單元 IaS3：科學解釋是如何發展出來的？
歡迎來到 IaS3：科學解釋是如何發展出來的？（How are scientific explanations developed?）。這個單元屬於 OCR GCSE 綜合科學 B（二十一世紀科學，Twenty First Century Science）課程中的科學探究思維（Ideas about Science）部分。與那些只出現在單一學科的課題不同，科學探究思維會在你的生物、化學和物理所有考卷中出現！
如果科學術語有時讓你感到困惑，千萬別擔心。在這份溫習筆記中，我們將會一步步用淺顯易懂的方式，為大家拆解科學家是如何觀察世界、建立模型、驗證想法以及互相審查研究成果的。
1. 規律與相關性：尋找關聯
科學研究通常始於觀察和收集數據。當科學家分析數據表格或圖表時，他們會尋找當中的規律。
什麼是相關性（Correlation）？
相關性（Correlation）是指數據中兩個變量同時發生改變的規律或關係。
• 正相關（Positive correlation）：當一個變量增加時，另一個變量也隨之增加（例如：氣溫上升時，雪糕銷量也隨之增加）。
• 負相關（Negative correlation）：當一個變量增加時，另一個變量反而減少（例如：車速加快時，到達目的地所需的時間便會減少）。
黃金法則：相關性並不等於因果關係！
這是 GCSE 考試中最常見的錯誤之一。兩件事情同時發生，並不代表其中一件事情導致了另一件事情的發生。
因果關係（Cause-effect link / Causation）意味著一個變量的改變直接導致了另一個變量的改變。
為什麼兩個變量存在相關性，卻沒有因果關係？
1. 純屬巧合（Coincidence）：這兩個變量只是碰巧同時發生變化，純屬偶然。
2. 存在共同的第三因素（A Shared Third Factor）：有一個隱藏的第三變量同時導致了兩者的變化。例如，兒童的鞋子尺碼越大，閱讀能力往往越高。穿較大的鞋子顯然不會讓小朋友閱讀能力變好！背後的第三因素其實是年齡——年紀較大的兒童腳較大，同時閱讀能力也較好。
考官小貼士（Examiner Tip）：當試題給出一幅顯示相關性的圖表，並問你「因素 A 是否導致了因素 B」時，切記要指出「相關性並不證明因果關係（correlation does not prove causation）」，並提出可能存在第三個因素，或者需要進行進一步的測試。
核心重點：相關性僅提示可能存在關聯，但只有透過控制變量的實驗並證實其機制，才能確立直接的因果關係。
2. 科學模型：讓世界更容易理解
宇宙中的事物可能太微小（如原子）、太龐大（如星系），或者太複雜（如全球氣候），以至於我們無法直接進行研究。正因如此，科學家會使用模型（Models）。
什麼是科學模型？
模型（Model）是一種表徵工具，用於解決問題、作出預測，並為各種現象建立科學解釋。
你必須掌握的四種模型類型
OCR 課程指引明確列出了四種主要模型，你必須能夠辨認它們：
1. 表徵模型（Representational Models）：
這些是用於代表真實物體或結構的簡化繪圖、圖表或實物複製品。
例子：植物細胞圖、使用標準電路符號繪製的電路圖，或 DNA 雙螺旋的塑膠模型。
2. 空間模型（Spatial Models）：
這些模型展示了物體或粒子在 2D 或 3D 空間中的排列方式。
例子：展示晶體點陣中鈉離子和氯離子排列的 3D 結構圖，或太陽系的比例模型圖。
3. 描述模型（Descriptive Models）：
這些模型利用文字、流程圖或分步描述來解釋某個過程或系統。
例子：解釋水循環各階段（蒸發、凝結、降水）的示意圖，或展示碳如何在生態系統中循環的流程圖。
4. 計算／數學模型（Computational / Mathematical Models）：
這些模型利用數學方程式或電腦模擬來計算結果並作出預測。
例子：利用方程式 \(F = ma\) 計算力如何影響加速度，或運行超級電腦模擬來預測未來 50 年的氣候變化。
核心重點：模型能幫助我們簡化、視像化及計算那些難以直接觀察的事物。
3. 理論的發展：觀念如何演變與更新
假說 vs. 預測（千萬不要混淆！）
很多同學常將這兩個詞混為一談而失分：
• 假說（Hypothesis）：針對觀察現象提出的初步解釋（即「背後的原因」）。
• 預測（Prediction）：若假說正確，針對特定測試所預期的結果陳述（即「將會發生甚麼事」）。
例子：
• 觀察：靠近窗邊的植物比陰暗角落的植物長得更高。
• 假說：植物生長得較快，是因為光為光合作用提供了能量。
• 預測：如果我們把幼苗放在光照強度較高的燈下，那麼在兩星期內，它們增加的質量會比放在微弱光線下的幼苗更多。
