那天，一位學員拿著手機衝進來問我
我帶訓練那麼多年，最常被問倒的不是「教練我要怎麼變強」，而是這種問題：「教練，我昨天看到一篇研究說，賽前喝甜菜根汁可以讓功率輸出多 3%，我是不是該每天灌一杯？」或者「有篇論文說低醣飲食能大幅提升脂肪利用率，我要不要把飯戒掉？」
有一次，一位練場地計時賽的學員 A，興沖沖地傳來一篇分享文，標題是「最新研究證實：某某訓練法讓耐力暴增 20%」。他已經打算把整個週期打掉重練。我請他先深呼吸，然後問了三個問題：這研究收了幾個人？那些人跟你像不像？有沒有別的實驗室做出同樣結果？他愣住了，因為他只看了標題和那個「20%」。
這篇文章，我想談一個聽起來很學術、其實跟每一位認真訓練的人都切身相關的主題——運動科學的可重複性危機（reproducibility crisis）。這不是要你從此不信科學、回去憑感覺練，而是恰恰相反：正因為我們尊重證據，才更需要知道單一一篇研究能承載多少重量，以及怎麼把研究讀成訓練的助力，而不是每週被新標題拉著跳來跳去的枷鎖。
什麼是「可重複性危機」
先講一個對整個科學界都是震撼彈的事件。2015 年，一個大型的心理學重複研究計畫（Reproducibility Project: Psychology）試圖重做 100 個已發表的心理學實驗，用的是高統計檢定力的設計。結果如何？原始研究裡有高達 97% 都報告出「統計顯著」的結果，但重做之後，只有約 36% 的重複實驗同樣達到統計顯著；而且重複實驗算出來的效果量（effect size），平均只有原始研究的一半左右。
這件事之所以叫「危機」，是因為科學的根基之一就是可重複性：如果一個發現是真的，那麼別人依照同樣方法去做，應該要能再看到類似的結果。當一大批「已發表、看起來很確定」的結論在別人手上重做不出來，我們就得問：這些結論到底有多少是真的訊號，多少只是雜訊、運氣或研究流程本身的偏誤？
這裡順便釐清兩個常被混用的詞。**「可重複（reproducibility）」通常指：用同一批原始資料、跑同樣的分析，能不能得到同樣的數字——這考驗的是分析與報告的透明度。「可再現／可複製（replicability）」**則是指：換一批新的受試者、重新收資料，能不能再看到同樣方向的結果——這考驗的是發現本身穩不穩。兩者都很重要，而運動科學在這兩個層面都遇到了挑戰：有些研究連原始數據都拿不到（可重複性差），有些換人重做就消失了（可再現性差）。你不用死背這兩個詞，只要記得一個核心精神：真的東西，經得起別人用不同方式再驗一次。
那運動科學呢？別以為我們免疫
很多人會想：那是心理學的問題吧，運動科學量的是功率、心率、乳酸這些硬邦邦的生理數字，總不會有這種問題？很遺憾，運動與運動科學同樣沒有豁免權。
近年一份針對運動與運動科學研究者的態度調查（收了 511 位研究者）發現，約 42% 的人認為這個領域存在「顯著的」可重複性危機，另有約 36% 認為存在「輕微的」危機。換句話說，領域內近八成的研究者，都覺得問題確實存在。
更關鍵的是實際去「重做」的結果。運動與運動科學過去長年沒有像心理學、癌症生物學那樣的大型協作重複計畫，直到近年才開始有人動手。在一項大型重複研究裡，重做那些原始研究後，約 56% 的重複結果在「虛無假設顯著性檢定」上與原研究一致，但被判定為真正「成功重複」（既達到統計顯著、效果量也相容）的只有約 28%。
這個 28% 不是要你對運動科學絕望，而是要你建立一個健康的預期：任何一篇單一研究，尤其是收案人數少、結果特別「漂亮」的那種，本質上就帶著相當高的不確定性。 它是一條線索，不是一份判決書。
值得一提的是，做這些重複計畫的人還遇到一個很現實的障礙：不少原始研究報告的統計資訊不完整、原始數據也拿不到，甚至聯絡原作者請求協助時碰壁、對方不太願意配合重做。這本身就反映了領域裡「重複」長期不被重視的文化問題——大家都想搶做「新發現」，很少人願意花時間去確認「舊發現」到底站不站得住腳。
這場危機「不是」在說什麼
