通过统一的经典到量子干涉测量框架与计量实践培养跨学科测量素养

《Physical Review Physics Education Research》：Cultivating cross-disciplinary measurement literacy via a unified classical-to-quantum interferometry framework and metrological practices

　　测量主张具有高利害性，然而学生和早期职业专业人员很少接受关于支撑这些主张的推理链的明确培训。尽管对可迁移能力的重视日益增加，但测量推理仍然是一个盲点：学习者很少将被测量（感兴趣的量）映射到被估计量（从数据推断出的报告量），将推断锚定在明确的噪声或似然模型中，或报告带有不确定度和溯源性的结果。这种碎片化削弱了跨领域的严谨性和沟通。我们将跨学科测量素养定义为将被测量连接到被估计量、在明确的噪声和似然模型下证明推断合理性、以及报告带有不确定度和溯源性的结果的能力。我们通过一个集成了计量闭环的统一“编码→演化→读出→估计”图式来操作化这一构念，并在一个4×2?小时的模块中实施。这项多队列描述性评估包括五个具有验证过的前测和后测记录的队列（N =114）和两个本科生团队任务队列。队列级摘要显示，干预对齐评估的即时后测均值比前测均值高34–54分，归一化增益为0.642–0.782。团队量规摘要提供了该图式在团队层面可行实施的证据，而不确定度预算和溯源性仍然是主要困难。本研究设计为一个有界描述性评估。它为图式的可教性及其作为测量推理短期组织者的效用提供了证据，特别是在所研究的教学情境中。

I. 引言

科学素养通常被定义为利用证据来提出和评估关于自然世界的主张的能力 [1]。在科学、技术、工程和数学（STEM）实验室和设计情境中，这取决于一种经常被忽视的实际技能：通过明确的模型将不完美的观察与感兴趣的量联系起来，量化不确定度，并沟通为什么结论是有根据的 [2]。在本文中，我们将这一技能集称为测量素养，并将其操作化为一个可迁移的“测量作为推断”图式，该图式连接经典和量子仪器。

测量主张是高风险论证，然而跨研究和工程领域的学生和早期职业专业人员很少被教授一种连接经典和量子情境的统一推理链——这导致不确定度、可比性和溯源性需要跨领域临时重建 [3–5]。经典干涉测量通常在仪器导向的课程中教授，而量子干涉测量则出现在涉及状态描述和精度极限的高级单元中 [6–10]。这种课程分割使学习者获得特定平台的技能，但当被测量（目标量）、噪声模型或读出发生变化时，他们重建或辩护主张的能力有限。物理教育研究一贯记录了相关困难 [11–14]，并且随着量子技术走向部署，这个问题变得更加重要 [15–18]。国家路线图和国际标准现在将可信、可比较的测量主张定位为必要的基础设施 [19]。在计量学中，每个结果都必须报告其不确定度，并通过文档化的溯源性链连接到参考标准 [3,4]。专业测试和校准要求这些实践，但它们通常没有在物理和工程教学中明确或系统地整合 [5,20]。

学生通常将“测量”主要视为设备操作和数值计算，而支持主张的推理仍然隐含 [11]。这种遗漏在学习者必须判断两个测量是否在散乱中一致、将变异性解释为证据、或在没有将不确定度简化为报告形式的情况下从噪声数据中得出结论时变得明显 [12]。即使教授误差传播，学生也经常未能将不确定度与有效推断联系起来：哪些假设证明模型合理，哪些来源占主导，以及数据支持什么主张 [11]。最近的研究强化了在经典和量子情境中推理测量不确定度的这些持续挑战 [2,21,22]，强调不确定度不仅是技术性的，而且是认识论的——即知识主张从数据中被证明合理的逻辑的一部分 [23]。

