En vitenskapelig modell er en forenklet representasjon av et fenomen, system eller en prosess i virkeligheten. Modellen fremhever de mest sentrale egenskapene og utelater detaljer som ikke er viktige for det vi vil forklare eller forutsi. Modeller kan være fysiske (en globus), grafiske (en celleskisse), matematiske (en ligning) eller digitale (en klimasimulering).
Eksempel: Bohrs atommodell viser elektroner som beveger seg i bestemte sirkulære baner rundt en kjerne. Denne modellen forklarer hvorfor atomer sender ut og absorberer lys ved bestemte bølgelengder, og er nyttig for å forstå grunnleggende kjemi på videregående.
Bohrs atommodell er en idealisering. Den fungerer godt for hydrogen, men gir feil energier for tyngre atomer. Den beskriver heller ikke at elektronene egentlig ikke beveger seg i veldefinerte baner – ifølge kvantemekanikken har de en sannsynlighetsfordeling (orbitaler) som ikke kan reduseres til en sirkel. Modellen kan altså forklare noen fenomener (spektrallinjer i hydrogen), men ikke andre (kjemisk binding, finstruktur, multielektronatomer).
Det geosentriske verdensbildet, som Ptolemaios formaliserte rundt år 150, plasserte jorda i sentrum av universet med sola, månen og planetene i sirkulære baner rundt. Modellen ble brukt i over 1400 år. Da Kopernikus (1543), Galileo og Kepler la fram det heliosentriske systemet – og særlig etter at Newtons gravitasjonslov forklarte planetbevegelsene matematisk – ble den geosentriske modellen forkastet. Teknologisk utvikling som teleskopet (Galileos observasjon av Jupiters måner) ga avgjørende observasjonsdata som ikke passet inn i den gamle modellen.
Både Kasper og Pia har rett – ny vitenskapelig kunnskap utvikles vanligvis gjennom et samspill mellom det å «granske i lærde bøker» og det å «forske i stjerner og hav og jord».
Eksisterende kunnskap som utgangspunkt: Kasper har rett i at forskning sjelden starter fra null. En forsker leser publisert litteratur for å forstå hva som allerede er kjent, finne uavklarte spørsmål og formulere presise problemstillinger. Sekundæranalyser av eksisterende datasett (for eksempel epidemiologiske registre eller astronomiske kataloger) kan også gi reelt ny innsikt, fordi datamaterialet kan analyseres med nye metoder eller settes sammen på nye måter.
Nye observasjoner som drivkraft: Pia har samtidig rett i at vitenskapen til slutt må møte virkeligheten gjennom nye observasjoner. Den hypotetisk-deduktive metoden krever at hypoteser kan testes empirisk – uten nye data kan ingen hypotese egentlig falsifiseres. Mange store gjennombrudd, som oppdagelsen av gravitasjonsbølger ved LIGO i 2015, krevde helt nye instrumenter og målinger som ikke fantes tidligere.
Konklusjon: Ny kunnskap krever begge deler. Forskeren må bygge på det som allerede er kjent for å stille gode spørsmål, men må også samle inn nye observasjoner – enten i felt, i laboratorium eller via simuleringer – for å teste hypotesene. I tillegg må arbeidet gjennom åpen publisering og fagfellevurdering før det aksepteres som etablert kunnskap.
Trenden i datasettet: Gjennomsnittshøyden for norske vernepliktige gutter økte kraftig gjennom 1900-tallet, men flatet ut og har trolig falt litt det siste tiåret. Artikkelen fra NRK (2023) bekrefter at de norske mennene «aldri har raget høyere» målt over hele perioden, men professor Meyer peker på at veksten kan være i ferd med å stoppe.
Drivkrefter: Den historiske høydeøkningen skyldes i hovedsak forbedret kosthold, bedre boforhold, sanitære forhold og redusert sykdomsbyrde i barne- og ungdomsårene. Ifølge Meyer er det meste av høyden bestemt av gener – mor og far gir et «maks-potensial» – mens miljøet bestemmer hvor mye av potensialet som realiseres.
