Navigate

撰寫論文

英論閣與慈濟、三總、北科大合辦論文寫作和投稿工作坊，協助學者克服投稿過程中的挑戰

英論閣與國內三所著名院校——花蓮慈濟醫院、三軍總醫院和國立台北科技大學合作，於4月26日和4月27日舉辦了三場論文寫作和投稿的工作坊，目的是簡化學者的出版之旅，探討論文投稿的技巧和挑戰。與會者學習到如何識別理想的目標期刊，撰寫符合投稿要求的稿件，以及遵循出版道德指南等。講師張家寧教授分享了自己的經驗，提供了大量的案例和建議。 在第一天的工作坊上，張教授詳細介紹了論文寫作和投稿的流程，從計劃和策略、獲取資源和合作者、按計劃精心進行研究、規劃發現，到傳達發現等方面進行了詳細的解析。張教授強調了建立堅實研究基礎的重要性，避免人們對自己的研究問題新穎性的批評和懷疑，此外還強調了數據分析處理的重要性。並提供了許多學生實例，介紹了如何撰寫符合投稿要求的稿件，以及如何遵循出版道德指南。 在第二天的工作坊上，張教授深入分析了掠奪性期刊的特點和危害，透露這些期刊經常模仿頂級期刊的名稱，並加入微小的變化，比如將“and”替換為“&”等。此外，這些期刊還經常虛假地將著名研究人員和編輯列為編輯委員會成員。與會者還提出了各種問題，例如如何提高投稿成功率和如何處理被拒絕的情況。張教授建議參加者在投稿前仔細閱讀期刊的要求，而且建議如果曾經在欲投稿的期刊上發表，可以在投稿時提及，這有助於接受的機會。 講師張家寧教授是傑出的整形醫師，擁有豐富的研究經驗，在其專業領域中貢獻卓著，已發表60多篇同行評審的論文，並獲得同行的廣泛認可。張教授目前擔任南京明基醫院BenQ醫療中心整形外科學術主任，還積極參與學術社群，擔任多家知名期刊的編輯委員會成員，並參與多個研究專案。研究興趣涵蓋廣泛的主題，包括整形外科手術的手術技巧、手術後恢復和再造、細胞和基因治療、再生醫學和組織工程等。 英論閣的使命是幫助非英語母語的研究人員克服語言和文化上的障礙，在國際期刊上發表研究成果。透過這三場工作坊，我們希望提供有價值的實用資訊，協助學者們克服投稿過程中的種種挑戰，以使研究成果能夠被更多人閱讀和認可。

12 months ago

論文引用次數的影響因素深度解析

在當今這個“以引用次數論英雄”的學術評價體系中，廣大科研人員高度關心自己的論著的引用次數。在論文和著作的引用上存在哪些誤區，如何能夠提高引用次數，是本文簡要討論的內容。 學術機構在人員聘任和科研經費資助評審中，日益注重學術研究的影響力，要求科研人員證明自己工作的作用。最廣為人知的評價學術影響力的三種方法是期刊影響因數、論著引用次數、學術委員會等小同行評議。學術評價體系所要追求的效果是論著經受過嚴格的同行評議，並且在發表後能夠受到同行的關注。那麼，在未經同行評議的期刊或出版社發表的論著或發表後沒有被同行引用的論著顯然通常被認為是沒有學術價值的。當然，歷史上也有一些珍寶級的論文在發表後長期未能引起人們的注意。這只能說明這種論文的作者具有超越時代的遠見卓識，從而只能被後世的人們所發現和景仰。例如，1934年1月，文獻計量學家布拉德福發表了“專門學科的情報源”這篇在文獻計量學領域具有重要歷史意義的著名論文。文中首次闡述了科學文獻的分散定律，即著名的布拉德福定律。但是，這篇論文在發表後長期未能引起人們的注意。反過來看，在經過嚴格的同行評議的高影響因子期刊發表的論文或發表後被同行大量引用的論著就肯定具有較高的學術價值嗎？其實亦不儘然。 期刊影響因子簡單來說就是某一期刊的全部論文在某一時段內（例如兩年）被引用次數的總和除以發表的論文的篇數，即篇均被引用次數。一般來講，影響因子越高，對於原創性要求等同行評議審稿標準就越高，論文也越難發表。這就是期刊影響因子較高通常被視為論文水準較高的原因。實際上，期刊影響因子並不能代表單獨某篇論文的被引用次數。因此，期刊影響因子並不能反映具體某篇論文受到同行關注的程度。 雖然論著的引用次數比期刊影響因子更能直接反映某篇作品的被引用次數，但是引用次數並不能代表同行評議的審稿嚴格程度，只是反映出作品受到他人出於“某種原因”的關注。因此，被引用次數的多少也並不等同於論文品質的高低。這就是為什麼諾貝爾獎得主的論文並不總是能夠獲得較高次數的引用，而且很難透過文獻計量學的方法預測誰能獲得諾貝爾獎。 那麼，論文的引用次數究竟多少才算多？據統計，在包括SCI在內的Web of Science資料庫中，引用次數超過1000次的論文不到0.03％。有的學科的論文的零被引用率大約是8%到30%，即某學科或某期刊的全部論文中有8%到30%的論文從來沒有被引用過。顯然，各學科或期刊的零被引用率的浮動範圍很大，不能一概而論。論文在發表當年被引用的次數如果超過1或2次，就算不錯的了。 在論文的多名作者中，每個作者都能在學術能力評價中宣稱擁有相同的被引用次數嗎？換言之，如果一篇論文有10個作者，這篇論文被引用了100次，第一作者、通訊作者和排名第十位元的非通訊作者都能宣稱每人均擁有100次被引次數嗎？答案顯然是否定的。但是，在目前的比較粗糙的學術評價體系中，在計算被引用次數和H指數時，很多單位尚未對作者排名和權重予以區分。這極大損害了作為作品主要完成人的第一作者的利益和作為作品負責人的通訊作者的利益，而且錯誤地獎勵了那些排名靠後甚至掛名的作者和沒有較大貢獻的作者。為了解決引用次數統計中的這種泡沫問題，天津大學生命科學與工程研究院的張春霆院士創造了一種根據作者排序計算帶權重的引用次數的方法。在他的方法中，一名作者的帶權引用次數是論文的引用次數乘以作者的權重係數。作者的權重係數可以按照以下兩種原則計算。當按照榮譽三分原則計算時，將通訊作者和第一作者的權重係數均設置為1，而其他作者的權重係數的總和為1。當按照線性原則計算時，除了通訊作者和第一作者外，其餘作者的權重係數按照作者排序以等差級數遞減。這種方法顯然比不論青紅皂白將所有作者都賦予相同的引用次數的做法合理很多。 有人可能還會問，論文被人引用的原因都有哪些？透過對這個問題的回答，我們也可以看到提高論文引用次數的方法。引用分為自引和他引。自引是論文的作者引用自己的作品。自引能夠維護學術研究的系統性和連續性，增加科研結果的可信度和深廣度，無可非議，只是需要注意在自引時應當有充分的理由。他引的理由通常包括以下四個。 第一，透過文獻綜述來介紹背景或湊足同行評議要求的參考文獻數量。在論文的引言部分草率引用他人工作來介紹研究背景、目的和意義，是青年學生常犯的錯誤，也是很多低水準論文被人大量濫引的原因。導師推薦高水準文獻能夠避免學生濫引。科研人員應當珍惜引用文獻的權利，慎重切題引用，不隨便給其他作者增加引用次數和榮譽。另外，有的科研人員沒有付費的文獻檢索途徑，只能從免費的開放獲取（Open Access）期刊上查找文獻。因此，在開放獲取期刊上發表論文，能夠增加他引次數。但是，很多開放獲取期刊是徵收高額版面費的。從作者希望增加他引次數的角度來看，應當使自己的論文顯得比較系統和全面，具有經典的入門學習價值，或者符合科研熱點。開闢有研究潛力的新方向和提出能夠被人廣泛使用的新方法的開創性論文毫無疑問能夠吸引較多的他引次數。撰寫綜述型論文也能夠增加他引次數。但是，科研人員通常應當在發表了一定數量的原創型論文而奠定了自己的學術地位後，再大量撰寫綜述型論文，否則會被人認為水準不高，權威性會受到質疑。 第二，在結果和討論部分引用文獻進行對比。這種引用通常具有很強的課題針對性。要想增加他引次數，必須做後繼有人的工作，讓後來的研究者沿著自己的工作繼續深耕和對比。寫好論文的標題、摘要和關鍵字，能夠有效增加自己的論文被同行發現、對比和引用的機會。 第三，引用他人論文的結果或結論，為自己的論點提供依據。要想增加這方面的他引次數，必須使自己的論文在完整性（深廣性）上比較出色，並得出比較經典的結論，使後人能夠反復借用。如果為了增加論文數量而將一篇論文拆分成幾篇內容較少的論文發表，可能會降低總的他引次數而得不償失。 第四，闡述別人的錯誤或比較平庸的結果，用來強調自己的研究結果的重要性。對於被引用的作者來講，這種引用屬於被別人批評的負面引用。這種負面引用的次數較多，不是一件光彩的事情。 綜上所述，避免零引用和追求較高的他引次數是提高學術影響力的正確努力方向。但是也需要記住，他引次數受許多因素影響，包括期刊的影響因子、專業領域、論文篇幅、論文性質（原創型論文或綜述型論文）、參考文獻數量、論文發表時間等。論文的他引次數過低或甚至為零，說明論文的品質可能太低，達不到值得被引用的標準，或者科研方向太冷門，研究的人太少。…

