八十年代初,沈阳有一个很好的饮料企业,试图与日本的一家公司进行合资生产,以辽南地区的苹果作为原料,进行深加工。谈判过程中,日方的技术人员问道, 你们辽南地区的苹果每公斤含维生素 C 多少? 中方愕然。因为我们从来就没有这方面的数据。 这个故事告诉我们,仅仅是定性地宣称自己的东西好是不够的,而是需要进一步用科学、量化的数据给予评价、表达。只有定量的数据比较,才能够得到令人信服的结论。如果有了定量的数据,不需要过多的描述(包装),行家只要一比较,结论自然会一目了然。 优、良、中、差只能用来粗略地分级,而真正的 PK 必须要靠数字化的分数。 与学生们讨论时,一个常见的问题是 对自己的实验数据和结果仅局限于定性的描述,而缺乏定量的分析与观察 。诸如,看起来 A 比 B 好(怎么个好法?好到什么程度?); A 比 B 明显地增大了许多(究竟增大了多少?什么程度才算做是明显?); X 引起了 Y 的显著增加(增加了多少?增幅是多少?这样的增加是否超过了实验误差范围?)等等。 其实,这绝非是吹毛求疵,咬文嚼字,而是反映出一种思维方式。 ★比较两套 复合材料的微观结构照片(金相或者扫描电镜),我们观察到了什么? A 中的第二相颗粒比 B 中的多。这显然是不够的!进一步的定量分析将提供更加丰富、全面、有说服力的信息。诸如,第二相的体积百分数(大约)是多少?第二相颗粒的尺寸是多大(最大的多大?最小的多小?),颗粒尺寸分布的宽窄程度等。 ★材料 性能的结果也是如此。两种材料的强度(或硬度、塑性、韧性、电阻率、热膨胀、磨损速率等)究竟相差多少(百分数)? ★如果我们说 铝比铁轻得多 ,就不如说 铝的密度只是铁密度的1/3 而清晰、直观、准确。因此,对于与自己工作相关的基础参考态数据(如材料的性能指标)应该大致上有一个量化的概念,做到心中有数。这固然需要长期的积累,但必须用心去做才能够集腋成裘。 ★对于实验结果,应该清楚地了解仪器的测量精度是多少?得到的数据在哪一位上是有效的?同一条件下几个样品结果的统计波动范围是多少?测量误差是多少?哪些分析只能是给出半定量的结果?哪些数据只限于在数量级上进行比较才是有意义的?等等。 总之,养成定量地去观察、分析与思考的习惯,对于做研究来说是一种必不可少的专业素质。 (图片来自网络)