生物学实验数据的处理和分析——以最适浓度范围确定为例

吕国裕 （厦门海沧实验中学 福建厦门 361026）

《普通高中生物学课程标准（2017年版）》中明确提出：实验探究能力要求学生能对实验数据进行处理和分析。确定最适浓度范围是考试的常见考点，学生对此普遍存在张冠李戴的问题。究其原因是不了解实验数据的处理方法和过程，故对实验数据的分析生搬硬套，无法依据实验情境及设问灵活分析，没练习过的试题只能根据印象乱套题。了解实验数据的处理过程，有助于对实验数据进行深入分析；了解实验数据的分析方法有助于对实验数据进行正确分析。

1 问题背景：最适浓度范围的确定变化多端，学生入手难，易生搬硬套

最适浓度范围的确定因实验数据呈现形式、设问的方式及数据规律性不同而千变万化。学生若不理解峰值出现的可能性，无法预测可能范围，极易出现错误。有的试题涉及最适浓度范围的确定，有的试题只设问起始浓度的确定。

【例1】（最适浓度范围在最大值的两侧之间）取相同长度、去除尖端的小麦胚芽鞘切段。分别用不同浓度的生长素溶液处理并培养一段时间后，逐一测量其长度，实验进行两次，结果如图1。以下叙述正确的是（ ）

图1 小麦胚芽鞘在不同浓度生长素溶液中的生长情况

A.浓度大于10 mg·L-1，抑制胚芽鞘的伸长

B.浓度大于0.00 lmg·L-1，均能促进胚芽鞘伸长

C.促进胚芽鞘伸长的最适浓度在0.1～10 mg·L-1之间

D.浓度为0.1 mg·L-1时，两个实验数据偏差较大，应舍弃

分析：本题较典型，最适浓度不是自变量浓度的最大值1 mg·L-1，而是在最大值与两侧之间都有可能出现最适浓度，即0.1～1 mg·L-1、1～10 mg·L-1之间均可能出现峰值。

参考答案：C。

【例2】（最适浓度范围在两等值的最大值之间）为研究生长素类似物2，4－D对某植物插条生根的影响，一实验小组实验结果如图2，请分析回答：

图2 不同浓度的2.4-D对某植物插条生根的影响

问题：可确定促进插条生根的2，4-D溶液最适浓度范围是______mg·L-1。

分析：学生学过了例1，认定最适浓度范围是在最大值的两侧之间，即B～E之间（30～110），而本题出现学生未见过的两个等值的最大值，最适宜浓度只能出现在两个等值的最大值之间（C～D）。

参考答案：50～80。

从上述试题可以看出，虽然最适浓度范围的确定变化多端，但仍有规律可循，一般与自变量或因变量的最大值或最大值的最近值有关。最适浓度范围的确定属于实验数据的分析，要正确分析就必须先要了解实验数据的处理。

2 实验数据的处理

实验数据的处理是将实验测得的一系列原始数据，经过计算整理后，用最适宜的方式表示出来。在生物学实验中常用列表法、图示法表示。实验数据处理是实验数据分析的前提，是实验数据分析的基础。

先处理个别偏差或误差较大的数据。如对某地某种群密度的测定，某样方的种群密度偏差较大，不能舍弃，因为实验的前提是随机取样，有的样方数据大，有的样方数据小，有的悬殊较大，这是事实。而对同一样方，由于不同的人操作，因各种原因数据误差大的就应舍弃。只要是实验过程中因人为操作不当引起的较大误差的数据，就得舍弃，而实验操作正常的偏差不能随意舍弃。故面对原始记录中偏差较大的个别数据，应作误差分析，酌情处理。

2.1 实验数据列表法

列表法是将实验数据按自变量与因变量的对应关系而列出数据表格形式，具有制表简单快速、数据便于比较分析、视觉呈现直观明了的优点，是绘制图形和构建数学模型的基础。统计表由表题、横行和纵栏、数字等要素组成。自变量可以是（首）行，则因变量为（首）列，反之亦可。列表不仅仅是原始数据的记录，有的还要做求平均值等的初步处理，如例3表1。