1 year ago

撰寫強有力的研究目的或論文主旨句的方法

論文主旨句又稱論題陳述（thesis statement）、研究目的（research objective）。實際上，“研究目的”比“論題陳述”或“論文主旨句”更加廣為人知。本文論述研究目的之寫法。 研究目的包括三部分內容：確定研究課題（topic）即選題陳述，提出疑問（question），提出假說（hypothesis）。在學術論文的幾個結構化部分中，研究目的以不同的形式出現在標題、摘要、引言中，並被結果、討論、結論等部分支援。研究目的並不是結果、討論、結論中的論點。論點是對研究目的中所提問題的回答，而研究目的並不必須使用明確的疑問句形式提問，問題可以隱喻在研究目的中。將研究目的濃縮成1-2行文字，可以作為論文的標題（title）。將研究目的濃縮成一句話，可以進入摘要。將研究目的完整地用幾句話在引言裡說清楚，就構成引言的中間部分或結尾部分。換言之，引言中關於研究目的的句子就是論題陳述（thesis statement）或論文主旨句。 引言的內容需要依序包括以下五個模組——即“五段論”： 研究的背景——指出本研究工作在學科領域中的位置，介紹問題（problem）的產生、該問題在過去和當前的研究進展，即提出問題陳述（problem statement）； 研究的理由——指出過去研究工作的缺陷和空白，介紹本研究工作的意義和重要性； 研究的目的——確定研究課題（topic），提出疑問（question）和假說（hypothesis），定義論文的論點範圍——這部分就是論文的主旨句； 研究方法要點簡述——簡要總結論文在方法上的科學性或創新點，且在文字上不與方法部分的論據和論點重複； 研究發現要點簡述——簡要總結論文在發現上的創新點、實用性和主要貢獻（論據和論點），且在文字上不與結論部分重複。 提出疑問和假說是為了策劃論點、論據（例如資料圖表）。如果將研究專案比喻成一個房子，論文的標題或選題陳述（即確定研究課題）就是房子的名稱和門牌號碼，論點就是屋頂，資料或論據則構成牆壁，指導產生資料的假說構成地板，提出的疑問就是地板下面的地基。由此可見，在房屋名稱暨門牌號碼、屋頂、牆壁、地板、地基這房屋的五大元素中，研究目的占了三個，分別是房屋名稱暨門牌號碼（topic）、地基（question）、地板（hypothesis），雖然篇幅不長，但足見其分量之重要。 從上述五段論的寫法，很容易看出作為對整篇論文起導向作用的研究目的或論文主旨句的寫法原則應當包括以下幾條。 主題：研究課題（主題）必須具體清晰，具有確定的範圍和容易管理，不能空泛、籠統、模糊、漫無邊際。…

