研究開発において必要不可欠な実験は、実施して終わりではありません。そこから得られる実験結果から結論を導かなければなりません。そこで、必須となるのが実験結果の解析と、実験結果の解釈です。
　実験結果の解析では、生データからは分からない様々な情報を引き出す、掘り起こすことになります。ここには、シンプルにピーク位置等を読み取るというようなことから、ピーク分離、統計処理、多変量解析などの複雑な処理が含まれます。ここで重要なことは、単なる作業として行うのではなく、それぞれの方法や手順の原理や限界、注意点を理解していることです。
　実験結果の解釈し結論に至るプロセスでは、解析によって得られた情報の意味を読み取ることが求められます。その際には、単なる数学的な解釈ではなく、物理的、科学的意味を解析結果と結び付けなければなりません。その中では、当然ながら客観的な論理思考が必要であり、考えた解釈や結論のチェック検証も必須です。
　本セミナーでは、実験結果の解析、実験結果の解釈、結論導出における、考え方、進め方、必要となるツール、注意点などについて実例を交えながら詳細に解説します。

１．イントロダクション
　結果の解析から解釈、結論化までの全体ぞ、および、基本的事項の定義などをイントロダクションとして解説します。

　・全体の流れ
　・解析と解釈
　・結論とは
　・結論の条件 など

---

２．解析の前に
　解析フェーズに入る前に、チェック、確認すべきことについて、誤差や再現性の考え方などを含めて解説します。

　・データの採否
　・そのデータは最善か
　・正確なデータを得るために
　・AccuracyとPrecision
　・誤差の管理
　・ｎ数（再現性）の考え方 など

---

３．解析
　様々な実験結果、データについて、どのように解析するのか、解析のツールやテクニックと共に注意点やポイントを解説します。

　・解析のあるべき姿
　・第１視点
　・実験パラメーターの整理
　・解析パラメーターの選択
　・５大解析視点＋１
　・データ表現
　・様々なグラフの使いこなし
　・誤差の表現
　・相関解析
　・検量線
　・アレニウスプロット
　・様々な平均法と平均の罠
　・官能評価
　・ＪＩＳの活用

---

４．スペクトルを例とした解析
　代表的な実験結果であるスペクトルを例として、具体的な解析方法、手順について一般的なものから大変量解析まで、その利用における注意点等を解説します。

　・スペクトル前処理の分類
　・バックグランド補正
　・スムージング
　・対数化
　・正規化
　・ベースラインの引き方
　・より正確な定量値を得るために
　・ピーク分離
　・検量線法による定量
　・多変量解析
　・予測
　・要約
　・多変量解析の応用
　・マッピングと多変量解析（PCA等）
　・スペクトルへの応用（PCA）
　・主成分分析（PCA） など

---

５．解釈
　解析の終わった実験結果をどのように解釈して結論としていくかについて、実験結果の基本であり、必須のものである相関、因果の考え方を中心に解説します。

　・解釈とは
　・因果と相関
　・因果と相関の区別
　・解釈の検証
　・クロスチェック
　・解釈演習 など

---

６．解析・解釈における論理思考
　解析はもちろん、特に解釈において必須ものとなる論理思考について、実験結果の取り扱いという観点で解説します。

　・解析≒論理思考
　・論理思考の基本
　・帰納法
　・演繹法
　・使いこなしの例
　・論理思考法の整理
　・ロジックの条件
　・帰納法、演繹法の落とし穴
　・帰納法の実務的利用
　・論理の完成プロセス など

---

７．解析・解釈と認知バイアス
　実験結果の解析、解釈を惑わし、間違いを生む認知バイアスについて、様々ある中で実験結果の取り扱いにおいて特に注意すべきものを解説します。

　・認知バイアスとは
　・認知バイアス排除のポイント
　・実験結果の取り扱いで注意すべき認知バイアス など

---

８．実践演習
　ここまでの解説を踏まえて、実際のデータを例をとして、どのように解析して解釈するかを実践演習として実施します。
 

---

９．まとめと質疑

※ 実践演習の他に要所で演習を行います。