如何撰写研究问题
Daniel Ha · 首尔大学 博士生为什么研究问题很重要？
研究问题是论文的指南针，决定着文献回顾、方法论和分析的方向。
模糊的研究问题会导致文献回顾范围无法界定，只能无止尽地阅读论文，方法论也变得松散，即使收集了数据也难以得出有意义的结论。
相反，明确的研究问题能立即限定需要阅读的文献范围，自然推导出合适的方法论，并能用一句话说明论文的贡献。在研究问题上投入一天的时间，就能在后续研究过程中节省数个月。
研究问题有哪些类型？
描述性、比较性、关系性、因果性四种类型，掌握自己的研究属于哪一类，问题撰写就会容易许多。
| 类型 | 目的 | 范例 | 特征 |
|---|---|---|---|
| 描述性 | 如实呈现现象 | "研究生使用AI工具的现况为何？" | 适合探索性研究 |
| 比较性 | 比较群体或条件 | "在线课程与面授课程的学习成效有何不同？" | 需要比较对象与统计检定 |
| 关系性 | 探究变量间关联 | "社群媒体使用时间与学业成就之间的关系为何？" | 揭示相关性但非因果关系 |
| 因果性 | 厘清因果关系 | "正念冥想课程是否能降低学业焦虑？" | 需要实验设计，难度最高 |
研究问题如何撰写？
从主题中提炼问题、套用框架、创建假设、查看修改，经过这四个步骤就能形成明确的研究问题。
第1步：从主题中提炼问题
针对关心的主题，分别从「什么」、「如何」、「为什么」三个方向提问，至少列出5~10个问题。这个阶段不要讲求品质，先追求数量。
| 主题 | 什么 | 如何 | 为什么 |
|---|---|---|---|
| AI教育工具 | 实际使用率？ | 如何改变学习过程？ | 使用或不使用的原因为何？ |
第2步：套用框架
将第1步筛出的问题以FINER和PICO两个框架进行验证与结构化。先用FINER筛选出具备研究可行性的问题，再用PICO明确对象、变量和比较条件，让模糊的问题转化为可以用论文回答的形式。
FINER — 问题品质评估
| 标准 | 意涵 | 自我查看问题 |
|---|---|---|
| F (Feasible) | 是否可行 | 以我现有的时间、资源和能力能回答吗？ |
| I (Interesting) | 是否有趣 | 除了我之外，还有人想知道答案吗？ |
| N (Novel) | 是否新颖 | 这个问题是否尚未有充分的解答？ |
| E (Ethical) | 是否合乎伦理 | 能在伦理框架下运行这项研究吗？ |
| R (Relevant) | 是否具相关性 | 对学术界或社会有意义的贡献吗？ |
范例 — 对「AI辅导工具对大学生学习的影响为何？」套用FINER：
| 标准 | 查看 | 结果 |
|---|---|---|
| F | 可在同一所大学招募学生 | ✓ |
| I | 教育科技领域热门话题 | ✓ |
| N | 在地大学生情境的研究仍不足 | ✓ |
| E | 需要隐私保护但可获得IRB核准 | ✓ |
| R | 直接关系到大学教学法的改善 | ✓ |
五项中只要有一项回答「否」，就需要修改问题。
PICO — 问题结构化
PICO源自医学领域，但在社会科学中同样是实用的研究问题结构化工具。
| 要素 | 意涵 | 范例 |
|---|---|---|
| P (Population) | 研究对象 | 四年制大学三~四年级学生 |
| I (Intervention) | 介入/自变量 | 使用AI写作回馈工具 |
| C (Comparison) | 比较条件 | 仅接受传统教师回馈的学生 |
| O (Outcome) | 结果/依变量 | 学术写作能力的变化 |
组合PICO后：「对四年制大学三~四年级学生(P)使用AI写作回馈工具(I)时，与仅接受传统教师回馈的学生(C)相比，学术写作能力(O)是否存在差异？」
第3步：创建假设
