歡迎來到「科學概念」(Ideas about Science)！

你有沒有想過，科學家究竟是如何歸納出宇宙的「規則」？這可不僅僅是一群穿著白袍的人大喊一聲「我發現了！」然後就突然洞悉一切。科學是一場充滿發現的旅程，當中涉及尋找規律、創意思考，以及大量的同儕驗證。

在本章中，我們將探討 IaS3：科學解釋是如何發展出來的？ 你將學習如何從數據中找出規律、為什麼科學理論會隨時間改變，以及為什麼你的老師總是提到「模型」(models)。如果起初覺得這些內容有些抽象，別擔心——我們會運用許多現實生活中的例子，讓你輕鬆掌握！


1. 相關性 vs. 因果關係：尋找規律

任何科學解釋的第一步都是尋找相關性 (correlation)。這是一個專業術語，用來描述兩件事似乎同時發生的規律。

什麼是相關性？

如果你在圖表中看到因素 A 上升，而結果 B 也隨之上升，這就是相關性。例如，隨著地球溫度升高，大氣中的 \(CO_2\) 含量也在增加。它們之間就存在相關性。

黃金法則：相關性不等於因果關係

僅僅因為兩件事同時發生，並不代表其中一件事導致了另一件事。 例子：夏天時，雪糕銷量會增加，鯊魚襲擊事件也會增加。它們之間確實存在相關性！但吃雪糕會導致鯊魚咬你嗎？當然不會！這兩者的真正成因其實是炎熱的天氣（天氣熱使更多人購買雪糕，也使更多人去游泳）。

我們如何證明因果關係？

若要宣稱一件事確實導致了另一件事，科學家需要一個機制 (mechanism)。這是一個能解釋「過程如何發生」的科學解釋。 例子：科學家認同 \(CO_2\) 會導致全球暖化，是因為他們發現了其機制——溫室效應，即 \(CO_2\) 分子會困住紅外線輻射。

快速複習：
• 相關性 (Correlation)： 兩個變數之間的聯繫或規律。
• 成因 (Cause)： 一件事直接引發另一件事發生。
• 機制 (Mechanism)： 解釋該聯繫是如何發生的「操作流程」。

關鍵重點：科學家會先尋找相關性，但只有在找到合理的機制來解釋成因時，他們才會接受該解釋。


2. 理論的成長與演變

科學理論並非單純從一堆數據中「蹦出來」，它們需要創意思考。你可以把理論想像成手機應用程式——當你發現漏洞或硬體升級時，有時你需要發布「2.0 更新版」！

理論的生命週期

1. 假說 (Hypothesis)： 科學家提出一個初步解釋（「這件事發生是因為……」）。
2. 預測 (Prediction)： 基於該想法，預測實驗中將會發生什麼。
3. 測試 (Testing)： 收集數據。如果數據符合預測，他們對該理論的信心就會增加。
4. 理論 (Theory)： 如果經過多次測試且結果準確，它就會成為被認可的科學理論。

改變觀點

當出現新的證據，或者科技發展（如更先進的顯微鏡或電腦）讓我們能看見以前看不見的事物時，理論就會被修正或取代。 現實例子：原子模型。我們從道耳頓的「實心球」模型開始，演變到「梅子布丁」模型，最後隨著科技進步，演變成現代的原子核與電子殼層模型。

你知道嗎？ 科學解釋很少會僅因為一條奇怪的數據就被丟棄。它通常會保留下來，直到找到一個能同時解釋舊數據和新數據的「更好」解釋為止！

關鍵重點：科學具有自我修正的特性。隨著我們擁有更好的工具和更豐富的數據，我們的解釋會變得更加精確。


3. 科學界：同儕互審 (Peer Review)

科學家並不是獨自工作的。他們身處於一個天生就抱持懷疑態度（這意味著他們不會輕易相信事情！）的社群之中。

同儕互審流程

在一個新想法被接納為科學知識之前，必須經過同儕互審。這是由同一領域的其他專家檢查研究，以確保：
• 方法嚴謹。
• 數據呈現清晰。
• 結論合乎邏輯。

可重複性 (Reproducibility)

科學家非常懷疑只發生過一次的結果。一項主張要被接受，必須具備可重複性。這意味著其他人即使在不同的實驗室中，也應該能進行同樣的實驗並獲得相同的結果。

為什麼科學家會意見分歧？

有時候，兩位科學家看著完全相同的數據卻得出不同的結論。這可能是因為：
• 他們的個人背景或經驗使他們對證據的衡量標準不同。
• 他們有不同的利益關係（例如，為汽車公司工作的科學家，看待排放數據的角度可能與為環保組織工作的科學家不同）。

常見謬誤：以為科學家意見不合就代表「沒人知道真相」。事實上，意見分歧是科學健康運作的一部分，這有助於我們找到最強而有力的解釋！

關鍵重點：同儕互審和可重複性確保了只有最可靠的想法才能成為被認可的科學知識。


4. 利用模型解釋世界

在化學中，我們經常處理一些太小而無法看見的事物（原子），或是太大而無法進行實驗的對象（地球氣候）。為了克服這些困難，我們使用模型。

模型的類型

• 表徵模型 (Representational Models)： 使用實物來幫助我們視覺化。 例子：分子的「球棍模型」。
• 描述模型 (Descriptive Models)： 使用文字或圖表來解釋現象。 例子：粒子模型（固體、液體和氣體）。
• 數學/計算模型 (Mathematical/Computational Models)： 使用複雜的方程式和電腦來預測未來。 例子：用於預測氣候變化的電腦模型。

模型的侷限性

沒有完美的模型！模型都是簡化後的產物。 記住模型侷限性的口訣（三個 S）：
1. Scale（規模）： 它們通常比真實物體大得多或小得多。
2. State（狀態）： 它們可能將原子描述為「實心球」，但原子實際上並非實心。
3. Simplification（簡化）： 它們省去了細節，以便讓人更容易理解重點。

快速複習盒：
科學家使用模型來：
• 解決問題
• 做出預測
• 發展解釋
• 記住： 在考試回答問題時，務必指出你所使用模型的侷限性！

關鍵重點：模型是幫助我們理解複雜系統的工具，但它們始終是對現實世界的簡化。