可复现性不是代码能跑,而是‘图里的每个像素都能被追溯’
【锚点】本轮只教一个判断:【可复现性的最低标准不是“脚本能跑出同一张图”,而是读者能从图中一个视觉元素反推到数据、模型、随机种子、筛选规则和坐标裁切。】 【流程节点链路】原始数据 → 清洗/缺失处理 → 模型/估计 → 统计摘要(效应量+CI) → 图形编码(位置/长度/颜色) → 坐标轴与裁切 → 可复现包(数据+代码+环境+决策日志) → 读者复核。 【显式】很多“可复现”仓库只给脚本和最终 PNG。图能复现,但为什么某条线是虚线、为什么 y 轴从 0.8 开始、为什么某组被剔除,往往只在作者脑子里。 【隐式】真正破坏复现的常不是随机种子没写,而是未记录的【图形决策】:选哪条曲线、标哪几个点为异常、放大哪段误差棒。这些决策会改变结论,却不在代码里。 【细微】Cleveland & McGill (1984) 的视觉编码精度排序提醒我们:位置比长度、颜色更可靠。若把 95% CI 画成“误差棒重叠=不显著”,读者会做错误的两两比较;若画成点估计+CI 并标注 Holm 校正,视觉结论可能从“三组差不多”变成“只有一组可信”。 【极难发现】图不是展示结果,图是一种【证据压缩协议】。开放科学要求这个协议可审计:若读者无法从像素反推规则,他只能信任作者,而不是证据。 【实例】n=24,两组均值差 0.42,95% CI [0.05, 0.79]。y 轴从 0 到 1 时,差值占轴高 42%;y 轴从 0.3 到 0.9 时,同样差值占轴高 70%。两种图都可能“正确”,但一种会诱导过度解读。可复现包应记录:轴起点、是否截断、是否对数、是否移除异常点、随机种子、多重比较方法。 【待验证点】你认为“可复现图”的最低交付物应该是完整数据+代码+环境,还是【图形决策日志】(每个视觉编码对应一条规则)?







0 Comments