科學探究思維 (IaS2)：我們能從數據中得出甚麼結論？
歡迎來到科學領域中最實用的工具箱之一！你有沒有想過，科學家是如何將實驗室裡密密麻麻的數字，轉化為突破性的科學發現、拯救生命的藥物或氣候模型的？這一切都歸功於數據分析（data analysis）。
在這一章中，你將學會如何整理、計算、繪圖及評估科學數據。無論在 OCR 綜合科學 B（二十一世紀科學 J260）的生物、化學還是物理試卷中，這些都是不可或缺的核心技能。讓我們一步一步來掌握吧！
1. 單位、詞頭與數據呈現
清晰呈現數據
在實驗中收集數據時，清晰地記錄數據能確保任何人都能準確理解你的實驗結果：
- 數據表（Data Tables）：表格中的每一欄都必須有清晰的欄標題，當中包含所測量的物理量（quantity）和單位（unit）。在 OCR 考試中，請使用斜線（/）或括號表示，例如：時間 / \(\text{s}\)、距離 (\(\text{m}\)) 或 體積 / \(\text{cm}^3\)。
- 呈現格式：你需要具備在不同格式之間轉換數據的能力，包括數值表、頻數表（frequency tables）、條形圖（bar charts）、直方圖（histograms），以及散點圖（scatter graphs）或線圖（line graphs）。
國際標準單位制（SI Units）
全球的科學家都使用標準的國際單位制（SI units），以便順暢交流並對比彼此的研究成果，避免混淆：
- 質量（Mass）：千克 / 公斤（\(\text{kg}\)）、克（\(\text{g}\)）、毫克（\(\text{mg}\)）
- 長度 / 距離（Length / Distance）：千米 / 公里（\(\text{km}\)）、米（\(\text{m}\)）、毫米（\(\text{mm}\)）
- 時間（Time）：秒（\(\text{s}\)）
- 能量（Energy）：焦耳（\(\text{J}\)）、千焦（\(\text{kJ}\)）
- 力（Force）：牛頓（\(\text{N}\)）
- 電流（Electric Current）：安培（\(\text{A}\)）
- 電勢差 / 電壓（Potential Difference）：伏特（\(\text{V}\)）
- 體積（Volume）：立方厘米（\(\text{cm}^3\)）、立方分米（\(\text{dm}^3\)）
注意：命名化學物質時，請務必使用標準的 IUPAC 系統名稱（例如：氯化鈉 sodium chloride、硫酸銅(II) copper(II) sulfate）。
公制詞頭與 10 的乘方（Metric Prefixes and Powers of 10）
當數值極大或極小時，我們會使用公制詞頭。你必須熟記這些詞頭及其對應 10 的乘方：
- 太（tera，\(\text{T}\)）：\(10^{12}\) (1,000,000,000,000)
- 吉（giga，\(\text{G}\)）：\(10^9\) (1,000,000,000)
- 兆（mega，\(\text{M}\)）：\(10^6\) (1,000,000)
- 千（kilo，\(\text{k}\)）：\(10^3\) (1,000)
- 厘（centi，\(\text{c}\)）：\(10^{-2}\) (\(\frac{1}{100}\) 或 0.01)
- 毫（milli，\(\text{m}\)）：\(10^{-3}\) (\(\frac{1}{1000}\) 或 0.001)
- 微（micro，\(\mu\)): \(10^{-6}\) (0.000001)
- 納（nano，\(\text{n}\)）：\(10^{-9}\) (0.000000001)
單位換算小貼士：在代入物理公式計算之前，務必先檢查單位是否匹配！
- 將 \(\text{kJ}\) 換算為 \(\text{J}\)：乘以 \(1000\)（即 \(10^3\)）。
