Metatheoretical multiverse analysis: Improving the reliability of research with theories-as-data
元理论多重宇宙分析：将理论作为数据以改善研究可靠性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要侧重通用理论编码与不确定性分析，未明确对应所列计量领域的具体估计问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
元理论多重宇宙分析：将理论作为数据以改善研究可靠性
- 研究问题
- 当同一现象存在多个合理理论结构及未知组成部分时，如何编码、衡量和分析这些差异，以定位理论不确定性的来源？
- 方法与思路
- 作者将变量及关系编码为命题逻辑，并视作因果路径模型，生成合理替代理论的多重宇宙，再借鉴统计多重宇宙分析进行汇总。
- 材料陈述的贡献
- 摘要称提出衡量元理论不确定性的指标，用于指导理论发展资源的投入位置，并通过三个模拟和专用软件包演示该方法。
- 阅读关注点
- 应核对逻辑命题到路径模型的映射、替代理论的生成规则、未知成分的编码方式，以及不确定性指标与可检验命题之间的关系。
- 阅读边界
- 来源为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明指标的统计性质，模拟演示不足以确认实际研究可靠性的改善。
原文摘要
Here we present a method for measuring, analyzing and reducing theoretical uncertainty. We call it metatheoretical multiverse analysis (MMA). The method is important because the reliability and replicability of scientific observation and testing of a phenomenon are a function of theoretical uncertainty thus reducing it is a method for improving theory. The MMA method requires encoding theory as propositional logic between variables (nodes) and their relationships with one another (edges). Propositional logic models are treated as causal path models in our method, which enable mathematical properties of testing and identification underlying their causal propositions. By encoding theories-as-data including their unknown components, it is possible to generate a multiverse of alternatively plausible theoretical models which can then be meta-analyzed using techniques borrowed from (statistical) multiverse analysis. We introduce metrics for studying theoretical multiverses that enable measuring and identifying the causes of metatheoretical uncertainty. This guides researchers to where it is best to invest theoretical development to reduce uncertainty. We use three simulations and a dedicated software package to demonstrate this method.