da vida na Terra, a adaptação das espécies a seus ambientes e outros padrões da natureza. Sua integração com a genética, na primeira metade do século XX, deu origem à síntese evolutiva moderna. Desde então, continuou a incorporar resultados de áreas como a bioquímica e a biologia molecular.

Exemplo: teorias da gravitação

A comparação entre o movimento orbital observado e o previsto permite avaliar teorias gravitacionais. A precessão apsidal, exagerada neste esquema, foi observada na estrela S2, que orbita Sagittarius A*.

A história das teorias da gravitação permite acompanhar como as observações deram origem a generalizações e como delas foram deduzidas consequências. Astrônomos caldeus, indianos, persas, gregos, árabes e europeus reuniram milhares de anos de medições dos movimentos aparentes dos astros. Kepler e outros pesquisadores construíram suas primeiras teorias pela generalização indutiva dos dados. Newton reuniu teorias e medições anteriores como consequências de suas leis do movimento e da gravitação nos Principia, publicados em 1687.

A observação de um contraexemplo também pode levar à busca indutiva de novas ideias, como ocorreu com as dificuldades apontadas por Le Verrier no periélio de Mercúrio em 1859. A diferença entre a precessão observada e a prevista mostrava que a teoria de Newton era, pelo menos, incompleta. Einstein considerou essa diferença um dos primeiros testes possíveis de sua teoria da relatividade, e seus cálculos se aproximaram muito mais das observações. A gravitação não faz parte do Modelo Padrão da física de partículas, e a conciliação da relatividade geral com uma descrição quântica da gravidade permanece um problema em aberto.

Entre as previsões da relatividade geral de Einstein sobre a estrutura observável do espaço-tempo está o desvio da luz em um campo gravitacional, que depende de maneira precisa da intensidade desse campo. As observações de Arthur Eddington durante um eclipse solar de 1919 favoreceram a relatividade geral em relação à gravitação newtoniana.

Prática científica e verificação coletiva

Ver artigo principal: Reprodutibilidade

O trabalho científico é uma atividade social em que a aceitação das conclusões depende de uma comunidade capaz de examinar os métodos e os resultados experimentais e teóricos, confirmando-os e, quando aplicável, reproduzindo-os.

Comunicação e revisão por pares

Ver também: Revista científica e Comunicação científica

Na revisão por pares, outros especialistas examinam os métodos, os argumentos e os resultados de uma pesquisa, sem certificar que estejam corretos. A avaliação pode ser anônima ou aberta, entre outras modalidades. Alguns periódicos pedem aos pesquisadores listas de possíveis revisores, sobretudo em áreas muito especializadas. O exame da metodologia e do planejamento pode resultar em pedidos de revisão ou de novos experimentos antes da publicação. O prestígio do periódico não demonstra a qualidade de um artigo individual. A Declaração de São Francisco sobre Avaliação da Pesquisa recomenda que cada trabalho seja avaliado por seus próprios méritos.

Reprodutibilidade e replicabilidade

Os termos reprodutibilidade e replicabilidade têm usos diferentes entre as disciplinas, e as Academias Nacionais de Ciências, Engenharia e Medicina dos Estados Unidos adotaram as definições abaixo para distingui-los no relatório de 2019. A consistência dos resultados precisa ser avaliada considerando as incertezas do estudo, sem exigir que as medições sejam absolutamente idênticas.

Conceito	Procedimento de verificação
Reprodutibilidade computacional	Obter resultados consistentes com os mesmos dados de entrada, procedimentos, métodos, códigos e condições de análise.
Replicabilidade	Obter resultados consistentes em estudos que procuram responder à mesma pergunta científica, cada um com seus próprios dados.

A repetição de um experimento pode produzir resultados diferentes dos originais, mesmo depois de consideradas suas incertezas, e essa divergência precisa ser investigada. Diferenças nas condições, variabilidade do sistema, erros ou acaso podem afetar o resultado. Uma replicação malsucedida, sozinha, não refuta conclusivamente o estudo original. Um mesmo experimento costuma ser realizado mais de uma vez, sobretudo quando há variáveis não controladas ou outros indícios de erro experimental. Outros cientistas também podem tentar reproduzir resultados surpreendentes ou de grande interesse para seu trabalho.

Nas ciências sociais e biomédicas, a discussão da replicação abrange estudos que administram tratamentos a grupos de pessoas e pesquisas com outras formas de planejamento.

A verificação de explicações sobre acontecimentos passados, como em parte das geociências, pode confrontar modelos com novas observações e reunir evidências independentes, mesmo quando não é possível repetir diretamente o acontecimento. Essas verificações permitem examinar cientificamente as explicações e avaliar a confiança em uma conclusão.

Transparência, documentação e pré-registro

Anotar procedimentos e resultados permite examinar como uma conclusão foi obtida e facilita a repetição dos experimentos.

A comunicação dos resultados experimentais exige que os pesquisadores mantenham abertura e prestem contas de como conduziram o trabalho. Anotações detalhadas ajudam a preservar a integridade dos procedimentos e permitem que outras pessoas reproduzam os experimentos.

O cuidado com o registro dos dados, defendido por Ludwik Fleck, que viveu entre 1896 e 1961, e por outros pesquisadores, também permite fornecê-los a colegas que desejem reproduzir os resultados originais ou parte deles. Os pesquisadores podem ser solicitados a compartilhar esses dados e amostras experimentais difíceis de obter, mesmo quando isso não é obrigatório. Agências e periódicos adotam políticas de gestão e compartilhamento para permitir a verificação e o uso dos resultados. A Fundação Nacional da Ciência, por exemplo, exige planos de gestão e compartilhamento de dados nas propostas de financiamento. Os periódicos da Nature Portfolio exigem a disponibilização de dados, materiais, códigos e protocolos, com uma declaração das restrições existentes. O arquivamento de dados científicos pode ser feito em repositórios nacionais ou internacionais. O Sistema Mundial de Dados, que promove sua preservação e seu acesso, sucedeu ao sistema do Centro Mundial de Dados em 2009.

Também há iniciativas em países lusófonos. No Brasil, a iniciativa Ciência Aberta da Universidade de São Paulo apresenta o registro de protocolos e o acesso aos dados originais como meios de favorecer a reprodutibilidade. Em Portugal, a Fundação para a Ciência e a Tecnologia incentiva a gestão e a partilha de dados e mantém uma política de disponibilização dos dados e de outros resultados das pesquisas que financia.

O pré-registro documenta as perguntas, as hipóteses e o plano de análise antes da investigação, permitindo distinguir análises planejadas daquelas desenvolvidas na exploração dos dados. Alterações no plano podem ser necessárias e precisam ser informadas. Esse registro também permite comparar o protocolo com o relato publicado.

Códigos, protocolos e outros materiais necessários ao exame da pesquisa também podem ser compartilhados, respeitando a confidencialidade, a proteção dos participantes e as restrições justificadas ao acesso. O código europeu de integridade recomenda preservar esses materiais e permitir o acesso tão aberto quanto possível, com as restrições necessárias.

Síntese de evidências

Neste exemplo esquemático de gráfico de floresta, os quadrados indicam estimativas individuais, as linhas mostram intervalos de confiança e o losango representa a estimativa combinada.

A revisão sistemática reúne resultados de estudos selecionados e avaliados por procedimentos explícitos de exame da literatura. Quando é apropriado, a metanálise combina os resultados quantitativamente. A comparação das evidências ajuda a avaliar conclusões científicas, mas essas sínteses dependem da qualidade dos estudos incluídos e das escolhas feitas na análise.

Ética e integridade da pesquisa

Ver também: Integridade científica, Ciência aberta.

