每个实验的设计当然不会是一样的，但某些原则是相似的。例如，实验设计时是否考虑到了相关物控制、参照系，以及在临床研究的情况下是否考虑到了服用安慰剂的对比组（有时甚至需要几组这种安排）。再有，独立观察（或叫样品个数）的数量是否充分，以便进行有效的统计分析？实验条件是最优的吗？你对用于实验的试剂、设备和方法有信心吗？最简单的实验涉及相关物控制和单一的试验组。为了保证诸如实验浓度、过程时间、所用工具等是合适的，你通常需要做做摸底实验。关于一个工具、技术或一件设备的可靠性或耐久性，不能仅仅相信由制造商提供的信息——他们总是过分乐观的人群。
为了得到实验的优化，如果不注意在实验过程每个步骤中进行精确评估，有可能导致你在并不重要的方面付出不必要的努力。如果某个参数最终的结果会被另一个交互的参数所影响，而它从本质上说是一个变量或者不能够被准确评估（或两者的精度与置信度并不相同），那么对前一个参数做精度很高的测量是不必要的。举例来说，在一个测量动物进食的实验中，如果你并不考虑那些留在笼子底部且量又大又随时变化的剩食，就没有必要把送给动物的食物做十分精确的称量。在任何一种测量中，应该考虑的倒是那些关键的、有限的步骤，然后聚焦，把这些步骤优化。
现在谈谈另一件事。即使是最有经验的研究人员也会持续地考虑新的技术、设备以及他们日思夜想的科学问题的解决方法。今天，技术进步的速度快得令人震惊，往往是刚刚开始科学研究生涯的人，比起久在科研领域的人更容易接受新的技术，也更倾向于创新。最初，新的技术往往是从其他人（通常在同一个实验室）那里学来的，但我们也时不时地看到，一位新的博士生会从提出一种新的技术开始从事研究，而这个新技术此前在他的实验室并没有试验过。(www.xing528.com)
学习一种新方法意味着准确遵循一些规定好的步骤或公开发表了的方法，一步一步地检查，小心注意实验过程的每一个方面，总是警惕着实验会不会在某个地方出差错。但是，技巧的掌握和熟悉遵循一些规定好的步骤是不够的。你应该透过技术看到更多——在测量之中体现着的原理，这个技术能做什么，能揭示什么——更重要的是，这个技术的局限（缺点）是什么？倒是了解设备中每一个部分是如何工作的种种精准细节，或者实验进程中的每一个方面，并不总是基本的。当一台复杂且昂贵的设备坏了时，人们不会要求（甚至不会允许）年轻的研究人员用手加一把螺丝刀去整修，这通常是专业修理工（可能的话来自制造该设备的厂家）的活。这样做，仪器保修的责任也得到了落实。但是，在口头学术报告后，甚至在一些一般讨论之中，当问报告人，或问口试者，为什么要选择这个特定的技术，或者对技术的某种改进的原因，或者藏于分析之后的思考，如果仅仅回答“这是我被要求做的”，或者“别人发表的文章上是这么说的”，那么你应该明白这样的回答是不能被别人接受的。你必须知道为什么，你必须能够解释清楚你完成的实验。对于许多测量而言，总会有一系列的方法可以执行，每一种方法有优点和缺点，重要的是要了解这些究竟是什么，同时要清楚地意识到你所采用的任何一种实验解决方案的局限。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
