我说的是实验科学，需要收集数据的科学。可是细想一下，自然科学中，有哪个学科不需要数据？作为生物学来说，拿数据说话更是硬道理。

作为生物学实验研究，（当今）一般是在周密思考的假说 (Hypothesis) 驱动下，通过严格的实验设计，进行严格地数据收集过程，然后进行相关统计分析，得出相应的结论。根据假说提出的预测 (Prediction)，作为收集数据的研究者一般是很清楚“理想”的数据应该是什么样子的，在头脑里是有数的，知道自己期盼什么样的数据。

所以研究者们一般都会特别关注实验结果的变化趋势。在每天结束数据收集后，都会焦急地等待分析结果，急切想看新的数据的趋势，渴望看新测定（收集）的数据是否符合自己的预测，也喜欢将收集的数据的平均数(Mean) 计算出来，喜欢将新的数据标记在趋势（或散点）图上。看着每天（次）的数据变化，心里充满了期待，逐渐就有了成就感，有了对下一个（次）数据的期望。这种经历和这种心情，相信许多过来人都深有体会的。看到数据的那种喜悦，也不是任何人都能体验到的。

但总是有些研究者（研究生）不是很及时地处理数据，有时候还会拖得时间很久。有些研究者（研究生）喜欢集中处理数据。可是如果不及时处理数据，等以后处理发现数据存在问题时（不整齐性是很经常出现的，尤其是对于野生动物的数据），有时候补救已经来不及了，即使补救也会给自己造成很大的被动。在与研究生一起分析数据时，经常是有很多的数据，变化趋势很好（或符合预测），但总是有些遗憾，如标准差过大，样本数不足，等等因素导致差异显著性没有检测到。有时候很容易导致统计学上的 I 型错误或 II 型错误（简单说就是，本来自然界中存在的事实，由于我们实验方面的问题，而没有检测到这种存在；或者本来自然界中不存在的事实，由于我们实验的问题，而检测到了这种存在），造成了分析数据时的很多烦恼的事情。

每个人有每个人的工作习惯，不能强求都一个模式。但对于未知的东西，人们如果真心喜欢，总是渴望尽快知道答案，就是有强烈探索的欲望，浓厚的好奇心。对一个问题（现象）没有好奇心，没有发现的欲望，没有想知道答案的渴望，那么在进行这些枯燥艰苦的实验时，一定是有些功利性的。

经常看到实验结束了，（原始）数据记录本随便放置；更有甚者，丢失找不到了。也有些记录很不规范，甚至随便找个什么地方（纸张）记录，或者对于记录本上记录的内容，潦草马虎，有时候自己都分辨不清… … 这些都不是合格的研究者的表现。研究生培训的就是严格的学风，严谨的为学态度，严肃科学，热爱科学。

不喜欢数据的（实验科学）学者，不应该算是优秀的学者。不喜欢数据的（实验科学）研究生，也不会是优秀的研究生。

（提醒研究生：要及时处理数据，熟悉数据，分析数据。）

（王德华 2009.9.25）