1 year ago

從部分到整體的有效推論方式——推斷統計

推斷統計學（inferential statistics）是研究如何根據樣本資料推斷總體特徵的方法，是在對樣本資料進行描述的基礎上，對統計總體的未知數量特徵做出概率形式表述的推斷。推斷統計包括總體參數估計和假設檢驗。相比之下，描述統計學（descriptive statistics）研究資料反映客觀現象的特點，並通過圖表形式對樣本資料進行加工處理和顯示，得出規律性數量特徵。 總體（population）是研究物件的整個群體。樣本（sample）是從總體中選取的一部分資料。樣本數量是指有多少個樣本。樣本大小（又稱樣本容量）是指每個樣本包含多少個體。統計量（statistic）指的是關於樣本的測量，而參數（parameter）指的是關於總體的測量。概率樣本的置信區間（confidence interval）是對該樣本的某個總體參數（例如均值）的區間估計，展示的是這個參數的真實值以一定概率落在測量結果周圍的程度。置信區間給出的是被測量參數的測量值的可信程度，即前面所要求的“一定概率”。這個概率即為置信水準，亦稱置信度。置信度b與顯著性水準a之間的關係為b=(1-a)´100%。例如，95%置信度的置信區間意味著，如果你以完全相同的方式用一個新樣本重複研究100次，你可以預期估計值在指定的值範圍內的次數達到95次。以上是相關統計學概念的簡介。下面談一下總體參數估計和假設檢驗。 總體參數估計是指通過樣本對總體特徵進行估計，即如何從局部結果推論總體情況。總體參數估計可分為點估計（point estimate）和區間估計（interval estimate）。點估計是在用樣本統計量估計總體參數時，估計的結果以一個點的數值表示。點估計總是存在誤差的，並且無法指出對總體參數給予正確估計的概率有多大。因此，點估計只能作為一種不精確的大致估計，更好的辦法是對總體參數進行區間估計。區間估計是根據樣本統計量，利用抽樣分佈原理，用概率表示總體參數可能落在某數值區間內的推算方法。在區間估計中，給定置信度，根據估計值確定真實值可能出現的區間範圍，該區間通常以估計值為中心。區間估計的種類有很多，主要包括總體平均值的區間估計、總體百分數的區間估計、標準差和方差的區間估計、相關係數的區間估計等。從構造估計值的方法來看，包括矩法估計、最小二乘法估計、最大似然估計、貝葉斯估計等。區間估計通常需要處理兩個問題：（1）求出參數的估計值；（2）在一定置信度下指出所求估計值的精度。精度用估計值與被估參數之間的接近程度或誤差來度量。例如，由於發動機產品投試樣品的數量通常較少，造成可靠度估計帶有較大的不確定性。使用帶有置信區間或給定置信度（例如90%）的可靠度區間估計方法比使用僅具有50%置信度的可靠度點估計方法更為重要。 在統計學中，通過樣本統計變數得出的差異做出一般性結論，判斷總體參數之間是否存在差異，並且判斷樣本與樣本、樣本與總體的差異是由抽樣誤差（sampling error）引起的還是由本質差別造成的。這種推論過程稱為假設檢驗（hypothesis testing，又稱統計假設檢驗）。抽樣誤差是測量樣本值與真實總體參數值之間的差值，其產生的原因是由於樣本的大小總是小於總體的大小，所以樣本資料無法捕獲一些總體特徵。在假設檢驗中，給定置信度，根據真實值的假設值確定估計值可能出現的區間範圍，該區間通常以假設值為中心。如果計算得到的估計值在此區間範圍內，則接受原假設，否則拒絕原假設。例如，在10個地點進行森林間伐後，樹木的生長速度提高了25%，而在另外10個地點沒有進行森林間伐，要求使用推論統計決定增長率的增加是出於偶然還是真實的。如果假設森林稀疏對樹木生長速率沒有影響，那麼這種假設被稱為零假設。假設檢驗分為參數核對總和非參數檢驗。若進行假設檢驗時總體的分佈形式已知，需要對總體的位置參數進行假設檢驗，稱其為參數假設檢驗。若對總體分佈形式所知甚少，需要對未知分佈函數的形式及其他特徵進行假設檢驗，稱之為非參數假設檢驗。顯著性檢驗是假設檢驗中最常用的一種方法，也是一種最基本的統計推斷形式。其基本原理是先對總體的特徵做出某種假設，然後通過抽樣研究的統計推理，對應該拒絕此假設還是接受做出推斷。常用的假設檢驗方法有Z檢驗、t檢驗、卡方檢驗、F檢驗等。 綜上所述，推斷統計是廣泛用於生物醫學和可靠性工程等概率性（非確定性）分析問題的常用方法，也是學術素養中資料處理方法的重要組成部分。在學術論文中運用推斷統計時，需要注意在“材料與方法”部分對相關概念和假設的應用給出完整嚴謹的論述。  

1 year ago

科學分析中的解釋變數和回應變數

無論對於概率性還是非概率性的問題，所有的科學分析在探索未知的過程中通常都需要建立參數之間的某種因果關係，即某個參數的變化導致另一個參數發生變化。這種參數（parameter）又稱變數（variable）。本文簡述試驗設計中的變數關係。 對於數學函數y=f(x)，x稱為引數或獨立引數（independent variable），y稱為因變數（dependent variable），這是因為x值的變化通過某種函數關係導致y的值發生變化。實際上，在自然科學和社會科學領域，大量的因果關係並不能用函數形式或某種數學顯式形式表現出來，但在變數之間確實是仍然存在關聯的。引數又稱為解釋變數（explanatory variable）或預測變數（predictor variable）。因變數又稱為回應變數（response variable）或結果變數（outcome variable）。所謂的解釋變數，其含義為該變數的值的變化能夠“解釋”回應變數的值發生的變化。表達解釋變數與回應變數之間關係的最簡單方式是採用散點圖（scatter plot），將解釋變數放在橫軸（x軸），而將回應變數放在縱軸（y軸），觀察資料點的分佈是否呈現某種明顯的規律或相關性。 人們之所以經常採用“解釋變數”而非“獨立引數”來稱呼引數的原因是雖然有些引數是獨立的，但有些引數是非獨立的（即存在某種依變關係）。例如，漢堡包和可樂的攝入量作為兩個引數，都可以影響體重，但是漢堡包和可樂之間在某些研究情況下是存在一定的依變關係而並不完全獨立無關的。例如，購買了漢堡包的人習慣於再購買一瓶可樂。如果研究的目標參數（因變數）是體重，那麼漢堡包和可樂的攝入量都是引數。在這種情況下，將漢堡包和可樂都稱為解釋變數比稱為獨立引數要更加合理和準確。但是，如果研究的目標參數改為可樂，那麼問題的構造可以改變為：漢堡包是引數，而可樂是因變數。簡而言之，解釋變數是原因，回應變數是結果。 與解釋變數之間的非獨立關係（即依變關係）所不同的另一種關係是解釋變數之間的相互作用（interaction）。如果回應變數相對於第一個解釋變數的變化程度取決於第二個解釋變數的取值，那麼就稱這兩個解釋變數之間存在相互作用。反之，如果無論第二個解釋變數的取值如何，回應變數相對於第一個解釋變數的變化程度都是一樣的，那麼就稱這兩個解釋變數之間不存在相互作用。例如，某種化肥和某種添加劑都對農作物的產量有影響，而化肥和添加劑是互相獨立的解釋變數；當添加劑的用量是1千克時，將化肥的用量從10千克增加到20千克，導致農作物產量從1噸增加到1.2噸，即增加了0.2噸。然而，當添加劑的用量是2千克時，將化肥的用量仍然從10千克增加到20千克，卻導致農作物產量從1.1噸猛增到1.7噸，即增加了0.6噸。這時，化肥用量和添加劑用量就稱為具有相互作用。 研究這類參數之間依變關係的學科稱為試驗設計（Design of Experiments，簡稱DoE）。在試驗設計中，解釋變數被稱為因子（factor），而回應變數被簡單地稱為回應（response）。試驗設計包括單因子問題、多因子問題、單回應問題、多回應問題等。變數按照是否具有隨機性質分為確定性（deterministic）變數和概率性（probabilistic）變數。確定性因子的離散取值稱為水準值（level）。 如果因子與回應之間能夠用具有物理意義的數學關係來描述，就稱這種關係為物理模型，例如立方體的體積等於底面積乘以高度。如果因子與回應之間的關係極為複雜，以至於不能用具有物理意義的數學模型來描述，那麼就需要採用資料擬合（又稱回歸）的方式建立某種關聯，例如顯式的多項式擬合模型或隱式的神經網路模型。多項式擬合模型稱為擬合器（emulator）或回應曲面模型（response…

