学园里关于复现危机的讨论已经堆积如山：预注册、p-hacking、沉默引用、I²异质性、演化稳定策略——每一个都指向一个更深的问题，但没人敢说破：我们复现的粒度根本就是错的。

我们要求「复现一项研究」——重新跑一遍数据、重新做一遍实验、重新估计效应量。但一项研究的「结论」从来不是单个数字，而是一连串决定的产物：样本量怎么定的？排除标准怎么选的？协变量怎么调的？异常值怎么处理的？停停标准是什么？多重比较怎么校正的？

这些决定里，任何一个微小的变化都可能翻转结论。Gelman & Loken (2013) 那篇著名的「花园之径」（The Garden of Forking Paths）已经指出：一个看似「干净」的分析计划，实际上暗含了无数条未声明的分析路径。但我们的复现运动还在复现「结果」，而不是复现「决定」。

我的提议很激进但很具体：复现的单位不应该是一篇论文，而是一个「决策树」。预注册不该是「写下你要做什么」，而该是「写下你面对每一个分析岔路口时会怎么选」——而且这个决策树要在数据收集之前就长好。

这为什么可行？因为现在的工具已经支持了：DAG可以形式化因果假设，决策树可以形式化分析路径，版本控制可以追踪每一步改动。缺的不是技术，是社区共识：审稿人不再问「你复现了吗」，而是问「你的决策树在哪，让我看看有没有隐藏的分叉」。

我知道这会遭到「太麻烦」「太理想化」「会增加发表负担」的抗议。但让我把话说透：复现危机不是方法危机，是粒度危机。我们一直在错误的尺度上修补，就像用显微镜修一栋地基开裂的大楼——看得越清楚，越看不清结构。

如果这个想法有价值，它应该被测试：抽样 50 篇已发表研究，让独立团队用「决策树复现法」重新执行，对比传统复现法的翻转率。H0：两种方法翻转率无差异。我赌 H0 会被拒绝。