單元 CS7:實驗技巧 — 設計、儀器、分析與評估

歡迎閱讀 單元 CS7:實驗技巧(Practical Skills) 溫習筆記!雖然實驗是在實驗室進行,但你並不需要應考獨立的實驗卷或提交平時作業(coursework)。相反,實驗技巧佔全部六份 GCSE 筆試卷(生物、化學和物理)總分的至少 15%。掌握這些技巧是提升整體成績最快的方法之一。現在就讓我們按部就班地逐一拆解吧!


1. 實驗規劃與設計 (Planning and Experimental Design)

在開始任何實驗之前,科學家必須設計出一個公平、可靠且安全的測試。

認識變量 (Variables)

變量是調查中可能改變的因素。要記住它們非常簡單:

獨立變量 / 自變量 (Independent Variable, IV):刻意改變或選擇的因素。(I change it,由「我」改變!)
應變變量 / 因變量 (Dependent Variable, DV): 隨每次改變而測量的因素。(它取決於 [Depends on] 獨立變量,並為你提供數據 [Data]。)
控制變量 (Control Variables): 在整個實驗過程中必須保持不變的所有其他因素,以確保進行公平測試 (fair test)

考試小錦囊: 當被問及如何控制某個變量時,切忌只回答「保持溫度不變」。必須清楚說明如何控制它,例如:「將試管放入恆溫水浴中」

假說與預測 (Hypotheses and Predictions)

假說 (Hypothesis) 是一個可供測試的科學解釋或想法。預測 (Prediction) 則是根據該假說預計會發生的結果(例如:「如果光照強度增加,光合作用速率亦會隨之增加」)。

風險評估與安全 (Risk Assessment and Safety)

每個實驗都需要考慮危害、風險及預防措施:

危害 (Hazard): 具有潛在傷害性的事物(例如:有毒氣體、滾燙的燒杯、明火、碎玻璃)。
風險 (Risk): 在實驗條件下,該危害導致傷害的機會率。
控制措施 / 預防措施 (Control Measure / Precaution): 為減低風險而採取的行動。例子包括:
- 佩戴安全眼鏡以防液體濺入眼睛。
- 處理氯氣等有毒氣體時使用通風櫥 (fume cupboard)
- 加熱乙醇等易燃有機溶劑時,使用電熱水浴代替本生燈。
- 將受熱的玻璃儀器放置在隔熱墊 (heat-resistant mat) 上。

抽樣技巧 (Sampling Techniques)

研究種群或棲息地時,你無法逐一清點所有生物,因此必須收集一個具代表性的樣本 (representative sample)。為避免人為偏差,科學家會使用隨機抽樣 (random sampling)(例如:在網格上生成隨機坐標,並將樣方 [quadrat] 放置在這些精確坐標上)。

核心要點: 務必清楚指出你改變的因素 (IV)、測量的數據 (DV)、保持不變的條件 (Controls),並描述具體的安全措施(危害 \(\rightarrow\) 預防措施)。


2. 儀器與核心實驗活動組 (PAGs)

選擇儀器:解像度與量程

量程 (Range): 儀器所能測量的最小值和最大值範圍。
解像度 (Resolution): 儀器所能檢測到的最小物理量變化(例如:精確至 \(0.01\text{ g}\) 的天平比精確至 \(0.1\text{ g}\) 的天平具有更高的解像度)。
• 選擇適合實驗目的的儀器:例如,當氣體產生速度極快時,應使用氣體注射器 (gas syringe) 而非倒置的量筒,因為這樣能提供更精準的讀數。

生物核心 PAGs (B1–B5)

B1 顯微鏡技術 (Microscopy): 製作臨時裝片(例如用碘液染色的洋蔥表皮細胞,或用亞甲藍染色的口腔上皮細胞)。
放大率計算公式:
\( \text{放大率 (Magnification)} = \frac{\text{影像大小 (Image size)}}{\text{實際大小 (Actual size)}} \)
關鍵單位換算: 確保計算時兩者單位一致!將毫米(\(\text{mm}\))轉換為微米(\(\mu\text{m}\)),需乘以 \(1000\):
\( 1\text{ mm} = 1000\,\mu\text{m} \)

B2 食物測試 (Food Tests):
- 還原糖 (Reducing Sugars): 加入本氏試劑(Benedict's reagent)並在 \(\ge 80^\circ\text{C}\) 的水浴中加熱。顏色變化由藍色轉變為綠色/黃色/磚紅色沉澱
- 澱粉 (Starch): 加入碘液。顏色變化由黃褐色轉變為藍黑色
- 蛋白質 (Proteins): 加入雙縮脲試劑(Biuret reagent)。顏色變化由藍色轉變為紫色/淡紫色
- 脂質 (Lipids): 乳化測試(將樣本與乙醇搖勻,然後倒入水中)。陽性結果會出現乳白色乳濁液