- 將 \(\text{g}\) 換算為 \(\text{kg}\)：除以 \(1000\)。
- 將 \(\text{cm}^3\) 換算為 \(\text{dm}^3\)：除以 \(1000\)（因為 \(1\text{ dm}^3 = 1000\text{ cm}^3\)）。
重點提示：表格標題必須清楚標明物理量和單位（例如：能量 / \(\text{kJ}\)），在進行計算前，亦請先將帶有詞頭的數值轉換為基本單位。
2. 數據處理：平均值、極差與有效數字
最佳估計值：計算平均值（Mean）
在實驗中進行重覆測量時，算術平均值（arithmetic mean）代表了對真實數值的最佳估計值：
\(\text{Mean} = \frac{\sum \text{values}}{\text{number of values}}\)
數據分散程度與極差（Spread and Range）
多次重複測量得出的數據很少會完全相同。極差（range）反映了數據的分散程度（spread）：
- 極差（Range）：測量結果中最低值與最高值之間的差距或區間。
- 計算方法為：\(\text{Range} = \text{maximum value} - \text{minimum value}\)，亦可寫成區間形式：\([\text{minimum value}, \text{maximum value}]\)。
- 一組重複測量數據所形成的離散範圍（極差），標示了真實數值可能落入的區間。
有效數字（Significant Figures）
千萬不要直接照抄計算機上長長一串的小數！計算得出的答案必須四捨五入至合適的有效數字位數，並應與題目所給原始數據的精確度一致。
例子：如果天平的原始讀數為 \(2.4\text{ g}\) 和 \(2.6\text{ g}\)（均為 2 位有效數字），你計算出的平均值應寫作 \(2.5\text{ g}\)，而不是 \(2.500\text{ g}\)。
處理異常值（Outliers / Anomalies）
異常值（outlier / anomalous result）是指明顯偏離其他重複測量數據規律的數據點。
OCR 考試關鍵守則：除非有明確已知的原因可以剔除該數據，否則你必須將疑似異常值視為有效數據處理。
- 剔除異常值的合理原因：例如你知道自己不小心濺出了溶液、讀錯了儀器刻度，或是太慢按下秒錶。在這些情況下，計算平均值時便應將其剔除。
- 沒有發現明確錯誤？如果沒有發現明顯的操作失誤或污染，計算時必須保留該異常值。
重點提示：算術平均值是真實數值的最佳估計。切勿在沒有合理解釋的情況下隨意刪除異常值！
3. 繪圖、趨勢與線性關係
科學考試繪圖規則
- 坐標軸（Axes）：將自變量（independent variable）（人為改變的變量）放在水平 \(x\) 軸，將因變量（dependent variable）（所測量的變量）放在垂直 \(y\) 軸。
- 比例尺（Scale）：選擇規律、線性的比例尺（例如每格代表 1、2、5 或 10 等步長）。繪製的圖表必須佔據網格超過一半的空間。
- 描點（Plotting Points）：用削尖的鉛筆準確標出數據點，使用小叉（\(\times\)）或帶圓圈的點（\(\odot\)）標記。
最佳擬合線與極差線（Lines of Best Fit and Range Bars）
- 最佳擬合線（Line of Best Fit）：畫出一條平滑的曲線或直線，使數據點均勻分佈在線的兩側。繪線時請忽略已確認的異常值。切勿像連連看一樣將各點以鋸齒狀折線連接！
- 除非數據和科學理論明確指出該趨勢應從零開始，否則不要強行讓擬合線穿過原點 \((0,0)\)。
- 極差線（Range Bars）：在每個數據點上繪製垂直的誤差線或極差線，用以直觀展示重複測量數據的分散程度，並呈現實驗的不確定度（uncertainty）。
分析線性關係：\(y = mx + c\)
當圖表呈現一條直線時，表示變量之間存在線性關係，其數學表達式為：
\(y = mx + c\)
