歡迎來到「科學探究技能」（Working Scientifically）

科學絕不僅僅是一堆需要死記硬背的事實——它是一種提出疑問、驗證想法以及探索宇宙運作規律的方法。在你的 GCSE 綜合科學：三科課程（Combined Science: Trilogy）考試中，涵蓋生物、化學和物理共六份試卷的總分中至少有 15% 是用來考核你對實驗實用技能與科學探究方法的理解。

無論你是在探究化學反應速率、測量電線的電阻，還是在顯微鏡下觀察植物細胞，科學探究的原則都是完全相通的。本指南將會一步步為你拆解各項關鍵技能、術語與計算方法，助你信心十足地面對考試題目！


1. 科學思維的發展

科學模型與理論（Scientific Models and Theories）

假說（Hypothesis）是為了解釋某些事實或觀察結果而提出的科學構想。當科學家透過實驗檢驗假說並收集足夠證據後，便會進一步建立理論（Theories）與模型（Models）。

科學理論與模型會隨著時間而不斷演進。當發現與現行模型不符的全新實驗證據時，科學家便必須修改或替換現有的模型。

例子：想想我們對原子結構的理解是如何隨時間轉變的：從實心球體模型到梅子布甸模型，再發展至原子核模型，最後隨著新實驗結果的不斷湧現，演變成現代的電子軌道／電子殼層模型。

科學家會使用不同類型的模型：

• 表徵模型（Representational models）：將複雜系統簡化的實物或視覺圖表（例如細胞結構圖或電路圖）。
• 空間模型（Spatial models）：幫助我們將三維立體結構形象化（例如分子結構模型或太陽系模型）。
• 描述性模型（Descriptive models）：用文字詳細說明過程運作方式的模型。
• 數學／電腦計算模型（Mathematical / Computational models）：用於預測現實世界結果的數學方程式與電腦模擬系統（例如氣候變化模型）。

科學、社會與倫理道德

科學可以解釋事物的運作機制、預測潛在後果，並推動新科技的發展。然而，單憑科學本身無法作出倫理、道德或社會價值觀上的判斷。

例子：科學可以解釋如何利用核能發電，並計算出核廢料帶來的風險；但究竟興建核電廠在倫理與經濟層面上是否可以被接受，則必須由整個社會、政治家和社區共同決定。

危害、風險與預防措施（Hazards, Risks, and Precautions）

每次進行實驗探究時都必須進行風險評估（Risk Assessment）。同學們常常將「危害」與「風險」混淆，但兩者在科學上有著非常嚴格的定義：

• 危害（Hazard）：任何具有潛在傷害性的事物（例如本生燈的高溫火焰、濃酸、破碎的玻璃儀器）。
• 風險（Risk）：傷害發生的機率或可能性，以及該傷害一旦發生後的嚴重程度。
• 預防措施（Precaution）：為了盡量減低或控制風險所採取的具體行動。

生活化比喻：地上的一灘水是一個危害（Hazard）。你可能會滑倒並扭傷手腕的機會就是風險（Risk）。放置警告告示牌或立即將地面拖乾就是預防措施（Precaution）。

實驗室常見的預防措施包括：佩戴護目鏡（防止化學品濺入眼睛）、使用隔熱手套或坩堝鉗（處理高溫儀器），以及在通風櫥內進行實驗（處理有毒氣體）。

同行評審（Peer Review）

在科學家的研究成果被廣大科學界正式接納之前，必須經過同行評審（Peer Review）。這意味著其他獨立且具備專業知識的科學家會仔細閱讀研究報告、檢查實驗設計、找出潛在偏差，並核實結論是否與數據相符。其他科學家亦會嘗試重複該實驗，以檢驗能否得出相同的結果。

第 1 部分重點回顧：科學模型會隨著新證據的出現而不斷演進。科學負責解釋事物如何發生，但倫理決策則牽涉人類的價值判斷。在答題時，切記永遠要將具體的「危害」與合理的「風險」及切實可行的「預防措施」緊密聯繫起來。


2. 實驗技能與變項

三大關鍵變項

要設計一個有效且公平的實驗，你必須徹底掌握各類變項。公平測試（Fair test）是指在實驗過程中，只允許自變項對應變項產生影響。

• 自變項 / 獨立變項（Independent Variable, IV）：由你（實驗者）主動選擇改變或設定的變項。
• 應變項 / 依屬變項（Dependent Variable, DV）：隨著自變項的改變而被測量或觀察記錄的變項。
• 控制變項（Control Variables, CV）：所有其他必須保持不變的因素，以確保它們不會影響實驗結果。