B3 酶 (Enzymes): 探究不同溫度或 pH 值對反應速率的影響。反應速率可用以下公式計算:
\( \text{速率 (Rate)} = \frac{1}{\text{時間 (time)}} \) 或 \( \text{速率 (Rate)} = \frac{\Delta \text{變化量}}{\Delta t} \)

B4 滲透作用 (Osmosis): 測量植物組織柱(如馬鈴薯)在不同濃度糖水或鹽水中的質量變化。
質量百分比變化公式:
\( \text{質量百分比變化} = \left(\frac{\text{最終質量} - \text{初始質量}}{\text{初始質量}}\right) \times 100 \)

B5 光合作用與抽樣 (Photosynthesis & Sampling): 利用水生植物(如黑藻 Elodea)透過點算氧氣氣泡或收集氣體來測量光合作用速率。論證光照強度的反平方定律 (inverse-square law)
\( \text{光照強度} \propto \frac{1}{d^2} \)(其中 \(d\) 代表與光源的距離)。野外考察則使用樣帶(transect)和樣方(quadrat)。

化學核心 PAGs (C1–C5)

C1 電解 (Electrolysis): 使用惰性石墨電極分解離子化合物水溶液(如硫酸銅溶液或稀氯化鈉溶液),觀察陰極與陽極生成的產物。
C2 分離技術 (Separation Techniques):
- 過濾 (Filtration): 分離不溶性固體與液體。
- 結晶 (Crystallisation): 蒸發溶劑以析出固體晶體。
- 蒸餾 (Distillation): 利用沸點差異分離液體混合物。
- 色譜法 / 層析法 (Chromatography): 分離可溶性混合物。
\( R_f = \frac{\text{物質移動距離}}{\text{溶劑前沿移動距離}} \)
C3 反應速率 (Rates of Reaction): 測量混濁度(例如「十字消失法」)、用天平測量氣體逸出時的質量減輕,或隨時間收集氣體體積。
C4 中和反應與溫度變化 (Neutralisation & Temperature Changes): 使用指示劑進行滴定以找出滴定終點;在隔熱聚苯乙烯泡沫杯(polystyrene cup)中測量焓變/溫度變化。
C5 氣體檢驗 (Identifying Gases):
- 氧氣 (\(\text{O}_2\)): 使帶火星的木條重燃。
- 二氧化碳 (\(\text{CO}_2\)): 使澄清石灰水變混濁/乳白色。
- 氫氣 (\(\text{H}_2\)): 用燃燒中的木條測試時發出「爆鳴聲(pop 聲)」。
- 氯氣 (\(\text{Cl}_2\)): 使潮濕的石蕊試紙褪色變白。

物理核心 PAGs (P1–P6)

P1 密度與比熱容量 (Density & Specific Heat Capacity):
- 不規則固體的密度:使用排水罐(displacement can)測量排開水的體積。
- 比熱容量:測量加熱金屬塊/液體時的溫度升幅:
\( E = mc\Delta\theta \)
P2 胡克定律 (Hooke's Law): 探究彈簧受外力作用下的伸長量:
\( F = ke \)(其中 \(F\) 為施力,\(k\) 為彈簧常數,\(e\) 為伸長量)。
P3 電阻與 I-V 特性 (Resistance & I-V Characteristics): 電路探究:安培計串聯,伏特計並聯在組件兩端,並使用滑動變阻器改變電流和電勢差(\(V = IR\))。
P4 波動 (Waves): 在水波槽、琴弦或空氣中測量波速、頻率及波長,公式為:
\( v = f\lambda \)
P5 能量與效率 (Energy & Efficiency): 測量起重電動機或反彈物體的功、功率及效率。
P6 隔熱保溫 (Thermal Insulation): 比較包裹了不同隔熱物料或厚度的容器之冷卻曲線。

核心要點: 確保你熟悉這些核心實驗所需的儀器及標準計算(\(R_f\) 值、放大率、質量百分比變化)。


3. 數據分析與繪圖常規 (Data Analysis and Graphing Conventions)

記錄數據表格

繪製或讀取數據表格時:

獨立變量必須放在第一欄(最左欄)
應變變量(及重複測試次數)放在後續各欄。
• 欄標題必須包含物理量與標準單位,並以斜線(solidus)隔開,例如:\( \text{Time } / \text{ s} \) 或 \( \text{Volume } / \text{ cm}^3 \)。

