如何撰写研究问题：步骤、示例与检查清单

已经有研究主题了吗？你可以向 Acade 描述你的主题，补充目标人群和研究目标，然后让学术研究智能体帮助你比较并完善可能的研究问题。

什么是研究问题？

研究问题是指一项研究计划使用证据回答的具体问题。它将研究难题与文献检索、研究设计、数据收集和分析连接起来。

研究问题并不等同于研究主题、论文标题或研究假设：

聚焦后的问题更具可研究性，因为它明确了所考察的行为、可以操作化的结果、研究人群和研究环境。它使用的是“与……相关”，而不是“导致”，因为观察性研究本身不能确立因果关系。

一个结构良好的问题，不只是让句子听起来更有学术性。它决定了哪些证据与研究相关，以及哪些方法能够得出站得住脚的回答。例如，在证据综述中，美国医疗保健研究与质量局指出，关键问题会指导检索策略、研究筛选、数据提取、证据综合和最终报告。参见 AHRQ 指南。

好的研究问题有哪些特征？

好的研究问题应当清晰、聚焦、可研究、可行、有意义、符合伦理，并与预期采用的研究方法保持一致。

FINER 框架——Feasible（可行）、Interesting（有趣）、Novel（新颖）、Ethical（符合伦理）和 Relevant（相关）——是一种实用的质量检查工具，尤其常用于健康和临床研究。PICO 或 PICOT 则可以通过明确人群、干预、对照、结局，有时还包括时间，帮助组织部分比较性或干预性问题。但这些只是工具，并非适用于所有研究的统一模板。例如，探索亲身经历的定性研究不应被强行套入“干预—对照”结构。参见 PICO 与 FINER 概述和 AHRQ 的 PICOTS 指南。

如何通过七个步骤撰写研究问题

下面的流程可以帮助你将宽泛兴趣转化为能够指导实际研究的问题。贯穿本节的案例为假设性案例，仅用于研究方法教学。

第一步：从宽泛主题开始

为什么重要： 宽泛主题可以提供方向，但还没有明确一个能够被调查的具体问题。

需要做什么： 用日常语言写下主题，然后列出你最感兴趣的部分，以及它可能重要的原因。

阶段性产出：

AI 工具与学生学习

常见错误： 未经缩小范围就直接把主题改成问题，例如：“AI 如何影响学生？”

示例： 这个主题可能涉及辅导、评估、学习习惯、写作、自信心、资源可及性或学术诚信。一项研究无法把所有方面都研究透彻。

第二步：确定研究难题

为什么重要： 研究难题说明了哪些内容仍不确定、存在争议、尚未得到充分理解，或者在实践中仍有困难。

需要做什么： 完成这个句式：“我们已经知道＿＿，但还不了解＿＿在＿＿群体和＿＿情境中的情况。”在查阅文献之前，不要声称已经发现了研究空白。

阶段性产出：

学生越来越多地使用生成式 AI 工具，但不同使用模式是否与一年级工程专业学生学业自我效能感的差异相关，目前仍不清楚。

常见错误： 把个人假设当作已经确立的研究空白。

示例： “AI 会降低学习效果”预设了研究结果；“AI 使用模式与学业自我效能感之间的关系尚不明确”则提出了一个可以调查的问题。

第三步：查阅现有文献

为什么重要： 初步检索可以帮助你了解其他研究者如何界定问题、哪些人群已经被研究、现有证据包括什么，以及常用哪些研究方法，同时也有助于避免无意中重复已有研究。

需要做什么： 检索核心概念及其同义词。先阅读近期综述，再检查相关原始研究。记录概念定义、研究人群、测量工具、研究设计、局限性和仍未解决的分歧。

阶段性产出： 一份简短的证据地图，包括：

• 已得到较好支持的结论；

• 相互冲突的结果；

• 研究不足的人群或情境；

• 常用测量方式；

• 可以获取的数据来源；

• 你的项目可能处理的局限。

常见错误： 因为第一次检索只找到少量论文，就直接宣布存在研究空白。检索质量不足，并不能证明相关研究不存在。

示例： 检索可能显示，关于学生对 AI 总体态度的研究较多，但区分使用频率、使用目的，并考察入门工程教育中学业自我效能感的研究较少。

你可以使用 Acade 的学术检索和文献综述工作流来组织这一阶段，也可以阅读如何查找研究论文。检索结果和 AI 生成的摘要仍然必须对照原始来源进行核实。

第四步：界定研究人群和情境

为什么重要： 适用于某一群体、机构、国家或课程的结果，未必能够直接推广到其他情境。

需要做什么： 只列出真正会影响研究的边界：

• 研究人群或分析单位；

• 机构、地区或研究环境；

• 学科或专业情境；

• 相关时间范围；

• 必要的纳入和排除标准。

阶段性产出：

在一个学期内，就读于公立大学统计学入门课程的一年级工程专业学生。

常见错误： 仅为了让问题看起来更精确而不断增加限定条件。每一个边界都应具有方法论理由。

示例： 如果从中学到大学的过渡以及课程要求形成了独特的学习环境，那么限定为“一年级工程专业学生”可能合理。如果机构类型与问题无关，或者根本无法在多所公立大学招募参与者，就应删除这一限制。