O consentimento informado permite decidir sobre a participação depois de conhecer os objetivos, procedimentos, riscos e benefícios de uma pesquisa.

A busca da exatidão e o compromisso com a honestidade orientam a ciência, enquanto a abertura precisa respeitar restrições justificadas pela proteção dos participantes, pela confidencialidade ou por outros deveres éticos.

Ao discutir as regras de investigação em 2013, o físico Lee Smolin defendeu princípios éticos para evitar uma definição que pudesse restringir o método científico. Para ele, a ciência depende do esforço de pessoas qualificadas que trabalham na comunidade científica. Também defendeu que programas de pesquisa não fossem excluídos antes que as evidências permitissem decidir entre eles.

Os pesquisadores precisam proteger os participantes, os animais e o ambiente desde o planejamento até a comunicação dos estudos, avaliando possíveis danos e evitando a fabricação ou a falsificação de resultados. O código europeu de integridade também recomenda transparência sobre o uso de ferramentas de inteligência artificial na produção de dados e conteúdos.

Infraestrutura e colaboração

O compartilhamento de recursos e infraestrutura em instalações como o Grande Colisor de Hádrons faz da colaboração parte da organização da pesquisa.

A escolha de uma investigação depende dos recursos disponíveis, como dinheiro, tempo e atenção dos pesquisadores, dimensão que Peirce discutiu como uma economia da pesquisa. Instituições financiadoras publicam relatórios e informações sobre as pesquisas que apoiam. Instrumentos como o Grande Colisor de Hádrons do CERN, o LIGO, a Instalação Nacional de Ignição, a Estação Espacial Internacional e o Telescópio Espacial James Webb exigem instalações e equipes de grande porte. O planejamento, o financiamento e a operação dependem de infraestrutura de apoio e da colaboração entre pesquisadores.

Metaciência e confiabilidade dos resultados

A metaciência examina também como os procedimentos de registro, análise e comunicação influenciam a confiabilidade das pesquisas.

A metaciência investiga como o conhecimento científico é produzido e avaliado, incluindo as formas de publicar pesquisas, a revisão por pares, a reprodutibilidade e maneiras de melhorar o rigor da investigação.

Questões matemáticas e práticas no uso da estatística podem prejudicar a confiabilidade dos resultados científicos, como discutiu John Ioannidis no artigo "Why Most Published Research Findings Are False", de 2005. Pesquisas em metaciência procuram encontrar e corrigir usos inadequados da estatística, como o uso indevido de valores de p.

No modelo de Ioannidis, os resultados têm menor probabilidade de ser verdadeiros quando os estudos são pequenos e permitem grande flexibilidade no planejamento, nas definições, nos desfechos e nas análises. A confiabilidade também diminui em áreas com maiores interesses financeiros, vieses e competição intensa entre equipes. Para o autor, essas condições podem fazer com que a maioria dos resultados seja falsa, sobretudo em áreas da pesquisa biomédica com probabilidades prévias muito baixas de encontrar associações verdadeiras. Seu trabalho analisa as condições estatísticas e econômicas que reduzem a confiabilidade, sem medir uma proporção única de resultados falsos para todas as ciências. O autor também reconhece que pesquisas geradoras de hipóteses com probabilidades iniciais baixas podem levar a descobertas e ampliar o conhecimento.

História

Artigo principal: História do método científico. Para uma cronologia, consulte Cronologia da história do método científico.

Os debates sobre as regras do raciocínio científico foram intensos e recorrentes, com filósofos naturais e cientistas defendendo maneiras diferentes de estabelecer o conhecimento. O desenvolvimento do método científico não seguiu um caminho linear, e sua história difere da história da ciência.

Na Revolução Científica, a observação sistemática e a experimentação passaram a ter mais espaço na produção do conhecimento. Ao examinar práticas antigas, é preciso considerar suas próprias finalidades e evitar atribuir-lhes os conceitos e objetivos da ciência moderna.

Práticas antigas e medievais

Alhazen combinou a análise da percepção visual com experimentos ópticos em uma obra que também circulou por traduções e edições posteriores.

Expressões antigas do empirismo e do método científico podem ser encontradas entre os estoicos, em Aristóteles, Epicuro, Alhazen, Avicena, Albiruni, Roger Bacon e Guilherme de Ockham.

Hiparco, que viveu aproximadamente entre 190 e 120 a.C., usou observações registradas para estudar a precessão da Terra. As investigações astronômicas de Albatênio, morto em 929, combinaram o uso cuidadoso de instrumentos com observações repetidas. As obras de Alhazen, no século XI, contêm experimentos controlados.

Novos trabalhos podem se apoiar em artigos já publicados, prolongando uma investigação por décadas ou séculos. No século XI, Alhazém examinou a refração e chamou o meio celeste de mais "rarefeito" que o ar, atribuindo-lhe maior transparência. Também no século XI, Ibn Mu'adh estimou a altura da atmosfera em cerca de 84 km no Tratado sobre o crepúsculo. Sua construção geométrica usava o ângulo do Sol abaixo do horizonte ao final do crepúsculo.

Revolução Científica e experimentação

Os instrumentos ópticos ampliaram as possibilidades de observação nas investigações de Kepler e Galileu, que relacionavam os instrumentos e os experimentos às explicações.

Durante a Revolução Científica dos séculos XVI e XVII, Francis Bacon e Robert Hooke desenvolveram o empirismo, René Descartes formulou uma abordagem racionalista e o indutivismo ganhou espaço com Isaac Newton e seus seguidores. Newton apresentou quatro regras de raciocínio na filosofia experimental na terceira edição dos Principia, de 1726, e aperfeiçoou o método científico. A experimentação defendida por Francis Bacon foi realizada por Giovanni Battista della Porta, Johannes Kepler e Galileu Galilei. Os trabalhos teóricos do cético Francisco Sanches, dos idealistas e dos empiristas John Locke, George Berkeley e David Hume também fizeram parte desse desenvolvimento.

A primeira das quatro regras propostas por Descartes no Discurso sobre o Método, de 1637, orientava aceitar apenas o que se apresentasse com clareza suficiente para afastar a dúvida. A segunda orientava dividir cada dificuldade em partes menores, e a terceira, conduzir o raciocínio dos objetos mais simples aos mais complexos. A quarta recomendava enumerações e revisões completas, para evitar omissões. Ao dividir o problema e ordenar o raciocínio, procurava-se chegar a conclusões justificadas.

Georg Wilhelm Richmann morreu eletrocutado em 1753, quando tentava medir a resposta de uma haste metálica isolada a uma tempestade próxima. Ele investigava a eletricidade atmosférica em trabalhos relacionados aos de Benjamin Franklin, uma atividade que podia expor os pesquisadores a esse risco.

Século XIX e institucionalização da ciência

O século XIX assistiu à expansão das instituições científicas e dos debates sobre como produzir conhecimento.

Com a expansão das instituições científicas no século XIX, surgiu a expressão inglesa scientific method, junto a termos como cientista e pseudociência, usados para estabelecer fronteiras entre ciência e não ciência. Entre as décadas de 1830 e 1850, quando o baconianismo estava em voga, naturalistas como William Whewell, John Herschel e John Stuart Mill debatiam a "indução" e os "fatos" para compreender como produzir conhecimento. No fim do século XIX e no início do XX, o desenvolvimento de teorias que ultrapassavam o domínio do observável acompanhou o debate entre realismo e antirrealismo.

Uso moderno e pensamento crítico

As etapas de pensamento propostas por John Dewey influenciaram o ensino do método científico, mas sua transformação em uma sequência obrigatória simplificou a proposta original.