處理異常值與計算平均值

異常結果 / 離群值 (Anomalous Results / Outliers): 與整體趨勢或規律明顯不符的數據。
黃金法則: 計算平均值前,務必先識別並剔除異常結果,切勿將它們計入總和!
有效數字 (Significant Figures): 計算所得的平均值,其有效數字位數應與所用的原始數據中最低的有效數字位數一致。

繪圖規則

坐標軸: 橫軸 \(x\) 軸代表獨立變量,縱軸 \(y\) 軸代表應變變量。
比例 (Scale): 選擇適當的比例,使描畫的數據點佔據坐標紙超過 50% 的面積。
描點: 用細小而清晰的十字 \(\times\) 準確描點。
最佳擬合線 (Line of Best Fit): 用直尺繪畫單一連續的直線,或畫一條平滑的曲線,穿過數據點或使數據點均勻分佈在兩側。切忌像「點連點」般逐點連接! 只有當獨立變量為零確實代表應變變量也為零時,線條才可穿過原點 \((0,0)\)。

計算斜率 (Gradients)

要從圖表的直線上計算速率或斜率:

\( \text{斜率 (Gradient)} = \frac{\Delta y}{\Delta x} = \frac{y_2 - y_1}{x_2 - x_1} \)

務必在直線上畫一個大三角形(覆蓋直線長度至少一半以上),以確保計算精確度。

核心要點: 表格標題必須標明單位(\(\text{物理量 } / \text{ 單位}\))、計算平均值時剔除異常值,並畫出覆蓋圖表 \(>50\%\) 的平滑最佳擬合線。


4. 評估、誤差與實驗改進 (Evaluation, Errors, and Improvements)

重要詞彙:千萬不要混淆!

考官非常喜歡考核你是否能區分以下幾組相近的概念:

可重複性 (Repeatable): 同一位實驗者使用相同的儀器和方法重複實驗,能獲得相近的結果。
可再現性 (Reproducible): 不同的實驗者進行實驗,或使用不同的儀器/方法,能獲得相近的結果。
準確度 (Accuracy): 測量值與真實值 (true value) 的接近程度。
精確度 (Precision): 重複測量值之間的相互接近程度(數值分佈範圍越小,代表精確度越高)。

誤差類型 (Types of Errors)

隨機誤差 (Random Errors): 由人體反應時間、室溫微小波動或從不同角度讀取刻度等引起的不可預測偏差。
如何減低: 重複實驗多次、剔除異常值,並計算平均值。

系統誤差 (Systematic Errors): 每次的讀數與真實值之間都偏差了一個恆定的數值。
- 零點誤差 (Zero Error): 一種常見的系統誤差,儀器在理應顯示為零時顯示非零數值(例如天平在未放物體時顯示 \(0.05\text{ g}\))。
- 視差 (Parallax Error): 視線長期高於或低於彎月面(meniscus)水平線讀數。
如何減低: 校準儀器(天平去皮/歸零),並確保在視線水平處讀取數據。

如何提出合理的實驗改進建議

避免給出含糊不清的答案,例如「做仔細啲」「用好啲嘅儀器」。請使用精確的科學用語:

切忌只寫:「做多幾次。」
應寫作: 「在每個數值下重複實驗 3 次,識別並剔除異常值,然後計算平均值。」

切忌只寫:「用好啲嘅量筒。」
應寫作: 「改用移液管(volumetric pipette)或刻度更精細(\(0.1\text{ cm}^3\))的量筒,以減低測量的不確定度。」

切忌只寫:「防止熱力散失。」
應寫作: 「在杯上加設隔熱聚苯乙烯蓋子,以盡量減少熱能散失至周圍環境。」

核心要點: 可重複性是指同一實驗裝置內;可再現性是指不同裝置/人員之間。在回答評估題時,務必提出具體且基於儀器的改進方案。


快速溫習總結

獨立變量: 由你改變的因素。
應變變量: 你測量的因素。
控制變量: 保持不變的因素,以確保公平測試。
顯微鏡技術: \( \text{放大率} = \frac{\text{影像大小}}{\text{實際大小}} \)(\(\text{mm} \times 1000 \rightarrow \mu\text{m}\))。
食物測試: 本氏試劑(還原糖 \(\rightarrow\) 磚紅色)、碘液(澱粉 \(\rightarrow\) 藍黑色)、雙縮脲試劑(蛋白質 \(\rightarrow\) 淡紫色)、乙醇(脂質 \(\rightarrow\) 乳白色乳濁液)。
異常值: 找出它們,將其剔除,切勿計入平均值。
最佳擬合線: 單一平滑的直線或曲線;絕不能畫成鋸齒狀的折線。
隨機誤差 vs 系統誤差: 隨機誤差分散在真實值周圍(透過重複測試減低);系統誤差使所有數值產生固定偏差(透過歸零/校準修正)。