我必須把話講清楚，免得你走向另一個極端。可重複性危機不是在說「運動科學都是騙人的」，也不是要你回去純憑感覺土法煉鋼。恰恰相反：
- 它不是說所有研究都錯，而是說單一一篇的確定性被高估了。
- 它不是要你不信科學，而是要你信「一群一致的研究」多過信「一篇孤零零的研究」。
- 它不是壞消息，而是科學自我體檢、自我修正的健康表現——一個會抓自己毛病的系統，才值得長期信任。
把這三點放在心裡，你就不會因為讀到「危機」兩個字，就走向虛無主義的憤世嫉俗。
為什麼會這樣？弱證據是怎麼長出來的
要學會看研究，得先懂研究為什麼會「重做不出來」。這裡我用最白話的方式，拆解幾個運動科學特別容易踩的坑。
一、樣本太小，運氣說了算
運動科學的實驗很貴、很累。要找一群人來實驗室，抽血、量攝氧量、做到力竭，動輒好幾週。所以很多研究只收了 8 到 15 個受試者。人數一少，單一兩個「反應特別好」的人就能把整體平均拉出一個漂亮的數字，看起來像是介入有效，其實可能只是抽樣的運氣。
我常跟學員打個比方：你丟 10 次硬幣出現 7 次正面，你不會宣稱這硬幣有問題；但很多小型研究就是拿著「10 丟 7 正」的證據，寫成「本硬幣顯著偏向正面」。
二、只有「好看的」被登出來（發表偏誤）
期刊、媒體、社群都偏愛「有效」「顯著」「突破」的故事。一個做出「沒差」的實驗，往往被塞進抽屜不發表（這叫抽屜效應）。結果就是：你在網路上看到的研究，是被篩選過的、傾向報喜的那一群，而那些默默證明「其實沒用」的研究你根本看不到。
三、分析的自由度太高（p-hacking）
同一批資料，可以切成很多種分析方式：要不要排除某個離群值？看平均功率還是峰值功率？分不分男女？只要願意多試幾種切法，總有一種會「剛好」跑出 p < 0.05。這種在資料裡撈到顯著就見好就收的做法，會製造出大量看似成立、實則脆弱的結論。
四、受試者跟你不一樣
很多研究收的是「年輕、健康、有訓練基礎的男性大學生」。但如果你是 50 歲、剛開始騎車、還有點高血壓的通勤族，那篇在體育系學生身上做出來的甜菜根汁研究，套到你身上的可靠度要大打折扣。外推性（能不能推廣到你）是最常被忽略、卻最致命的一環。 順帶一提，過去運動科學研究的受試者以男性為大宗，女性、年長者、慢性病族群長期被納入得偏少，這也讓很多結論套到這些族群時，本來就該更保守。
五、量測本身就有誤差
就算研究設計無懈可擊，運動科學量的很多東西本身就「抖」。同一個人今天的攝氧量、乳酸、功率輸出，受到睡眠、飲食、咖啡因、室溫、情緒影響，天天都不一樣。當你要偵測的效果只有 1～2%，而量測工具本身的日間變異可能就有 3～5%，那麼你看到的差異，很可能只是量測雜訊，而不是真的介入效果。這也是為什麼小樣本又短期的研究特別不可靠。
六、「新奇效應」與「霍桑效應」
人一旦知道自己在被觀察、或正在嘗試某個「新方法」，往往會不自覺地更投入、更認真，短期成績自然變好。這種進步常被誤記在「新方法」頭上，其實只是你更用心而已。這也是為什麼一個沒有對照組的研究（或你自己沒設對照的嘗試），特別容易高估效果。
下面這張表，是我教學員快速辨識「證據強弱」的簡表。你不需要是科學家，看到一篇研究時對照一下就好。
| 指標 | 較弱的證據（要保守看待） | 較強的證據（可較信任） |
|---|---|---|
| 受試人數 | 個位數到十幾人 | 數十人以上，或多中心 |
| 研究設計 | 單組前後測、沒有對照 | 隨機分組、有安慰劑對照 |
| 重複情形 | 只有這一篇這樣說 | 多個獨立團隊做出一致方向 |
| 效果大小 | 大到不可思議（如「暴增 20%」） | 溫和且合理（如 1～3%） |
| 受試對象 | 跟你差很多（年齡/程度/性別） | 跟你相近的族群 |
| 資料透明度 | 不公開原始數據、方法含糊 | 預先註冊、資料與方法公開 |
| 發表形式 | 只有新聞稿、商品置入文 | 同儕審查期刊、系統性回顧 |
那我到底該怎麼看待「單一一篇研究」
