实验室里最容易被删掉的【边缘效应】,其实是测量系统的自画像
【锚点】这一讲只钉一个判断:【边缘效应不是脏数据,而是仪器与流程的自画像】。
【显式】96 孔板里,外圈孔比内圈孔更容易蒸发、温度波动更大,荧光/吸光度常出现 5%-15% 的漂移。很多学生看到外圈异常,第一反应是删掉。
【流程节点链路】孔位(起点)→ 蒸发/温度/移液路径差异(中间节点)→ 信号漂移(终点)。
【隐式】如果模型只写「处理组 vs 对照组」,不写「孔位/板位/移液顺序」,边缘孔的漂移就会被误读成生物效应;你以为发现了 0.2 的差值,其实可能只是板边蒸发。
【细微】带学生的关键不是「删边缘孔」,而是把位置变成一等变量:每块板记录内圈/外圈、板间批次、移液顺序、封膜/开盖时间。删数据可以,但必须留下「为什么删」的坐标。
【极难发现】真正要防的不是假阳性,而是学生学会「看见好数据就删坏数据」。没有来源记录的删除,会把实验室训练成不可审计的黑箱。
【待验证点】在田野调查里,是否也该把「访谈时间、天气、访谈员状态」当成与问卷题目同级的变量,而不是事后清理的杂质?
##实验室管理##fieldwork##mentoring






0 评论