像科学家一样思考：推理和模型
科学家怎样知道一些看不见的东西，例如微小的粒子？他们会运用科学模型和科学推理。你将会学习什么是模型、科学家怎样由数据得出普遍规律（再反过来应用），以及植物实验怎样带出我们对光合作用的认识。我们开始吧！
如何设计公平的探究，已在“假说、变量和对照实验”一章介绍。本章第 5 至 7 节属于 2025 年课程的延展部分。
1. 什么是科学模型？
科学模型是以简化的方式，展示自然界中某些事物如何运作。它可以是一幅图画、一个图表、一件实物、一条方程或一个计算机程序。建模是科学家建立、测试和改良模型的过程。
想想港铁线路图。它略去了建筑物和隧道真实的弯道，却清楚显示你需要的信息：哪些车站互相连接。模型只保留重要的部分。
模型的三大用途：描述、预测、解释
描述——展示事物的样子。水循环图展示了蒸发、凝结和降水。
预测——说出接下来会发生什么。食物网可以预测某个物种消失后，其他动物可能会怎样。
解释——说明事情为什么会发生。粒子模型解释了液体受热时为什么会膨胀。
记忆法：好模型做三件事——描述、预测、解释，简称“描预解”。
科学模型的例子
粒子模型——所有物质都由不断运动的微小粒子组成，可用来解释固体、液体和气体。
水循环图——展示水如何在海洋、空气和陆地之间循环。
食物网——展示生态系统中的食物关系，例如香港郊野公园林地里的生物。
DNA 模型——形状像一条扭曲的梯子（双螺旋），展示 DNA 的结构；DNA 是携带遗传信息的物质。
地图和计算机模型——地图是地球表面的模型；天气预报员会运行计算机模型来预测天气。
模型可以改变
模型是科学家到目前为止最好的想法。当新证据与模型不符，模型便会被修订或取代。人们曾经使用以地球为一切中心的模型。后来，对行星的观察令科学家建立了以太阳为太阳系中心的模型。这正是科学的强项！
重点总结：科学模型是简化的表述，用来描述、预测和解释。当出现新证据，模型便会被修订。
2. 归纳推理：由数据到普遍规律
归纳推理（归纳）是指以特定数据得出普遍的结论、趋势或模型。你由“这些例子”推广到“所有同类的例子”。
例子：加热液体
一组同学把装有有色水、插有细玻璃管的烧瓶放在水浴中加热，并记录管中的水位：
20 °C → 5.0 cm
40 °C → 5.8 cm
60 °C → 6.9 cm
80 °C → 8.2 cm
规律：每次温度上升，水位都会上升。归纳出的普遍结论：“液体受热时，体积会增加。”用折线图展示，趋势便一目了然。
建立模型解释趋势
趋势只告诉我们发生了什么，却没有说明为什么。粒子模型可以解释：液体受热时，粒子获得能量，运动得更快，彼此距离更远，所以液体占据更多空间。
常见错误
“粒子受热后会变大”是错的！粒子的大小不变，变大的是粒子之间的空隙。
重点总结：归纳是由特定到普遍。多个观察结果可以带出一个趋势、结论或模型。
3. 演绎推理：由规律到特定结果
演绎推理（演绎）的方向刚好相反：由普遍的规律、趋势或模型出发，推论出特定的结果。
演绎的例子
根据趋势：50 °C 时水位会是多少？由于 50 °C 介于 40 °C 和 60 °C 之间，我们推论水位会介于 5.8 cm 和 6.9 cm 之间。
根据模型：液体受热会膨胀，所以我们推论把温度计的玻璃泡放进热水时，里面的液体会上升。温度计正是这样运作的！
根据食物网：蛇会吃青蛙。如果大量的蛇被移走，我们推论青蛙的数量很可能会增加，至少在一段时间内如此。
归纳还是演绎？记忆法
想象一道楼梯。归纳是向上爬：由许多细小的事实爬到一条大规律。演绎是向下走：由大规律走到一个特定例子。
归纳：特定数据 → 普遍规律
演绎：普遍规律 → 特定结果
两者如何互相配合
1. 观察并收集数据。
2. 归纳出趋势或建立模型。
3. 由模型演绎出预测。
4. 测试预测。
5. 如果结果吻合，模型便得到支持；如果不吻合，就修订模型。
重点总结：演绎是由普遍到特定。用模型或趋势预测某个特定结果，然后可以加以测试。
4. 故事时间：科学家如何发现光合作用
我们对植物如何制造食物的认识，是由不同科学家根据证据推理，一步一步建立起来的。
海尔蒙特和柳树
在十七世纪，佛兰德科学家海尔蒙特把一棵小柳树种在一盆已称重的干泥土中。五年来他只给它浇水。结果柳树增加了约 74 kg，但泥土只减少了约 57 g。他推断质量并非来自泥土，所以一定来自水。