記憶小貼士：
• I（我）主動改變 Independent variable（自變項）。
• Dependent variable 是你測量得到的 Data（數據/應變項）。
• Control variables 必須保持 Constant（恆定不變/控制變項）。

考官溫馨提示：千萬不要寫出模稜兩可的答案，例如「保持液體份量相同」或「保持環境不變」。必須具體指明精確的物理量，例如「保持氫氯酸的體積相同」或「將水浴的溫度保持恆定」。

類別變項 vs 連續變項（Categoric vs Continuous Variables）

• 類別變項（Categoric variables）：數值為文字、種類或明確類別的變項（例如金屬種類、光線顏色、血型）。
• 連續變項（Continuous variables）：可以在連續數值尺度上取任何數值的變項（例如以 \(^\circ\text{C}\) 為單位的溫度、以 \(\text{s}\) 為單位 verr的時間、以 \(\text{g}\) 為單位的質量、以 \(\text{cm}\) 為單位的長度）。

選擇合適儀器

選擇正確的測量儀器是獲取高質素數據的關鍵：

• 量程 / 測量範圍（Range）：儀器能夠測量的最大值與最小值（或實驗中所測試數值的範圍，例如由 \(10\text{ cm}^3\) 至 \(50\text{ cm}^3\))。
• 解像度 / 靈敏度（Resolution）：被測量物理量所發生的最小變化，而該變化足以使儀器讀數產生可察覺的改變。
例子：一般學校常用的直尺解像度為 \(1\text{ mm}\) (\(0.1\text{ cm}\))，而數碼游標卡尺的解像度可達 \(0.01\text{ mm}\)。標準秒錶的讀數可精確至 \(0.01\text{ s}\)，而溫度計的解像度則可能是 \(1^\circ\text{C}\) 或 \(0.1^\circ\text{C}\)。

第 2 部分重點回顧：實驗時只改變一個自變項，準確測量應變項，並使用具備合適量程與解像度的儀器，將所有控制變項嚴格保持恆定。


3. 測量術語規範

AQA 考試嚴格採用英國科學教育協會（ASE）的標準定義。混淆這些核心詞彙是考生最常失分的原因之一！

真實值、準確度與精密度（True Value, Accuracy, and Precision）

• 真實值（True value）：在完全沒有任何誤差的理想測量狀態下所獲得的數值。
• 準確度（Accuracy）：如果測量結果被判定為非常接近真實值，該測量便是準確的。
• 精密度（Precision）：如果多次重複測量的數值高度聚集在一起（數據分佈範圍極窄／離散程度極低），則測量具有高精密度，無論這些數值是否接近真實值。

飛鏢靶比喻：
• 既準確又精密：所有飛鏢緊密地集中射中紅心（既接近真實值，彼此之間又極為接近）。
• 精密但不準確：所有飛鏢緊密地聚集在遠離紅心的左上角（彼此極為接近，但遠離真實值）。
• 準確但不精密：飛鏢散落在紅心周圍（平均值接近中心，但分佈範圍很廣）。
• 既不準確亦不精密：飛鏢雜亂無章地隨機散落在整個鏢靶各處。

可重複性 vs 可再現性（Repeatability vs Reproducibility）

兩者都用於描述精密度，但適用於不同的實驗條件：

• 可重複性（Repeatable）：由同一位實驗者使用相同的儀器和方法在同一個實驗室內重複實驗時，所獲得結果的接近程度。
• 可再現性（Reproducible）：由不同的實驗者使用不同的儀器或方法重複該探究時，所獲得結果的接近程度。

記憶小貼士：Repeatable = Redo it yourself（自己重複做）。Reproducible = Peer / Other Person（由其他人/同儕再現）。

間隔（Interval）

• 間隔（Interval）：連續兩次讀數之間的差距或物理量（例如每隔 \(10\text{ s}\) 記錄一次溫度，或以 \(0.5\text{ mol/dm}^3\) 的濃度間隔測試酸的反應）。