第二个断裂是课程方面的：许多项目将经典测量呈现为与特定仪器相关的逐主题技术的集合，而量子测量则作为具有不同词汇和形式主义的独立主题稍后引入 [6]。这传达了非预期的信息，即主张证明的逻辑在不同领域发生根本变化，而不是在共享推断结构下保持稳定 [7]。这种碎片化很重要，因为现代仪器越来越模糊经典-量子边界。干涉测量就是例证：它在物理和工程中无处不在，但其最终性能通常受到量子涨落的限制，在高级系统中这些涨落必须明确作为噪声源处理 [8]。大型激光干涉仪现在常规地使用压缩态超越散粒噪声极限运行 [24,25]，要求从业者流畅地导航经典描述（传递函数和对准）和量子描述（散粒噪声、反作用和信息极限）以产生单个可辩护的主张。

如果没有便携式推理图式，碎片化就会可预测地显现：学生和早期职业研究人员将设备性能与主张级根据混为一谈，在灵敏度和分辨率上相互误解，或争论术语而不是共享推断 [4]。在高风险情境中——如安全关键系统、合规性或多学科集成环境——结果被视为论证而受到审查：操作化了什么被测量，什么模型将数据与被估计量联系起来，哪些不确定度占主导，以及主张如何与规范或参考比较 [5]。缺乏明确联系，学习者可能将读数过度概括为事实，低估系统效应，或将不确定度视为程序形式而非推断约束 [3]。

公开事件说明了当证明链保持隐含时的高利害关系。1999年，美国国家航空航天局火星气候轨道器因地面软件中的单位不匹配（英制与国际单位制）跨接口传播而丢失，将校准错误转变为任务失败 [26]。2011–2012年，乳化追踪装置振荡项目合作组最初报告了中微子显然超过光速；该异常后来被追溯到有故障的光纤连接和定时校准缺陷，而非新物理 [27]。2014年，宇宙外银河偏振背景成像宣布了原初引力波的证据，但与普朗克数据的联合分析表明该信号与银河尘埃污染一致，强调推断依赖于对前景和交叉检查的准确建模 [28]。这些案例尽管在领域和规模上不同，但为测量教育提供了一个核心教训：可信的主张需要明确的量、验证过的模型、严格的不确定度评估和不断裂的溯源性链——而不仅仅是数据收集后执行的计算。

随着量子技术从演示走向市场形成，紧迫性加剧 [8]。国家倡议将量子计量和标准作为战略优先事项 [15]，而国际标准化组织与国际电工委员会联合技术委员会和BIPM研讨会强调了“计量-量子”差距以及商业时间尺度上协调测量的必要性 [16–18]。随着量子使能测量进入多学科团队，不同的性能叙述——例如信噪比与费希尔信息（FI）——可能满足局部指标却在系统集成中失败 [17,18]。使证明链明确化的教育干预因此作为劳动力基础设施，防止经典和量子测量语言变得相互不可理解 [29,30]。

认证框架强调可迁移能力 [31–33]，但测量推理仍然是一个持续的盲点。学习者很少被教授将被测量映射到被估计量，将推断锚定在明确的噪声模型中，并报告带有不确定度和溯源性的结论 [6,11]。当这些联系保持隐含时，证明链变得难以跨领域重建，削弱严谨性和沟通。这种遗漏越来越重要，因为测量实践变得更加跨学科和标准依赖。

为了解决这一空白，本文将对主张的论证视为可教授、可迁移和可评估的对象。我们提出一个统一的图式————与比例因子指定、不确定度评估和溯源性的计量实践配对 [3,4]。基于我们先前教科书中开发的基础图式 [34]，该框架起源于量子计量 [8] 但设计为平台无关。在一个聚焦模块中实施，它通过多队列描述性评估进行了检验。该研究提供了即时概念吸收的实证证据，并展示了该图式在陌生任务中的团队层面实施。通过使用干涉测量作为高张力例证，我们为测量推理在经典和量子情境中的潜在可重用组织者提出了一项可行性研究，以及其附带的局限性。

II. 框架、教学情境和方法

A. 术语

被测量是感兴趣的量，被估计量是从数据导出的报告量，是编码的内部参数（相位作为常见特例），比例因子使被测量到被估计量的映射明确，似然描述数据生成，不确定度量化报告值的离散程度，溯源性通过文档化的校准链将结果与指定的参考标准联系起来。