推理检查：他巧妙地运用了证据，但结论只对了一部分，因为他没有考虑空气。今天我们知道，植物的质量有很大部分是由空气中的二氧化碳，连同水建造而成的。
你知道吗？
英文中“gas”（气体）这个字，就是由海尔蒙特创造的！
普里斯特利和薄荷
在 1770 年代，英国科学家普里斯特利发现，在密封玻璃瓶中燃烧的蜡烛很快便会熄灭，放在密封瓶中的老鼠也无法生存。但当他把一枝薄荷放在这些“用过”的空气中数天后，蜡烛又可以在里面燃烧。他推断植物能够恢复被燃烧或呼吸弄坏了的空气。
英格豪斯和光的重要性
在 1779 年，荷兰科学家英格豪斯扩展了普里斯特利的实验。他发现植物只有在光下才能恢复空气，而且只有绿色部分能够做到。浸在水中的绿叶在阳光下会放出细小的气泡，在黑暗中则不会。
把故事串连起来
海尔蒙特：植物从水中获得质量。
普里斯特利：植物还能令用过的空气再次适合呼吸。
英格豪斯：植物只在光下，以绿色部分做到这一点。
后来的科学家把这些想法结合，建立了今天的光合作用模型：绿色植物利用光能，把二氧化碳和水制成食物，并释放氧（会在另一单元学习）。
重点总结：科学家根据新证据推理并修订旧模型，科学知识因而不断增长。
5. 推断最佳解释（延展部分）
当一个想法无法直接测试时，科学家会像侦探一样推断最有可能的解释：列出各种可能的解释，然后选出最能配合所有证据的一个。
例子：湿了的操场
早上学校的操场湿了。可能的解释：(a) 晚上下过雨；(b) 清洁工洗过地；(c) 水管爆裂。
证据：校外的马路、汽车和树木也是湿的。最佳解释：下过雨，因为只有 (a) 能解释所有观察结果。
最佳解释是最有可能的解释，而不是已证实的事实。如果出现新证据，例如报告指昨晚没有下雨，我们就要重新思考。
重点总结：选择最能配合证据的解释，并随时准备改变想法。
6. 根据可能性作出判断（延展部分）
科学不一定能肯定地说出将会发生什么，但往往能告诉我们某件事发生的可能性有多大（即概率），我们可以据此作出明智的判断。
日常例子
天气：天气预报（例如香港天文台的预报）会告诉我们下雨的可能性。如果机会高，就应带上雨伞，即使下雨并非必然。
空气质量：当空气质素健康指数（AQHI）偏高，健康风险便较高，因此建议患有心脏病或呼吸系统疾病的人士减少户外运动。
台风：当台风有可能接近香港，市民会及早加固窗户，因为即使不一定正面吹袭，可能造成的伤害也很严重。
小提示：要同时考虑事件发生的可能性和后果有多严重。即使严重伤害发生的机会很小，也可能值得采取行动。
重点总结：科学给我们的是概率，而不是保证。善用可能性作出明智的选择。
7. 科学推理的限制（延展部分）
科学推理很有用，但并不完美。
样本太小会误导
很长一段时间，欧洲人只见过白色的天鹅，于是得出“所有天鹅都是白色的”这个结论。后来人们在澳大利亚发现了黑天鹅，一个新的观察便证明这条规律是错的。由少数例子归纳出的规律可以得到支持，但永远不能百分百证明。
相关不等于因果
两件事可以一起改变，但其中一件并不是另一件的成因。夏天时，冰淇淋的销量和到海滩游泳的人数都会上升。吃冰淇淋不会令人去游泳！两者都是由第三个因素引起的：炎热的天气。要证明真正的因果关系，科学家需要进行对照实验。
模型是简化了的
每个模型都会略去一些东西。真实的粒子并不是彩色小球；天气模型预测的时间越远，准确度就越低。演绎的结果只会跟它所根据的模型一样好：错误或过分简化的模型，可能会带来错误的预测。
重点总结：样本太小、混淆相关与因果，以及过分相信简单的模型，都会限制科学推理。
小心！常见错误
错误一：“模型必须跟真实事物一模一样。”不对——模型是刻意简化的。而且模型被修改并不代表失败：修订模型正是科学进步的方法。
错误二：混淆归纳（由特定到普遍）和演绎（由普遍到特定）。
重点回顾
1. 建模是建立模型的过程，模型用来描述、预测和解释自然现象。
2. 模型例子：粒子模型、水循环图、食物网、DNA 模型、地图和计算机模型。
3. 当新证据与模型不符，模型便会被修订。
4. 归纳：特定数据 → 普遍趋势、结论或模型。
5. 演绎：模型或趋势 → 特定结果。
6. 海尔蒙特、普里斯特利和英格豪斯各自提供了证据，逐步建立光合作用的模型。
7.（延展部分）选出最能配合所有证据的解释，根据可能性作出判断，并认识推理的限制。
做得好！每次你发现规律或作出预测，就是在像真正的科学家一样推理。继续问自己：“我们怎样知道？”