Min prediksjon: Jeg tror gjennomsnittshøyden til norske 19-åringer vil flate ut og muligens synke svakt fram mot 2070. Begrunnelsen er trefoldig:
Usikkerhet: Datasettet gjelder vernepliktige, og kvinner var lenge underrepresentert. Innvandringseffekten er en demografisk endring av populasjonen – ikke en biologisk endring i den enkelte – og må tolkes med forsiktighet for ikke å trekke feilaktige konklusjoner. For å være sikrere må man se på lengdemålinger fra helsestasjoner over tid, kontrollere for foreldres høyde og analysere undergrupper separat.
Prosjektet mitt: Jeg undersøkte hvordan ulike pH-verdier (4, 5, 6, 7, 8) påvirker spireevnen til karse (Lepidium sativum). Hypotesen var at karse spirer best ved nøytral pH (7), og at både surt og basisk miljø reduserer spireprosenten.
Forarbeidet: Jeg leste forskning på spireforhold for karse og bruk av bufferløsninger. Forarbeidet ga meg en realistisk forventning om hvilke verdier som ville være interessante å teste, og hjalp meg å velge antall paralleller (20 frø per skål, fem skåler per pH-verdi). Et grundig forarbeid gjorde at jeg unngikk to vanlige feil: å bruke for få frø per skål og å la pH-verdien drifte under forsøket. Jeg laget derfor bufferløsninger med kjent ionestyrke og målte pH før og etter forsøket.
Metodevalget: Jeg valgte et kontrollert laboratorieeksperiment med én uavhengig variabel (pH) og én avhengig (spireprosent etter 72 timer). Temperatur, lys, vannmengde og frøkilde ble holdt konstant. Den kvantitative tilnærmingen passet fordi spireprosent er et målbart tall som kan sammenlignes med t-test eller variansanalyse.
Betydningen for resultatene:
Konklusjon: Godt metodevalg og grundig forarbeid var avgjørende for at jeg kunne tolke resultatene som en effekt av pH og ikke av tilfeldige feil eller utelatte kontrollvariabler. Det er likevel viktig å være åpen om begrensningene – konklusjonene gjelder kun innenfor det testede pH-området og for én plantesort under standardiserte lab-betingelser.
Tittel: Effekt av pH (4–8) på spireevnen til karse (Lepidium sativum) under standardiserte laboratorieforhold
Sammendrag: Vi undersøkte hvordan pH i bufferløsning (pH 4, 5, 6, 7, 8) påvirker spireprosenten til karsefrø etter 72 timer. Spireprosenten var høyest ved pH 6 og 7 (94 og 96 %), og signifikant lavere ved pH 4 (52 %) og pH 8 (78 %). En tosidig t-test viser at forskjellen mellom pH 7 og pH 4 er signifikant (p < 0,01). Resultatene støtter hypotesen om at karse trives best i nær nøytralt miljø.
Introduksjon: Karse brukes ofte som testorganisme i skolelaboratoriet fordi den spirer raskt og er rimelig. Tidligere studier indikerer at de fleste landplanter er sensitive for surt miljø på grunn av frigjøring av Al3+ og redusert tilgjengelighet av næringssalter. Vi formulerte hypotesen: spireprosenten til karse er høyest ved pH 6–7 og synker ved sterkere syre eller base.
Metode: Vi laget bufferløsninger med pH 4, 5, 6, 7 og 8 (sitratfosfat- og fosfatbuffer). 20 karsefrø ble lagt på filterpapir vannet med 5 mL av hver bufferløsning, i fem paralleller per pH (totalt 500 frø). Skålene sto ved 20 °C og 16 t lys/8 t mørke i 72 timer. Spireprosent ble registrert. Sammenligninger ble gjort med tosidig t-test, signifikansnivå α = 0,05.
Resultater:
| pH | Spireprosent (gjennomsnitt ± SD) |
|---|---|
| 4 | 52 % ± 6 |
| 5 | 74 % ± 5 |
| 6 | 94 % ± 3 |
| 7 | 96 % ± 2 |
| 8 | 78 % ± 4 |
Diskusjon: Resultatene støtter hypotesen. Forskjellen mellom pH 4 og pH 7 er stor og signifikant. Den noe lavere verdien ved pH 8 kan tyde på at karse er mer sensitiv for sur stress enn for basisk. En begrensning er at vi kun testet pH-effekten i kortsiktig spirefase – etterspiring og videre vekst kunne gitt annet bilde. Det er også mulig at bufferionene selv (sitrat, fosfat) påvirker resultatene noe.