第五步：确定概念或变量

为什么重要： 你需要知道，哪些证据可以代表研究问题中的概念。

需要做什么： 对于定量研究，应明确可以测量的变量及其操作化方式；对于定性研究，应明确希望探索的经历、过程、意义或观点。

阶段性产出：

• 暴露因素或预测变量：每周使用生成式 AI 辅导工具的情况；

• 结果变量：通过具有合理依据的量表测得的学业自我效能感；

• 可能的情境变量：课程形式、既往学习经历或使用 AI 的目的。

常见错误： 使用“学习”“成功”或“影响”等宽泛术语，却没有说明它们的具体含义。

示例： 如果“使用 AI”同时包括头脑风暴、辅导、生成答案和校对，那么只记录频率可能会掩盖重要差异。研究可能需要更清晰的定义，或者把不同用途分别分类。

第六步：选择合适的问题类型

为什么重要： 研究问题中的动词，会让读者对所需证据和分析方式形成预期。

需要做什么： 根据研究目的匹配问题类型：

• 描述性： 发生了什么、多常发生，或者发生在哪些人身上？

• 比较性： 两个或多个群体或条件之间有何差异？

• 相关性： 变量之间是否存在关联？

• 探索性： 人们如何经历或理解某种现象？

• 解释性： 哪些过程或机制可能解释某种模式？

• 评估性： 某个项目、干预或政策在多大程度上符合既定标准？

• 因果性： 某项干预或暴露是否产生变化？只有研究设计支持因果推断时，才能使用这种措辞。

阶段性产出： 如果计划中的研究只是测量自然发生的 AI 使用情况和自我效能感，而不分配干预，那么相关性问题最为合适。

常见错误： 当现有数据只能表明关联时，却询问“X 对 Y 有什么影响”。

示例： 除非能够采用可靠的因果研究设计，否则应将“AI 使用如何提升自我效能感？”改为“每周使用 AI 工具与学业自我效能感之间存在怎样的关联？”

第七步：写出并检验最终问题

为什么重要： 最终措辞应当能够告诉你需要收集哪些证据，以及研究可以合理得出哪些结论。

需要做什么： 写出问题初稿，使用质量检查清单进行检验，并在完成初步文献检索和可行性评估后继续修改。

第一版：

AI 能帮助工程专业学生学习统计学吗？

修改版：

生成式 AI 的使用与一年级工程专业学生的学习结果有关吗？

最终工作问题：

每周使用生成式 AI 辅导工具，与公立大学统计学入门课程中一年级工程专业学生的学业自我效能感得分存在怎样的关联？

常见错误： 把第一句听起来专业的表述当成最终版本。随着文献、数据访问、测量工具或伦理限制逐渐明确，研究问题通常还会发生变化。

最终版本为什么更好： 它明确了关系、暴露因素、结果、人群和情境；没有声称存在因果关系；而且指向一种可行的观察性设计。在研究者确认数据访问、测量质量、样本要求、机构规范和学术价值之前，它仍然只是一个工作问题。

如何缩小研究问题的范围

当问题范围过大时，可以按照以下顺序逐步缩小：

宽泛领域 → 主题 → 研究难题 → 人群 → 情境 → 变量或现象 → 时间范围 → 最终问题

示例 A：教育

宽泛问题： AI 如何影响学生？

缩小后： 每周使用生成式 AI 辅导工具，与统计学入门课程中一年级工程专业学生的学业自我效能感存在怎样的关联？

修改后的问题明确了 AI 使用形式、结果、人群和课程情境。“关联”这一措辞也与观察性证据相符。

示例 B：公共卫生

宽泛问题： 人们为什么不接种疫苗？

缩小后： 在农村基层医疗环境中，哪些顾虑会影响 65 岁及以上成年人对流感疫苗接种的决定？

修改后的问题明确了疫苗类型、研究人群、决策和环境，可以支持访谈或其他针对个人所述顾虑的研究设计。这是方法论示例，不构成医疗建议。

缩小范围并不意味着加入所有可能的限定条件。过窄的问题可能缺乏学术价值，或者找不到足够的合格研究对象。研究范围应当与你实际拥有的时间、样本、数据访问和资源相匹配。

研究问题的类型

定性和定量并不只是研究问题的“类型”。它们更广泛地指向证据形式、研究逻辑和研究方法。例如，根据研究者对“描述”的具体定义，一个描述性问题既可以使用数值调查数据，也可以使用定性描述来回答。

