歡迎來到 IaS2：我們可以從數據中得出甚麼結論？
你有沒有試過完成一項物理實驗後，寫滿了一整頁數據，然後心想：「這些數字到底代表甚麼？」 如果有，別擔心，你絕不是唯一一個！在科學世界中，收集數據只是第一步。真正的「超能力」在於懂得如何處理這些數據、找出規律、評估數據質素，並得出堅實可靠的科學結論。
在 OCR GCSE (9–1) Physics B (Twenty First Century Science) 課程的這個章節中，你將會學到科學家用來將原始數據轉化為明確科學證據的完整工具箱。這些技能會在你的兩份筆試（Paper 1 Breadth 及 Paper 2 Depth）中全面考核，因此掌握好這些概念，能助你在每個物理課題中都取得更佳成績！
---1. 數據處理、國際單位制（SI 單位）與有效數字
A. 標準 SI 單位與詞頭（Prefixes）
在物理學中，沒有單位的數字是毫無意義的。我們使用標準的國際單位制（SI units），以便全世界的科學家都能準確理解彼此的測量結果。
物理學中常見的基本單位和導出單位包括：
• 長度／距離：米（\(\text{m}\)）
• 質量：公斤（\(\text{kg}\)）
• 時間：秒（\(\text{s}\)）
• 能量：焦耳（\(\text{J}\)）
• 功率：瓦特（\(\text{W}\)）
• 力：牛頓（\(\text{N}\)）
• 壓強：帕斯卡（\(\text{Pa}\)）
測量數值可能極大或極小。我們會使用十進制詞頭來調整單位的大小：
• 兆（Mega-，\(\text{M}\)）： \(\times 10^6\) 或 \(\times 1\,000\,000\)（例如：\(1\text{ MJ} = 1\,000\,000\text{ J}\)）
• 千（kilo-，\(\text{k}\)）： \(\times 10^3\) 或 \(\times 1\,000\)（例如：\(1\text{ km} = 1\,000\text{ m}\)、\(1\text{ kW} = 1\,000\text{ W}\)、\(1\text{ kg} = 1\,000\text{ g}\)）
• 毫（milli-，\(\text{m}\)）： \(\times 10^{-3}\) 或 \(\div 1\,000\)（例如：\(1\text{ mm} = 0.001\text{ m}\)、\(1\text{ ms} = 0.001\text{ s}\)、\(1\text{ mg} = 0.001\text{ g}\)）
記憶小貼士： 將較小的單位轉換為較大的單位時（例如：\(\text{g}\) 轉為 \(\text{kg}\)），要除。將較大的單位轉換為較小的單位時（例如：\(\text{kJ}\) 轉為 \(\text{J}\)），要乘。
B. 標準式（Standard Form）與數量級
極大和極小的數字通常會以標準式（科學記數法）表示：\(A \times 10^n\)，其中 \(A\) 是介乎 \(1\) 到 \(10\) 之間的數字，而 \(n\) 是一個整數（正數或負數）。
例子： \(450\,000\text{ W} = 4.5 \times 10^5\text{ W}\)
例子： \(0.0032\text{ m} = 3.2 \times 10^{-3}\text{ m}\)
C. 有效數字（\(\text{s.f.}\)）
當你計算出答案時，計算機通常會顯示一長串小數位。如果寫出像 \(3.4871923\text{ N}\) 這樣的答案，實際上暗示了一種不可能達到的精確度！
規則： 最終計算答案的有效數字位數，必須與計算中所使用精確度最低（即有效數字最少）的測量數據相同。
例子： 如果力是 \(12\text{ N}\)（2 位有效數字），面積是 \(2.45\text{ m}^2\)（3 位有效數字），計算所得的壓強必須四捨五入至 2 位有效數字。
重點提示： 務必檢查單位，計算前先轉換詞頭，並將最終答案四捨五入至與最不精確的輸入數據相符的有效數字。
---2. 繪製圖表與識別數學關係
A. 繪圖規則
在物理學中呈現連續數據時，散佈圖（scatter plots）和折線圖是最佳選擇。繪圖時請遵循以下嚴格的考評評卷標準：
• 軸線與刻度（Axes & Scales）： 使用簡單、線性的刻度（例如以 \(1, 2, 5, 10\) 為步進）。切勿使用不便計算的刻度（如 \(3\) 或 \(7\)）。繪製的數據點在兩個方向上都必須佔據方格紙的一半以上。
• 標籤（Labels）： 清楚標明每個軸所代表的物理量及其單位（例如：距離（\(\text{m}\)）、時間（\(\text{s}\)））。
