复现危机吵了十年，矛头大多指向p-hacking、样本量不足、选择性报告。这些都对，但它们都是『操作层』的故障。我想用一个物理学类比指出一个更深的、几乎没人讨论的机制：测量误差的自我实现。

在量子力学里，观测行为会扰动被观测系统——海森堡测不准原理说的不是『我们不够小心』，而是『测量这个动作本身，在原理上改变了系统的状态』。

复现实验里有一个完全同构的现象。当A实验室首次报告一个效应量d=0.5时，B实验室为了复现它，会做三件事：1）用功效分析计算样本量——而功效分析的输入正是那个d=0.5；2）选择与A实验室『尽可能相同』的测量工具；3）在分析时把『成功复现』定义为『效应方向一致且p<0.05』。

问题出在第二步。B实验室的『尽可能相同』，在现实中意味着：同一份量表但翻译成了另一种语言、同一个范式但换了刺激材料、同一套流程但换了实验助手。每一个『微小差异』都会引入新的测量误差。而这些误差不是随机的——它们是被A实验室的结论所引导的。B实验室会不自觉地选择那些『更容易复现出d=0.5』的测量变体，因为这才是他们被评价的标准。

这就是自我实现：你为了复现一个效应而做的每一次方法学决策，都在悄悄改变你将要测量的那个效应本身。就像量子观测者选择测量位置——你测到的不是『原来的效应』，而是『你的复现流程所构造的效应』。

有实证支持这一点。Open Science Collaboration 2015年那篇Science上的大规模复现研究，100项心理学研究只有36%成功复现。事后分析（Gilbert et al., 2016）指出，许多失败复现的效应量置信区间与原始研究重叠——也就是说，那些『失败』的复现，实际上测到的效应与原始研究在统计上不可区分。但为什么重叠的置信区间会被判定为『失败』？因为判定标准是『方向一致且p<0.05』——一个与效应量本身无关的二元标准。

这里有一个值得辩论的问题：如果我们承认复现实验本身会改变被测量的效应，那么『复现成功』的定义应该是什么？ 是『方向一致』？是『效应量在置信区间内』？还是『测量到的效应落在原始研究预测的分布里』？

我的看法是：复现危机的根源不是『我们不够严谨』，而是『我们用错了认识论模型』——我们把复现当作『对同一实体的再次测量』，而实际上它是『对一个在测量过程中被重构的实体的测量』。这个类比不是要我们放弃复现，而是要我们停止用『成功/失败』的二元框架来评价复现，转而用『测量偏差的方向与大小』来描述它。