为方便读者，附录A提供了关键术语词汇表（表IV），其中包含本文所使用的核心测量概念的通俗语言定义。

B. 测量素养框架：

1. 概念基础

跨学科测量素养被定义为一种可迁移能力，包括三个核心能力：（i）通过明确的比例因子将被测量（感兴趣的物理量）映射到被估计量（报告量），（ii）用指定的噪声或似然模型和基于信息的精度极限证明推断合理性，以及（iii）按照计量规范报告不确定度和溯源性。这些能力为跨学科（从经典传感器到量子增强系统）的测量主张论证建立了严格、可移植的基础。

2. 教学实施

该定义通过统一的测量图式————与计量闭环（比例因子应用、不确定度预算和溯源性）相结合来操作化。该图式源于量子参数估计 [8] 但在此扩展到涵盖经典和量子领域，以平台无关的方式。教学强调相同的推断结构在所有情况下支配性能极限，计量实践闭环：灵敏度主张必须由校准、不确定度预算和可溯源参考支持。

该图式描述如下（见图1）。为便于理解，图1使用通用映射（量 数据）。当对干涉测量和量子示例有帮助时，我们将其细化为，其中是编码参数（例如相位），是记录的读出。

• 编码通过将被测量映射到参数，干涉相位是突出案例。比例因子使灵敏度明确，并将设备输出与目标量连接起来。

• 演化描述探针（经典场或量子态）对响应的响应，包括理想确定性变换和主要退化过程，如损耗和噪声。

• 读出产生可观测量结果（如强度、布居数和电压），定义似然模型。

• 估计通过估计器从数据推断（从而），精度受信息极限和不确定度评估约束。

图1. 统一的测量作为推断图式（编码-演化-读出-估计）与计量闭环（不确定度报告和溯源性）。每个阶段都配有一个通俗语言提示以指导解释（例如，“如何变成数据”，“测量过程中发生了什么”，“数据如何记录”，“从数据到可辩护的结果”）。示例列说明了在基础物理实验室中基于摆的重力加速度测量：观测值 模型（编码）；来自阻尼、阻力、摩擦和漂移的变异性（演化）；时间和长度读出不确定度（读出）；通过重复试验或拟合估计并报告（估计）；以及具有文档化校准和程序的不确定度预算（闭环）。

计量闭环将估计与不确定度和溯源性联系起来：相位（或参数）精度通过转化为被测量精度，而基于《测量不确定度表示指南》（GUM）的不确定度预算汇总主要来源，以及《国际计量学词汇——基本和通用概念及相关术语》（VIM）定义的溯源性确保可比性 [3,4]。

3. 信息极限

读出和估计阶段由统计估计理论框架化。经典上，费希尔信息量化结果对参数的灵敏度，给出克拉默-拉奥界（CRB）：在正则条件下，其中是试验次数 [3]。量子计量通过量子费希尔信息（QFI）概括这一点，提供可实现的费希尔信息的上界和量子克拉默-拉奥界（QCRB）[35,36]。

本教学使用FI和QFI不是为了详尽优化，而是为了统一经典、量子增强和全量子干涉测量：资源和噪声限制了可用于估计的信息。这一视角直接连接到诸如压缩光干涉测量 [37] 和先进激光干涉引力波天文台（LIGO）中的频率相关压缩 [38] 等范例。

