不少同学没有接触过科研论文，对于学术论文结构不是很了解，所以在SAT备考中遇到科学类文章总是模模糊糊，不知道每一部分都起什么作用，抓不住考点，导致遇到结构题，功能题，目的题，support/challenge题，推断题等题型就容易出错。作为过来人（曾经的科研工作者），我给大家科普一下科学类文章的结构和常见专业术语的含义。
科学文章结构
上图展示了期刊研究论文的首页，包含Title，作者信息，Abstract（摘要），keywords（关键词）。
学术论文的主体包含如下几部分（见上图）：
1. introduction，研究背景，主要交代本篇研究内容的学术背景以及为什么要开展此项研究（研究目的），2. 有时还会包含一些hypothesis（研究假设）3.研究方法和材料，4.研究结果和讨论，5.研究结论，6. 参考文献。
机考SAT文章进行了信息压缩，把长达10页的文章压缩成一小段，3-5句话，主要包含研究背景，研究目的，研究假设，研究方法，研究结果和结论这几项，由于改编动作特别大，所以基本也不会标明来自哪篇文献（过往纸笔考时由于是几乎整篇引用，所以都会标明文献来源的）。
信息压缩还体现在，同一句话里面包含了至少两个信息，见下图：
整段文字就两句话，第一句话包含了实验内容和实验目的，第二句话包含了实验结果和结论。所以看似段落不长，句子不多，信息量却很丰富，这也是为什么机考SAT看似简单了，实则没那么简单。再看一个例子：
这段文字第一句话交代了研究背景，并解释了一个专业术语“herding”，第二句话包含了研究目的和研究内容，第三句话给出了研究假设，最后一句话是研究结果。
需要注意的是，在诸多内容中，如果按照重要性排序的话，结论>结果>假设=目的>背景>方法。大部分情况下实验方法是最不重要的，除非这个研究就是方法的创新，结论是最重要的。
但是SAT题目设计要求我们不仅要看结论，还要关注假设和目的，以及一些关键的背景信息，所以在真正做题时，还是要整段通读，不漏信息，然后按题目要求有选择的去利用信息答题。常见科学专业术语
1. Control group/placebo 对照组
做科学研究，通常需要一个control group，也叫对照组，主要是为了更好说明你所检验的东西是否真的有效果。比如一组人用了你开发的新药，有效果，但会不会因为本身这组人具有比较特殊的身体条件，即使不吃你这个药也能恢复身体呢，那就找另外一组人，吃安慰剂（placebo），不含活性成分，如果结果是没有任何治疗效果，那才说明你的药真的有效果。
2. baseline 基线什么是baseline，就是参与某种研究的人或物的初始状态，用来比较最后的结果。比如同学来参加我的SAT课程，通过一期课程考试获得了1580分，如果没有一个入学测试成绩（入学测试成绩就是baseline）作参考，那么我不能贸然说我的培训效果特别好，万一这个学生入学时就有1550的水平，那表示我只给他提了30分；另外一种情况，入学测试成绩1300分，那说明参加我的课程提高了280分，培训效果就毋庸置疑特别好。
3. Sample size 样品量大小这个参数也很重要，如果你用很小的样品量做研究得出一个结论去推而广之是很不科学的，因为它的随机误差比较大，统计学上没有意义，没有代表性，结果就不可靠，这也是SAT常考的逻辑漏洞之一。
4. Proxy role 等价或替代角色
比如这篇文章提到可以利用一个无脊椎动物去代替另外一种脊椎动物接受有害纳米材料的检验，当然这背后要求满足一些对等条件才能去替代，这也是题目要考察的点，所以做这个题目关键词就是proxy 这个词，懂了它的内涵才好做题。
5. Extrapolation 外推法
外推法指的是使用在已知数据范围内建立的模型，来对超出该范围（未知区域）进行预测或推断的过程。简单来说，就是 “用已知推测未知，并且这个‘未知’在已知的范围之外”。
使用外推法有一定的风险，比如在小白鼠实验中，1-10毫克的药物剂量是安全有效的。危险的外推：直接推断给人类使用100毫克也是安全有效的。这完全忽略了物种差异，可能导致灾难性后果。
外推的风险根源于一个基本假设：“当前的趋势或模式在未知领域会保持不变。” 而这个假设在现实中几乎总是错误的。因为关系通常是非线性的，存在未知变量，边界效应和临界点。
