How small a difference can conductometry establish? An uncertainty budget, resolution curves and the arithmetic cost of four design faults

प्रयोगशाला में पानी को अक्सर एक खाली स्लेट की तरह माना जाता है, एक तटस्थ माध्यम जो केवल अन्य पदार्थों को थामे रहता है। फिर भी, दशकों से, शोधकर्ताओं ने दावा किया है कि भौतिक या रासायनिक उपचारों द्वारा पानी को मौलिक रूप से बदला जा सकता है, जिससे इसमें नए गुण आ जाते हैं जो उपचार समाप्त होने के बहुत बाद तक बने रहते हैं। इन परिवर्तनों के लिए आमतौर पर जिस प्रमाण का हवाला दिया जाता है, वह पानी के बिजली संचालित करने की क्षमता (कंडक्टिविटी) में एक सूक्ष्म बदलाव है। जब एक उपचारित नमूना अनुपचारित नमूने की तुलना में थोड़ा बेहतर या बदतर तरीके से बिजली संचालित करता है, तो वैज्ञानिक इसे इस प्रमाण के रूप रूप में लेते हैं कि पानी की संरचना बदल गई है। रिपोर्ट किए गए अंतर बहुत छोटे होते हैं, जो आमतौर पर एक से पांच प्रतिशत के बीच होते हैं। वैज्ञानिक समुदाय ने वर्षों तक इस बात पर बहस की है कि क्या ज्ञात भौतिकी वास्तव में ऐसे परिवर्तन पैदा कर सकती है, लेकिन एक अधिक बुनियादी प्रश्न को काफी हद तक अनदेखा किया गया है: क्या मापने वाला उपकरण स्वयं इतने सूक्ष्म अंतर को देखने में सक्षम है, या यह संकेत केवल शोर (नॉइज़) मात्र है?

यह प्रश्न महत्वपूर्ण है क्योंकि यदि कोई माप वास्तविक परिवर्तन और यादृच्छिक उतार-चढ़ाव के बीच विश्वसनीय रूप से अंतर नहीं कर सकता है, तो परिणाम हमें पानी के बारे में कुछ भी नहीं बताता, चाहे उसे कितनी भी सावधानी से रिकॉर्ड क्यों न किया गया हो। वादिम कोवालेव का शोध पत्र इस समस्या को पानी की प्रकृति पर बहस करके नहीं, बल्कि स्वयं मापन के अंकगणित को हल करके संबोधित करता है। लेखक चालकता प्रयोग में आने वाली त्रुटि के हर संभावित स्रोत का विस्तृत लेखा-जोखा तैयार करता है। इसमें नमक तौलने के लिए उपयोग किए जाने वाले बैलेंस की सटीकता, पानी मापने के लिए उपयोग किए जाने वाले कांच के बर्तनों की शुद्धता, समय के साथ उपकरण की स्थिरता, और सबसे महत्वपूर्ण, तापमान शामिल है। यह एक स्थापित तथ्य है कि पानी की बिजली संचालित करने की क्षमता प्रति एक डिग्री सेल्सियस तापमान बढ़ने पर लगभग दो प्रतिशत बदल जाती है। इसका अर्थ है कि दो नमूनों के बीच केवल आधा डिग्री का अंतर भी चालकता में एक प्रतिशत के बदलाव की नकल कर सकता है, एक ऐसा बदलाव जो बिल्कुल उन्हीं प्रभावों जैसा दिखता है जिन्हें शोधकर्ता खोजने का दावा करते हैं।

इन प्रयोगों की सीमाओं को समझने के लिए, लेखक ने एक व्यापक 'एरर बजट' (त्रुटि बजट) बनाया। यह एक एकल माप में शामिल सभी अनिश्चितताओं का एक व्यवस्थित विवरण है। विश्लेषण से पता चलता है कि आदर्श, नियंत्रित परिस्थितियों में, पानी के एक एकल नमूने की अनिश्चितता लगभग 1.3 प्रतिशत होती है। इसका अर्थ है कि पूर्ण उपकरणों के साथ भी, प्रक्रिया की प्राकृतिक सीमाओं के कारण एक एकल रीडिंग इससे अधिक विचलित हो सकती है। हालाँकि, असली चुनौती तब आती है जब पानी के विभिन्न समूहों की तुलना की जाती है। पानी के अलग-अलग बैचों के बीच की भिन्नता—उन्हें कैसे तौला गया, मिलाया गया और तैयार किया गया—अक्सर उपकरण की अनिश्चितता से कहीं अधिक होती है। कई अध्ययनों में, बैचों के बीच यह प्राकृतिक भिन्नता लगभग दो प्रतिशत होती है। जब लेखक ने गणना की कि इस पृष्ठभूमि के शोर के विरुद्ध एक प्रतिशत के अंतर को विश्वसनीय रूप से पहचानने के लिए कितने स्वतंत्र नमूनों की आवश्यकता होगी, तो संख्या चौंकाने वाली थी: प्रत्येक समूह के लिए चौंसठ अलग-अलग तैयारियाँ। इस क्षेत्र के अधिकांश प्रकाशित अध्ययन केवल तीन से पांच नमूनों का उपयोग करते हैं, जो प्रयोग के प्राकृतिक उतार-चढ़ाव से वास्तविक प्रभाव को अलग करने के लिए बहुत कम संख्या है।