在这个统一图式内，信息极限提供了比较经典和量子领域性能的共同语言。对于经典或相干光干涉测量，基本界限是标准量子极限（SQL），也称为散粒噪声极限，其中精度随（独立试验或平均光子数）变化，这是由于独立粒子统计 [3,38]。量子资源——例如压缩态或纠缠态——使得超越标准量子极限（SQL）并接近海森堡极限（HL）成为可能，其精度标度为，通过利用超越经典界限的关联来增强相位灵敏度[8,35,36]。教学重点不在于穷尽推导这些极限，而在于说明该框架能涵盖两种情形：相同的“编码—演化—读出—估计”结构既适用于SQL受限（类经典）性能，也适用于接近HL（量子增强）的性能，同时损耗和退相干作为实际约束限制了可实现的增益[9,37,38]。这种构架有助于学生将SQL和HL视为可迁移推理链中的信息论基准，而非特定领域的公式，从而促进向多样化测量的迁移，并强化跨学科的测量素养。4. 计量闭合性与可迁移性一个关键目标是将在信息论极限与关于的可辩护主张联系起来。比例因子阐明了设计选择如何影响端到端性能，并帮助学生将其与估计量方差区分开来[3]。CRB和QCRB作为信息论基准，而实际不确定度则遵循GUM对诸如对准、校准和漂移等来源的聚合。这种张力——理想极限与真实预算之间的差距——表明灵敏度是一个可溯源的声明，而非抽象公式。溯源性通过将结果嵌入校准链来贡献不确定度[4]。通过要求学生明确被测量、主导噪声假设、不确定度预算和溯源性声明，该框架使专业规范在经典和量子情境中均可见且可评估。可迁移性是核心目标。尽管通过干涉测量引入，该框架具有模态无关性，能够应用于多种工程测量。它提供了一个可复用的模板，减少了学科分隔，将性能视为基于模型的推断，并使报告与计量标准对齐——从而培养跨学科测量素养，即能够论证可迁移、可辩护的声明[39,40]。C. 模块的教学设计1. 设计原则与对齐该模块基于建构性对齐[41]：预期学习成果（ILOs）、学习活动和评估紧密耦合，以强化测量素养的三项核心能力。为了在四个2小时课时内保持深度，设计优先考虑一组具有潜在可迁移性的核心思想，并使用需要学习者明确应用该框架的主动学习任务[42]。这种方法与证据一致，即主动参与能够提升科学、技术、工程和数学领域的表现，并支持综合性的跨学科学习[43,44]。该模块将统一框架视为来自不同专业学习者的边界对象，包括物理学、仪器科学、光电子学和工程学。其目的是提供一种共同的推理结构，通过它组织和交流平台特定知识。超越教学情境的迁移仍然是有意的目标，而非本研究已确立的结果。2. 预期学习成果ILOs通过针对三项能力来操作化测量素养：ILO1. 将干涉测量解释为基于似然模型的参数估计，并将费舍尔信息解释为依赖于模型的灵敏度度量。ILO2. 推理工作点、损耗、噪声和退相干如何影响费舍尔信息和克拉美—罗界（经典和量子）。ILO3. 使用明确的比例因子将参数精度转换为被测量精度；区分比例因子与灵敏度和报告的不确定度。ILO4. 构建基本的不确定度预算，并根据GUM和VIM规范描述干涉测量（或类似）测量的计量溯源性。ILO5. 阐明量子资源（如压缩和纠缠）如何修改信息极限，以及实际约束（损耗和退相干）如何限制增益。ILO6. 应用统一框架分析陌生的干涉测量传感器，并用来自框架的证据（模型、噪声、信息和校准）论证设计或工作点选择。这些成果确保概念理解（能力i–ii）和应用性专业实践（能力iii）均得到覆盖。3. 课时结构、活动与证据每个2小时课时聚焦于统一框架的一个或多个阶段，产生用于形成性或总结性评估的课时成果。