1 year ago

系統工程的學術圖表製作詳談

學術圖表是指論文或著作中的插圖和表格。插圖和表格之間的主要區別在於表格可以展示具體數值，而插圖利於展示資料趨勢。引用自己過去發表過的或別人已經發表的圖表，不僅需要獲得出版社的版權許可，而且必須注明出處。插圖分為數據圖和示意圖，各有其目的。資料圖則是理工科論文結果部分的主要展示手段，無論對於揭示新的科學發現還是展示新的科研方法，都具有關鍵性作用。因此，策劃資料圖在本質上就是規劃科研成果的在完整性（深廣性）方面的具體內容。本文論述科研成果的核心內容——資料圖的製作方法。 能夠從資料圖上有效準確讀取資料的最大維度是二維，即一個由橫軸（x）和縱軸（y）圍成的平面。如果維度再多，就讀不准了。如果維度再少，則沒有充分利用人眼能夠準確讀取資料的全部空間潛力，即沒有將資料擺放到極致數量。零維是一個點。一維是一條線。二維是一個平面。三維圖（或稱立體圖）由於具有傾斜的透視效果，並不利於準確讀取資料。因此，人們通常將三維圖壓扁轉化為二維等值線圖，將原本屬於在立起來的第3根軸（z）上的數據投射到x-y二維平面上，用一圈圈的曲線表示z方向的等值資料。因此，資料圖的策劃目的就是如何使用x-y曲線圖和x-y-z等值線圖用滿二維平面所能發揮的表達潛力。 任何一個系統，都可以用“輸入-關聯-輸出”來表徵其科學內涵關係。學術論文的目的通常就是揭示輸入如何影響輸出，以及如何描述關聯。例如，對於發動機系統，輸入是燃料流量和環境溫度。輸出是功率和尾氣排放。關聯是發動機硬體或代表發動機硬體的性能計算模型。輸入參數稱為因子（factor）。輸出參數稱為回應（response）。因子通常用x1、x2、x3、…、xk表示，稱為k維因子，構成k維空間。因子中包括可控因子和雜訊因子（noise factor，即不可控因子）。回應通常用y1、y2、y3、…、ym表示，稱為m個回應。回應參數中包括優化目標和約束條件。 如果一個系統是穩態的，不隨時間變化，那麼這個系統的因子和回應就都是與時間無關的狀態參數。但是，很多系統都是具有動態變化的瞬態系統，即與時間有關的動力學系統。這時，時間（t）便成為一個獨特的因子，經常佔據資料圖的橫軸。這就導致在二維平面只能再放另外一個因子。這就是為什麼瞬態系統在資料表達方面非常困難的原因。 如果一個系統可以用確定性假設來描述，那麼它的因子就可以具有幾個離散的水準值。例如，發動機的燃料流量可以是10、20、30等。但是，如果一個系統必須用非確定性即概率性來描述，那麼它的因子就必須使用諸如正態分佈等概率分佈函數來表徵，例如某個參數的製造誤差或發動機的環境溫度變化規律。概率分佈用概率密度函數（probability density function，簡稱pdf）表徵，橫軸是參數取值，縱軸是pdf值，概率分佈曲線上的每一個點表徵該取值出現的機會大小。對於概率性資料，由於pdf值需要佔據一根坐標軸，這也導致在二維平面只能再放另外一個因子。這就是為什麼概率性系統在資料表達方面也非常困難的原因。 大多數的科研工作是穩態和確定性的，這意味著這些工作可以策劃將兩個因子放在二維平面。這時，有兩種作圖方式。第一種方式可以用Microsoft Excel作圖，將x1放在橫軸，將回應放在縱軸，做出一條曲線，此時x2必須固定某個取值。然後，將x2取3~5個水準值，分別做出3~5條曲線。這就是著名的“五線圖”。第二種方式需要用MATLAB作圖，將x1放在橫軸，將x2放在縱軸，將回應值標記在等值線上。這兩種作圖方式都稱為參變數掃值法（parametric sweeping）。它們的特點是將兩個變數像席捲掃描一樣囊括所有因子水準值的組合，這稱為全析因設計（full factorial design）。參變數掃值法對於應付一個或兩個因子是非常簡單、有效和準確的，而且可以從做出的資料圖中直接觀察和讀取最優值，即某個響應作為優化目標時的最大值或最小值，以及對應的一個或兩個因子的取值。 當因子數量超過兩個時，如果仍然使用參變數掃值法做全析因設計，不僅作圖表達會變得非常繁瑣，而且回應參數的計算量也隨著因子數量和因子水準值數量的增加而快速急劇增加，導致實際上無法執行全析因設計。這時，就需要使用部分析因設計（partial factorial…

