研究简介¶

科学的原则和价值观¶

百度百科上说，科学是一个建立在可检验的解释和对客观事物的形式、组织等进行预测的有序的知识的系统。

其中，进行预测则是科学的任务，因为人类总是有各种各样的需求，而满足这些需求需要人类做出适当的选择，掌握“如果这样会怎样”的信息对这种选择的帮助是决定性的，这是人类进行科学研究的重要动机，也是为什么科学研究能够得到各种各样的支持。

科学研究中，一切科学命题的真伪应当是 可检验的 ，这就是科学研究与其他知识探索活动的区别所在。不可检验论述的一个著名的例子是“卡尔萨根的喷火龙”：某人声称他的车库里有一条喷火龙，但它具有完美的“透明”特性，以至于任何人类能掌握的探测手段都无法探测到它。这似乎显然是无稽之谈，但你如何反驳它呢？你无法拿出任何证据证明这条龙不存在，因为搜集证据需要你能够探测它，但如果你能探测到它，你找到的就一定不是他所宣称的具有完美隐匿特性的喷火龙。

我们能做的仅仅是指出这不是一个科学的（可检验的）论断，然后无视这条陈述。物理学家泡利无意中说的一句话被视为 [1] 对这种论断的批判: “Not even wrong（还不如错了）”。将研究所要获取的知识限制在可检测的范围内，可以避免对无意义的命题进行不可能实现的研究，把人类有限的精力放在对那些可知的问题的好奇之上。仅仅是了解这一点核心理念，你就能很大程度上免受各种玄学、伪科学让你产生的困扰。

知识包含的信息量是有所不同的，这也一定程度使得知识的有用程度是不同的，一类最有用的科学知识就是那些具有普遍性的规律。比起“明天一定会下雨”这条信息，一个能够较精确预测天气的可行方法要有用的多，毕竟后者所提供的信息本身就能够判断前者的真伪，不过也有许多情况使我们更需要前者。这些普遍的事实规律就是一个科学理论体系的基础，通常需要经过（相对来说）很严格的审视，掌握它们能够让我们了解事实之间的关系，允许我们从一些好的角度看待自然现象，进而加以分析得到我们想知道的。于是在科学研究中， 普遍而非平凡的 结论通常是我们更想要的，是更有价值的。

举一些不同的断言为例：

平凡而普遍的断言：一只羊要么是黑的，要么不是黑的。
不普遍而非平凡的断言：这只羊是黑的。
普遍而不平凡的断言：所有的羊都是黑的。

现在有一个问题：上例中的最后一条是可检验的吗？考虑到研究人员的能力，我们没法检验所有的羊的毛色，但我们只需找到一只不是黑色的羊即可否定这条断言，所以这个断言是不可证明但可证伪的。考虑另一条断言“地球上的所有位置都没有喷火龙”，它是不可证明但可证伪的，那么你为何相信“地球上没有喷火龙”呢？

实际上，我们往往仅仅是“姑且相信”它，如果真的发现喷火龙，我们理应纠正自己错误的信念。如果我们因为不可严格检验而不相信地球上有喷火龙也不相信没有喷火龙，我们将无法建立相关的知识，而很多时候我们宁愿相信其中之一。这时只需要使用“ 不完全归纳 ”，比如做如下的推理：

因为我去过的地区A,B,C……都没有喷火龙，所以我相信地球上没有喷火龙。

这种归纳难免令人感到牵强，所以我们还需要把可证伪性视为我们重要的原则，使我们能够纠正自己的错误。说到这里，我们就能发现：我们找不到严格的普遍“真理”，或者说科学研究给出的普遍论断都不是绝对的真理。我们仅仅是基于自己想要了解事实的愿望去姑且相信些什么，然后手持“可证伪性”的利剑严格地、反复地审视之，才使得科学研究的结果充分可信。如果有某物在世间独一无二，且如果要验证关于它的某个断言的真伪就必须破坏它，那么这个实验将无法重复，这就导致相关的断言没法经过审慎的检验来变得可信，所以 实验的可重复性 很重要，尤其是对于那些在空间和时间上都具有普遍性的断言（比如各种物理定律）至关重要：对这种断言的检验要求在任何地点、在任何时间做的检验都给出相同的结果。

许多时候人们放弃了审视，仅仅是盲目地相信各种断言，于是就可能作出这样的推理：已知有数次占卜灵验了，所以占卜的结果都能够成功预测事实。不过要具体而严谨地分析占卜是不是有效，就不在本文的讨论范围之内了，读者不妨试试去设计一些能够评价其有效性的实验方法。

总的来说，科学研究中涉及的论断必须是一定程度上可检验的，而其中有价值的结论必然是可靠的、非平凡的。至于什么样的结论是平凡的、什么样的是不平凡的，这就需要通过学习该领域相关的具体理论来了解。从中学习到现象的分类、分解方法等等之后方能知道，现象中的哪些部分是许多现象都具有的共性、哪些是这个现象的特性。

科研过程¶

由于科学知识都是关于现实的，那么获取它们的直接手段就是实验了。如果你想知道如果你按下这个按钮会导致机器怎么样，就弄一台（最好是一批）这样的机器来试试，然后用各种你用得上的方法观察机器的响应。这就是一类最简单的实验。在各种各样的实际研究中，你可能需要测试更“不稳定”的对象，对它的反应的探测也可能很困难。前者比如测试炸药爆炸的效果——不太容易保证能弄到一批差别非常小的炸药，后者比如观测某个细胞的位置——至少你不借助其他工具、仪器是做不到的。

按照我所说的，科研似乎完全是实践性的工作，实际上并非如此。要用更好的角度、方法应对问题，就必须 了解关于你的研究对象的普遍规律 ，比如如果你研究液体的运动，就应当了解流体力学理论。只有掌握系统的理论知识，才能以好的观点（或者说，不很糟糕的观点）看待问题 [2] ，物理领域的研究尤其如此。

只要你有一个想弄清楚的问题，那么在对它的科学研究中所需做的，无非就是上述所说的：

学习理论知识

建立实验装置：要确保装置足够接近你的设想

进行实验并观测结果：可能需要掌握一些仪器的使用方法

从结果信息中分析问题的答案

不过往往也有在实验前就通过理论分析给出一个可被实验检验的论述的。只不过不同领域中的不同问题的研究需要不同的知识、方法、技能，都需要在研究的过程中根据需求来积累。更具体地，在这个比赛中的具体研究步骤则通常包括：题意分析、预实验（重现现象、熟悉操作）、基础知识学习、文献调研和阅读、理论分析（给出要验证的断言）、实验测量（验证理论分析结果）。我将在接下来的章节中给出进行这些活动的一些建议。

[1]	实际上这是过度解读，泡利最初说这句话并非是为了批判不可检验的论断。

[2]	这里说得有些绝对。原则上来说，你也可以自己思考这些问题，创造自己的理论，以自己的方法分析问题，但那样的做法对比赛而言没有优势。