• 標點（Plotting）： 用削尖的鉛筆準確標繪數據點，標記為小叉（\(\times\)") 或帶圓圈的點（\(\odot\)"），誤差應在小方格的 \(\pm \frac{1}{2}\) 格以內。
• 最佳擬合線（Line of Best Fit）： 用直尺畫出一條平滑的直線，或徒手畫出一條平滑的曲線，使其均勻穿過各數據點或平均分佈於點之間。切勿逐點相連（dot-to-dot）！ 繪線時應忽略明顯的異常值。
B. 理解線性關係（\(y = mx + c\)）
直線圖符合通式方程：
\(y = mx + c\)
• \(m\) 是斜率（gradient）（直線的傾斜程度）。
• \(c\) 是 \(y\) 截距（\(y\)-intercept）（直線與垂直 \(y\) 軸相交的點）。
計算斜率 \(m\) 的公式為：
\(m = \frac{\Delta y}{\Delta x} = \frac{y_2 - y_1}{x_2 - x_1}\)
實用技巧： 在最佳擬合線上選取兩個距離較遠的點（畫一個大三角形），以更準確地計算斜率。
C. 正比例與反比例
同學經常混淆這兩個概念，但這正是考試的熱門考點！
1. 正比例（Direct Proportionality，\(y \propto x\)）：
• 當一個變量加倍，另一個變量也相應加倍時，這兩個變量成正比。
• 在圖表上，這會呈現為一條穿過原點 \((0,0)\) 的直線。
• 兩者的比值為常數：\(\frac{y}{x} = \text{常數}\)。
常見錯誤： 一條向上傾斜但沒有穿過 \((0,0)\) 的直線只代表線性關係，並非成正比！
2. 反比例（Inverse Proportionality，\(y \propto \frac{1}{x}\)):
• 當一個變量增加時，另一個變量減少，且它們的乘積保持不變：\(y \cdot x = \text{常數}\)。
• 在 \(y\) 對 \(x\) 的圖表中，這會呈現為一條向下的曲線（雙曲線）。
• 如果繪製 \(y\) 對 \(\frac{1}{x}\) 的圖表，你會得到一條穿過原點的直線。
D. 變化率（Rates of Change）
圖表的斜率通常代表某種物理變化率：
• 在距離–時間圖（distance–time graph）中，斜率等於速率（speed）（\(\frac{\Delta \text{距離}}{\Delta \text{時間}}\)）。
• 在速度–時間圖（velocity–time graph）中，斜率等於加速度（acceleration）（\(\frac{\Delta \text{速度}}{\Delta \text{時間}}\)）。
• 如果圖表是一條曲線，你可以在該點畫一條切線（tangent）（一條在該點接觸曲線而不穿過曲線的直線），並計算切線的斜率，從而找出該點的瞬時變化率。
重點提示： 穿過 \((0,0)\) 的直線代表成正比。斜率代表變化率（\(\frac{\Delta y}{\Delta x}\)）。
---3. 數據質素：準確度、精確度、誤差與不確定度
A. 準確度（Accuracy）與精確度（Precision）
在日常生活中，人們常把這兩個詞混用。但在物理學中，它們的意思截然不同！
• 準確度（Accuracy）： 測量值與該物理量的真實值（true value）有多接近。
• 精確度（Precision）： 重複測量值之間彼此有多接近（即重複數據的分佈範圍或一致性程度）。
飛鏢靶比喻：
• 所有飛鏢緊密聚集在靶心 = 既準確又精確。
• 所有飛鏢緊密聚集在左上角 = 精確但不準確（結果非常一致，但偏離目標！）。
• 飛鏢分散在整個靶面，但平均分佈在中心周圍 = 平均上準確，但不精確。
B. 可重複性（Repeatability）與可再現性（Reproducibility）
• 可重複（Repeatable）： 原實驗者在短時間內，在同一實驗室使用相同的方法和儀器重複實驗，能獲得相同的結果。
• 可再現（Reproducible）： 不同的人，或同一個人在不同的實驗室使用不同的儀器／方法進行測試，也能獲得相同的結果。
C. 實驗誤差：隨機誤差與系統誤差
每一次測量都會因誤差而存在一定程度的不確定度。
1. 隨機誤差（Random Errors）：
• 不可預測的波動，導致單次讀數略高於或略低於真實值。
• 成因： 使用秒錶時的人類反應時間、微小的溫度波動，或讀取刻度時視線估算的輕微偏差。
• 減少方法： 進行至少三次重複測量，剔除所有異常值，然後計算平均值（mean）。
2. 系統誤差（Systematic Errors）：