這是最實用的部分。我把帶學員多年整理出來的判斷流程，濃縮成一套心法。核心就一句話：單一研究是「提出假設」，多篇一致的研究才是「確認結論」。
心法一：先問「有沒有別人也這樣講」
看到一個驚人結論，別急著改課表。先問：這是孤例，還是已經有很多獨立團隊做出相同方向？如果你能找到針對這主題的系統性回顧（systematic review）或統合分析（meta-analysis），那份整合了幾十篇研究的文獻，遠比單一一篇新論文有份量。實務上，把一篇統合分析當成「一整片森林」，把單一研究當成「一棵樹」，你不會因為看到一棵歪掉的樹就說整片森林都倒了。
心法二：效果越誇張，越要懷疑
真正扎實的運動科學介入，效果通常是溫和的。以耐力表現來說，一個訓練或營養策略若能穩定帶來 1～3% 的進步，在競技層級已經非常了不起。所以當你看到「暴增 20%」「效能翻倍」這種標題，第一反應不該是興奮，而是警覺：這麼大的效果，為什麼過去幾十年沒被發現？很可能是小樣本的運氣、或標題農場的誇大。
心法三：把「統計顯著」跟「對你有意義」分開
「統計顯著（p < 0.05）」只是說「這結果不太像純屬巧合」，它沒有告訴你效果夠不夠大、值不值得你為它改變生活。一個研究可以做出「顯著」但幅度小到在真實訓練中根本感覺不到的效果。學會問：就算它是真的，這 0.5% 的差異，值得我每天多花 30 分鐘、多花錢買補劑嗎？
心法四：分清「機轉研究」與「表現研究」
很多研究是在細胞、在肌肉切片、在急性生理反應層次做的（機轉），這很有價值，但**「某物質在肌肉裡讓某訊號路徑活化」不等於「你的比賽成績會變好」**。從機轉到真實表現，中間隔著千山萬水。看到「某成分促進粒線體生成」時，先別腦補成「所以我會變快」。
下面這張表，是我常用來跟學員溝通「不同證據等級該怎麼行動」的對照。
| 證據等級 | 典型樣貌 | 建議的行動態度 |
|---|---|---|
| 單篇小型研究／新聞稿 | 十幾人、單一團隊、效果驚人 | 當有趣線索，先觀望，別動課表 |
| 數篇方向一致的研究 | 多團隊、結果同向 | 可小規模、低風險地試看看 |
| 統合分析／系統性回顧 | 整合數十篇、有信賴區間 | 可納入訓練原則，仍要個別化 |
| 專業組織的實證指南 | 學會共識、定期更新 | 作為預設做法的骨幹 |
| 你自己身上的長期紀錄 | 你的數據、你的反應 | 最終仲裁者，凌駕一切平均值 |
注意最後一列。這是我要特別強調的：再好的研究，給的都是「群體平均」，而你是一個具體的個體。 研究說某策略平均有效，不代表它對你有效；研究說平均沒差，也不代表對你這個「反應特別好的人」沒差。你自己認真記錄下來的訓練數據、心率、感受與比賽成績，是任何論文都取代不了的第一手證據。
三分鐘看懂一篇研究的摘要
很多人卡在「我又不是研究人員，論文哪看得懂」。其實你不需要看懂統計細節，只要會看摘要（abstract）裡幾個關鍵欄位，就能對這篇研究的份量心裡有數。我把最實用的幾個切入點列成一張速查表，你下次點開一篇研究時照著問。
| 你要找的資訊 | 通常出現在哪 | 你要問自己的問題 |
|---|---|---|
| 收了幾個人（n） | 方法（Methods）段 | 個位數就先打折，越多越穩 |
| 受試者是誰 | 方法段開頭 | 年齡、性別、訓練程度跟我像嗎 |
| 有沒有對照組 | 方法段的設計描述 | 有安慰劑／對照才排除得掉心理作用 |
| 效果多大 | 結果（Results）段 | 是 1～3% 這種合理值，還是誇張大數字 |
| 作者自己的保留 | 討論（Discussion）末段 | 好研究會誠實寫出「限制（limitations）」 |
| 有沒有利益衝突 | 文末揭露（disclosure） | 補劑廠商贊助的研究要更保守看 |
特別提醒最後兩列。一篇誠實的研究，作者會在討論段主動寫出自己研究的限制（樣本小、只做急性、無法推廣等）；如果一篇論文把自己講得毫無破綻、效果又大得驚人，反而要提高警覺。至於利益衝突揭露，不是說廠商贊助就一定造假，而是提醒你把它放進「可信度天平」一起秤。