6. variable 变量
研究对象或过程通常不止有一个变量，我们需要控制其它变量不变，只让一个变量变化，才能确立因果关系和保证研究的有效。
比如这道题目，研究猴子的认知能力，却让两类猴子完成不一样难度的任务，最后用同样的标准去判断，就会出现明显的错误结论，原因就是没有控制任务难度这个变量。
7. Plateauing平台期，高原期
Plateauing是指有一段变化停滞的时期，并没有持续上涨。比如经济增长，个人发展都会遇到瓶颈期。上面一道SAT真题展示的一个现象是，Vitamin D的量在UVB量达到最大值时并没有停止增长，而是继续增长。示意图中红色线就表示plateauing现象。
8. Resolution 分辨率
resolution通常指仪器或方法分辨物体细节的能力，比如照相机，显微镜，测量尺等，本质上是细节还原能力的度量。分辨率越高，信息丢失越少，还原度越高，我们感知的世界就越真实，越清晰。9. Correlation 相关性
这道题难不住了不少同学，主要原因是对于correlation一词理解不到位。这是统计学里的一个概念，指的是两个或多个变量之间存在的统计关系。两者有相关性，不代表绝对值的大小，所以这里不能说谁比谁多或者少，而纵轴的数值也非1，只能说不同。
举个例子，比如有10张abstract画，如果P3评价分别为3，3，3，4，4，4，2，2，2，4；模型预测为3，3，3，4，4，4，2，2，2，4；那么correlation值为1，如果模型预测2.3，3.3，4，2，4，4，1.3，1.3，1.9，3.9则correlation值可能为0.8；如果模型预测和P1的评价没有什么关系，比如全是1，则correlation可能趋近于0；如果P3评分的每张图的rating越大，而module预测刚好相反，则correlation为负值。
就是模型预测值的大小跟人的评价值无论是正向偏离还是反向偏离，都是得到一个correlation系数值，这个数值并不能直接反映两个预测值的绝对大小，所以答案选D。
10. empirical evidence 经验证据
empirical evidence指的是通过直接或间接的观察或实验所获得的信息，它相对的是那些基于推理，直觉，模型或理论思辨的论断。主要特点是可观察，可检验或可证伪，客观性，系统性。
11. model/simulation 模型/模拟
模型是对现实世界中的某个系统、过程、现象或概念的一种简化、抽象的表达或表示，简单来说，模型就是现实的简化和模仿。常见的类型有概念模型、物理模型、数学模型、统计模型和计算机模拟模型。“所有的模型都是错的，但有些是有用的”，这是统计学界著名的格言，由乔治博克斯提出。
所谓“所有模型都是错的”，是因为没有模型能100%完美复制无限复杂的现实，它必然是简化和近似的。“但有些是有用的”，只要一个模型能够很好地服务于其目的（如做出足够准确的预测，提供深刻的见解），即使它不完美，也具有巨大的价值。SAT文章中会经常出现model和simulation的字眼，大家要对它们有正确的认知。
12. anomaly 异常
异常指的是与标准、常态或预期模式显著不同的数据点、事件或观察结果。简单来说，异常就是 “不合群的存在” 或 “意料之外的例外”。它通常表现为：离群值、例外情况、罕见事件、偏差等。
需要注意的是，anomaly异常，既可以被视为需要清除的 “噪音”，也可以是被埋藏的 “信号”。
13. Methodology 方法论，一套方法
Methodology指的就是前面我们讲过的研究或实验方法。有些研究受到质疑，可能是方法就错了，用了不合适的方法，或者没有考虑到前面我们提到的一些概念比如control group，baseline，sample size，做实验、调研算研究方法，用软件进行模拟和建立模型也算methodology。大家在读文章或做题的时候要能识别哪些信息是属于methodology，以及思考一下方法是否存在缺陷。
以上就是我为大家总结的常见的13个SAT中出现的研究相关的专业术语，希望能帮到各位。
【竞赛报名/项目咨询+微信：mollywei007】
