← 返回作品站

研究是怎么走一遍的:七步

很多人以为,科学就是知道得多。它其实是一套怕自己搞错的办法。

给刚开始做研究的同学。方法学的细节在课上讲,这一页负责让你先把整条路记住。

点任意一步可以展开:这一步做什么、对应哪一讲、用什么工具。

  1. 1

    我注意到一件事

    亲眼看见的、数据里冒出来的、实习时反复遇到的。先有现象,再谈别的。

    做什么:把"觉得有意思"变成"值得问"。临床上反复出现的、数据里不对劲的、文献里被绕过去的,都算。

    对应课:本科 L4 立题;微专业第 5 讲。

    用什么:先自己想,别急着问 AI。

    观察与选题
  2. 2

    我问一个能回答的问题

    问题太大就查不动。问之前先看别人已经做到哪一步了。

    做什么:查文献,看清这棵知识树上哪根枝丫已经长到哪、哪一段还空着。

    对应课:本科 L3;微专业第 3–4 讲。

    用什么:EasyScholar 看期刊等级、沉浸式翻译读英文、Google Scholar 检索。AI 综述当线索,结论自己核。

    文献检索
  3. 3

    我先猜一个答案命门

    还要写清楚,什么结果出现就说明我猜错了。写不出这句,它只是个信念。

    做什么:写出可检验的猜测,并配一句什么结果会推翻它。

    对应课:本科 L4;研方法 L3(本步是硬纪律)。

    用什么:idea.dryan.vip 出三条思路,你逐条追问、留下一条。AI 是陪练,出题的是你。

    研究假设
  4. 4

    我想个办法去查

    怎么排除别的解释?要不要设对照?问谁、问多少?

    做什么:定设计,实验还是问卷,抽谁、多少人、怎么排除别的解释。

    对应课:本科 L4(一句话设计)、L5;微专业第 7–10 讲。

    用什么:AI 起草方案,人判这样能排除什么、挡不住什么。

    研究方案
  5. 5

    我看数据说话

    数据说什么就是什么。不能因为我本来觉得,就改口。

    做什么:先给数据体检,再做描述、差异、关系、机制,必要时上预测与分型。

    对应课:本科 L5–L8;微专业第 6–19 讲。

    用什么:data.dryan.vip、AI 写 R 代码,每一行结果人工审查。

    找数据:数据是公开的,能用的不多——去哪找、怎么判断能不能用、下载之后先做什么。

    数据分析
  6. 6

    我只说到证据允许的地方

    在这批人、这段时间里观察到有关系,不等于早睡能治好抑郁。

    做什么:读数、判是否支持假设、把边界写清楚(谁、何时、什么条件)。

    对应课:本科 L7–L9;研方法 L5–L7。

    用什么:看效应量,不只 p 值。AI 可解读结果,判断归你。

    结果与结论
  7. 7

    我说出来,让别人推翻它命门

    科学是一群人互相挑错。

    做什么:写成经得起审的稿子,署上自己的名字,投出去接受挑错。

    对应课:本科 L10–L11;微专业第 23–25 讲。

    用什么:AI 扮审稿人先挑一遍、AI 润色不改原意。署名即负责。

    论文与发表
一棵枝叶繁盛的大树,其中一根细枝的末梢顶出一颗新芽

你只要在一根枝丫上,往前顶一格。

那棵树,是人类攒下来的知识体系;一根枝丫,是已经有人做到这里的问题;那颗芽,就是你往前顶出来的那一格。

今天的科研,几乎不可能靠一个人发现万有引力或相对论。绝大多数工作,都是在一棵大树上推动一点点。

要顶对地方,得先看清这棵树,哪根枝丫还活着、哪一段还没人走过。顶出来的芽还要接到枝上,跟已有的理论对得上话,然后说给别人听。不公开的芽,接不到树上。

别小看这颗芽。Nature、Science 上发出来的文章,大多也只是顶出一颗小芽。

心得与想法

这里的每一篇都跟做研究有关,都发在公众号「AI天团干重活」。在微信里打开能完整阅读,也可以先扫码关注。

公众号「AI天团干重活」二维码
扫码关注