主动任务要求学生外化该框架——识别编码和比例因子、指定似然假设、评估信息极限，并以不确定度/溯源性收尾——从而实践完整的论证链。表I总结了四课时结构、框架重点、核心概念、主动学习任务和评估对齐。该序列是有支架的，从对单个框架元素的引导使用走向开放式团队任务中的整合应用。课时1通过对比经典和量子干涉仪系列来引入框架。学习者对案例进行分类，并在简短备忘录中论证其分类，从而练习早期读出和估计推理（ILO1），并区分硬件描述与主张层面的论证。课时2通过工作表处理编码和演化，要求在光学、原子和固态示例中进行明确的比例因子计算（ILO3）。该活动强调相同的被测量到参数映射如何在经典和量子情境中组织推理。课时3通过比较FI和QFI曲线以及损耗下的SQL和HL区分，发展信息受限推断（ILO2和ILO5）。目标是将精度框定为基于模型的推断主张，而非孤立公式。课时4闭合计量循环（ILO4和ILO6）。团队准备简短的测量设计方案，包含框架图、不确定度预算、溯源性链和可辩护的性能声明。表I. 跨学科模块概览。课时（2小时）框架焦点核心概念主动学习任务（成果）评估关联S1：经典与量子读出与估计（概念）+案例对比干涉仪系列；可迁移解释案例分类卡片排序+论证备忘录形成性：论证量规S2：编码与比例因子编码+演化被测量到相位映射；比例因子；工作点跨领域（光学、原子和固态）比例因子工作表形成性：快速检查+反馈S3：信息极限读出+估计FI和CRB；QFI和QCRB；SQL与HL；损耗的作用简单似然模型上FI对工作点的比较测验+练习问题S4：溯源性不确定度循环估计不确定度和溯源性不确定度预算；溯源性链；可辩护的灵敏度声明框架图+简短团队测量设计方案总结性：迷你项目量规图2总结了这种建构性对齐。成果从低风险形成性工作（备忘录和工作表）发展到更综合的评估（测验和团队设计方案），逐步引出比例因子映射、似然和信息基础论证以及不确定度和溯源性报告方面的能力。前测和后测评估为RQ1提供描述性证据，而团队提案为RQ2提供群体水平的表现证据。可选的反思仅作为情境材料保留。图2. 四课时教学序列与证据对齐。课时产生逐渐更开放的成果。前测和后测概念评估针对RQ1；团队设计方案针对RQ2。可选反思仅是情境证据。4. 评估与证据来源两个主要证据来源回应研究问题。可选学习者反思提供情境性、非推断性评论。(i) 前测和后测概念评估，针对能力(i)和(ii)：被测量—估计量映射、比例因子推理、似然和信息基础推断，以及参数不确定度向被测量不确定度的转换。(ii) 团队迷你项目，要求将统一框架应用于陌生的干涉测量传感器。一个分析量规评估框架完整性、模型和似然指定、信息基础推理、比例因子与校准、不确定度处理、溯源性，以及跨能力(i)–(iii)的主张论证。模块后收集可选学习者反思，以说明感知有用性、剩余困惑以及未来应用的潜在情境。由于反思是自愿的，且未通过预先指定的定性抽样和编码设计收集，它们仅用作情境性说明，不作为独立结果或研究问题。迷你项目是主要的表现探针。团队使用完整的论证链，在未用于教学的情境中构建测量主张。所得证据涉及开放条件下可行的群体水平实施；它不确立个体掌握、持久迁移或教学情境之外的表现。5. 研究问题与核心能力我们回应两个研究问题，与用于操作化测量素养的三项核心能力对齐：RQ1（即时概念习得）：在有验证且可比较的管理记录的五组队列中，队列水平的概念评估分数在课前与课后（即时）之间有何差异？RQ2（群体水平实施）：本科团队在将框架应用于陌生的测量设计任务时，在多大程度上实施了这三项核心能力？核心能力（贯穿使用）。