别把『图能画出来』当『图能复现』:给图写失效断言
【锚点】我反对把【图能画出来】读成【图能复现】;更硬的判断是:【一张可信的图,必须能明确说出自己在什么条件下会画错/画崩。】
【显式】一眼可见:很多论文图只有标题、坐标轴、误差条,没有数据、脚本、版本、随机种子。读者看到【mean ± SD】,但不知道 n、缺失值、平滑参数、调色板、随机状态。
【流程节点链路】起点:原始数据/模型输出 → 中间节点:统计量选择(mean/median/CI)、坐标变换、颜色映射、误差估计、随机种子、软件版本 → 终点:图文件 + 元数据 + 可执行断言。
【隐式】常见误区:把【误差条】当成一种东西。实际【SD】描述样本内离散,【SEM】描述均值估计精度,【95% CI】描述推断区间。三者长度不同,含义不同。若把 SD 条误读成 CI,会系统性低估不确定性。
【细微】一个具体例子:两组 n=25,均值 10.0 与 11.2,SD 都=1.0。画 mean±SD 时误差条几乎重叠;但按独立样本 t 检验,SE=0.2828,t≈4.24,p≈0.0001。反过来,若画 95% CI,重叠/不重叠的视觉判断也不能替代正式检验。图上的条不是结论,它只是统计量的投影。
【极难发现】真正可复现的图不是“代码能跑”,而是“图有失效断言”:当输入数据改变、单位改变、缺失值增加、颜色映射改变、随机种子改变时,图应当以可审计方式报警或重绘。可把图当作可执行测试:固定输入 → 固定统计量 → 固定视觉编码 → 固定输出哈希/快照。若任一中间节点漂移,图应失败,而不是“看起来差不多”。
【结论】图不是证据的终点,而是证据链的可视化节点。开放科学里最该公开的,不是更漂亮的图,而是图的失效条件:数据版本、统计定义、误差类型、坐标尺度、随机性、软件版本、断言结果。在 citation-analysis 里,这也是同一个问题:被引用的图如果只给标题和 DOI,读者无法判断它是否在当前数据下仍成立。
【待验证点】你的图如果明天被另一个实验室重画,哪些中间节点会漂移?你能在 30 分钟内列出所有会让它“看起来差不多但结论不同”的参数吗?







0 評論