【例3】针对秸秆还田的效果，某实验小组进行了“秸秆深施还田”的探究。

①将玉米秸秆剪碎、摊平，按100 kg/100 m2的量埋置。

②在整个生长季节定期取样称量以计算秸秆分解量（表1）。

表1 不同时间不同埋深的称重数据（单位：kg）

2.2 实验数据图示法

图示法是依据生物学实验数据，应用点、线、面、体、色彩等绘制成整齐有规律、简明又数量化的图形。图示法有明显的优点，不仅对统计资料和实验结果作出具体、明确的表达，易于理解和获得深刻印象，而且其表现形式活泼醒目，具有很强的说服力，可谓“一图知万言”。

实验数据可利用软件绘成折线图、散点图、柱形图、饼状图、条形图、面积图、雷达图等。最常见、较实用的是曲线图（折线图、散点图）和柱形图。如，例1、2、4中的柱形图。

以例3为例，在坐标图中通过描点分别画出60 d、120 d分解总量随埋置深度变化的曲线（图3）。

图3 不同埋置深度下秸秆分解总量的变化

3 实验数据的分析

实验数据处理后，还要对实验数据进行深入分析，透过数据寻找“本质”，剖析实验现象，分析实验原理，得出实验结论。这里介绍的是简单数据分析方法，复杂的数据分析需借助专业的数据分析软件，如用SPSS分析数据之间的关联等。

3.1 对表格数据的分析

对表格中的数据的分析，一般要关注能反映一定问题的最大值和最小值。认真对比行行之间、列列之间、行与列之间的数据，都能发现一些规律性问题，从而得出相应的局部结论。

3.1.1 最值分析法

首先要关注数据的最大值与最小值，这两个数据往往能极端地反映出一些信息，解题时要把表格中最大值和最小值圈画起来。

3.1.2 对比分析法

对表格中的数据进行分析，主要关注行与行、列与列、行与列的对比，简单的问题通过行行对比、列列对比就能发现，复杂的问题要经过行与列的对比。

3.2 对图形数据的分析

对图形数据的分析，有其特殊性。坐标曲线图和柱形图是最常见的考题模型，图形不同，关注点也就不同，分析方法有所区别。下面仅以这两种常见模型为例，分析图形数据。

3.2.1 曲线图的数据分析

经过处理后的坐标曲线图，有的横纵坐标均有刻度，有的并没有标注数据，变成了模式图。分析坐标曲线图的数据，实现图文转换，必须要关注“两标一线一名称”。两标指横、纵坐标的表达含义、刻度和单位；一线指曲线的变化走势；一名称指准确命名“坐标曲线图”。

【例4】图4为光照强度和净光合速率的关系图，分析图中A、B、C点的含义及曲线ABC的含义。

图4 光照强度对净光合速率的影响曲线图

首先，要理解横纵坐标生物学含义。横坐标为光照强度，纵坐标为吸收或释放二氧化碳的速率。内在联系为光照强度对净光合速率的影响。其次，应抓四点（起点、交叉点、拐点、终点）A点：光照为0，只进行呼吸作用；B点：光合作用速率=呼吸速率，光补偿点；C点：光饱和点。再次，关注线段的含义与变化原因。对曲线的分析一般要分段进行。AB段：光合作用速率＜呼吸速率；BC：光合作用速率＞呼吸速率；C之后的曲线：光合作用速率达到最大值，不再随光强增加而增加。名称为光照强度（自变量）对净光合速率（因变量）的影响曲线图，曲线图的命名一定要体现自变量与因变量之间的关系。

3.2.2 柱形图的数据分析

柱形图因自变量和因变量的对应关系不同，有不同的呈现形式，分析方法上也有所不同，但都可以通过连线法来分析。对单个因变量和自变量的柱形图，先把柱形图的最高点用线连起来，这样分析就与曲线图的分析方法相同。如，将例2画成图5。对多个实验组，可在图中约求平均值后连线看趋势。单个实验组和对照组、多个自变量和因变量的柱形图，可分别连成多条线，如图6。这样，通过图图转换，再通过图文转换，可轻松理解柱形图的数据含义。

图5 不同浓度的2.4-D对某植物抽条生根的影响

图6 NaCl浓度与再分化出幼苗比例的关系

实验数据的处理和分析是实验探究能力的重要组成部分，也是实验结果分析的一种形式，是考生易失分的考点。教师应重视学生对此的训练，综合提高生物实验素养。