(i) 通过明确的比例因子和校准逻辑映射被测量估计量，(ii) 用明确的噪声或似然模型以及信息基础极限论证推断，以及(iii) 用不确定度和溯源性报告主张（计量闭合性）。D. 方法我们在真实课程环境中进行了多队列描述性评估。本研究为描述性评估，旨在评估即时的、干预对齐的结果。所有测量与三项核心能力对齐：(i) 通过明确比例因子的被测量—估计量映射，(ii) 在规定噪声或似然模型和信息极限下的推断论证，以及(iii) 带不确定度和溯源性的报告。1. 情境与参与者该模块在一所研究密集型大学中七个队列中实施：五个研究生课程（2021–2025）和两个高年级本科课程（2024–2025）。参与者来自混合STEM和工程背景，包括物理学、仪器科学、光电子学以及机械和机电工程。该模块在七个队列中实施。主要概念评估分析限定于五个具有验证且可比较的前后测管理记录的队列（Grad-2023–2025和UG-2024–2025；）。两个较早的研究生队列（Grad-2021和Grad-2022；）仅保留作为实施历史，因为回顾性审查发现前测管理或记录存在不一致。研究生队列不被视为比较或对照条件。2. 测量与构念对齐•前测和后测概念评估（0–100分）。评估针对能力(i)和(ii)，包括比例因子映射、读出到似然推理、FI和QFI以及CRB和QCRB的区分，以及不确定度转换。题目来自35项题库，每次管理使用10–12项的简化形式，在框架各阶段间平衡。这些简短形式源自题库，但未作为独立工具进行验证[46]。因此，分数被解释为干预对齐的即时框架习得测量，而非领域通用概念清单[50,51]。•团队迷你项目。本科团队将统一框架应用于陌生的干涉测量传感器，并提交简短的测量设计方案。分析量规评估被测量定义、四阶段框架完整性、噪声和似然指定、信息基础推理、比例因子与校准、不确定度预算、溯源性，以及主张论证。由于评估单位是团队提交，结果涉及群体水平实施而非个体迁移。•可选反思。部分学习者提供了简短的课后评论。由于参与是自愿的，且收集未设计为具有预先指定抽样、编码和可靠性程序的独立定性研究，反思仅用作说明性情境证据，不作为独立的定性结果进行分析。3. 程序前测在课时1之前立即实施，后测在课时4之后立即实施。四个2小时课时在连续4周内交付。团队测量设计方案在课时4结束时布置，一周后提交。可选反思在模块后收集（如有）。4. 数据分析概念评估。对于每个验证队列，我们报告样本量、前测均值和标准差、即时后测均值和标准差、队列均值差，以及队列水平归一化增益。归一化增益从队列均值计算为[47]。鉴于队列规模较小且异质，我们优先考虑可直接解释的队列水平描述性统计量（均值、标准差和归一化增益），而非配对推断检验。这种方法为观察到的跨队列分数差异提供了最稳定和透明的总结。定量解释是描述性的。我们分别报告五个验证队列，并检查各次教学中即时分数差异的方向和幅度。Grad-2021和Grad-2022从主要分析中排除，仅在补充材料[45]中记录。迷你项目。我们报告两个本科队列的团队数量和量规均值及标准差。由于团队数量较少，且信度估计基于有限的双评分子集，最终稿不强调组内相关系数（ICC）点估计；相反，它描述评分程序，并将量规结果解释为群体水平实施的描述性证据[49]。推断范围因此有意限定于教学情境。该设计支持关于即时、干预对齐分数差异和群体水平框架实施可行性的结论，这是本研究的主要焦点。III. 结果结果围绕两个研究问题组织。表II报告五个验证队列的队列水平前测和后测总结（RQ1），表III报告本科团队在开放式测量设计任务上的表现（RQ2）。表II. 验证队列的前测和即时后测总结。表II. 五个已验证队列的概念评估前测和后测队列均值

