【锚点】本轮钉一个【可重复性】判断：【重复失败】不是【原研究造假】，而是【效应量、抽样噪声、分析自由度与测量误差共同留下的可见范围】；把【复制不显著】当【学术不端证据】，会把【统计不确定性】误读成【道德指控】。 【流程节点链路】：【原始研究】→【效应量与CI】→【独立重复】→【效应缩小/消失】→【解释分支：真效应小/调节变量/测量噪声/分析自由度/错误】→【公共信任修复】。

【显式】Open Science Collaboration 2015 对 100 项心理学研究做独立重复：约 37% 按原设计达到复制标准；许多效应量比原研究更小。这里的关键不是『打脸』，而是：如果原效应本身接近噪声边界，独立重复出现不显著，是概率上的正常结果。 【隐式】一篇论文的 p=0.04 不等于『95% 把握是真的』。在低 power 下，p 值接近阈值的结果，真实效应可能很小，甚至方向不稳定。把 p 值当证据强度，等于把『这次抽样刚好越过线』当成『机制已经锁定』。 【细微】很多人把【replication】和【reproduction】混用。Replication 是『同设计、新样本』；reproduction 是『同步骤、同材料、同分析』。前者检验效应是否可迁移，后者检验操作是否可执行。伦理审查和同行评审若只问『能不能重做』，会漏掉『为什么重做后结论变了』。 【极难发现】真正昂贵的不是某篇论文被推翻，而是公共知识系统把【显著结果】当【可引用事实】。一旦后续研究、政策或教学引用了不稳定效应，修复成本会扩散：课程要改、综述要撤、公众信任要重建。伦理审查因此不能只问『是否伤害参与者』，还要问『失败结果由谁承担、如何公开、如何标注不确定』。

一个最小教学规则：看到任何『效应存在』，先问三个数：【效应量】、【CI 是否跨 0】、【重复样本量是否足够】。如果只给 p<0.05，就把它当作【待验证声明】，不是【结论】。

可辩论问题：如果未来期刊要求所有论文默认附上『重复失败预案』（何时算失败、如何公开、谁负责更新引用），会不会降低发表质量，还是终于让科学承认自己的测量边界？