1 year ago

以定義問題為導向的論文引言“五段論”寫法

撰寫過學術論文的人都知道，在論文的標題、摘要、引言、材料和方法、結果和討論、結論、參考文獻等部分中，引言（Introduction）通常是僅次於摘要的最難寫的部分，以至於很多作者感覺很難把握其寫作標準和元素結構。然而，引言往往是論文中最引人入勝的部分，因為它介紹研究工作的來龍去脈和邏輯思路。因此，引言並不是一個簡單的開場白，而是一個能夠讓論文大放光彩的關鍵部分。本文總結以定義問題為導向的論文引言“五段論”寫法，創立一種標準化學術寫作格式，便於廣大科研人員掌握。 引言相比於論文的其他部分之所以難寫，是因為其他部分能夠在科研專案具體計畫指導下將產生的資料及論據解釋和討論清楚就可以了；而引言則需要撰寫論文的研究背景、意義、重要性和貢獻度，內容範圍鬆散自由，寫作規範不明確，造成撰寫難度較大。因此，論文的作者通常將引言和摘要留到最後撰寫。 “問題”在英文中具有三個含義，分別是課題（topic）、缺陷（problem）、疑問（question）。定義問題的過程就是確定課題、指出缺陷和提出疑問及假說的過程。確定課題是為了限定研究工作和論文的範圍及標題。指出缺陷是為了論述研究工作的意義和重要性。提出疑問是為了策劃論點和論據，以便滿足論文在原創性（創新性）、科學性（正確性）、完整性（深廣性）方面的要求。 期刊的編輯、審稿人和讀者通常會帶著以下五個問題閱讀和評審論文的引言： 這篇論文是否適合在該期刊發表？——定義的課題是否對路 這篇論文是否具有重要的研究意義？——解決的問題是否有用 這篇論文是否具有創新性？——提出的問題是否新穎，是否有足夠多和足夠新的參考文獻支持對相關研究成果的總結 這篇論文是否具有科學性？——解決問題的方法是否合理 這篇論文是否具有完整性？——題目的研究內容在深度和廣度上是否足夠深奧複雜 介紹引言撰寫方法的文章很多，提出的要素五花八門，令人無所適從。論文的作者要麼草率行事，將引言寫成幾句簡單的開場白，要麼生怕遺漏其中的一個要素，卻又不知各要素之間的寫作順序。實際上，引言的內容需要依序包括以下五個模組——即“五段論”： 研究的背景——指出本研究在領域中的位置，介紹問題（problem）的產生、該問題在過去和當前的研究進展；僅需引用與題目密切相關的文獻，無需寫成文獻綜述； 研究的理由——指出過去研究工作的缺陷和空白，介紹本研究的意義和重要性； 研究的目的——確定研究課題（topic），提出疑問（question）和假說（hypothesis），定義論文的論點範圍； 研究方法要點簡述——簡要總結論文在方法上的科學性或創新點，且文字上不與方法部分重複； 研究發現要點簡述——簡要總結論文在發現上的創新點、實用性和主要貢獻，且文字上不與結論部分重複。…

1 year ago

系統工程的學術圖表製作詳談

學術圖表是指論文或著作中的插圖和表格。插圖和表格之間的主要區別在於表格可以展示具體數值，而插圖利於展示資料趨勢。引用自己過去發表過的或別人已經發表的圖表，不僅需要獲得出版社的版權許可，而且必須注明出處。插圖分為數據圖和示意圖，各有其目的。資料圖則是理工科論文結果部分的主要展示手段，無論對於揭示新的科學發現還是展示新的科研方法，都具有關鍵性作用。因此，策劃資料圖在本質上就是規劃科研成果的在完整性（深廣性）方面的具體內容。本文論述科研成果的核心內容——資料圖的策劃方法。 能夠從資料圖上有效準確讀取資料的最大維度是二維，即一個由橫軸（x）和縱軸（y）圍成的平面。如果維度再多，就讀不准了。如果維度再少，則沒有充分利用人眼能夠準確讀取資料的全部空間潛力，即沒有將資料擺放到極致數量。零維是一個點。一維是一條線。二維是一個平面。三維圖（或稱立體圖）由於具有傾斜的透視效果，並不利於準確讀取資料。因此，人們通常將三維圖壓扁轉化為二維等值線圖，將原本屬於在立起來的第3根軸（z）上的數據投射到x-y二維平面上，用一圈圈的曲線表示z方向的等值資料。因此，資料圖的策劃目的就是如何使用x-y曲線圖和x-y-z等值線圖用滿二維平面所能發揮的表達潛力。 任何一個系統，都可以用“輸入-關聯-輸出”來表徵其科學內涵關係。學術論文的目的通常就是揭示輸入如何影響輸出，以及如何描述關聯。例如，對於發動機系統，輸入是燃料流量和環境溫度。輸出是功率和尾氣排放。關聯是發動機硬體或代表發動機硬體的性能計算模型。輸入參數稱為因數（factor）。輸出參數稱為回應（response）。因數通常用x1、x2、x3、…、xk表示，稱為k維因數，構成k維空間。因數中包括可控因數和雜訊因數（noise factor，即不可控因數）。回應通常用y1、y2、y3、…、ym表示，稱為m個回應。回應參數中包括優化目標和約束條件。 如果一個系統是穩態的，不隨時間變化，那麼這個系統的因數和回應就都是與時間無關的狀態參數。但是，很多系統都是具有動態變化的瞬態系統，即與時間有關的動力學系統。這時，時間（t）便成為一個獨特的因數，經常佔據資料圖的橫軸。這就導致在二維平面只能再放另外一個因數。這就是為什麼瞬態系統在資料表達方面非常困難的原因。 如果一個系統可以用確定性假設來描述，那麼它的因數就可以具有幾個離散的水準值。例如，發動機的燃料流量可以是10、20、30等。但是，如果一個系統必須用非確定性即概率性來描述，那麼它的因數就必須使用諸如正態分佈等概率分佈函數來表徵，例如某個參數的製造誤差或發動機的環境溫度變化規律。概率分佈用概率密度函數（probability density function，簡稱pdf）表徵，橫軸是參數取值，縱軸是pdf值，概率分佈曲線上的每一個點表徵該取值出現的機會大小。對於概率性資料，由於pdf值需要佔據一根坐標軸，這也導致在二維平面只能再放另外一個因數。這就是為什麼概率性系統在資料表達方面也非常困難的原因。 大多數的科研工作是穩態和確定性的，這意味著這些工作可以策劃將兩個因數放在二維平面。這時，有兩種作圖方式。第一種方式可以用Microsoft Excel作圖，將x1放在橫軸，將回應放在縱軸，做出一條曲線，此時x2必須固定某個取值。然後，將x2取3~5個水準值，分別做出3~5條曲線。這就是著名的“五線圖”。第二種方式需要用MATLAB作圖，將x1放在橫軸，將x2放在縱軸，將回應值標記在等值線上。這兩種作圖方式都稱為參變數掃值法（parametric sweeping）。它們的特點是將兩個變數像席捲掃描一樣囊括所有因數水準值的組合，這稱為全析因設計（full factorial design）。參變數掃值法對於應付一個或兩個因數是非常簡單、有效和準確的，而且可以從做出的資料圖中直接觀察和讀取最優值，即某個響應作為優化目標時的最大值或最小值，以及對應的一個或兩個因數的取值。 當因數數量超過兩個時，如果仍然使用參變數掃值法做全析因設計，不僅作圖表達會變得非常繁瑣，而且回應參數的計算量也隨著因數數量和因數水準值數量的增加而快速急劇增加，導致實際上無法執行全析因設計。這時，就需要使用部分析因設計（partial factorial…