Autores como William Whewell, William Stanley Jevons e Charles Sanders Peirce desenvolveram a análise do modelo hipotético-dedutivo no século XIX, discussão para a qual Karl Popper e Carl Hempel contribuíram no século XX.

No século XX, a expressão método científico se popularizou, e o livro Como pensamos, publicado por Dewey em 1910, inspirou orientações de ampla circulação. A expressão passou a aparecer em dicionários e livros didáticos de ciências, embora houvesse pouco consenso sobre seu significado. Seu uso cresceu até meados do século XX, mas, nas décadas de 1960 e 1970, Thomas Kuhn e Paul Feyerabend questionaram a ideia de um "método científico" universal. A concepção de uma ciência baseada em um método homogêneo e universal cedeu espaço à de práticas diversas e locais. Na primeira edição de Contra o Método, de 1975, Feyerabend contestou a existência de regras universais para a ciência. Karl Popper havia defendido o caráter geral da tentativa e erro em 1963. Gauch, em 2003, sustentou que a investigação tinha princípios gerais.

O debate prosseguiu com propostas como a de Lee Smolin, que defendeu dois princípios éticos no ensaio "There Is No Scientific Method", publicado em 2013. Em um capítulo de Newton's Apple and Other Myths about Science, de 2015, o historiador da ciência Daniel Thurs considerou o método científico um mito ou, na melhor das hipóteses, uma idealização. Taleb examinou a falácia narrativa em uma discussão distinta sobre crenças e vieses. Para os filósofos Robert Nola e Howard Sankey, que discutiram o tema em Theories of Scientific Method, de 2007, o debate sobre o método científico continua. Eles argumentam que Feyerabend, apesar do título de Contra o método, aceitava certas regras metodológicas e procurava justificá-las por uma metametodologia.

Staddon considera um erro tentar seguir regras na ausência de um método científico algorítmico e afirma que "a ciência é mais bem compreendida por meio de exemplos". Procedimentos de teste e de refutação experimental de teorias foram usados por Alhazen no Livro de óptica, no século XI, e por Galileu nos Discursos e demonstrações matemáticas sobre duas novas ciências, de 1638, e em O ensaiador. Esses episódios permitem conhecer procedimentos de investigação, sem estabelecer uma sequência algorítmica universal.

Perspectivas filosóficas e sociológicas

Ver também: Filosofia da ciência e Sociologia do conhecimento científico

A filosofia da ciência examina a lógica que sustenta o método científico, a distinção entre ciência e não ciência e a ética da pesquisa. Entre os pressupostos discutidos está a confiança na possibilidade de compreender o mundo, expressa por Einstein. A investigação científica procura regularidades nos sistemas naturais e explicações que possam ser examinadas por evidências. Discute-se também a relação desses pressupostos com o naturalismo metodológico. O positivismo lógico, o empirismo, o falseacionismo e outras correntes propõem explicações diferentes da lógica científica, que também recebem críticas.

Nas tentativas filosóficas de definir o método da ciência, propostas de unificação podem tratar dos métodos, das teorias, da linguagem ou dos objetos das ciências. Os pluralistas defendem formas de diversidade nesses aspectos. As posições diferem quanto ao alcance de uma unidade possível e ao valor de procurá-la.

Empirismo, racionalismo e perspectivas pragmáticas

Para Peirce, a investigação parte de dúvidas efetivas e procura estabelecer crenças que possam orientar a ação.

A investigação científica pode construir explicações a partir de dados empíricos e da lógica, na busca de verdades sobre a natureza, ou reduzir o conjunto de explicações possíveis, procurando eliminar dúvidas. Ambas as tarefas enfrentam dificuldades, pois a interpretação dos dados empíricos depende de teorias.

Na aquisição do conhecimento, o empirismo dá à experiência um papel central, enquanto o racionalismo enfatiza a razão. Essas posições receberam formulações diferentes ao longo da história, e a investigação científica combina observação, inferência e elaboração teórica. Para avaliar afirmações empíricas, é preciso confrontá-las com evidências. Revelações, dogmas políticos ou religiosos, tradição, crenças comuns, senso comum ou teorias aceitas não substituem esse exame.

Em 1877, Peirce apresentou a investigação como o esforço de sair de dúvidas que incomodam e impedem a ação, provocadas por surpresas e discordâncias, para chegar a uma crença segura que permita agir. Em sua perspectiva pragmática, a investigação científica faz parte de um conjunto maior de formas de investigar, movidas pela dúvida real. Peirce considerava improdutiva a dúvida apenas verbal ou "hiperbólica". Essa expressão também designa a dúvida cartesiana, de René Descartes, que procura chegar a um conhecimento certo pela identificação do que não pode ser posto em dúvida.

Peirce distinguiu quatro maneiras de fixar uma crença, começando pela tenacidade, em que a pessoa persiste em sua opinião. Pela autoridade, uma instituição impõe crenças. Pelo método a priori, aceita-se o que parece adequado à razão. Pelo método científico, a investigação se orienta por uma realidade independente das preferências individuais, que pode ser examinada por diferentes pessoas. Essa distinção trata das bases pelas quais uma comunidade procura resolver dúvidas e corrigir crenças, além dos procedimentos de laboratório.

O uso de modelos científicos, classificações e teorias abstratas faz parte da ciência, embora nem toda formulação estrita do método científico coincida com um empirismo que apresenta os dados como experiência ou outras formas de conhecimento abstrato. Stephen Hawking e Leonard Mlodinow defenderam a avaliação dos modelos pela concordância com observações e pela capacidade de fazer previsões, entre outros critérios. Chamaram essa proposta de realismo dependente do modelo.

"A ação do pensamento é despertada pela irritação da dúvida e cessa quando se alcança a crença."
Peirce, How to Make Our Ideas Clear, 1878.

Contextos de descoberta e de justificação

Na distinção associada a Hans Reichenbach, formular e desenvolver ideias faz parte do contexto de descoberta, enquanto avaliar o apoio que recebem de argumentos e evidências faz parte do contexto de justificação. Ela separa a origem de uma hipótese dos motivos para aceitá-la ou rejeitá-la, mas não exige que a teoria esteja pronta antes de começar sua avaliação. A geração e o exame de ideias podem ocorrer de maneira intercalada. A filosofia da ciência discute a utilidade e os limites dessa separação, inclusive em abordagens que investigam o papel das heurísticas na descoberta.

Pluralismo

Artigo principal: Pluralismo científico. Na filosofia da ciência, os pluralistas rejeitam propostas de unificação do método e do objeto da ciência em um ou mais aspectos. A diversidade pode se referir à metafísica do objeto, à epistemologia do conhecimento ou aos métodos e modelos de pesquisa. Para alguns pluralistas, a própria natureza da ciência exige essa diversidade. Para outros, como as disciplinas científicas já têm práticas distintas, não há motivo para considerá-la errada sem uma demonstração empírica de uma unificação específica. Há também quem defenda o pluralismo por razões normativas, mesmo que a unidade fosse possível em teoria.

Unificacionismo

Artigo principal: Unidade da ciência.

O projeto de unidade da ciência, defendido por Otto Neurath, incluía o debate sobre uma linguagem comum às diferentes áreas científicas.

Na interpretação reducionista do unificacionismo, um princípio central do positivismo lógico, os objetos das ciências particulares se reduziam aos de um domínio comum e supostamente mais básico, geralmente a física. Outra interpretação propunha expressar as teorias e os resultados de todas as ciências em uma linguagem comum, uma "gíria universal". Uma terceira defendia que todas as ciências particulares tinham um método científico comum.

As mudanças históricas dos padrões de investigação e de sucesso científico também entram nesse debate.