第 3 部分重點回顧：準確度代表接近真實值；精密度代表重複測量值彼此接近。可重複性代表你自己能再次做出相同結果；可再現性則代表其他人亦能證實你的結果。


4. 誤差、不確定度與數據計算

測量誤差的類型（Types of Measurement Error）

測量誤差（Measurement error）是指測量值與真實值之間的差異。誤差並非指「粗心大意」或「做錯步驟」；它是現實世界中進行測量時必然存在的客觀特徵。

1. 隨機誤差（Random Error）：
• 導致讀數不可預測地分佈在真實值的上方或下方。
• 成因包括人類反應時間的微小差異、室溫的微小波動、氣流干擾，或從略微不同的角度讀取刻度（視差）。
• 如何減少隨機誤差：進行多次重複測量，找出並剔除異常值，然後計算平均值（Mean）。

2. 系統誤差（Systematic Error）：
• 導致每次測量結果都以固定的數值或比例偏離真實值。
• 成因包括儀器損壞、校準不正確，或實驗設計本身存在根本缺陷。
• 零點誤差（Zero Error）：一種常見的系統誤差，指儀器在真實值為零時仍然顯示非零讀數（例如電子天平在未放置任何物品時已顯示 \(0.05\text{ g}\)）。
• 如何處理系統誤差：重複測量並計算平均值絕對無法消除系統誤差！你必須重新校準儀器、從所有讀數中扣除零點誤差，或者重新改良實驗方法。

異常值 / 離群值（Anomalies / Outliers）

異常值（Anomaly）是指明顯不符合其餘數據整體規律的測量值，且被判定不屬於正常的隨機變異範圍。
• 在計算平均值時，你必須在計算中剔除（忽略）所有異常值！

計算平均值（Calculating the Mean）

計算多次重複測試的平均值公式：

\(\text{Mean} = \frac{\text{Sum of concordant (non-anomalous) repeats}}{\text{Number of valid trials}}\)

（即：\(\text{平均值} = \frac{\text{有效（非異常）重複數據的總和}}{\text{有效試驗次數}}\)）

計算不確定度（Calculating Uncertainty）

任何測量都存在不確定度。在 AQA GCSE 科學課程中，對於一組重複測量數據，請使用以下公式：

\(\text{Uncertainty} = \pm \frac{\text{Range}}{2} = \pm \frac{\text{Maximum value} - \text{Minimum value}}{2}\)

（即：\(\text{不確定度} = \pm \frac{\text{極差（全距）}}{2} = \pm \frac{\text{最大值} - \text{最小值}}{2}\)）

注意：在找出最大值與最小值之前，務必先剔除所有異常值！

對於儀器的單次讀數，不確定度通常取為 \(\pm \frac{1}{2} \times \text{解像度}\)（或 \(\pm \text{解像度}\)）。

詳細解題示範（Worked Example）

某同學測量某反應中十字標記消失所需的時間，記錄了以下四次時間：\(32\text{ s}\)、\(34\text{ s}\)、\(48\text{ s}\) 及 \(33\text{ s}\)。

第 1 步：找出並剔除異常值。
觀察數據可見，\(48\text{ s}\) 明顯遠高於其他數值（\(32, 34, 33\)），屬於異常值。我們將 \(48\text{ s}\) 排除。

第 2 步：計算有效試驗的平均值。
\(\text{Mean} = \frac{32 + 34 + 33}{3} = \frac{99}{3} = 33\text{ s}\)

第 3 步：計算不確定度。
\(\text{Range of valid trials} = 34 - 32 = 2\text{ s}\)
\(\text{Uncertainty} = \pm \frac{2}{2} = \pm 1\text{ s}\)

最終結果：記錄的時間應寫為 \(33 \pm 1\text{ s}\)。

第 4 部分重點回顧：重複實驗取平均值能減少隨機誤差，但無法修正系統誤差。在計算平均值及不確定度（\(\pm \frac{\text{Range}}{2}\)）前，切記務必先剔除異常值。


5. 數據呈現：表格與圖表

設計數據記錄表

在表格中呈現實驗數據時，請遵循以下官方規範：
1. 自變項必須放在第一欄（最左邊那一欄）。
2. 應變項放在右側各欄，並應包含重複試驗的子欄目（例如試驗 1、試驗 2、試驗 3），最後一欄為平均值（Mean）。
3. 每個欄位標題都必須清楚註明物理量名稱與單位，兩者以斜線分隔或將單位置於括號內（例如 \(\text{Time } / \text{ s}\) 或 \(\text{Length } (\text{cm})\)）。
4. 絕對不要在數據單元格內書寫單位——表格主體內只應填寫純數字。

