22. Inductive Scientific Method

 

Summary

Résumé

Building on the previous discussion of a posteriori (empirical) probability, this video introduces the basics of science and focuses on the inductive scientific method. Since empiricism is the foundation of science, judgments about probability here must be made after observation and data gathering.

Dans le prolongement de la discussion précédente sur la probabilité a posteriori (empirique), cette vidéo présente les bases de la science et se concentre sur la méthode scientifique inductive. L’empirisme étant le socle de la science, les jugements de probabilité doivent ici être formés après l’observation et le recueil des données.

What Is Science?

Qu’est-ce que la science ?

The word derives from the Latin scientia ("knowledge"). Restricting the definition to the hard sciences and some social sciences, science is described as a search for natural causes and an instrument for producing effects and making predictions about the natural world. It is a systematic pursuit of an organized body of knowledge based on reasoning from empirical observation and quantifiable data toward testable explanations.

Le mot vient du latin scientia (« connaissance »). En restreignant la définition aux sciences dures et à certaines sciences sociales, la science est décrite comme une recherche des causes naturelles et un instrument permettant de produire des effets et de faire des prédictions sur le monde naturel. C’est la poursuite systématique d’un corps organisé de connaissances, fondée sur un raisonnement qui va de l’observation empirique et des données quantifiables vers des explications testables.

Modern science has been so successful that we tend to treat it as the best and most natural route to knowledge. But it is a human-made system resting on a set of underlying assumptions that should be evaluated:

La science moderne a connu un tel succès que nous tendons à la tenir pour la voie d’accès la meilleure et la plus naturelle au savoir. Mais c’est un système d’origine humaine, reposant sur un ensemble d’hypothèses sous-jacentes qu’il convient d’évaluer :

• Empiricism — sense experience is the source of knowledge and truth.
• Objectivity — we can study the physical world without bias.
• Materialism — everything in the universe is made of physical parts.
• Predictability — the universe consists of regular, interconnected causal relationships.
• Unity — the universe has an underlying unified structure.

• L’empirisme — l’expérience sensible est la source de la connaissance et de la vérité.
• L’objectivité — nous pouvons étudier le monde physique sans parti pris.
• Le matérialisme — tout dans l’univers est composé de parties physiques.
• La prévisibilité — l’univers est fait de relations causales régulières et interconnectées.
• L’unité — l’univers possède une structure unifiée sous-jacente.

Causal Arguments vs. Causal Explanations

Arguments causaux et explications causales

Both deal with causal claims, but they differ. Causal arguments are persuasive: they offer support for the conclusion that one thing caused another, and (as with analogies) the key is to clearly define the two things and their relationship. Causal explanations instead reveal how or why one thing caused another; they are not arguments. An explanation is only adequate relative to what we are looking for (a leaking toilet explains the puddle well enough to call a plumber, but not to repair it yourself).

Les deux portent sur des affirmations causales, mais ils diffèrent. Les arguments causaux sont persuasifs : ils apportent un appui à la conclusion selon laquelle une chose en a causé une autre et, comme pour les analogies, l’essentiel est de définir clairement les deux termes et leur relation. Les explications causales révèlent au contraire comment ou pourquoi une chose en a causé une autre ; ce ne sont pas des arguments. Une explication n’est adéquate que relativement à ce que l’on cherche (une fuite de toilettes explique la flaque assez bien pour appeler un plombier, pas pour la réparer soi-même).

Conditions for an Adequate Explanation

Les conditions d’une explication adéquate

A good causal explanation cannot be self-contradictory, vague or ambiguous, incompatible with established facts, or lead to false predictions. This points to testability: physical explanations generate expectations and predictions, which we test by checking whether the prediction comes true. When a prediction fails, this is falsification, though conclusions remain a matter of probability.

Une bonne explication causale ne peut être contradictoire, vague ou ambiguë, incompatible avec des faits établis, ni conduire à de fausses prédictions. Cela renvoie à la testabilité : les explications physiques engendrent des attentes et des prédictions, que l’on éprouve en vérifiant si la prédiction se réalise. Lorsqu’une prédiction échoue, il y a falsification, même si les conclusions restent affaire de probabilité.

Some explanations fail because they are non-testable: a song giving off "good vibes" is meaningless (there is no "vibrometer"), and a heart condition blamed on past-life crimes cannot be tested because we cannot identify who counts as a past-life sinner. Other predictions are merely untestable for practical or technical reasons, and what is untestable today may become testable later. Circular explanations simply restate themselves ("the floor is wet because there is water on it") and tell us nothing new. Finally, unnecessary complexity is undesirable. By Occam's razor (William of Occam, 14th c.), a principle of parsimony, if two explanations work equally well, the simpler one is preferable.

Certaines explications échouent parce qu’elles sont non testables : dire qu’une chanson dégage de « bonnes vibrations » n’a aucun sens (il n’existe pas de « vibromètre »), et une affection cardiaque imputée à des fautes commises dans une vie antérieure ne peut être testée, puisqu’on ne peut identifier qui compte comme pécheur d’une vie antérieure. D’autres prédictions ne sont intestables que pour des raisons pratiques ou techniques, et ce qui est intestable aujourd’hui peut le devenir demain. Les explications circulaires ne font que se répéter (« le sol est mouillé parce qu’il y a de l’eau dessus ») et ne nous apprennent rien. Enfin, la complexité inutile est indésirable. Selon le rasoir d’Occam (Guillaume d’Occam, XIVe siècle), principe de parcimonie, si deux explications valent également, la plus simple est préférable.