"O fato de os padrões de sucesso científico mudarem com o tempo torna a filosofia da ciência difícil e cria problemas para a compreensão pública da ciência. Não temos um método científico fixo em torno do qual possamos nos reunir e que possamos defender."
Steven Weinberg, 1995.

Programas de pesquisa

Imre Lakatos propôs avaliar programas de pesquisa ao longo de seu desenvolvimento, considerando a sucessão de teorias e seus resultados.

Imre Lakatos propôs avaliar programas de pesquisa formados por sucessões de teorias, além de hipóteses isoladas. Nessa proposta, os pressupostos centrais formam um núcleo firme, cercado por um cinturão protetor de hipóteses auxiliares que podem ser modificadas diante de dificuldades com as evidências. Preservar temporariamente o núcleo quando surge uma anomalia não basta, nessa abordagem, para rejeitar o programa.

Quando as mudanças teóricas permitem prever fatos novos e parte dessas previsões recebe confirmação empírica, Lakatos chama o desenvolvimento de progressivo. Em um programa degenerativo, os ajustes procuram sobretudo acomodar fatos já conhecidos, sem produzir previsões bem-sucedidas em medida comparável. Para comparar os programas, é preciso considerar como suas modificações se desenvolveram e o que permitiram descobrir.

Anarquismo epistemológico

Paul Feyerabend questionou a existência de regras metodológicas universais e sem exceções para o avanço científico.

Ver artigo principal: Anarquismo epistemológico

Ao examinar a história da ciência, Paul Feyerabend contestou a ideia de que ela fosse um processo metodológico. Em Contra o Método, de 1975, argumentou que nenhuma apresentação do método científico poderia abranger todas as abordagens usadas pelos cientistas. Para ele, não havia regras metodológicas úteis e sem exceções para o progresso científico, pois cada método ou norma teria sido violado em algum episódio que permitiu um avanço. Em tom de brincadeira, propôs que a única regra universalmente válida seria "vale tudo". A escolha entre abordagens também depende da administração dos recursos disponíveis para investigar e resolver problemas.

Cientistas entrevistados sobre suas concepções de método relataram dificuldades para decidir se as evidências sustentavam suas hipóteses. Os conceitos metodológicos gerais não correspondiam diretamente às estratégias usadas para conduzir a pesquisa.

Sociologia do conhecimento

Ver artigo principal: Sociologia do conhecimento científico

Ao propor uma base sociológica para o método da ciência, a sociologia do conhecimento examina as relações entre ideias e condições sociais. King distingue o sistema de ideias que rege as ciências por uma lógica interna do sistema social em que essas ideias surgem.

Coletivos de pensamento

O estudo de laboratórios por Latour e Woolgar aproximou a investigação científica da análise das práticas e das relações sociais em que ela ocorre.

Na explicação de Fleck, retomada pelo conceito de ciência normal de Kuhn, o trabalho científico se apoia em um estilo de pensamento adquirido durante a aprendizagem. A ciência se desenvolve a partir dos pressupostos compartilhados pelos chamados coletivos de pensamento. Para Fleck, esse processo é, em grande parte, invisível aos integrantes do grupo.

Após a pesquisa de campo de Latour e Woolgar em um laboratório, Karin Knorr Cetina comparou as práticas e os raciocínios da física de altas energias e da biologia molecular. As diferenças entre essas comunidades a levaram a propor o conceito de "culturas epistêmicas", que contraria a ideia de um "método científico" único e unificador.

Fleck escreveu que "palavras e ideias são originalmente equivalentes fonéticos e mentais das experiências que coincidem com elas... Essas protoideias são, a princípio, sempre amplas demais e insuficientemente especializadas... Uma vez formado um sistema de opiniões estruturalmente completo e fechado, composto de muitos detalhes e relações, ele oferece resistência persistente a tudo o que o contradiz". Às vezes, essas relações pressupõem elementos a priori ou contêm outras falhas lógicas ou metodológicas.

Cognição situada e relativismo

Ao permitir a percepção de um vaso ou de dois rostos, o vaso de Rubin ajuda a distinguir um estímulo visual de sua interpretação.

Ver também: Pós-positivismo e Relativismo

A cognição situada examina como conhecer e aprender se relacionam com atividades, contextos e culturas, indo além da perspectiva individual de um pesquisador. Essa abordagem foi desenvolvida por Brown, Collins e Duguid em seus estudos da aprendizagem.

Kuhn e Feyerabend reconheceram a precedência do trabalho de Hanson, embora Feyerabend defendesse um pluralismo metodológico mais radical. Para investigar como as crenças científicas são produzidas, o programa forte propõe imparcialidade quanto à sua verdade ou falsidade. Na proposta de Bloor, crenças consideradas verdadeiras e falsas devem ser examinadas pelos mesmos tipos de explicação causal, incluindo fatores sociais e outras causas.

As controvérsias provocadas por críticas pós-modernistas à ciência ficaram conhecidas como guerras da ciência e envolveram conflitos de valores e pressupostos com perspectivas realistas. Essas posições são variadas e não formam dois blocos homogêneos. O realismo científico admite uma realidade independente da mente e a possibilidade de teorias bem-sucedidas fornecerem conhecimento sobre ela, embora suas formulações sejam diferentes. Cientistas também publicaram livros que contestam afirmações pós-modernistas e defendem a ciência como meio legítimo de alcançar a verdade.

Limites da investigação

O exame empírico permite estudar fenômenos e afirmações observáveis relacionados a crenças religiosas, mas não resolve sozinho todas as questões morais ou de fé. A ciência também encontra limites ao procurar fazer afirmações verdadeiras sobre a realidade. A natureza da verdade e a relação entre as afirmações científicas e a realidade são discutidas na filosofia da ciência, enquanto outros limites aparecem na própria observação.

Sistemas complexos e limites da previsão

A sensibilidade às condições iniciais no atrator de Lorenz faz com que estados quase idênticos possam produzir trajetórias diferentes, limitando a previsão detalhada mesmo em um modelo determinístico.

O estudo de sistemas complexos pode combinar transdisciplinaridade, teoria dos sistemas, teoria de controle e modelagem científica.

Em sistemas diversos e interconectados e em grandes conjuntos de dados, pode ser difícil aplicar rigorosamente o método científico. Chris Anderson propôs em 2008 que a análise de megadados poderia dispensar hipóteses e teorias, como alternativa ao método científico. O uso desses dados continua, porém, a envolver escolhas de coleta, tratamento e modelagem. Encontrar padrões exige avaliar as hipóteses e os pressupostos da análise. O apoio ou a rejeição de uma hipótese nula depende do teste estatístico e de suas condições de aplicação. Em uma discussão distinta, Fleck examinou como a formação dos fatos científicos se relaciona com as práticas sociais da investigação.

Pequenas diferenças nas condições iniciais podem limitar a previsão do comportamento de um sistema, como ocorre na teoria do caos. Edward Lorenz examinou em 1963 um modelo determinístico de convecção cujas soluções não periódicas eram sensíveis a essas alterações. Estados inicialmente próximos podiam evoluir para estados bastante diferentes. Conhecer as equações, nesse caso, não garante previsões detalhadas por tempo arbitrariamente longo, pois a incerteza nas condições iniciais afeta a trajetória calculada. A avaliação de uma explicação científica precisa considerar as condições de observação e os limites de previsão.

Ensino do método científico

Ver também: Filosofia da educação e Literacia científica

Representações escolares do método

Na aprendizagem científica, a atividade experimental se relaciona com a formulação de perguntas, a análise de dados e a avaliação de explicações.

Na educação, apresentações da investigação como as de Dewey em How We Think, de 1910, e de Karl Pearson em The Grammar of Science, de 1892, influenciaram o ensino. A organização social da ciência e seus efeitos na pesquisa também são temas de discussão.