選擇合適的圖表類型

• 若自變項為類別變項 \(\rightarrow\) 繪製棒形圖 / 條形圖（Bar Chart）。
• 若自變項為連續變項 \(\rightarrow\) 繪製散佈圖 / 線形圖（Scatter Graph / Line Graph），並畫出最佳擬合線（Line of best fit）。

繪圖黃金法則

• 坐標軸：自變項放在水平軸（\(x\) 軸），應變項放在垂直軸（\(y\) 軸）。
• 標籤：清晰為兩軸標註物理量名稱及單位（例如 \(\text{Current } / \text{ A}\)）。
• 比例尺：選擇合理且均勻的線性比例（例如以 \(1\)、\(2\)、\(5\) 或 \(10\) 的倍數遞增）。繪製的數據點分佈必須佔據坐標紙超過 50% 的面積。
• 描點：使用細小而清晰的十字叉（\(\times\)）精確描繪各個數據點。
• 最佳擬合線（Line of Best Fit）：用直尺畫出一條平直的直線，或徒手繪製一條平滑的曲線。調整線條位置，使數據點均勻分佈在線條的上下兩側。切勿將數據點以折線逐點相連！

描述圖表中的變項關係

試題經常要求你描述圖表中所呈現的關係：

• 線性關係（Linear）：最佳擬合線是一條直線（\(y = mx + c\)）。
• 正比例關係（Directly Proportional, \(y \propto x\)）：最佳擬合線是一條穿過原點 \((0,0)\) 的直線。這代表當自變項增加一倍時，應變項亦會精確地增加一倍。
• 非線性關係（Non-linear）：圖線呈曲線（例如隨着反應物逐漸耗盡，反應速率逐漸減慢）。
• 反比例關係（Inversely Proportional）：當 \(x\) 增加時，\(y\) 相應減少，且滿足 \(x \times y = \text{常數}\)（呈現一條向下的曲線）。

考官溫馨提示：千萬不要僅僅因為線條向上傾斜就斷定關係是「成正比」！只有當圖線是一條直線且穿過原點 \((0,0)\) 時，才能稱之為成正比（Directly proportional）。

第 5 部分重點回顧：自變項在 \(x\) 軸，應變項在 \(y\) 軸。類別數據用棒形圖，連續數據用散佈圖並繪製平滑的最佳擬合線，圖表範圍必須佔坐標紙 \(>50\%\) 以上。


6. 應試常見陷阱與概念誤區

每年考試都有不少同學墮入以下常見陷阱，溫習時要特別留意：

• 陷阱 1：混淆準確度（Accuracy）與精密度（Precision）
錯誤觀念：「我的結果很準確，因為三次重複測試的讀數都是 12.1。」
正確認知：「我的結果很精密（precise），因為三次重複測試的讀數非常接近。」

• 陷阱 2：混淆可重複性（Repeatable）與可再現性（Reproducible）
錯誤觀念：「這個實驗具有可再現性，因為我自己重複做了三次。」
正確認知：「這個實驗具有可重複性（repeatable），因為我自己重複實驗時得出了相近的結果；而如果另一位同學使用他們的儀器也能得出相近結果，則證明它具有可再現性（reproducible）。」

• 陷阱 3：企圖透過重複實驗來消除系統誤差
錯誤觀念：「要修正天平的零點誤差，只需重複實驗並計算平均值即可。」
正確認知：「要修正零點誤差，必須將天平去皮（歸零）或從所有讀數中扣除該零點讀數。重複試驗只能減少隨機誤差。」

• 陷阱 4：計算平均值時把異常值包含在內
錯誤觀念：計算平均值時把包括離群值在內的所有數字全部加起來。
正確認知：先辨識出異常值並將其劃去，計算時只除以有效試驗的次數。

• 陷阱 5：在圖表上繪製鋸齒狀折線
錯誤觀念：像玩連點遊戲一樣把所有數據點逐一連接起來。
正確認知：繪製一條連續平滑的最佳擬合線（直線用直尺，曲線徒手平滑繪製），並忽略異常值。