常見錯誤與我的修正建議
帶學員這些年，我看過各式各樣被「一篇研究」帶偏的狀況。這裡挑幾個最常見的，講講我怎麼幫他們修正。
錯誤一：追新聞標題，每週換課表
個案情境：學員 B 是那種資訊焦慮型的騎士，每看到一篇新研究就想改一次訓練。結果一個賽季下來，他從沒完整跑完任何一個訓練週期，體能東一塊西一塊，成績原地踏步。
我的修正：我請他訂一條規矩——任何新方法，至少要讓現行課表跑滿一個完整週期（通常 4～8 週）再談要不要改。 訓練最怕的不是選錯方法，而是沒有一個方法被好好執行到能看出效果。一致性打敗新鮮感。
錯誤二：把個案軼事當研究
個案情境：「我朋友吃了某某補劑，破了個人紀錄！」這種話威力驚人，因為它有畫面、有情緒。但一個人的一次進步，可能來自訓練、睡眠、天氣、賽道、心情⋯⋯補劑只是眾多變因之一。
我的修正：教學員區分「軼事（anecdote）」和「數據（data）」。軼事可以是靈感來源，但不能是決策依據。真要試，就用受控的方式試（見下方「單人實驗」）。
錯誤三：把機轉當成結果、把動物當成人
個案情境：有位學員讀到某成分在老鼠身上能提升耐力，就直接類推到自己身上加倍補充。問題是老鼠的劑量換算、代謝、生理跟人差很多，而且「急性生理變化」離「你的比賽變快」還很遠。
我的修正：養成看到「老鼠」「細胞」「急性反應」這些字眼時，自動在心裡加一句「這離真人表現還很遠」。
錯誤四：忽略風險與成本，只看到好處
很多人評估一個新策略時，只算「可能的好處」，卻不算「代價與風險」。極端低醣、大量補劑、激進減重——這些都有生理與健康代價，尤其對有慢性病（如糖尿病、高血壓、心臟疾病）的人。任何介入都要把風險放進天平，而且涉及疾病時，一定要回到你的主治醫師與專業團隊，個別化評估，別拿網路上的平均值當處方。
給不同程度讀者的行動建議
講了這麼多原則，我知道大家最想要的還是「那我具體該怎麼做」。以下依程度給建議，你對號入座。
給剛入門的運動新手
- 先別急著讀最新研究。 你現階段的進步，99% 來自「規律訓練、睡好、吃夠、別受傷」這些基本功，而不是某個尖端策略。把基礎打好，效益遠大於追新知。
- 學會一個反射動作：看到驚人標題，先找原文看收了幾個人、對象是誰。 光是這個習慣，就能幫你過濾掉八成的雜訊。
- 記錄比研讀重要。 開始寫簡單的訓練日誌（今天做了什麼、感覺如何、睡幾小時），三個月後你自己的數據，會比任何論文更懂你。
給有一定基礎的進階愛好者
- 建立「證據金字塔」意識。 遇到新方法，優先找統合分析與專業學會指南，而不是單篇新聞。把單篇研究降級為「值得留意的線索」。
- 想試新東西？用「單人實驗（N=1）」的方式試。 具體做法：選一個可量化的指標（例如某段固定爬坡的功率或時間），在盡量控制其他變因下（睡眠、天氣、疲勞相近），做 A（不用）/ B（用）交替多次，看差異是否穩定超過你日常的自然波動。單次有效不算，要能重複出現才算。
- 警惕「確認偏誤」。 我們都傾向記住「有效」的那次、忘掉「沒效」的那次。所以要事先寫下你的判斷標準，再照著數據誠實驗收。
一個實際的單人實驗長什麼樣
光講抽象原則太虛，我把帶學員做過的單人實驗流程整理成一張範例表。假設學員 C 想測試「賽前補充某策略對固定爬坡表現的影響」，我會這樣設計：
| 步驟 | 具體做法 | 為什麼這樣做 |
|---|---|---|
| 選指標 | 固定一段約 5 公里、爬升穩定的坡，計時 | 指標要客觀、可重複、受外力干擾小 |
| 定基準 | 先不做任何介入，測 3～4 次，記下時間範圍 | 先搞清楚你「平常」的自然波動有多大 |
| 交替測 | A（不用）、B（用）交替各做多次，別連著做 | 避免疲勞、天氣趨勢造成假象 |
| 控變因 | 每次都在相近時段、睡眠、進食、天氣下進行 | 讓差異盡量只來自你要測的那件事 |