No ensino de ciências, a ideia de um método geral e universal se difundiu e apareceu nas concepções de ciência de estudantes e professores examinadas em pesquisas educacionais. A apresentação de uma sequência única como descrição de toda investigação científica recebeu críticas ao ensino tradicional. Para organizações como a Associação Americana para o Avanço da Ciência, a formação em ciências inclui as humanidades e as artes, e compreender a ciência envolve conhecer sua filosofia e sua história.

Desde o início do século XX, sistemas educacionais como o dos Estados Unidos ensinaram a produção de conhecimento científico como "o" método científico, no singular, organizado em uma sequência definida de observação, hipótese, previsão e experimento.

Essa versão se consolidou no ensino fundamental e médio e nas ciências biomédicas, mas há muito é criticada como uma idealização imprecisa da organização de algumas investigações científicas.

O ensino tradicional recebeu críticas por apresentar uma metodologia única e excessivamente simplificada, dar peso exagerado à experimentação, ignorar o contexto social e sugerir que o cumprimento de etapas produz conhecimento automaticamente.

Nos Padrões de Ciências da Próxima Geração, publicados nos Estados Unidos em 2013, a investigação reúne práticas diversas. A proposta dá continuidade à atenção à natureza da ciência presente nos padrões de 1996. Esses documentos também influenciaram o ensino de ciências em outros países, e as exigências passaram de um único método de teste de hipóteses para uma concepção mais ampla de métodos científicos. Os padrões se organizam em três dimensões, que integram práticas de ciência e engenharia, conceitos transversais entre disciplinas e as ideias centrais de cada disciplina.

A apresentação simplificada e universal do método científico foi criticada como mito, instrumento de comunicação ou, na melhor das hipóteses, idealização. A abordagem educacional recebeu influência de Como pensamos, publicado por John Dewey em 1910. Para Van der Ploeg, as ideias de Dewey foram usadas indevidamente para defender uma educação para a cidadania afastada de uma "educação sólida".

Aprendizagem das práticas científicas

A participação em atividades de investigação permite aos estudantes aprender a formular perguntas, construir modelos, analisar dados e avaliar explicações em relação aos fenômenos estudados. A aprendizagem pode partir de suas ideias e experiências anteriores e avançar para explicações mais elaboradas, com oportunidades de aplicar e rever conceitos.

Os estudantes podem distinguir observações de inferências e afirmações de evidências ao construir e criticar argumentos que relacionem uma explicação aos dados que a sustentam. Episódios históricos também permitem examinar como cientistas formularam ideias, consideraram alternativas e avaliaram resultados.

No Brasil, a Base Nacional Comum Curricular (BNCC) propõe que, no ensino fundamental, os alunos se aproximem gradualmente das práticas de investigação por meio de perguntas, hipóteses, atividades de campo, análise de dados e discussão dos resultados. O documento esclarece que essas atividades não precisam seguir uma sequência predefinida de etapas nem se limitar a experimentos de laboratório.

Em Portugal, as Aprendizagens Essenciais de Ciências Naturais para o 6.º ano incluem observação sistemática, construção de modelos e atividades de laboratório e de campo para responder a problemas. Também orientam a construção de explicações baseadas em evidências e a análise crítica de argumentos; os professores podem escolher abordagens adequadas aos alunos e ao contexto.

Relação com a matemática

A ciência reúne, compara e avalia modelos diante de observáveis, procurando distinguir o que já é conhecido do que ainda é desconhecido em cada etapa da descoberta, preocupação também presente na matemática. Um modelo pode ser uma simulação, uma fórmula matemática ou química, ou um conjunto de etapas propostas. Nos dois campos, os modelos e argumentos precisam ser coerentes internamente. A ciência empírica confronta suas consequências com observações, enquanto a matemática usa demonstrações para estabelecer o que decorre das premissas adotadas. Um enunciado proposto e ainda não demonstrado é chamado de conjectura, e um contraexemplo pode refutar uma conjectura matemática universal.

A inspiração entre o trabalho matemático e o científico aparece, por exemplo, na demonstração da conjectura de Poincaré. Nela, o fluxo de Ricci representa a evolução de uma geometria em função de um parâmetro chamado tempo, que exprime uma mudança matemática e não a passagem do tempo medida em um experimento físico.

Eugene Wigner, físico laureado com o Nobel, examinou o uso de conceitos matemáticos para descrever fenômenos naturais em "A Eficácia Irracional da Matemática nas Ciências Naturais", discutindo a relação entre matemática e realidade. Em outra proposta, Lakoff e Núñez entenderam a matemática como produto da cognição humana corporificada, perspectiva que não equivale a considerar os resultados matemáticos apenas vieses de seus praticantes.

Os trabalhos de George Pólya sobre resolução de problemas, construção de demonstrações e heurística mostram diferenças de detalhe entre o método matemático e o científico, com semelhanças no emprego de etapas iterativas ou recursivas.

Etapa	Estratégias matemáticas discutidas por Pólya	Componentes de investigações científicas
1	Compreensão	Caracterização pela experiência e pela observação
2	Análise	Hipótese, uma explicação proposta
3	Síntese	Dedução, previsão a partir da hipótese
4	Revisão e ampliação	Teste e experimento

A investigação de poliedros em Provas e refutações exemplifica como conjecturas, demonstrações e contraexemplos participam da revisão do conhecimento matemático.

Na proposta de Pólya, a compreensão envolve reformular definições desconhecidas com as próprias palavras, recorrer a figuras geométricas e perguntar o que já se sabe e o que ainda falta saber. A análise, retomada de Papo, permite construir argumentos plausíveis de forma livre e heurística, raciocinar de trás para a frente a partir do objetivo e planejar a demonstração. Na síntese, os detalhes de cada etapa são expostos de forma euclidiana rigorosa. A revisão permite reexaminar o resultado e o caminho percorrido.

A partir do trabalho de Pólya, Imre Lakatos argumentou que os matemáticos aperfeiçoam seu trabalho por contradição, crítica e revisão. Em Provas e refutações, propôs que nenhum teorema da matemática informal é final ou perfeito, aproximando essa investigação da busca científica da verdade sem certeza absoluta. Nessa perspectiva sobre a matemática não axiomática, um teorema é aceito enquanto não se encontra um contraexemplo, sem ser considerado definitivamente verdadeiro. Se algo o contradiz ou não é explicado por ele, o teorema é ajustado, possivelmente com ampliação de seu domínio de validade. O conhecimento se acumula por esse processo de provas e refutações.

Em um sistema axiomático, uma demonstração estabelece que a conclusão decorre dos axiomas e das regras de inferência adotados, procedimento diferente de um teste empírico. A análise de Lakatos também examina como os conceitos se desenvolvem e quais pressupostos as demonstrações adotam. Sua discussão da característica de Euler inclui a demonstração de Poincaré e seus recursos de homologia. Questões topológicas e métodos algébricos também se relacionam no desenvolvimento da álgebra homológica.

Com base nas heurísticas de Pólya, Lakatos propôs uma explicação do conhecimento matemático e apresentou, em Provas e refutações, regras para encontrar demonstrações e contraexemplos de conjecturas. Para ele, os "experimentos mentais" matemáticos eram um meio válido de descobrir conjecturas e demonstrações.

Quando lhe perguntaram como chegava a seus teoremas, Gauss respondeu: "durch planmässiges Tattonieren", ou "por tentativas sistemáticas".