Konklusjon: Karse spirer best ved pH 6–7. Studien viser hvordan enkle eksperiment med god metodisk kontroll kan brukes til å studere stresstoleranse hos planter, og kan utvides til andre arter og lengre observasjonstider.
Privat finansiering av forskning – fra stiftelser, fond og næringsliv – har vokst kraftig i Norge siden 2000-tallet. Slik finansiering bidrar nå med rundt én milliard kroner årlig, ifølge utdraget fra Vabø, Langfeldt og Solberg (2025). Spørsmålet er om dette først og fremst er et nyttig supplement til offentlig finansiering, eller om det skaper etiske og strukturelle problemer for forskningen.
Positive konsekvenser:
Etiske utfordringer:
Konklusjon: Privat forskningsfinansiering er hverken bare positivt eller bare problematisk. Som Vabø m.fl. argumenterer kan stiftelser være attraktive supplementer til offentlig finansiering, men det krever transparente avtaler, full publiseringsfrihet, forhåndsregistrering av studier og strenge habilitetskrav. Da kan privat finansiering bidra til mer og bedre forskning – uten å undergrave forskningens uavhengighet.
Regresjon brukes når man vil undersøke sammenhengen mellom to kontinuerlige variabler – for eksempel hvordan lysintensitet (lux) påvirker plantehøyde. I dette forsøket er den uavhengige variabelen kategorisk (naturlig lys vs. kunstig lys), ikke en kontinuerlig verdi. Det gir derfor lite mening å lage en regresjonslinje gjennom en kategorisk variabel med kun to nivåer.
T-test er det riktige valget her. Vi har to uavhengige grupper med kontinuerlig responsvariabel (høyde i cm). En tosidig tutvalgs t-test sammenligner gjennomsnittene og avgjør om forskjellen er statistisk signifikant.
Tutvalgs t-test (lik varians antatt):
Naturlig lys (n = 8):
Kunstig lys (n = 8):
Pooled standardavvik:
Testobservator:
Frihetsgrader: \(df = n_1 + n_2 - 2 = 14\)
Kritisk t-verdi ved \(\alpha = 0{,}05\) tosidig og df = 14 er \(t_{krit} = 2{,}145\). Siden vår \(t = 2{,}90 > 2{,}145\), forkaster vi nullhypotesen.
Begrepet paradigme brukes ifølge Erlend Hem i dag ofte løst, som synonym for «endring av mening». Hos Thomas Kuhn i The Structure of Scientific Revolutions (1962) har det en mye snevrere betydning: et paradigme er en grunnleggende tenkemåte og et sett av antagelser, metoder og eksempler som styrer et helt vitenskapelig fagfelt i en bestemt periode.
Kuhns fasemodell: Kuhn beskriver vitenskapelig utvikling som en syklus med flere stadier:
Hva skal til for et paradigmeskifte? Ifølge Kuhn er det ikke tilstrekkelig at en ny teori er bedre på enkeltpunkter. Det kreves:
Eksempler:
Hems poeng: Når «paradigmeskifte» brukes om hverdagslige meningsendringer eller mindre justeringer i klinisk praksis, vannes begrepet ut. Et ekte paradigmeskifte er sjeldent, dyptgripende og forandrer hva fagfeltet betrakter som meningsfulle spørsmål og legitime metoder.
Om oppgaveteksten: Oppgaveteksten i dette løsningsforslaget er gjengitt fra Utdanningsdirektoratets (UDIR) eksamen i Teknologi og forskningslære 2 (våren 2026). Vi gjengir oppgaveteksten bevisst, slik at du kan følge løsningen uten å veksle mellom dokumenter. Eksamensoppgaver fra offentlige myndigheter er uten opphavsrettsvern etter åndsverkloven § 14 og kan gjengis fritt. Selve løsningsforslaget, forklaringene og figurene er utarbeidet av Eksamenssett.no. Opphavsrettsbeskyttede bilder og illustrasjoner fra originaleksamen er fjernet.