| 盲一點 | 若可行，請旁人幫你隨機安排、你事後才知 | 減少心理預期（安慰劑）汙染結果 |
| 判讀 | B 要「穩定」快過 A，且差距明顯大於基準波動 | 單次領先可能只是運氣，要能重複 |
這裡的關鍵洞見是：如果你平常同一段坡的成績本來就會上下差個 30 秒，那麼某策略讓你「快了 15 秒」根本不算數，因為那還在你的自然雜訊範圍內。 這正是小型研究最容易騙人的地方——把落在雜訊裡的波動，講成了真實的效果。學會先量自己的雜訊，你就有了對抗「一篇研究」的免疫力。
進階讀者的常見疑問（FAQ）
Q：那我是不是乾脆別看研究了，反正一篇也不能信？
A：完全相反。看研究是好習慣，只是要看得聰明。重點不是「信或不信」，而是「依證據強弱給相稱的信任」。單篇小研究當線索，多篇一致的統合分析當骨幹。
Q：預先註冊（pre-registration）是什麼，為什麼常被提到？
A：指研究者在收資料前，就先公開登記好要測什麼、怎麼分析。這能大幅減少「事後撈到顯著才報」的 p-hacking。看到一篇研究有預先註冊，可信度通常加分。
Q：專業選手都在用的東西，總該有效吧？
A：不一定。頂尖選手願意賭任何「可能有一點點幫助」的邊際手段，即使證據薄弱，因為對他們而言 0.5% 就是獎牌與否。但對一般愛好者，這些邊際手段的成本效益往往不划算，還不如把基本功做好。
Q：那教練的經驗跟研究衝突時聽誰的？
A：兩者不是對立的。好的實務決策是「最佳研究證據 × 教練專業經驗 × 運動員個別狀況」三者交集。研究提供平均趨勢，經驗補上研究照顧不到的個別細節，缺一不可。
給教練與帶隊者
- 對選手要當「證據守門員」。 選手容易被社群與商品行銷牽著走，你的角色是幫他們過濾，把「森林」帶給他們，而不是每片「葉子」都撿。
- 保守用語、個別化決策。 尤其面對有健康疑慮的學員，涉及營養、補劑、傷害、疾病的建議，務必導回專業醫療與營養團隊，不要自己下處方式的指令。
- 建立團隊自己的資料庫。 你手上長期累積的選手數據，是最貼近你這群人的「在地證據」，價值不輸期刊。
一點台灣在地的提醒
最後講幾個很實際、很在地的情境。
台灣夏天又濕又熱，很多在歐美涼爽環境做出來的耐力或補給研究，直接套用到台灣的濕熱戶外，散熱與電解質流失的條件差很多，補水與補鈉策略往往要更積極，這也是「外推性」的活生生例子。
飲食上，台灣人以外食為主，很多國外的精準營養方案（要秤克數、算比例）在便當、麵攤、自助餐的現實裡難以照抄。與其糾結某篇論文的完美配比，不如先掌握大原則：訓練前後吃夠碳水、蛋白質不缺、水分電解質補足，這些穩健原則的效益，遠大於追逐某個小數點後的優化。
就醫方面，台灣健保方便，這是我們的優勢。與其在網路上拿一篇研究自我診斷，不如善用資源去看運動醫學門診、找有證照的物理治療師或營養師。 有慢性病、正在服藥、或準備做較激烈的訓練調整，更該先讓專業評估你的個別狀況，而不是把某篇「平均有效」的研究當成適用於你的保證。
再舉一個很典型的在地個案。學員 D 在網路社群看到一篇「高強度間歇能在很短時間內大幅提升攝氧量」的分享，正好他工時長、時間少，於是想把原本規律的有氧訓練整個換成每天高強度衝刺。問題是他有輕度高血壓、又是台灣夏天正午在戶外練。這裡有兩個危險點：一是那篇研究的受試者多半是健康年輕人，跟他的身體狀況不同（外推性問題）；二是在濕熱環境把訓練全部改成高強度，心血管與中暑風險都會升高。
我的處理方式是：先請他回診，讓醫師評估血壓控制狀況與運動強度上限；再把「新方法」小劑量、漸進地放進他既有的訓練裡，一週先加一次、挑清晨涼爽時段、備好補水與電解質，並密切看他的心率與體感反應。同一篇研究，對一個健康大學生可能是好建議，對一個有慢性病、在濕熱環境訓練的中年人，套用前就得先過三道關卡：醫療評估、環境調整、漸進導入。 這就是「個別化」的具體長相，不是一句口號。
