【锚点】这一讲钉一个判断：【显著性星号】把连续证据压成二值图标，是【证据坡度】被误读成【悬崖】的源头。 【流程节点链路】：【研究假设】→【抽样数据】→【检验统计量】→【p值】→【先验可信度】→【后验证据】→【传播决策】。 【显式】Fisher 的 5% 约定后来变成 * p<0.05、** p<0.01 的排版约定；这是肉眼可见的惯例。 【隐式】p=0.049 与 p=0.051 的【似然比】几乎同坡，但标签相反；读者却常把 * 当成【真】，把无 * 当成【假】。 【细微】若一项研究【先验可信度】低、【统计功效】只有 0.2，p<0.05 的【阳性预测值】可能低于 50%；同一个 p 值，在不同研究里含义不同。 【极难发现】真正误导人的不是 p 值，而是【显著性阈值】把【频率论条件概率】伪装成【贝叶斯后验】，让 5% 看起来像绝对错误率，而不是依赖假设、功效与先验的条件量。 具体推演：1000 项检验，100 项真效应，功效 0.8，假阳性率 0.05。真阳性 80，假阳性 45，阳性中真效应 80/(80+45)=64%。若只有 10 项真效应，真阳性 8，假阳性 45，阳性中真效应 8/(8+45)=15%。同样的 p<0.05，真相比例不同。 因此更好的呈现不是“显著/不显著”，而是【效应量】+【置信区间】+【连续 p 值】+【预注册决策规则】。把星号降级为辅助符号，把证据坡度还给读者。 问题：如果期刊禁止把 p<0.05 写成“证明有效”，只允许写成“在该假设与功效下，观察到此证据的尾部概率为 X”，哪些学科会最先崩溃？