将通过FINER和PICO检验的研究问题，转化为可进行统计验证的假设。有了假设，才能具体确定该收集什么数据、如何分析。
| 区分 | 内容 |
|---|---|
| 研究问题 | AI辅导工具的使用对大学生自主学习能力有何影响？ |
| 研究假设 (H1) | 使用AI辅导工具的学生，其自主学习能力显著高于未使用的学生 |
| 虚无假设 (H0) | AI辅导工具使用与否不会造成自主学习能力的显著差异 |
假设必须具备具体性（变量与方向明确）、可验证性（可通过数据确认）、理论依据（「为什么预期会有这样的结果」）。
若想从研究问题快速推导出可验证的假设候选，可运用Nubint的假设生成智能体；若想检验所推导假设的可验证性与新颖性，则可运用假设评估智能体。
第4步：查看与修改
最终检查研究问题和假设是否明确、是否在一篇论文的范围内可以回答。跳过这个步骤，就可能在研究途中被迫改变方向。
| 检核项目 | 确认 |
|---|---|
| 问题能否用一句话清楚表达 | ☐ |
| 自变量与依变量是否明确 | ☐ |
| 问题的范围是否在一篇论文内能够回答 | ☐ |
| 假设是否为可测量的形式 | ☐ |
| 指导教授是否认同这个方向 | ☐ |
研究问题与假设的差异是什么？
研究问题是探索「是什么、如何」的开放式提问，假设则是「将会如何」的预测性陈述。
| 区分 | 研究问题 | 假设 |
|---|---|---|
| 形式 | 开放式提问（「~为何？」） | 预测性陈述（「 |
| 研究类型 | 质性、量化研究皆适用 | 主要用于量化研究 |
| 角色 | 设置研究方向 | 统计验证的对象 |
| 范例 | "AI工具对学习有什么影响？" | "使用AI工具的学生考试成绩将显著较高" |
在质性研究中，仅有研究问题而无假设的情况很常见。在量化研究中，将研究问题转化为假设是必要的步骤。
撰写研究问题时常见的错误有哪些？
在问题中缺省答案、变量定义模糊、范围过于宽泛，是最具代表性的错误。
| 模糊的问题 | 问题所在 | 改善后的问题 |
|---|---|---|
| "社群媒体对社会的影响为何？" | 过于宽泛 | "Instagram使用频率对20多岁女性身体意象满意度有何影响？" |
| "远距工作好不好？" | 价值判断 | "远距工作对IT职类的工作生产力和工作满意度有何影响？" |
| "学生的学习习惯为何？" | 没有变量 | "大学新生的时间管理策略与第一学期GPA之间的关系为何？" |
| "如果X提升了Y的话..." | 缺省答案 | "X对Y有什么影响？" |
好的问题包含具体的对象（谁）、明确的变量（测量什么）、限定的情境（什么条件下）。若变量模糊，方法论设计和数据收集都会变得困难，结论也难以清楚得出。
各领域的研究问题撰写建议？
不同领域的研究问题形式和强调重点各不相同，需要依照自身领域的惯例来撰写问题。
| 领域 | 核心要点 | 范例 |
|---|---|---|
| 社会科学 | 先确定理论框架，再从中推导问题 | "研究生的研究压力与学术论文产出之间存在什么样的相关关系？" |
| 工程/资工 | 将「相较既有方法的性能提升」定义为可测量的指针 | "同步在线课程与面授课程中，工学院大学生的专题完成度有何差异？" |
| 医学/公卫 | 务必套用PICO，在问题设计阶段就考虑伦理因素 | "参加八周正念冥想课程是否能显著降低硕士生的学业焦虑分数？" |
| 人文学科 | 以描述性/诠释性问题为主，通常以研究目的而非假设来表达 | "人文学科研究生使用生成式AI工具的频率和使用目的为何？" |
总结
研究问题是论文所有活动的出发点与终点。以FINER评估问题品质，以PICO进行结构化，再转化为假设，经过这个过程就能为研究打下稳固的基础。
确定研究问题后，请参考如何设计研究方法论指南来设计合适的方法论，再通过如何撰写研究计划书指南将整个研究计划文档化。要将问题转化为可检验的假设，请参考什么是AI假设生成器与什么是AI假设评估器。