| 队列 | 人数 | 前测均值（标准差） | 后测均值（标准差） | 差值 | 归一化增益 |
|------|------|-------------------|-------------------|------|-----------|
| Grad-2023 | 6 | 47（8） | 81（7） | 34 | 0.642 |
| Grad-2024 | 18 | 45（12） | 88（10） | 43 | 0.782 |
| Grad-2025 | 11 | 43（10） | 85（9） | 42 | 0.737 |
| UG-2024 | 34 | 19（12） | 73（11） | 54 | 0.667 |
| UG-2025 | 45 | 21（11） | 74（13） | 53 | 0.671 |

注：分数以0–100分制报告。差值为后测队列均值减去前测队列均值。归一化增益根据队列均值计算。Grad-2021和Grad-2022被排除在主要分析之外，仅在补充材料[45]中作为实施历史报告。

表III. 本科生队列的团队层面表现摘要

| 队列 | 团队数 | 评分量表总分均值（标准差） | 团队层面实施分项均值（标准差） | 常见优势与困难 |
|------|--------|---------------------------|--------------------------------|----------------|
| UG-2024 | 6 | 85（6） | 86（5） | 图式映射和完整性较强；不确定度预算和溯源性表达较弱 |
| UG-2025 | 9 | 87（5） | 88（6） | 图式映射和完整性较强；不确定度预算和溯源性表达较弱 |

七个队列完成了该模块，但主要概念评估摘要仅限于五个具有已验证实施记录的队列（表II）。所有定量结果均以描述性方式解读，作为即时、与干预对齐的吸收证据。

A. 概念评估的即时分数差异

在五个已验证队列中，前测均值范围为19至47，即时后测均值范围为73至88（表II）。队列均值之间的差值范围为34至54分，队列层面的归一化增益范围为0.642至0.782。这些统计结果记录了明确教授的图式的实质性即时吸收，与评估作为干预对齐措施的设计一致。它们不旨在作为广泛验证的概念量表效应或因果主张的替代指标。

研究生队列的初始均值分数（43–47）高于本科生队列（19–21），其即时后测均值也更高（81–88 vs. 73–74）。本科生队列的队列均值绝对差值更大（53–54分），而已验证的研究生队列差值为34–43分。这一模式与基线准备程度、评估对齐或队列构成的差异一致，这些是多队列便利样本的典型特征。

由于评估与模块紧密对齐，分数差异最好解释为目标词汇和推理结构的短期习得：标度因子映射、显式噪声和似然模型、基于信息的极限以及不确定度传递。当前证据不能确立持久学习或远迁移。

图3展示了五个已验证队列的队列均值和标准差。该图强调队列间方向和量级的一致性，并展示了学生间的离散程度。

图3. 五个已验证队列的队列层面前测和即时后测均值（表II）。误差线表示一个标准差，为描述性而非置信区间。该图强调队列间方向和量级的一致性；不暗示参与者层面的配对推断。

B. 迷你项目中的团队层面实施

本科生团队将图式应用于一个不熟悉的干涉测量传感器，并提交了结构化的测量设计方案。队列层面摘要显示，UG-2024和UG-2025的评分量表均值分别为85和87，团队层面实施分项均值分别为86和88（表III）。这些分数表明，团队能够在任务条件下使用四阶段图式组织一个不熟悉的问题；它们并不证明个体迁移。

评分量表摘要识别出被测量到参数的映射和四阶段完整性为反复出现的优势。不确定度预算和溯源性表达是最常见的困难。这一模式表明，团队更容易采用组织结构，而难以完成可辩护性能声明所需的计量保证。

综合而言，表II和表III提供了两种有界形式的证据：对齐评估上的实质性即时分数差异以及不熟悉任务中可行的团队层面实施。它们不确立因果影响、个体掌握、持久学习或远迁移。

IV. 讨论

A. 有界但一致的证据模式

在五个已验证队列中，证据一致支持一组有界结论：对齐评估上的实质性即时后测分数差异，以及不熟悉设计任务中图式的可行团队层面实施。这些发现在教学背景下是稳健的，并表明该模块可作为测量推理的有用短期组织者。

强图式完整性与较弱的不确定度和溯源性工作之间的对比具有教育信息性。四阶段结构似乎比完成可辩护计量保证的纪律更容易采用。尽管是描述性和团队层面的，这一模式为后续教学和评估确定了一个具体目标。

该研究的设计优先考虑情境真实性和可行性而非实验控制，导致无对照组、即时后测以及小且不等的队列规模。在这种设计下，队列间方向和量级的观察一致性提供了描述性重复，增强了模块本地有效性的论据。

团队任务被设计为团队层面的表现测量，反映了专业实践中常见的协作问题解决。虽然它不确立个体掌握，但评分量表分数为开放式任务条件下团队层面实施的可行性提供了有效证据。