科學中的創造力
科學絕不僅僅是背誦事實，提出新的解釋需要豐富的創造力與想像力。例如，牛頓發揮了非凡的創意思維，提出把蘋果拉向地面的無形引力，同時也是將月球維持在繞地軌道上的同一種力量。
科學解釋具有「暫定性」（Provisional）
暫定性（Provisional）是什麼意思？它意味著根據目前現有的證據，該解釋暫時被接受。
科學知識從來都不是一成不變的。當發明了新的實驗工具（例如更先進的顯微鏡或粒子對撞機）時，科學家會發現新的數據。如果現有的模型無法解釋這些新數據，理論就必須進行修正（modified）或徹底被取代（replaced）。
經典例子：
• 原子論：最初被視為實心球體（道爾頓 Dalton），後來轉變為布甸模型（湯姆森 Thomson），接著演變為核模型（盧瑟福 Rutherford），再到後來的電子層模型（波耳 Bohr）。
• 遺傳學：孟德爾（Gregor Mendel）早期關於遺傳「單位」的概念，在科學家發現 DNA 和基因結構後得到了修正。
核心重點：假說解釋「原因」；預測說明「將會發生甚麼」。科學解釋具有暫定性，每當發現新證據時就會不斷演進。
4. 科學界與同行評審
當科學家有新發現時，他們不能直接將其宣布為已證實的事實，而是必須經過嚴格的審查程序。
什麼是同行評審（Peer Review）？
同行評審（Peer review）是指新的科學研究和主張在科學期刊上發表之前，由同領域的其他科學家進行獨立評估的過程。
為什麼同行評審至關重要？
1. 核實有效性（To check validity）：確保實驗設計公平合理，測量數據精確無誤。
2. 評估原創性與質素（To assess originality and quality）：確保研究能提供有價值的見解，並符合高水平學術標準。
3. 偵測錯誤與虛假陳述（To detect errors and false claims）：揪出偽造數據、數學計算錯誤或具偏差的結論。
4. 建立科學共識（To establish scientific consensus）：協助科學界就哪些理論獲得有力證據支持達成共識。
同行評審期刊 vs. 大眾媒體
在日常生活中閱讀科學資訊時要格外小心！
• 科學期刊（Scientific Journals）：論文經過專家的同行評審和嚴格把關。
• 大眾媒體（報紙、電視、社交媒體、網站）：這些內容未經同行評審。媒體報導往往會過度簡化複雜的發現、使用聳動的標題吸引眼球，或者帶有主觀偏見。
考官小貼士（Examiner Tip）：在定義同行評審時，務必說明研究是由「同領域的其他科學家（other scientists working in the same field）」進行審查，以確保研究的「有效性（validity）」。如果只寫「由其他人檢查」，是無法取得滿分的！
核心重點：同行評審透過在發表前由獨立的領域專家把關，確保科學研究的可靠性與可信度。
5. 數據處理：異常值與測量術語
在所有科學考試中，你都會遇到分析實驗數據的題目。以下是 IaS3 必須掌握的核心數據術語：
什麼是異常值（Outlier）？
異常值（Outlier / Anomalous result）是指在重複實驗數據集中，與其他結果有顯著差異的數據點。
如何處理異常值：
• 計算平均值（Mean / Average）時，不應將異常值包含在內。
• 然而，只有在有明確實驗失誤原因（例如液體濺出、讀錯刻度或計時出錯）的情況下，才能將異常值徹底剔除。否則，應該重複進行該次實驗，探究異常出現的原因。
關鍵測量術語
• 準確度（Accuracy）：測量值與真實值（true value）的接近程度。
• 精確度（Precision）：對同一物理量進行重複測量時，各測量值相互之間的接近程度（數據在平均值周圍的分佈離散程度）。
• 可重複性（Repeatability）：當同一位實驗者使用相同的儀器和方法進行測試時，所得結果的一致程度。
• 可再現性（Reproducibility）：當由不同的實驗者或使用不同的儀器進行調查時，所得結果的一致程度。
核心重點：計算平均值時要剔除異常值，並學會辨別結果差異是由人為錯誤還是真實的科學變異所導致。
快速溫習清單
在應考前，確認自己能自信地回答以下問題：
✓ 你能解釋為什麼散佈圖上的相關性不等於必然存在因果關係嗎？
✓ 你能列出4 種模型類型（表徵模型、空間模型、描述模型、計算／數學模型）並各舉一個例子嗎？
✓ 你能說出假說（解釋）與預測（可檢驗的結果）之間的區別嗎？
✓ 你能解釋為什麼科學理論具有暫定性，並舉出一個理論演變的例子（如原子結構）嗎？
✓ 你能準確定義同行評審，並解釋為什麼報紙文章不算經過同行評審嗎？
✓ 在計算平均值時，你知道該如何處理異常值嗎？