Ver também

• Metodologia, estudo dos métodos de pesquisa.
• Metaciência, investigação da própria atividade científica.
• Evidência empírica, observações e resultados usados na avaliação de explicações.
• Hipótese, proposição testável que orienta uma investigação.
• Teoria científica, explicação sustentada por um conjunto de evidências.
• Lei científica, formulação de regularidades observadas.
• Testabilidade, possibilidade de submeter uma afirmação a um teste.
• Inferência causal, análise das relações de causa e efeito.
• Revisão por pares, avaliação de trabalhos por outros especialistas.
• Reprodutibilidade, verificação de resultados e procedimentos de pesquisa.
• Ciência aberta, compartilhamento de dados, métodos e resultados.
• Ceticismo científico, exame crítico das afirmações à luz das evidências.

Notas

Bibliografia

• Hamid Wahed Alikuzai. A Concise History of Afghanistan in 25 Volumes. Trafford Publishing. 2013. v. 1. ISBN 978-1-4907-1446-2. Arquivado em 29 de novembro de 2023. Acesso em 3 de junho de 2023.
• Todd Andrew Borlik. Wendy Beth Hyman, org. The Automaton in English Renaissance Literature. Capítulo: 'More than Art': Clockwork Automata, the Extemporizing Actor, and the Brazen Head in Friar Bacon and Friar Bungay texto. Farnham. Ashgate Publishing. 2011. ISBN 978-0-7546-6865-7.
• Max Born. Natural Philosophy of Cause and Chance. Oxford. Clarendon Press. 1949., Também publicado pela Dover em 1964. Resulta das palestras Waynflete de 1948. Texto on-line. A versão não contém os três adendos de Born, de 1950 e 1964, nos quais ele afirma que todo conhecimento é subjetivo e propõe uma solução no apêndice 3, de 1964
• Thomas A. Brody. Luis de la Peña, Peter E. Hodgson, org. The Philosophy Behind Physics. Berlin; Nova York. Springer Verlag. 1993. ISBN 978-0-387-55914-8. Arquivado em 29 de novembro de 2023. Acesso em 9 de maio de 2020.
• Leonard C. Bruno. The Landmarks of Science. Facts on File. 1989. ISBN 978-0-8160-2137-6.
• W.F. Bynum, Roy Porter. Oxford Dictionary of Scientific Quotations. Oxford. 2005. ISBN 978-0-19-858409-4.
• Henry M. Cowles. The Scientific Method: An Evolution of Thinking from Darwin to Dewey. Cambridge, Massachusetts. Harvard University Press. 2020. ISBN 978-0-674-97619-1.
  • Resenha em: Jessica Riskin. Just Use Your Thinking Pump!. New York Review of Books. 2 de julho de 2020. v. LXVII. n. 11. pp. 48–50. Arquivado em 24 de junho de 2020. Acesso em 24 de junho de 2020.
• Richard C. Dales. The Scientific Achievement of the Middle Ages (The Middle Ages Series). University of Pennsylvania Press. 1973. ISBN 978-0-8122-1057-6.
• John Dewey. How we think. Boston. D. C. Heath and Company. 1910. OCLC: 194219. Em domínio público nos Estados Unidos. 236 páginas.
• G. Toraldo di Francia. The Investigation of the Physical World. Cambridge University Press. 1981. ISBN 978-0-521-29925-1.
• Albert Einstein, Leopold Infeld. The Evolution of Physics: from early concepts to relativity and quanta. Nova York. Simon and Schuster. 1938.
• Richard Feynman. The Character of Physical Law. Cambridge. M.I.T. Press. 1965. ISBN 978-0-262-56003-0.
• Ludwik Fleck. Genesis and Development of a Scientific Fact. Univ. of Chicago. 1979. ISBN 978-0-226-25325-1. Escrito em alemão em 1935 como Entstehung und Entwickelung einer wissenschaftlichen Tatsache: Einführung in die Lehre vom Denkstil und Denkkollectiv. Tradução para o inglês por Thaddeus J. Trenn e Fred Bradley, 1979 Arquivado em 6 de abril de 2023 Edição de Thaddeus J. Trenn e Robert K. Merton. Prefácio de Robert K. Merton.
• Galileo Galilei. Discorsi e Dimonstrazioni Matematiche, intorno a due nuoue scienze. Leida. Casa de Elzevir. 1638.
  • Tradução para o inglês: Galileu Galilei. Dialogues concerning two new sciences. Nova York. Dover. 2003. edição reimpressão. Tradução de Henry Crew, Alfonso de Salvio. Publicação original: 1914 por Macmillan. ISBN 978-0-486-60099-4. As informações adicionais de publicação vêm da coleção de primeiras edições da Biblioteca do Congresso examinada por Bruno (1989), pp. 261–264.
• Hugh G. Gauch Jr. Scientific Method in Practice. Cambridge University Press. 12 de dezembro de 2002. DOI: 10.1017/CBO9780511815034. ISBN 978-0-521-81689-2.
• Hugh G. Jr. Gauch. Scientific Method in Practice. Cambridge University Press. 2003. ISBN 978-0-521-01708-4. Arquivado em 29 de novembro de 2023. Acesso em 9 de maio de 2020.
• William Glen, org. The Mass-Extinction Debates: How Science Works in a Crisis. Stanford, CA. Stanford University Press. 1994. ISBN 978-0-8047-2285-8.
• Peter Godfrey-Smith. Theory and Reality: An introduction to the philosophy of science. University of Chicago Press. 2003. ISBN 978-0-226-30063-4.
• Alfred Scharff Goldhaber, Michael Martin Nieto. Photon and graviton mass limits. Reviews of Modern Physics. janeiro a março de 2010. v. 82. n. 1. pp. 939–979. DOI: 10.1103/RevModPhys.82.939. BIBCODE: 2010RvMP...82..939G. ARXIV: 0809.1003.
• David Hockney. Secret Knowledge: rediscovering the lost techniques of the old masters. Penguin Publishing. 2006. edição ampliada. ISBN 0-14-200512-6.
• William Stanley Jevons. The Principles of Science: A Treatise on Logic and Scientific Method. Londres: Macmillan, 1874. Segunda edição, 1877, reimpressa em 1879. Reimpressão pela Dover, com prefácio de Ernest Nagel, Nova York, 1958.
• Horace Freeland Judson. The Eighth Day of Creation. Simon and Schuster. 1979. ISBN 0-671-22540-5.