另外提醒一個台灣常見的資訊來源問題：許多熱門的「研究懶人包」其實是為了帶貨或衝流量而寫，會刻意挑選對某商品有利的單篇研究、放大效果、略過限制。看到文章末尾在推銷特定補劑或器材時，請自動把它的可信度往下調一級，回頭去找中立的統合分析或專業學會的立場。
結語：尊重科學，就是不神化任何一篇研究
回到開頭那位拿著手機衝進來的學員。後來我沒有阻止他好奇，反而鼓勵他繼續讀研究——但我教他讀得更慢、更懷疑、更看重「重複」與「一致」。一個賽季後，他不再被每週的新標題拉著跑，反而因為把一套方法認真執行到底、又靠自己的數據做微調，破了他卡關兩年的成績。
可重複性危機聽起來嚇人，但它其實是個好消息：它提醒我們，科學是一個持續自我修正的過程，而不是一堆刻在石頭上的定論。真正的實證精神，不是盲信任何一篇論文，也不是憤世嫉俗地不信任何研究，而是學會依證據的強弱，給予相稱的信任——弱證據小心試，強證據當骨幹，而你自己的長期數據，永遠是最後的仲裁者。
下次再看到「最新研究證實⋯⋯」時，願你能先深呼吸，問那三個問題：收了幾個人？對象像不像你？有沒有別人也做出來？光是這樣，你就已經比大多數人更懂得怎麼跟科學相處了。
收尾：一張隨身檢查清單
把這篇的重點濃縮成一張你可以貼在腦袋裡的清單，看到任何驚人結論時，依序跑一遍：
- 人數：收了幾個人？個位數就先大打折扣。
- 對象：受試者的年齡、性別、程度、健康狀況，跟我像嗎？
- 對照：有沒有安慰劑或對照組？沒有的話，效果可能被高估。
- 重複：是孤例，還是多個獨立團隊都做出同方向？
- 幅度：效果是合理的 1～3%，還是誇張到不真實？
- 透明：有沒有預先註冊、公開資料、誠實寫出限制？
- 動機：發表這篇的人，是不是正好在賣什麼？
- 自己：就算全都過關，最後還是要在自己身上、用單人實驗驗一次。
這八個問題不需要任何統計背景，卻能幫你擋掉市面上絕大多數的過度宣稱。把它練成反射動作，你就能安心地享受閱讀研究的樂趣，而不是被每一波新標題牽著鼻子走。訓練這條路很長，穩定、耐心、對證據誠實，才是真正能陪你走到最後的東西。
本文為教育性內容，不能取代醫師、物理治療師或營養師的個別診斷與治療建議。 若你有糖尿病、高血壓、心臟疾病等慢性病，或正在服藥、準備進行較激烈的訓練或飲食調整，請務必先諮詢你的主治醫師與專業團隊，做個別化評估。
參考資料
- Reproducibility Project: Psychology（心理學重複研究計畫）— Estimating the reproducibility of psychological science, Science: https://www.science.org/doi/10.1126/science.aac4716
- 運動與運動科學研究者對可重複性的態度調查 — A Survey on the Attitudes Towards and Perception of Reproducibility and Replicability in Sports and Exercise Science, Communications in Kinesiology: https://storkjournals.org/index.php/cik/article/view/53
- 估計運動科學研究可重複性的大型計畫 — Estimating the Replicability of Sports and Exercise Science Research, Sports Medicine: https://link.springer.com/article/10.1007/s40279-025-02201-w
- 運動科學重複性疑慮之敘事回顧 — Replication concerns in sports and exercise science: a narrative review, Royal Society Open Science: https://royalsocietypublishing.org/doi/10.1098/rsos.220946