定性研究问题与定量研究问题

针对同一个主题：

定性问题： 一年级大学生如何描述生成式 AI 工具影响其学习习惯的方式？

定量问题： 每周使用生成式 AI 的频率，与一年级大学生的学业自我效能感得分存在怎样的关联？

问题措辞必须与证据和研究设计相匹配。以“为什么”开头的问题并不会自动变成定性问题；采用数值分析，也不意味着研究自然具备因果推断能力。美国疾病控制与预防中心指出，分析性研究应围绕正确的问题进行设计，而且在建立用于检验假设的研究之前，通常应先明确假设。参见 CDC 现场流行病学手册。

不同学科的研究问题示例

以下示例均为假设性示例，仅用于研究方法教学。

“可能采用的方法”并不是规定。最终设计必须结合现有文献、可获得的证据、学科规范、伦理审查和合格方法专家的意见。

研究问题与研究假设有什么区别？

研究问题说明研究希望回答什么；研究假设则对预期关系或差异作出可检验的预测。

研究问题： 每周使用生成式 AI 辅导工具，与一年级大学生的学业自我效能感存在关联吗？

研究假设： 每周至少使用三次生成式 AI 辅导工具的一年级大学生，其学业自我效能感得分将高于不使用此类工具的学生。

并非所有研究都需要正式假设。探索性研究以及许多定性研究通常从研究问题开始，而不是从预测性假设开始。如果你的研究设计需要假设，可以继续阅读如何撰写研究假设。

一项研究应该包含多少个研究问题？

研究问题不存在适用于所有项目的正确数量。合理数量取决于项目范围、学位或课程要求、可用证据、研究设计、时间和资源。

小型课程项目通常最适合围绕一个核心问题展开。规模较大的论文或混合方法研究，可能包含一个主要问题和若干相互关联的子问题。最重要的实际规则是：每个问题都必须在研究设计中发挥明确作用，并在研究结果和讨论中真正得到回答。

增加一个问题之前，请先询问：

• 它是否有助于回答核心难题？

• 它是否需要不同的参与者、数据或方法？

• 项目是否能够收集和分析这些证据？

• 最终论文是否真的会报告答案？

如果一个子问题实际上构成了另一项独立研究，它很可能不属于当前项目。

如何为文献综述撰写研究问题

文献综述问题关注的是现有证据，而不是新收集的一手数据。它应当明确研究现象或干预、相关人群或情境，以及用于指导检索和研究筛选的范围边界。

宽泛主题： 高等教育中的 AI 辅助学习

聚焦的综述问题： 2022 年至 2026 年发表的同行评审实证研究，报告了生成式 AI 辅助学习对大学生学业表现的哪些影响？

这个问题明确了人群、结果范围、证据类型和发表时间。选择这些条件时必须给出合理依据，不能只是为了方便。系统综述、范围综述和叙述性综述具有不同目的，可能需要不同的问题框架和研究方案。AHRQ 强调，清晰的综述问题会影响检索策略、纳入标准、数据提取和证据综合。参见 AHRQ 指南。

十种常见研究问题错误及修改方法

研究问题质量检查清单

在最终确定研究问题之前，复制并逐项回答下面的问题：

• [ ] 这个问题是否无需额外解释就能被理解？

• [ ] 它是否只针对一个聚焦的研究难题？

• [ ] 它能否用证据而不只是观点来回答？

• [ ] 必要时是否明确了研究人群、分析单位或情境？

• [ ] 关键概念、变量或现象能否被操作化或深入探索？

• [ ] 问题措辞是否与拟采用的研究方法一致？

• [ ] 在现有时间、访问权限、技能、样本和预算下是否可行？

• [ ] 它是否避免预设结论？

• [ ] 除非研究设计支持因果推断，否则是否避免使用因果语言？

• [ ] 研究能否满足适用的伦理、同意、隐私和机构要求？

• [ ] 答案是否具有学术或实践价值？

• [ ] 最终研究是否能够真正回答问题的每一部分？

如果有多项答案为“否”或“尚未确定”，请先修改研究问题，再制定完整的研究计划。

使用 Acade 建立并完善研究问题

Acade 是一个由 AI 驱动的学术研究工作空间，旨在支持相互衔接的研究任务。在这个工作流中，你可以向 Acade 提供一个宽泛主题，明确学科和限制条件，比较不同类型的研究问题，完善研究范围，并继续进行文献检索和研究设计。