• Thomas S. Kuhn. The Function of Measurement in Modern Physical Science. Isis. 1961. v. 52. n. 2. pp. 161–193. DOI: 10.1086/349468. JSTOR: 228678.
• Imre Lakatos. John Worrall, Elie Zahar, org. Proofs and Refutations. Cambridge. Cambridge University Press. 1976. ISBN 978-0-521-29038-8.
• David C. Lindberg. The Beginnings of Western Science. University of Chicago Press. 2007. Segunda edição, 2007.
• Alan L. Mackay, org. Dictionary of Scientific Quotations. Londres. IOP Publishing Ltd. 1991. ISBN 978-0-7503-0106-0. BIBCODE: 1991dsq..book.....M.
• Maclyn McCarty. The Transforming Principle: Discovering that genes are made of DNA. Nova York. W.W. Norton. 1985. ISBN 978-0-393-30450-3. Memórias de um pesquisador do Experimento de Avery–MacLeod–McCarty.
• Victor K. McElheny. Watson & DNA: Making a scientific revolution. Basic Books. 2004. ISBN 978-0-7382-0866-4.
• Forest Ray Moulton, Justus J. Schifferes, org. The Autobiography of Science. Doubleday. 1960. edição 2.
• Joseph Needham, Ling (王玲) Wang. Science and Civilisation in China Vol. 1: Introductory Orientations. Cambridge University Press. 1954.
• Isaac Newton. Philosophiae Naturalis Principia Mathematica. University of California Press. 1999. Publicação original: 1687, 1713, 1726. ISBN 978-0-520-08817-7., Terceira edição. A partir da tradução de I. Bernard Cohen e Anne Whitman, de 1999.
• Hans Christian Ørsted. Selected Scientific Works of Hans Christian Ørsted. Princeton. 1997. ISBN 978-0-691-04334-0. Tradução para o inglês por Karen Jelved, Andrew D. Jackson e Ole Knudsen, 1997.
• Peirce, C. S., ver Bibliografia de Charles Sanders Peirce.
• Henri Poincaré. Science and Hypothesis. Londres. Walter Scott Publishing. 1905. Arquivado em 29 de setembro de 2007. Acesso em 1 de agosto de 2007.
• George Pólya. How to Solve It. Princeton University Press. 1957. edição 2. OCLC: 4140462. (George Pólya. Reprint. Ishi Press International. 2009. ISBN 978-4-87187-830-2. OCLC: 706968824.)
• Karl R. Popper. The Logic of Scientific Discovery. Londres: Hutchinson. 1959. Edição em inglês. Publicação original em alemão: 1934. Resenha: George Weiss, "The Logic of Scientific Discovery", Physics Today, v. 12, n. 11, 1959, pp. 53–54. DOI: 10.1063/1.3060577.
• Karl R. Popper. Conjectures and Refutations: The Growth of Scientific Knowledge. Routledge. 1963.
• Karl R. Popper. The Logic of Scientific Discovery. Taylor & Francis e-Library. 2005. Publicação original: 1959, edição inglesa. ISBN 0-203-99462-0. Arquivado em 22 de julho de 2013.
• Mariam Rozhanskaya, I. S. Levinova. Rāshid Rushdī, org. Encyclopedia of the History of Arabic Science. Capítulo: Statics. Psychology Press. 1996. pp. 274–298. ISBN 978-0-415-12411-9.
• A. I. Sabra. "The "Commentary" That Saved the Text. The Hazardous Journey of Ibn al-Haytham's Arabic "Optics"". Early Science and Medicine, v. 12, n. 2, 2007, pp. 117–133. DOI: 10.1163/157338207X194668. JSTOR: 20617660.
• Shmuel Sambursky, org. Physical Thought from the Presocratics to the Quantum Physicists. Pica Press. 1975. ISBN 978-0-87663-712-8.
  • Resenha em Banesh Hoffmann. 'Because it's there': Man's struggle to understand Nature. Physics Today. 1976. v. 29. n. 2. pp. 51–53. DOI: 10.1063/1.3023315. BIBCODE: 1976PhT....29b..51S.
• Francisco Sanches. Elaine Limbrick, Douglas Thomson, org. That Nothing is Known (Quod nihil scitur). Cambridge. Cambridge University Press. 1988. Publicação original: 1581. ISBN 978-0-521-35077-8. OCLC: 462156333. Edição crítica.
• A. Mark Smith. Alhacen's Theory of Visual Perception: A Critical Edition, with English Translation and Commentary, of the First Three Books of Alhacen's "De aspectibus", the Medieval Latin Version of Ibn al-Haytham's "Kitāb al-Manāẓir": Volume One: Introduction and Latin text. Transactions of the American Philosophical Society. 2001. v. 91. n. 4. pp. 1–337. DOI: 10.2307/3657358. JSTOR: 3657358.
• A. Mark Smith. Alhacen's Theory of Visual Perception: A Critical Edition, with English Translation and Commentary, of the First Three Books of Alhacen's "De aspectibus", the Medieval Latin Version of Ibn al-Haytham's "Kitāb al-Manāẓir": Volume Two: English translation. Transactions of the American Philosophical Society. 2001. v. 91. n. 5. pp. 339–819. DOI: 10.2307/3657357. JSTOR: 3657357.
• A. Mark Smith. ALHACEN ON REFRACTION: A Critical Edition, with English Translation and Commentary, of Book 7 of Alhacen's De Aspectibus. Volume One: Introduction and Latin Text. Volume Two: English Translation. Transactions of the American Philosophical Society. 2010. v. 100. n. 3. JSTOR: 20787647.
• Daniel Thurs. Michael Shank, Ronald Numbers, Peter Harrison, org. Wrestling with Nature: From Omens to Science. Capítulo: 12. Scientific Methods. Chicago. University of Chicago Press. 2011. pp. 307–336. ISBN 978-0-226-31783-0.
• Nassim Nicholas Taleb. The Black Swan. Random House. 2007. ISBN 978-1-4000-6351-2.
• James R. Voelkel. Johannes Kepler and the New Astronomy. Oxford University Press. 2001.
• Eberhard O. Voit. Perspective: Dimensions of the scientific method. PLOS Computational Biology. 12 de setembro de 2019. v. 15. n. 9. pp. e1007279. DOI: 10.1371/journal.pcbi.1007279. PMID: 31513575. PMC: 6742218. ISSN: 1553-7358. BIBCODE: 2019PLSCB..15E7279V.
• James D. Watson. The Double Helix. Nova York. Atheneum. 1968. ID: Library of Congress card number 68-16217.

