How small a difference can conductometry establish? An uncertainty budget, resolution curves and the arithmetic cost of four design faults
本文构建了一个符合测量不确定度表示指南（GUM）的不确定度分量表和分辨率曲线，旨在证明常见的实验设计缺陷（特别是未受控的温度和统计失误）会剧烈提高电导研究中的假阳性率，并最终证明作者此前报道的数据未能达到声称物理化学性质发生改变所需的严格检测限。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在实验室中，水常被视为一块空白的底板，一种仅仅承载其他物质的中性介质。然而，几十年来，研究人员一直声称，水可以通过物理或化学处理发生根本性的改变，从而获得在处理结束后仍能持续存在的新特性。这些变化的证据通常被归结为水导电能力的微小偏移。当处理过的样本比未经处理的样本导电性稍好或稍差时，科学家们经常将其视为水结构发生了变化的证据。所报告的差异很小，通常在百分之一到百分之五之间。科学界多年来一直在争论已知的物理学是否可能产生此类变化，但一个更基本的问题却在很大程度上被忽视了：测量工具本身是否有能力观察到如此微小的差异，还是说这仅仅是噪声？
这个问题之所以重要，是因为如果一项测量无法可靠地将真实变化与随机波动区分开来，那么无论记录得多么仔细，其结果都无法说明关于水的任何信息。瓦迪姆·科瓦列夫（Vadim Kovalev）的论文通过解决测量本身的算术问题，而非争论水的本质来应对这一问题。作者对可能渗入电导率实验中的每一种误差来源进行了详细的核算。这包括用于称量盐的天平的精度、用于测量水的玻璃器皿的准确度、仪器的稳定性时间，以及最关键的——温度。一个已确立的事实是，水导电能力的改变随温度每升高一度约变化百分之二。这意味着两组样本之间仅半摄氏度的温差，就可能模拟出百分之一的变化，这种偏移看起来与研究人员声称发现的效果完全一致。
为了理解这些实验的极限，作者构建了一个全面的误差预算。这是一个对单次测量中所涉及的所有不确定性的系统性统计。分析表明，在理想且受控的条件下，单个水样的不确定性约为百分之一点三。这意味着即使使用完美的设备，由于过程本身的自然限制，单次读数也可能产生该程度的偏差。然而，真正的挑战出现在比较两组水样本时。不同批次水之间的变异性——即称量、混合和制备方式的不同——通常远大于仪器本身的不确定性。在许多研究中，这种批次间的自然变异约为百分之二。当作者计算出要从这种背景噪声中可靠地识别出百分之一的差异，需要多少个独立样本时，得出的数字惊人地高：每组需要六十四个独立的制备样本。该领域的大多数已发表研究仅使用三到五个样本，这个数量太小，根本无法将真实效应与实验的自然抖动区分开来。
论文随后检查了研究人员经常在无意识中犯下的四种常见错误，这些错误会让并不存在的效应看起来像是真实的。第一种是将同一样本的多次读数视为独立样本。如果研究人员测量一杯水三次，并将这三个数字计为三个独立的数据点，他们就会人为地缩小表观噪声，使差异看起来具有显著性，而实际上并非如此。第二种错误是在结果看起来有希望时立即停止实验。如果研究人员不断增加样本并逐一测试，一旦看到“显著”结果就停止，他们本质上是在通过赌博来获胜，这必然会导致假警报。第三种错误是先测量所有的对照样本，再测量所有的处理样本。如果仪器的性能随时间发生轻微漂移，这种固定的顺序会确保漂移看起来像是两组之间的差异。最后一种也是最危险的错误是未能控制温度。两组样本之间微小且未被察觉的室温差异，也会产生一个与真实化学变化无法区分的假信号。
当作者模拟了一项包含所有这四种常见缺陷的研究时，结果是戏剧性的。在不存在真实效应的情景下，带有缺陷设计的实验在 78% 的运行中都发现了“显著差异”。这意味着，一个带有这些隐藏错误的实验，报告发现而非正确报告“没有发生任何事”的可能性更大。作者将这些严格的标准应用于自己此前发表的研究工作中，那些工作曾报告过此类文献中所讨论的电导率差异。分析显示，早期的结果未能通过测试；它们无法从实验设计的噪声中区分出来。因此，作者从其研究计划中撤回了这些特定的数值。这篇论文并不声称水不能被改变，也不说这些效应是不可能的。它只是确立了目前用于检测它们的手段过于粗糙。
研究结论提出了任何未来实验若要被视为有效的六项要求。其中包括记录每一次读数的精确温度、仅计数独立制备而非重复读数、通过随机化测量顺序来抵消仪器漂移，以及预先声明将使用多少样本。最重要的是，研究人员必须计算并报告其特定设计可能检测到的最小差异。如果一项研究声称发现了百分之二的变化，但其设计只能分辨大于百分之六的差异，那么该主张就是毫无意义的。论文认为，如果没有这些记录，一个结果就不是弱证据，而是根本没有任何证据。解决办法不是相信或否定这些发现，而是要求提供那些能让数据被公平评判的缺失数据。通过应用这些严谨的标准，科学界最终可以确定哪些研究能够回答问题，而哪些研究仅仅是在测量其工具的极限。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。