טעויות נפוצות

חזרה לעמוד הראשי

 

הנה כמה טעויות די נפוצות. כמעט בלתי אפשרי להימנע מהטעויות האלה בסבב הכתיבה הראשון, הסבב של כתיבת המדע! לכן חשוב מאד לקרוא פעם שניה את מה שכתבנו, לחפש ספציפית את הטעויות האלה, ולתקן.

הרבה מהטעויות האלה נוגעות לארגון שגוי של הטקסט נכון מבחינת המבנה שלו. אחרות נוגעות לתוכן.

פתרון שבמקרים רבים עובד יפה מאד, לפחות עבור חלק מהבעיות האלה: לתת את הטקסט ל-ChatGPT ולבקש ממנו לזהות בעיות ספציפיות (למשל: להכין רשימה של כל הרעיונות שמופיעים בטקסט יותר מפעם אחת).

פינג פונג

מבנה א-ב-א-ב: פינג-פונג הלוך ושוב בין 2 רעיונות, או רעיון אחד שמפוזר באופן מקוטע לאורך הפיסקה או כמה פיסקאות.

לכתוב פעמיים

במקרים רבים, אנחנו כותבים פעמיים בגלל הפינג-פונג: הזגזוג הלוך ושוב בין אותם נושאים גורם לנו לחזור על אותם דברים פעמיים.

במקרים אחרים, ניסחנו משהו באופן לא מספיק ברור ואז הוספנו עוד משפט כדי להבהיר, אבל הפתרון הנכון הוא לא להסביר פעמיים אלא לכתוב פעם אחת כמו שצריך.

עוד סוג של ״לכתוב פעמיים״ זה לנסות להסביר לפני שמסבירים: כשאנחנו מנסים להסביר משהו מורכב, טעות נפוצה היא לנסות להוסיף – עוד לפני ההסבר – משפט קצר שמתמצת את כל ההסבר. בדרך כלל, מי שעושה את זה רוצה להקל על הקורא בכך שנתחיל עם תמונה כללית ורק אז נרד לפרטים. הבעיה היא שאם ההסבר מורכב, זה לא עובד: אם כתבנו הסבר מקדים קצר, הוא יהיה לא ברור, ואם ניסינו לתת ״משפט כותרת״ להסבר, היא לא תהיה קולעת. הרי אם היה כל כך קל להסביר את הנושא המורכב, לא היינו צריכים את ההסבר הארוך.

הפתרון במקרים כאלה: לגשת ישר להסבר, בלי הקדמות מיותרות.

מתי ״משפט הקדמה״ כזה כן עוזר? אם הוא נותן לנו מידע פשוט וקונקרטי. למשל, אם הוא מציג את השאלה (ואז המשפטים הבאים מסבירים את התשובה) או את הטרמינולוגיה הרלוונטית. עוד דוגמה: אם ההסבר המפורט כולל כמה שלבים, לפעמים זה עוזר להגיד מראש מה השלבים בלי לפרט כל אחד.

לכתוב רחב מדי

זה קורה כשאנחנו מנסים לתאר משהו באופן כללי, ובסוף נשארים עם מילים גבוהות שלא אומרות מספיק תכל׳ס.

במקרה הקיצוני, נגלה שניסינו לכתוב משהו ספציפי, אבל יצא לנו טקסט שאפשר היה להגיד גם על המון מחקרים אחרים.

במקרה פחות קיצוני, הטקסט שלנו כן מכוון למחקר הספציפי שלנו, אבל הוא לא מספיק קונקרטי לכן אפשר להבין אותו בהרבה דרכים שונות.

סדר תלויות שגוי

להסתמך על פרט מידע שעדיין לא הצגנו, על מונח שטרם הגדרנו, על טענה שטרם הצדקנו.

טענות לא מנומקות

אם אנחנו מציגים בתור טענה עובדתית (״הדבר הוא ככה״) – חובה עלינו להוכיח שהיא נכונה.  בגדול, יש 3 סוגים אפשריים של הוכחות/נימוקים קבילים:

  1. משהו שכולם יודעים / מובן מאליו. למשל, ״מערכת המספרים כוללת 10 ספרות״.
  2. רפרנס למחקר אמפירי / ריוויו שהראה זאת (לא למחקר שהעלה את הטענה בתור היפותזה).
  3. ממצאים מהמחקר שלנו-עצמנו.
  4. היסק לוגי על סמך טענות אחרות, שכבר נומקו היטב.

אי-התאמה לקורא

אי התאמה לידע: להניח שמשהו מובן מאליו – כלומר להסתמך עליו בלי להסביר אותו.

אי-התאמה למוטיבציה: לא להבין טוב מי קהל היעד שלנו ומה מעניין אותו, מה חשוב בעיניו וכו׳.

תיאור לא כרולונוגי של רצף כרונולוגי

זה כמעט כלל ברזל: אם מתארים תהליך שנמשך לאורך זמן – מתארים אותו כרולונוגית. למשל:

  • בפרק השיטה, כשמתארים איך נראה צעד בניסוי, מתארים כרונולוגית מה המשתתף עשה – מתחילת הצעד עד סופו.
  • תיאור ההיסטוריה רפואית של מטופל אחרי פגיעה מוחית: נתאר מה היה הארוע האקוטי ← מה היה האבחון הרפואי ← האבחון הקוגניטיבי בתקופה הראשונה בביה״ח ← האבחון הקוגניטיבי בזמן השחרור. אם פגשנו את המטופל אחרי השחרור, המידע הזה יופיע בסוף.
  • התפתחות היסטורית של תאוריה מחקרית

תיאור חלקי/מעוות של ממצאים

  • לכתוב  ״יותר״ (יותר טוב, יותר מהר, יותר טעויות וכו׳) או ״פחות״ בלי לכתוב יותר ממה או פחות ממה. כך גם לגבי כל מילה אחרת שמבטאת מושג יחסי ולא אבסולוטי – למשל ״הרבה״, ״מעט״, ״דומה״ וכו׳.
  • להתעלם מסטטיסטיקה: להשוות בין 2 מטלות, או בין נבדק לקבוצת ביקורת, רק על סמך התוצאה המספרית, ללא השוואה סטטיסטית.
  • להשתמש בסטטיסטיקה ואז להתעלם ממנה: להשוות בין 2 תנאים, או בין נבדק לקבוצת ביקורת, ולהגיד שנמצא הבדל לא מובהק. אין דבר כזה: הבדל לא מובהק אינו הבדל אמיתי, אנחנו צריכים להניח שהוא תופעה מקרית. בהחלט אפשר וצריך לדון, עם הזהירות המתבקשת, ברמת מובהקות גבולית.
  • לתאר ממצא בלי להגיד מה המשמעות שלו. לפעמים זה בסדר גמור כי חשיבות הממצא מובנת מאליה. לדוגמה, אם במטלה מסוימת שאלת המחקר דורשת לבצע ניתוח מפורט של טעויות וסוגי פריטים, עדיין זה טוב להתחיל בכך שנגיד מה היה אחוז הטעויות הכללי – ויהיה מובן מאליו שהמטרה היא לתת לקורא איזושהי תמונה כללית לגבי רמת הביצוע. אבל זה לא טוב אם המשמעות/חשיבות של הממצא לא מובנת מאליה.