2 years ago

影響科研工作重現性的五大因素

令學術界和工業界倍感困擾的一個問題是科研工作的不可重現性，使得大量已發表的科學發現淪為不可靠的、不可信的或虛假的結果。可重現性、可再現性或可複製性（reproducibility）、可重複性（repeatability）、可驗證性（verifiability）講的都是同一個意思。雖然有些學者去深究這幾個詞之間的細微區別，例如有人嚴格區分說重現性是在不同條件下複製，而重複性是在相同條件下複製，但是這種用詞之間的區別的現實意義不大。它們說的都是科研成果能夠被自己或他人複製重現的程度，具體包括資料或結論的可重複性。對於非概率性資料，如果使用相同的輸入條件和工作方法，資料應該能夠被重複出來。對於概率性資料，雖然資料無法原樣複製，但是結論應該能夠被重複出來。本文簡述重現性問題出現的原因和規範措施。 眾所周知，科研工作的創新性是以科學發現、科研方法、技術產品中的任何一條出現新穎的創意為標誌。那麼，創新性必須展示穩定的、可以多次反復出現的、可以被驗證的（validated）結果，這樣才有研究的意義，例如某項生物醫學的細胞技術。這並不是說報告在大自然界或宇宙學領域觀測到的一過性的、不可重現的新的自然現象就沒有意義，這只是說在人類認識世界和改造世界的過程中，絕大多數的有意義的科研工作都不能是偶然的、不可重複的。科研工作的科學性（正確性）和完整性（深廣性）亦然，也必須能夠被重複驗證。 不可重現性問題產生的原因包括科研方法和學術道德兩個範疇。在科研方法中，科研工作種類包括理論推導、數值計算、實驗測試三大類。科研資料包括確定性資料和概率性資料兩大類。在科研工作過程中出現的任何不規範的做法和報告方式，都可能導致自己或他人無法重現科研結果，包括對一個公式的理論推導、對一個設計點的模擬計算、對一套臨床樣本資料的測試分析等。在學術道德中，數據造假是十大學術不端現象之一。資料造假是科研結果不可重現的另一個主要原因，這從不少期刊由於收到舉報而頻撤稿就可見一斑。 不可重現性問題為社會帶來巨大的學術成果誤導或資源浪費。從小處說，它是學術不嚴謹。從大處講，它是故意欺詐。例如，很多醫藥公司根據發表在著名期刊上的癌症研究論文開啟了昂貴的藥物研發項目，但是卻發現僅有10%的發表成果的結論是可以被重現的，導致90%的專案被迫取消，造成巨大的資源浪費。 影響科研工作重現性的五大因素包括： 學術不端中的資料造假； 科研工作過程的標準化管理和實施； 科研論著中的方法報告和披露； 同行評議糾錯； 同行監督舉報和鼓勵機制。 一、學術不端中的資料造假 與科研工作中的誠實性錯誤和疏忽不同，資料造假是具有惡意的故意欺騙行為。造假的動機和行為方式有很多種，包括明知故犯的選擇性發表，把並不具備代表性的偶然性資料挑選出來作為必然性資料予以宣稱發表，或“報喜不報憂”，以及篡改和編造資料，為了編造創新性來發表論文。 二、科研工作過程的標準化管理和實施 科研工作中重現性問題最大的原因來自工作執行階段的不規範和發表論文階段的不規範，導致自己和他人無法重現資料或結論。因此，學術界和工業界越來越強調標準化規範和資料品質控制的重要性，包括實驗測試要求具有一定的重複數量或樣本例數，使得均數逼真、標準差穩定，並使得樣本的統計量能夠代表總體的參數，使得統計推斷準確可靠等。另外，研究人員不能控制的雜訊變數（noise factor）和隨機化導致的假陽性等也都可能降低研究結論的重現性。各行各業的科研工作標準化流程方法、統計學規範方法和對複雜資料的分析方法均有所不同。在這方面的標準化研究或推動宣導的貢獻無疑是重要和令人關注的，因為重現性問題已經成為一個令學術界和工業界高度擔憂而亟待解決的熱點問題。另外，工作報告中的資料品質管理也是業界需要大力執行和完善的。…