Acade 适合本科生、研究生、博士研究者、早期职业研究人员，以及正在规划研究项目的专业人士。它可以帮助组织研究推理过程，但不能替代学科专业知识、导师指导、伦理审查、来源核实或研究者的最终判断。

可执行的 Acade 工作流

1. 描述宽泛主题。 说明研究对象以及你感兴趣的方面。

2. 补充情境。 提供学科、目标人群、研究环境、时间范围、作业层级和实际限制。

3. 要求提供备选方案。 请求生成多个具有不同目的的问题，例如描述性、比较性、相关性或探索性问题。

4. 检查文献。 使用学术检索和文献综述工具，核查术语、既有发现、学术分歧和可能的证据空白。

5. 比较可行性和方法匹配度。 检查每个问题需要哪些数据、什么设计可以回答，以及还存在哪些局限。

6. 由你自己修改措辞。 选择一个工作问题，并根据实际访问权限、个人能力、机构规范和学术目标进行调整。

7. 规划下一阶段。 继续开展研究设计，并在适用时建立研究假设。

可以在 Acade 中使用的提示词

我想研究生成式 AI 如何影响一年级工程专业学生的学习。请帮助我将这一主题缩小为三个可行的研究问题。针对每个问题，请说明问题类型、可能的数据来源、适合的研究方法和主要局限。不要假设观察到的关联属于因果关系。如果缺少必要情境，请先向我提问。

你需要审核哪些内容

对于每一个建议问题，请检查：

• 关键概念是否得到定义；

• 人群和情境是否与实际项目一致；

• 数据来源是否真的可以获取；

• 建议的方法能否回答当前措辞；

• 因果声明是否超出了研究设计；

• 所谓研究空白是否得到文献支持；

• 是否涉及伦理、隐私、知情同意或机构审查。

Acade 提供的建议属于研究过程中的工作材料，不等于学术审批。AI 生成的参考文献、摘要、定义和方法建议可能不完整或不正确。你必须打开并核实原始来源，咨询合格的导师或研究方法专家，并对最终研究问题和研究方案负责。

常见问题

撰写研究问题的最佳方法是什么？

从真实的研究难题出发，查阅足够文献以了解现有知识，明确人群或情境，确定概念或变量，选择与研究目标相匹配的问题类型，并检查措辞是否清晰、可行、符合伦理、有意义且与方法一致。

如何从一个主题形成研究问题？

从主题转向具体的不确定性。询问哪些内容尚不清楚、涉及谁、发生在什么情境中，以及哪些证据可以回答。然后逐步缩小范围，直到一项现实可行的研究能够处理这个问题。

研究问题应该如何措辞？

使用中立、精确的语言。选择与目的匹配的动词：“描述”用于刻画特征，“比较”用于群体差异，“与……相关”用于关系，“探索”用于经历或意义。除非研究设计支持因果推断，否则避免使用“影响”或“导致”。

好的研究问题有哪些特征？

好的问题应当清晰、聚焦、可研究、可行、有意义、符合伦理，并与预期证据和方法保持一致。它应当支持有意义的分析，而且不能预设自己的答案。

研究问题可以只回答“是”或“否”吗？

从语法上可以，但简单的“是”或“否”通常无法产生足够深入的分析。在大多数学术项目中，询问模式、差异、关联、经历或机制，往往能够形成信息量更大的研究。

研究问题和研究假设有什么区别？

研究问题提出研究将调查什么；研究假设则预测预期关系或差异。并不是每个研究问题都需要假设，尤其是探索性和定性研究。

应该设置多少个研究问题？

只设置研究能够连贯回答的问题。小型项目可能只有一个主要问题；规模较大的论文可能包含相互关联的子问题。课程、培养项目和导师要求优先于一般性建议。

如何判断研究问题是否过于宽泛？

如果你无法确定回答它所需的证据、人群、情境、概念或方法，或者回答它需要开展多项独立研究，那么它很可能过于宽泛。

Acade 能替我写出最终研究问题吗？

Acade 可以帮助生成备选问题、发现缺失的情境、比较问题类型，并支持文献检索和研究设计规划。你仍必须核实证据，作出最终的方法和伦理判断，并确保问题符合所在机构的要求。

将你的主题转化为聚焦的研究问题

告诉 Acade 你想研究什么、研究涉及谁或什么对象、你能获得哪些证据，以及你面临哪些限制。然后让它帮助你比较可能的研究问题、发现方法不匹配之处，并规划下一项研究任务。

使用 Acade 完善我的研究问题