B. 机制：从图式到主张论证（包括经典-量子桥）

该图式在经典和量子体系下提供了稳定的四阶段推理结构。通过将干涉测量视为测量即推断（编码→估计），它将压缩和纠缠等量子资源以及损耗和退相干等噪声过程置于同一设计逻辑中，而非分离的形式体系[8,9,37]。这解决了课程分离问题，其中经典测量通常以仪器为中心，而量子测量通常以态为中心[6,7]。

将信息极限（FI和CRB；QFI和QCRB；SQL和HL）与标度因子和计量闭合联系起来，提供了经典-量子桥。在教学设计中，灵敏度被视为由校准映射、明确似然模型、不确定度预算和可溯源参考支持的主张，而非孤立的斜率或噪声底值。诸如压缩光干涉测量[37]和Advanced LIGO中的频率依赖压缩[38]等示例说明了量子增强如何扩展熟悉的测量推理。

C. 计量闭合作为保证：不确定度和溯源性

一个独特的设计特征是显式嵌入计量闭合：没有不确定度评估和溯源性，估计被视为不完整。项目摘要表明这也是任务中最困难的部分。这一模式支持需要重复练习；它并未表明学习者完全掌握了该能力。

未来工作应检查持续练习计量闭合是否能改善顶点实验室、研究环境和多学科团队中的报告质量。

D. 统一图式如何实现跨平台通用性

该图式通过将论证链与特定硬件或物理模态分离，设计用于跨平台使用。其四个阶段是抽象的但可操作：编码定义被测量到参数的映射，演化表示确定性响应以及主要噪声或损耗，读出定义可观察结果和似然模型，估计在信息和不确定度约束下应用推断工具。

这种结构可实例化用于光学、原子、固态和非干涉测量传感器，包括重力仪、磁力仪和加速度计。标度因子将参数不确定度转化为被测量不确定度，信息极限为性能提供共同基准，计量闭合使所得主张可审计。本研究在选定示例中展示了教学用途；更广泛的跨平台有效性仍需实证检验。

通过工作表和团队提案将这些联系外化，可能减少术语驱动的误解，并支持跨学科的共享推理。这种共同结构在新兴量子技术环境中可能有价值，但其作为劳动力基础设施的有效性需要超越单一机构的前瞻性评估。

E. 对实验教学和量子教育的启示

除了量子内容外，该模块通过将经典传感和量子受限推理联系起来，为工程导向项目提供了候选测量共同核心。这类聚焦干预可作为综合STEM课程中的边界对象，通过围绕连贯推理框架组织真实问题[43,44]。

F. 局限、数据来源和边界条件

评估与8小时干预紧密对齐，并使用未经独立验证的简化形式。因此，大的即时分数差异表明对所教授图式的吸收；它们不能与广泛概念量表的效应直接比较，也不能确立领域通用的测量素养。缺乏对照组进一步阻止将差异具体归因于模块。

我们有意将队列层面均值、标准差、均值差和归一化增益作为主要分析优先考虑。这些描述性统计量直接可解释，并在研究的小型异质队列结构下提供最稳定的摘要。我们没有强调标准化配对效应、自助法区间或ICC点估计，因为这些在样本条件下较不稳定[48,49]。

V. 结论

本文介绍了一个统一的经典到量子干涉测量图式，并在一个聚焦模块中实施。描述性评估表明，所提出的图式是一个可教学且实际适用的框架，用于组织经典和量子情境下的测量推理。虽然即时吸收和团队层面实施的证据令人鼓舞，但也强调了需要更严格设计（包括固定评估形式、更大样本和延迟迁移任务）的未来研究，以确立更广泛的效度和长期影响。

该图式的主要贡献是概念性和教学性的。它提供了一个共同结构，用于连接编码、噪声演化、读出、估计和计量闭合，跨越经典和量子示例。团队摘要还识别出一个持续的教学需求：采用四阶段结构比完成不确定度预算和溯源性论证更容易。

该教学包旨在供未来复制。更强的评估需要固定且独立验证的评估形式、更大的前瞻性计划样本、个体迁移任务、延迟测试、比较条件、预先指定的信度程序和多机构实施。

因此，测量即推断成为一个有前景的教学目标，其更广泛的效度、持久性和迁移仍有待检验。