2 years ago

學術論文中假說的寫法

學術論文的原創性由新發現、新方法、新技術中的任何一條所體現。對於新發現，通常涉及對現象的解釋。如果這個解釋不是透過嚴格的定理推導獲得的科學真理，那麼就需要提出某種推測性的假說（hypothesis），然後根據假說進行推理，匯出一些預言（prediction），並根據實驗或計算結果檢驗假說的預言，從而接受假說，或者否定假說。當系統化的規模較大的假說被驗證後，即可上升為理論或“相對的科學真理”。在科研基金申請和論文評審時，經常會審查提交的稿件是否具有足夠強大和足夠新穎的科學假說。那麼，很多論文作者可能會疑惑：究竟什麼是假說？假說包括哪些類型？假說在論文中出現在哪些部分？是否每篇論文都必須具有假說？假說的作用是什麼？如何建立假說？本文就這些問題予以解惑和總結。 一、假說的定義和特徵 假說（hypothesis）既不同於假設條件（assumption），也不同於預測或推論（prediction）。假說指經過科學研究後所提出的、沒有最後定論的、帶有假設性的、帶有證據的新見解。假說的規模可大可小。大的假說如宇宙大爆炸、宇宙膨脹、大陸漂移、哥德巴赫猜想等，小的假說如發動機的雜訊與某個設計參數有關。假設條件是在推論某個事物時所做的假設或簡化，並不需要證據支援，例如，“假設某人今天不來出席”，那麼這個活動就需要取消；計算氣缸壓力時“假設氣體具有理想氣體的特徵”。預測或推論是從假說中推導出來的結論，即如果某個假說成立，那麼就預測會有某個事件發生；而這個事件可以用來判斷假說是否成立。 假說在特徵上具有不完備性，即需要經受長期的證明、修正或批判，才能演進為被廣泛接受的成熟理論或相對科學真理，尤其對於規模較大的系統化假說而言。因此，在學術論文中對於大規模假說求全責備，是不現實和不正確的過度挑剔。在涉及假說的創新性科研中，目的就是以優質多證的假說向真理逼近。當假說上升為理論後，仍然可能會遇到在科學進步過程中的質疑和挑戰，例如愛因斯坦的相對論就推翻了牛頓古典力學的很多內容。 假說具有逐漸改進的近似性或不準確性，即沒有人能夠一下子拿出確鑿的證據證明假說是真理。換言之，從方法學上看，如果從一開始發現的就是真理，那就不需要經過假說這個階段。例如，數學中的畢氏定理就是真理而非假說。畢氏定理指的是直角三角形的兩條直角邊的平方和等於斜邊的平方。畢氏定理是畢達哥拉斯首先發現的，他是最早論證這個定理的人。既然能夠直接從公理或定理論證，那就沒有必要提出假說——這是理論推導學科的特徵。 假說具有證據性，即沒有根據的猜測談不上是科學假說。例如，在出土一件考古文物後，有人根據證據和調查，引經據典，提出這件文物的主人和年代，這就是假說；而還有人則憑空猜測這件文物的輾轉經歷，這就屬於瞎猜和編故事，不是學術研究中的假說。 二、假說的類型和在論文中出現的位置 假說包括統計性假說和專業性假說。最著名的統計性假說是統計無效假說（null hypothesis）和備擇假說（alternative hypothesis）。統計無效假說是對試驗結果進行統計分析的零假說，通常針對隨機事件，其形式為：A與B無關；或A=B；或A<B。它的備擇假說的形式為：A與B有關；或A≠B；或A>B。針對統計性假說的工作是在一定概率水準上接受或拒絕零假說。 專業性假說是研究因數（引數）對回應（因變數）的影響關係。典型的提法是針對“為什麼A事件會發生”這種問題，提出“B是A發生的原因”這種假說，並在試驗中驗證，如果這個假說成立的話，將會看到什麼結果，從而能夠對假說進行證偽。因此，所涉科研過程包括三步：（1）提出疑問；（2）構造假說；（3）依靠假說的推論設計試驗來證偽和檢驗假說。前兩步發生在論文的引言中。第三步發生在論文的“材料和方法”及“結果和討論”這兩個部分。論文的結果和討論可以混在一起撰寫。在描述完結果後，討論部分需要闡述研究中出現的問題，與他人工作進行對比，論述假說或理論，指出結果的意義和解決問題的措施，簡述研究局限性和未來工作展望等。  假說還可以細分為前設假說和後證假說。前設假說是在非常有限的事實基礎上提出的，用以指導有關課題的設計和實施。後證假說則基於較多的事實依據對機理進行解釋。 三、雖然並非每篇論文都必須有假說，但是假說是理論水準的體現 如果科研工作是從一個數學定理推導出另一個定律，這種具有嚴格邏輯性的理論推導所產生的結果就是科學真理。那麼，就沒有必要採用假說的形式進行論述。假說是針對那些不能用嚴格邏輯推導出的內容而言，例如某個草原上斑馬種群數量週期性變化的原因。假說最常見於具有新發現的論文中，但有時也會出現在新方法或新技術的論文中。毋庸置疑，新發現的背後通常需要在機理上進行解釋，而這個解釋就是假說。低水準的假說可能會出現以偏概全的問題。高水準的假說會在論文的完整性（深廣性）上考慮得更加周全。對於新方法或新技術，也可以採用假說的形式對其機理或功效進行解釋。 假說通常是論文的主要論點之一。科研課題的原創性主要體現在其科學假說（並非表面現象）是否具有前無古人、現無他人的新說法。在論文中，假說的存在是理論水準的標誌。如果僅把討論停留在表面現象和資料趨勢的描述上，而未進行機理性的探討，論文的理論水準將會大打折扣。這是很多研究生論文的原創性水準不高的主要原因之一。另外，在科學史上由於忽視假說而流於表像從而錯失建立重大理論機會的例子比比皆是。這就是為什麼在基金申請和論文評審時人們非常看重科學假說的原因。當然，假說在論文中的存在並不以是否明確採用“假說（hypothesis）”這種文字作為標誌。在實質上進行具有一定深度的理論探討的任何討論（discussion）都可以被看成是假說。…