- \(m\) = 斜率 / 斜度（gradient）（直線的傾斜程度）
- \(c\) = \(y\)-截距（\(y\)-intercept）（直線與垂直軸相交處的 \(y\) 值）
計算斜率
要計算直線的斜率：
\(m = \frac{\Delta y}{\Delta x} = \frac{y_2 - y_1}{x_2 - x_1}\)
考官提示：在考試中計算斜率時：
- 在最佳擬合線上畫一個大的直角三角形（長度至少佔整條直線的一半以上）。
- 直接從最佳擬合線上選取坐標點，切勿直接從原始數據表中挑選數據點。
- 計算 \(\frac{y\text{ 的變化量}}{x\text{ 的變化量}}\)。
曲線的變化率（繪製切線）
如果圖表是一條曲線，則其變化率是時刻在變化的。要找出某個特定點的變化率：
- 將直尺放在曲線上的該點，使其成為一條直線切線（tangent）（僅接觸該點而不穿過曲線）。
- 畫出這條切線。
- 計算該切線的斜率：\(\frac{\Delta y}{\Delta x}\)。
內插法 vs 外推法（Interpolation vs. Extrapolation）
- 內插法（Interpolation）：在已知測量數據點的範圍之內估算數值（高度可靠）。
- 外推法（Extrapolation）：將最佳擬合線延伸至測量數據範圍之外以預測趨勢（可靠性較低，因為變化趨勢可能會改變）。
重點提示：計算斜率時要使用大型三角形（邊長 \(\ge 50\%\) 擬合線長度），坐標點必須直接取自擬合線。對於曲線，則需透過繪製切線來求取變化率。
4. 評估數據質素：誤差與可靠性
準確度 vs 精確度（Accuracy vs. Precision）
剛開始學時覺得這兩個詞很像？不用擔心！在科學中，它們有著嚴格且明確的定義：
- 準確度（Accuracy）：測量值與真實值（true value）的接近程度。
- 精確度（Precision）：各次重複測量值彼此之間的接近程度（以較窄的分散程度 / 極差來體現）。
靶心比喻（The Dartboard Analogy）：
- 如果所有飛鏢都緊密集中在紅心附近，那麼你的投擲既準確又精確。
- 如果所有飛鏢都緊密聚在左上角，遠離紅心，那麼它們精確但不準確。
- 如果飛鏢散落在整個靶盤各處，那麼它們精確度差，準確度也差。
可重複度 vs 可再現度（Repeatability vs. Reproducibility）
- 可重複度（Repeatability）：由同一位實驗者，在同一個實驗室中使用相同的方法和儀器重複進行實驗時所獲得的精確度。
- 可再現度（Reproducibility）：由不同的實驗者，或使用不同的儀器 / 實驗方法重複進行研究時所獲得的精確度。
實驗誤差的類型
- 偶然誤差 / 隨機誤差（Random Errors）：由人體反應時間、微小的溫度波動或在儀器刻度間估讀讀數所引起的不可預測波動。
減少方法：進行多次重複測量並計算平均值。 - 系統誤差（Systematic Errors）：儀器缺陷或實驗設計漏洞，導致所有測量值一致性地偏向同一個方向（例如電子天平在未放任何物品前已顯示 \(+0.5\text{ g}\) —— 這稱為零點誤差 zero error）。
重要考點：系統誤差無法透過重複測量和計算平均值來消除！你必須修正實驗裝置或校準零點設定。
重點提示：偶然誤差會導致數據離散，可透過計算平均值來減少；系統誤差會使整體數據產生一致的偏差，需要透過重新校準儀器來解決。
快速複習清單
- 你能否正確書寫表格標題（例如：距離 / \(\text{m}\)）？
- 你是否已熟記由納（\(10^{-9}\)）到太（\(10^{12}\)）的所有公制詞頭？
- 你能否計算算術平均值並列出極差？
- 你是否清楚處理異常值的規則（僅在有明確已知原因時才可剔除）？
- 你能否利用 \(m = \frac{\Delta y}{\Delta x}\) 並以大型三角形準確計算斜率？
- 你能否在曲線上繪製切線以求取特定點的斜率？
- 你能否清晰解釋準確度、精確度、可重複度與可再現度之間的區別？