Leitura adicional

• Cláudio Nei Nascimento da Silva e Marcelo Duarte Porto. Metodologia científica descomplicada: pesquisa e prática para iniciantes. Brasília: Editora IFB, 2016. ISBN 978-85-64124-30-1.
• Tatiana Engel Gerhardt e Denise Tolfo Silveira, orgs. Métodos de pesquisa. Porto Alegre: Editora da UFRGS, 2009. ISBN 978-85-386-0071-8.
• Martha Suzana Cabral Nunes. Metodologia científica universitária em 3 tempos. Editora UFS, 2021. ISBN 978-65-86195-58-3.
• Agripa Faria Alexandre. Metodologia científica: princípios e fundamentos. Terceira edição. Blucher, 2021. ISBN 978-65-5506-222-9.
• Carla Alexandra Gonçalves. Metodologia do trabalho científico. Lisboa: Universidade Aberta, 2022. Coleção eUAb Universitária, n. 30. ISBN 978-972-674-930-1.
• Sarita Albagli, Maria Lucia Maciel e Alexandre Hannud Abdo, orgs. Ciência aberta, questões abertas. Instituto Brasileiro de Informação em Ciência e Tecnologia, 2015.
• Instituto Nacional de Metrologia, Qualidade e Tecnologia. Vocabulário Internacional de Metrologia: conceitos fundamentais e gerais e termos associados (VIM 2012). Primeira edição luso-brasileira. Inmetro, 2012. ISBN 978-85-86920-09-7.
• ALLEA. Código Europeu de Conduta para a Integridade da Investigação – Edição revista 2023. Berlim, 2024. Tradução portuguesa de Ana Salgado.
• Bauer, Henry H., Scientific Literacy and the Myth of the Scientific Method, University of Illinois Press, Champaign, IL, 1992
• Beveridge, William I.B., The Art of Scientific Investigation, Heinemann, Melbourne, Austrália, 1950.
• Bernstein, Richard J., Beyond Objectivism and Relativism: Science, Hermeneutics, and Praxis, University of Pennsylvania Press, Filadélfia, PA, 1983.
• Brody, Baruch A. e Capaldi, Nicholas, Science: Men, Methods, Goals: A Reader: Methods of Physical Science Arquivado em 13 de abril de 2023, W.A. Benjamin, 1968
• Brody, Baruch A. e Grandy, Richard E., Readings in the Philosophy of Science, segunda edição, Prentice-Hall, Englewood Cliffs, NJ, 1989.
• Burks, Arthur W., Chance, Cause, Reason: An Inquiry into the Nature of Scientific Evidence, University of Chicago Press, Chicago, IL, 1977.
• Chalmers, Alan, O que é ciência, afinal?. Queensland University Press and Open University Press, 1976.
• Francis Crick. What Mad Pursuit: A Personal View of Scientific Discovery. Nova York. Basic Books. 1988. ISBN 978-0-465-09137-9.
• A.C. Crombie. Robert Grosseteste and the Origins of Experimental Science 1100–1700. Oxford. Clarendon. 1953.
• Earman, John org., Inference, Explanation, and Other Frustrations: Essays in the Philosophy of Science, University of California Press, Berkeley e Los Angeles, CA, 1992.
• Fraassen, Bas C. van, The Scientific Image, Oxford University Press, Oxford, 1980.
• James Franklin. What Science Knows: And How It Knows It. Nova York. Encounter Books. 2009. ISBN 978-1-59403-207-3.
• Gadamer, Hans-Georg, Reason in the Age of Science, Frederick G. Lawrence tradução, MIT Press, Cambridge, Massachusetts, 1981.
• Giere, Ronald N. org., Cognitive Models of Science, v. 15 in Minnesota Studies in the Philosophy of Science, University of Minnesota Press, Minneapolis, MN, 1992.
• Hacking, Ian, Representing and Intervening, Introductory Topics in the Philosophy of Natural Science, Cambridge University Press, Cambridge, 1983.
• Heisenberg, Werner, Physics and Beyond, Encounters and Conversations, A.J. Pomerans tradução, Harper and Row, New York, 1971, pp. 63–64.
• Holton, Gerald, Thematic Origins of Scientific Thought: Kepler to Einstein, primeira edição em 1973, edição revista, Harvard University Press, Cambridge, Massachusetts, 1988.
• Karin Knorr Cetina, Karin Knorr Cetina. Epistemic cultures: how the sciences make knowledge. Cambridge, Massachusetts. Harvard University Press. 1999. ISBN 978-0-674-25894-5.
• Kuhn, Thomas S., The Essential Tension, Selected Studies in Scientific Tradition and Change, University of Chicago Press, Chicago, IL, 1977.
• Latour, Bruno, Science in Action, How to Follow Scientists and Engineers through Society, Harvard University Press, Cambridge, Massachusetts, 1987.
• Losee, John, A Historical Introduction to the Philosophy of Science, Oxford University Press, Oxford, 1972. segunda edição, 1980.
• Maxwell, Nicholas, The Comprehensibility of the Universe: A New Conception of Science, Oxford University Press, Oxford, 1998. Edição em brochura de 2003.
• Maxwell, Nicholas, Understanding Scientific Progress Arquivado em 20 de fevereiro de 2018, Paragon House, St. Paul, Minnesota, 2017.
• William F. McComas, org. The Principal Elements of the Nature of Science: Dispelling the Myths. The Nature of Science in Science Education. Netherlands. Kluwer Academic Publishers. 1998. pp. 53–70. Arquivado em 1 de julho de 2014.
• Misak, Cheryl J., Truth and the End of Inquiry, A Peircean Account of Truth, Oxford University Press, Oxford, 1991.
• Oreskes, Naomi, "Masked Confusion: A trusted source of health information misleads the public by prioritizing rigor over reality", Scientific American, v. 329, n. 4 novembro de 2023, pp. 90–91.
• Piattelli-Palmarini, Massimo org., Language and Learning, The Debate between Jean Piaget and Noam Chomsky, Harvard University Press, Cambridge, Massachusetts, 1980.
• Popper, Karl R., Unended Quest, An Intellectual Autobiography, Open Court, La Salle, IL, 1982.
• Putnam, Hilary, Renewing Philosophy, Harvard University Press, Cambridge, Massachusetts, 1992.
• Rorty, Richard, Philosophy and the Mirror of Nature, Princeton University Press, Princeton, NJ, 1979.
• Salmon, Wesley C., Four Decades of Scientific Explanation, University of Minnesota Press, Minneapolis, MN, 1990.
• Shimony, Abner, Search for a Naturalistic World View: Vol. 1, Scientific Method and Epistemology, Vol. 2, Natural Science and Metaphysics, Cambridge University Press, Cambridge, 1993.
• Thagard, Paul, Conceptual Revolutions, Princeton University Press, Princeton, NJ, 1992.
• Ziman, John (2000). Real Science: what it is, and what it means. Cambridge: Cambridge University Press.

Ligações externas

• Metodologia de pesquisa, Projeto de Incentivo à Pesquisa em Letras da USP.
• Reprodutibilidade na ciência, iniciativa Ciência Aberta USP.
• Guia de boas práticas científicas, terceira edição, Pró-Reitoria de Pesquisa e Inovação da USP.
• Ciência aberta na FAPESP, materiais sobre acesso aberto e compartilhamento de dados.
• Iniciando a pesquisa, Centro de Metodologia da Pesquisa da FEA-USP.
• O método científico, parte 1, aula da Universidade de São Paulo.
• Metodologia científica, material didático da Fiocruz.
• Curso Metodologia da Pesquisa Científica, segunda edição, Fiocruz.
• Sobre o ensino do método científico, Marco Antonio Moreira e Fernanda Ostermann, acervo da UFRGS.
• Ensaio sobre a relação epistemológica entre probabilidade e método científico, Cadernos de Saúde Pública.
• Alhazen: um outro ponto de vista, Ciência Hoje.
• Abrindo a caixa-preta, Ciência Hoje, sobre a reprodutibilidade da pesquisa.
• Confiabilidade em crise, Ciência Hoje.
• Por que você deveria aprender ciência?, Ciência Hoje.
• Código de boas práticas científicas, FAPESP.
• Diretrizes de integridade na pesquisa, CNPq.
• Experimentos exploratórios e experientia literata: repensando a experimentação, Investigações em Ensino de Ciências.
• Metodologia Científica: ao alcance de todos, resenha em Pesquisa Brasileira em Ciência da Informação e Biblioteconomia.
• Wikilivros: história e epistemologia da física, indutivismo e racionalismo.
• Wikiversidade: elementos da metodologia científica.
• Wikiquote: citações sobre ciência.
• Wikcionário: método.
• Wikilivros: The Scientific Method, em inglês.
• Wikiversidade: Thinking Scientifically, em inglês.
• Wikiquote: citações sobre o método científico, em inglês.
• Scientific Method, Hanne Andersen e Brian Hepburn, Stanford Encyclopedia of Philosophy, em inglês.
• Confirmation and Induction, Internet Encyclopedia of Philosophy, em inglês.
• Scientific Method, bibliografia do PhilPapers, em inglês.
• Método científico no InPhO, em inglês.
• An Introduction to Science: Scientific Thinking and a Scientific Method, Steven D. Schafersman, em inglês. Arquivado em 1 de janeiro de 2018.
• Introduction to the Scientific Method, Universidade de Rochester, em inglês.
• The Scientific Method from a Philosophical Perspective, em inglês.
• Theory-ladenness, Paul Newall, The Galilean Library, em inglês; arquivado em 24 de maio de 2010.
• Aula sobre o método científico, Greg Anderson, em inglês, arquivada em 28 de abril de 2006.
• Uso do método científico em projetos para feiras de ciências, em inglês.
• Scientific Methods, livro on-line de Richard D. Jarrard, em inglês.
• Richard Feynman sobre a chave da ciência, trecho das palestras de Cornell, com 1 minuto e 3 segundos, em inglês.
• Palestras sobre o método científico, Nick Josh Karean, Kevin Padian, Michael Shermer e Richard Dawkins, em inglês, arquivadas em 11 de maio de 2013.
• "How Do We Know What Is True?", animação de 2 minutos e 52 segundos, em inglês.