शोध पत्र फिर उन चार सामान्य गलतियों की जांच करता है जो शोधकर्ता अक्सर अनजाने में करते हैं, जो एक गैर-मौजूद प्रभाव को वास्तविक दिखा सकती हैं। पहली गलती है एक ही नमूने की कई रीडिंग को अलग नमूनों के रूप में मानना। यदि कोई शोधकर्ता पानी के एक कप को तीन बार मापता है और उन तीन संख्याओं को तीन स्वतंत्र डेटा बिंदु मानता है, तो वे कृत्रिम रूप से शोर को कम कर देते हैं, जिससे एक अंतर महत्वपूर्ण दिखने लगता है जबकि वह वास्तव में नहीं होता। दूसरी गलती है प्रयोग को तब रोक देना जब परिणाम आशाजनक दिखने लगे। यदि कोई शोधकर्ता एक-एक करके नमूने जोड़ता रहता है और परीक्षण करता रहता है, और जैसे ही उसे कोई "महत्वपूर्ण" परिणाम दिखता है वह रुक जाता है, तो वह अनिवार्य रूप से तब तक जुआ खेल रहा है जब तक कि वह जीत न जाए, जो कि एक झूठी चेतावनी (फॉल्स अलार्म) की गारंटी देता है। तीसरी गलती है सभी नियंत्रण नमूनों को पहले और सभी उपचारित नमूनों को अंत में मापना। यदि उपकरण समय के साथ थोड़ा विचलित होता है, तो यह निश्चित क्रम यह सुनिश्चित करता है कि विचलन समूहों के बीच का अंतर दिखाई दे। अंतिम और सबसे खतरनाक गलती तापमान को नियंत्रित करने में विफल होना है। दोनों समूहों के बीच कमरे के तापमान में एक छोटा सा, अनदेखा अंतर भी एक ऐसा झूठा संकेत पैदा कर सकता है जिसे वास्तविक रासायनिक परिवर्तन से अलग करना असंभव है।

जब लेखक ने एक ऐसे अध्ययन का अनुकरण किया जिसमें ये चारों सामान्य दोष शामिल थे, तो परिणाम नाटकीय थे। एक ऐसी स्थिति में जहाँ कोई वास्तविक प्रभाव मौजूद नहीं था, दोषपूर्ण डिज़ाइन ने 78 प्रतिशत रन में "महत्वपूर्ण अंतर" पाया। इसका अर्थ है कि इन छिपे हुए दोषों वाला अध्ययन वास्तविक खोज की रिपोर्ट करने के बजाय यह रिपोर्ट करने की अधिक संभावना रखता है कि कुछ हुआ है। लेखक ने अपने स्वयं के पहले प्रकाशित कार्य पर ये कड़े मानदंड लागू किए, जिसमें चालकता के उन अंतरों की रिपोर्ट की गई थी जिनकी चर्चा साहित्य में की गई है। विश्लेषण से पता चला कि वे पिछले परिणाम इस परीक्षण में टिक नहीं सके; उन्हें प्रयोगात्मक डिज़ाइन के शोर से अलग नहीं किया जा सका। फलस्वरूप, उन विशिष्ट मूल्यों को लेखक के अनुसंधान कार्यक्रम से वापस ले लिया गया। यह पत्र यह दावा नहीं करता कि पानी को बदला नहीं जा सकता, न ही यह कहता है कि प्रभाव असंभव हैं। यह केवल यह स्थापित करता है कि उन्हें पकड़ने के लिए वर्तमान विधियाँ बहुत अपरिपक्व हैं।

अध्ययन एक सेट के छह आवश्यकताओं के साथ समाप्त होता है कि भविष्य के किसी भी प्रयोग को वैध माने जाने के लिए क्या आवश्यक है। इनमें प्रत्येक रीडिंग के लिए सटीक तापमान दर्ज करना, बार-बार की जाने वाली रीडिंग के बजाय केवल स्वतंत्र तैयारियों को गिनना, उपकरण के विचलन को रद्द करने के लिए मापन के क्रम को यादृच्छिक बनाना, और पहले से यह तय करना कि कितने नमूनों का उपयोग किया जाएगा, शामिल हैं। सबसे महत्वपूर्ण बात यह है कि शोधकर्ताओं को यह भी गणना करनी चाहिए और रिपोर्ट करना चाहिए कि उनका विशिष्ट डिज़ाइन न्यूनतम कितना अंतर पहचान सकता है। यदि कोई अध्ययन दो प्रतिशत के परिवर्तन का दावा करता है लेकिन उसका डिज़ाइन केवल छह प्रतिशत से बड़े अंतरों को ही स्पष्ट रूप से देख सकता है, तो वह दावा अर्थहीन है। पत्र का तर्क है कि इन रिकॉर्डों के बिना, एक परिणाम कमजोर साक्ष्य नहीं है; वह कोई साक्ष्य ही नहीं है। समाधान यह नहीं है कि निष्कर्षों पर विश्वास करें या उन्हें खारिज करें, बल्कि उस लापता डेटा की मांग करना है जो संख्याओं को निष्पक्ष रूप से परखने की अनुमति दे सके। इन कठोर मानकों को लागू करके, वैज्ञानिक समुदाय अंततः यह निर्धारित कर सकता है कि कौन से अध्ययन प्रश्न का उत्तर देने में सक्षम हैं और कौन से केवल अपने स्वयं के उपकरणों की सीमाओं को माप रहे हैं।