• 持續存在的誤差，每次測量都會使讀數偏離真實值一個固定的數值或比例。
• 成因： 儀器未經準確校準，或天平在未放物品時沒有歸零。
• 零點誤差（Zero Error）： 系統誤差的一種，指測量儀器在真實值為零時顯示非零讀數（例如：伏特計在未接通時讀數為 \(0.2\text{ V}\)）。
• 修正方法： 系統誤差不能透過重複測量或取平均值來消除！你必須重新校準儀器、修正零點誤差（將天平歸零/去皮），或改善實驗操作技巧。
D. 處理異常值（Outliers / Anomalies）
異常值是指明顯偏離其餘數據規律的測量值。
當你發現異常值時：
1. 將其識別出來。
2. 調查可能的原因（例如讀錯刻度、秒錶啟動過慢）。
3. 在計算平均值前將其剔除。
4. 若情況許可，應重新進行該次測量。
E. 計算平均值、極差與不確定度
當你取得重複讀數後（並已剔除異常值）：
1. 平均值（\(\bar{x}\)）：
\(\text{平均值} = \frac{\text{有效重複讀數的總和}}{\text{有效重複讀數的次數}}\)
2. 極差（Range）：
\(\text{極差} = \text{最大值} - \text{最小值}\)
3. 絕對不確定度（Absolute Uncertainty）：
不確定度代表真實值預期所在的數值區間。從重複讀數中，不確定度的估算公式為：
\(\text{不確定度} = \pm \frac{\text{極差}}{2}\)
範例： 一名學生測量玩具小車滑下斜道所需的時間。重複測量的時間為 \(2.4\text{ s}\)、\(3.9\text{ s}\)（異常值）、\(2.6\text{ s}\) 和 \(2.5\text{ s}\)。
• 第一步：剔除異常值（\(3.9\text{ s}\)）。
• 第二步：計算平均值：\(\text{平均值} = \frac{2.4 + 2.6 + 2.5}{3} = \frac{7.5}{3} = 2.5\text{ s}\)。
• 第三步：計算有效讀數的極差：\(\text{極差} = 2.6 - 2.4 = 0.2\text{ s}\)。
• 第四步：計算不確定度：\(\pm \frac{0.2}{2} = \pm 0.1\text{ s}\)。
• 最終記錄結果：\(2.5 \pm 0.1\text{ s}\)。
重點提示： 隨機誤差可透過重複測量及取平均值來減少。系統誤差會使整體數據平移，需要調整儀器。不確定度為 \(\pm \frac{\text{極差}}{2}\)。
---4. 得出有效結論：相關性與因果關係
A. 進行推論（Inferences）
推論是嚴格根據實驗數據所得出的結論。除非有已證實的科學原理解釋，否則切勿隨意進行外推（即猜測超出測量數據範圍以外的情況）。
B. 相關性（Correlation）與因果關係（Causation）
科學中最重要的概念之一，就是分辨「關聯」與「因果」的分別：
• 相關性（Correlation）： 兩個變量之間的關聯或趨勢規律（例如：當變量 \(A\) 增加時，變量 \(B\) 亦增加）。這通常能在散佈圖的趨勢中觀察到。
• 因果關係（Causation / Causal Mechanism）： 證明變量 \(A\) 的變化直接導致了變量 \(B\) 的變化。
重要原則：相關性並不等於因果關係！
僅僅因為兩個變量顯示出相關性，並不代表兩者具有因果關係。相關性可能源於：
1. 純粹巧合。
2. 由第三個未被測量的混雜變量（confounding variable）同時影響著這兩個變量。
例子： 雪糕銷量和曬傷人數同時上升（正相關）。吃雪糕會導致曬傷嗎？當然不會！背後的混雜變量是炎熱晴朗的天氣，天氣才是兩者的真正成因。
在物理學中要證明因果關係，科學家必須進行對照實驗（保持所有控制變量不變），或提出已知的物理機制（例如：增加定值電阻兩端的電勢差會增強電場，迫使每秒有更多電子通過，從而使電流增加）。
重點提示： 圖表只能顯示相關性，只有透過受控實驗和已證實的物理機制，才能證明因果關係。
---5. 快速摘要與常犯考試陷阱
千萬別在這些地方失分！留意以下經典考試陷阱：
• 陷阱 1： 把所有向上的直線都稱為「成正比」。記住：它必須穿過 \((0,0)\)。
• 陷阱 2： 計算平均值時包含了異常值。記住一定要先劃掉異常值！
• 陷阱 3： 混淆準確度與精確度。如果存在系統性的零點誤差，數據即使非常精確，也可以完全不準確。
• 陷阱 4： 在圖表上逐點相連（dot-to-dot）。務必使用直尺畫出單一的直線，或畫出平滑的最佳擬合曲線。
• 陷阱 5： 混淆可重複性與可再現性。如果同一個學生在同一堂課中重複實驗，這測試的是可重複性，而不是可再現性。