2 years ago

11種示意圖在學術論文中的用法

所謂示意圖是指不具備定量（quantitative）資料關係而僅具備定性（qualitative）內容的插圖。示意圖與資料圖構成了插圖的全部種類。理工農醫類學科的絕大部分科研成果均使用資料圖或資料表的形式展示，這與這些學科通常需要使用定量資料描述客觀規律的科研特徵有直接關係。相比之下，文史哲等學科則更多地使用示意圖或示意表。實際上，示意圖在日常工作計畫中和任何學科的科研成果展示中都非常重要。本文簡述示意圖的作用、工具和使用原則。 資料圖與資料表的主要區別在於資料圖偏重展示資料之間的比較關係和走向趨勢，而非強調顯示資料的具體數值，雖然數值也能夠被標記在資料圖上。資料表則偏重展示資料的具體數值，或展示比較不同類別或不同單位的資料，例如在同1個表格中開列6列具有不同單位的資料。而帶有這麼多不同單位的資料如果用圖來展示，則需要使用很多張圖。 文字或表格與圖之間的區別在於文字或表格不夠直觀，而圖由於具有在形狀、色彩、線條、指向和位置關係等方面的優勢而非常直觀，能夠讓讀者用最短的時間將內容理解得最為透徹。這就是為什麼人們常說“一幅好的插圖勝過千言萬語”。 示意圖與資料圖之間的最大區別在於示意圖能夠在表達思路或概念方面擺脫數字的束縛。因此，在日常工作中和發表論著時，只要遇到無需展示精確數位的場合，都可以考慮使用示意圖來直觀有力地表達，達到精簡文字描述的目的。正是由於沒有精確數位的束縛，示意圖被方便快捷地廣泛用於工作方案的策劃和討論中，即人們常說的草圖。但是，需要注意的是，示意圖並不等於潦草或不成熟。很多正式的學術成果、方法和概念恰恰需要使用不帶數位的示意圖來表達，因為示意圖具有資料圖所不具備的特殊優點。 雖然有很多軟體能夠製作示意圖，但是對於絕大多數科研人員來講，PowerPoint軟體中的示意圖功能已經能夠基本滿足多數需求，包括流程圖、邏輯關係圖、層級關係圖、迴圈關係圖等。因此，有必要重點介紹PowerPoint中的SmartArt的功能。在Microsoft Office 2007版出現之前，繪製示意圖很麻煩，通常需要在PowerPoint中使用線條、方框、箭頭等基本元素逐個拼接作圖，並在統一格式和對齊位置等美工細節方面耗費大量時間。自Microsoft Office 2007版開始，在PowerPoint、Word、Excel中，在“插入”功能表下均增加了一類極為方便的示意圖，稱為SmartArt圖形，使使用者能夠使用大量的預置範本輕鬆創建清單、流程、迴圈、層次結構、關係、矩陣、金字塔圖表這7類圖形。而且，每種類型均包括很多種不同風格的佈局格式供用戶選擇。在SmartArt圖形的左側顯示有文本視窗，使用者能夠輸入和修改示意圖中想要顯示的文字或數位。 清單（Blocks）類型的SmartArt圖形能夠用合適的顏色和幾何形狀展示非有序區塊或分組區塊。這對於總結論文的論點或內容提要非常有用。 流程（Flowchart）類型的SmartArt圖形能夠用各種箭頭和長方塊展示流程，顯示工作任務流中的順序步驟。使用者再也不需要去花費時間拼接箭頭和色塊位置。這對於介紹論文所用的科研方法和試驗步驟非常有用。 迴圈（Circulation）類型的SmartArt圖形能夠用各種箭頭和色塊展示具有迴圈性質或反覆運算性質的流程。 層次（Hierachy）結構類型的SmartArt圖形能夠用各種組織結構形式或邏輯結構形式展示層級關係或平行關係。這對於介紹組織結構或事件的邏輯推理非常有用。 關係（Relationship）類型的SmartArt圖形能夠用各種匯總、分解和比較的邏輯關係形式展示各因素之間的關係。這對於論文的結果總結部分和討論部分的邏輯推理非常有用。 矩陣（Matrix）類型的SmartArt圖形能夠用四個象限的形式表達二維平面上的元素邏輯關係，或顯示部分與整體的關係。這對於使用排列組合方法介紹論文中的邏輯分類非常有用。…

2 years ago

制訂研究計畫的五大要訣

很多研究生甚至大學生都在撰寫學位論文時接受過科研方法訓練。當學生畢業後加入到研究院所或企業研發部門開展工作時，也經常面臨大大小小的科研任務或產品研發任務。制訂研究計畫是每個科研人員必須掌握的基本技能。無論人們在日常工作中是否意識到，研究計畫其實總是存在的，無論是以正式的書面形式還是非正式的口頭形式，研究計畫總是存在於每個專案開始之前，並貫穿於整個專案的執行過程中。可以毫不誇張地說，一個好的研究計畫等於將論文成功地完成了一半，因為所有論點和論據都已經被深思熟慮地精心策劃好，只等待按照計畫產生資料並予以驗證。本文簡述制訂研究計畫的五大要訣：種類、目的、方法、時間規劃、結果預測。 一、研究計畫的種類 研究計畫的英文是research protocol或research plan。熟悉大企業產品研發工作流程的科研人員都知道，企業通常將各個部門按照職能劃分為分析、設計、測試三大類。這個原因是產品需要先經過分析計算，然後才能產生設計，最後被實驗驗證。因此，在企業內部的工作流程中，研究計畫通常是將工作分解為分析、設計、測試這三種更加具體的職能進行撰寫和管理，即分析計畫、設計計畫、測試計畫這些更加細分的計畫。然而，在高校和科研院所的研究工作中，以及在向科學基金會或企業申請經費支援時，研究計畫是不能按照工作職能細分的，而需要包括分析、設計、測試全部三個職能。因此，是否按照工作職能細分，是撰寫研究計畫的第一個注意事項。 企業產品研發中的分析工作的成果是分析報告。高校科研工作的成果通常是論文。技術報告和期刊論文有其規定的格式，本文不贅述。在產出這些成果之前，人們通常需要撰寫提交並用於指導後續具體工作的科研文檔包括以下兩種：研究提案（research proposal），研究計畫（research protocol或research plan）。它們之間的區別在於論證研究理由和經費的部分。研究提案用於申請科研經費，常見於高校教師和各單位向經費頒發機構申請科研經費，說服資助者批准立項，而且經常是應研究提案招標（Request for Proposal，簡稱RFP）而撰寫和提交。研究計畫通常不包括經費申請內容，在研究理由的論述上有時也可以弱化，而更加重視對操作方法和結果細節的策劃，通常用於提交上級審核批准，避免研究過程走錯方向、走彎路或達不到要求，也用於規範約束科研人員自己的研究內容範圍。研究提案和研究計畫的相同點是它們都是在執行專案時需要使用的工作計畫。 研究提案都是正式的文本，具有固定的格式。研究計畫分為正式和非正式兩種。正式的研究計畫是書面的，具有固定的格式，通常用於在工作流程中提交上級或客戶審批和存檔。非正式的研究計畫見於會議記錄、白板手書拍照、個人草稿規劃記錄等形式。正規的單位或工作流程通常要求每個研究專案都必須具有正式的書面研究計畫，以便逐級審批和存檔查閱，維持研究計畫的嚴肅性，不可隨意修改。 正式的研究計畫需要在封面頁開列以下內容：研究主題、研究計畫編號、研究人員的姓名、單位、位址、聯繫方式、關鍵字。有些研究計畫要求具有摘要。 二、研究計畫中的目的 科研目的需要明確解決什麼問題，以及論述這個問題存在的原因和解決它的意義和重要性，陳述研究理由，並且匯出預測的論點，以便在方法一節匯出相應的論據策劃。在識別問題和預測論點的過程中，需要首先概述相關文獻。這些內容與撰寫論文的引言部分很相似。…

2 years ago