Hypotheses and Two Kinds of Science

Hypothèses et deux sortes de sciences

Before asserting a cause scientifically, we begin with a guess: a testable hypothesis offered as a possible solution. The scientific endeavor splits into experimental science (present events) and historical science (past events), but both rest on observation measured against the regular patterns observed in nature. There is no single universal method, only methods (plural).

Avant d’affirmer scientifiquement une cause, on part d’une conjecture : une hypothèse testable proposée comme solution possible. L’entreprise scientifique se partage entre la science expérimentale (les événements présents) et la science historique (les événements passés), mais toutes deux reposent sur l’observation confrontée aux régularités constatées dans la nature. Il n’existe pas une méthode universelle unique, seulement des méthodes (au pluriel).

The Inductive Empirical Method: Eight Steps

La méthode empirique inductive : huit étapes

The inductive empirical method determines a conclusion's probability experimentally (a posteriori), generating a hypothesis to be confirmed or not confirmed:

La méthode empirique inductive détermine expérimentalement (a posteriori) la probabilité d’une conclusion, en produisant une hypothèse à confirmer ou à ne pas confirmer :

1. The situation — a situation sparks a theoretical or practical problem or question.
2. Formulate the problem — be precise about what is studied and how (statistical, experimental, historical).
3. Observation — watch and record relevant phenomena. (A philosophical worry: theory and assumption often determine what counts as observable.)
4. Reflection — identify emerging patterns and a possible causal mechanism, drawing on background knowledge. A causal mechanism connects cause and effect; without one, events are merely coincidental.
5. Formulate a hypothesis — the central feature, an intelligent guess. This step is abductive (a leap beyond current evidence), using inference to the best explanation.
6. Make predictions — if the hypothesis is correct, certain things should follow (no oxygen, no fire).
7. Run experiments — repeat and observe. A predicted event gives possible confirmation, not proof; a failed prediction means the hypothesis is likely false.
8. Accept or reject the hypothesis — judged by how consistently results occur. Roughly: ~90% success means keep it, ~60% needs further study, under ~40% suggests abandoning it. A hypothesis confirmed with high probability becomes a theory; a universally confirmed theory becomes a scientific law.

1. La situation — une situation fait surgir un problème ou une question, théorique ou pratique.
2. Formuler le problème — préciser ce que l’on étudie et comment (par voie statistique, expérimentale, historique).
3. L’observation — observer et consigner les phénomènes pertinents. (Une inquiétude philosophique : la théorie et les présupposés déterminent souvent ce qui compte comme observable.)
4. La réflexion — dégager les régularités qui se dessinent et un mécanisme causal possible, en s’appuyant sur les connaissances de fond. Un mécanisme causal relie la cause à l’effet ; sans lui, les événements ne sont que des coïncidences.
5. Formuler une hypothèse — l’élément central, une conjecture éclairée. Cette étape est abductive (un saut au-delà des preuves disponibles) et recourt à l’inférence à la meilleure explication.
6. Faire des prédictions — si l’hypothèse est correcte, certaines choses doivent s’ensuivre (pas d’oxygène, pas de feu).
7. Mener des expériences — répéter et observer. Un événement prédit apporte une confirmation possible, non une preuve ; une prédiction démentie signifie que l’hypothèse est probablement fausse.
8. Accepter ou rejeter l’hypothèse — le jugement dépend de la constance des résultats. En gros : environ 90 % de réussite invite à la conserver, environ 60 % appelle une étude complémentaire, moins de 40 % environ incite à l’abandonner. Une hypothèse confirmée avec une probabilité élevée devient une théorie ; une théorie universellement confirmée devient une loi scientifique.

Verification, Falsification, and a Logical Warning

Vérification, falsification et une mise en garde logique

Hypothesis testing has a logical structure. Concluding "the hypothesis is correct" from "if the hypothesis is correct, X follows; X follows" commits the fallacy of affirming the consequent. Following Karl Popper, falsifiability (not verifiability) is what distinguishes science from pseudoscience: hypotheses can be falsified but never truly verified. This connects to the larger problem of induction, to be explored later. The next video turns to the experimental procedures known as Mill's methods, developed by John Stuart Mill.

Le test d’une hypothèse a une structure logique. Conclure « l’hypothèse est correcte » à partir de « si l’hypothèse est correcte, X s’ensuit ; or X s’ensuit » commet le sophisme de l’affirmation du conséquent. À la suite de Karl Popper, c’est la falsifiabilité (et non la vérifiabilité) qui distingue la science de la pseudoscience : les hypothèses peuvent être falsifiées, jamais véritablement vérifiées. Cela renvoie au problème de l’induction, plus vaste, que l’on explorera plus loin. La prochaine vidéo aborde les procédés expérimentaux connus sous le nom de méthodes de Mill, mises au point par John Stuart Mill.