一项定量研究是怎样完成的：从问题、数据到结论
定量研究不是把看法变成数字，而是让研究者只能把结论说到证据真正到达的地方。
定量研究科研方法研究流程
查看内容 Guides
科研方法与 AI 科研教程
先看懂一项研究怎样从问题走到结论，再学习 AI 可以帮助什么、不能替代什么。
10篇连续教程
1项贯穿案例
全程数据与建模
01—10
科研方法入门
先把研究本身弄明白，再进入后面的 AI 科研实务。
怎样提出研究问题和研究假设：让一个想法可以被数据检验
研究问题要主动排除这项研究无权回答的内容；研究假设则要让作者也可能被数据证明是错的。
研究问题研究假设研究目标
查看内容 怎样查文献并建立理论模型：知道变量为什么可能有关
查文献不是为原观点征集支持者，而是让既有证据真正修改研究定义、变量关系和结论边界。
文献检索概念模型证据任务
查看内容 怎样把概念变成变量：从“营养不好”到可以测量的数据
可计算只是测量获得资格的第一关；数字怎样形成、丢失了什么、可能错在哪里，同样属于研究结果。
操作定义变量设计测量效度
查看内容 怎样选择研究设计：描述、相关与因果分别能回答什么
研究设计不是方法等级，而是在数据产生以前决定哪些结论有证据资格、哪些诱人句子必须放弃。
研究设计横断面研究队列研究
查看内容 怎样确定研究对象、抽样方法和样本量
样本量只能控制既定抽样下的随机误差，不能替研究者购买代表性；相同行数也可能包含不同信息。
抽样方法样本量设计效应
查看内容 怎样设计数据采集：问卷、记录表、数据字典与质量控制
数据质量不是清洗阶段修出来的，而是现场每次判断怎样被定义、记录和追溯的结果。
数据采集数据字典质量控制
查看内容 怎样清洗数据并做描述分析：先看数据发生了什么
清洗不是让数据变整齐，而是查明异常怎样产生；描述分析则让结构、不确定性和人为规则进入结果。
数据清洗描述统计置信区间
查看内容 怎样建立统计模型并验证结果：从假设检验到稳健性分析
模型不是结论机器；验证也不是重复证明正确，而是主动寻找关键判断在什么条件下会散掉。
统计模型Logistic回归优势比
查看内容 怎样解释研究结果并写成论文：让结论不超过证据
论文写作是最后一次证据审计：表达越醒目，越要让对象、设计、测量和分析边界跟着结论出现。
论文写作结果解释结论边界
查看内容 11—14
核心方法
AI在科研中到底能做什么：先划清任务边界与作者责任
AI 适合先做那些结果能够核对的科研工作，例如扩展检索词、整理已定义资料和起草代码；涉及数据含义、分析方法和论文结论时，决定仍由研究者作出。
AI科研任务边界作者责任
查看内容 怎样把科研任务正确交给AI：用任务说明替代提示词堆砌
先把模糊的科研请求改成一项能够验收的工作：说明要交付什么、依据哪些材料、哪里不能推断，以及出现什么错误就应停下。
AI提示词任务说明科研工作流
查看内容 怎样让AI持续理解一个科研项目：建立可维护的研究上下文
把当前研究问题、术语、证据、已确认决定和开放问题保存在聊天之外；每次只提供有关内容，模型提出的变化经研究者确认后才能写回。
研究上下文版本管理决策日志
查看内容 用AI做科研怎样守住安全与学术诚信：数据、署名与披露规则
在材料上传前记录许可、工具环境、最小输入和核验责任，并让同一条记录延续到作者贡献、AI 使用披露和异常事件处理。
科研诚信数据安全AI披露
查看内容 15—16
研究问题
怎样用AI把研究方向变成研究问题：从宽泛兴趣到可验证问题
AI 可以扩展概念和压力测试，但研究问题必须由对象、现象、比较、结局、时间与情境共同限定，并通过可行性和伦理检查。
研究问题PICOFINER
查看内容 怎样用AI判断研究空白和创新性：不要把“没搜到”当作新发现
把创新主张拆成对象、方法、条件、结局和证据差异，用可重复检索和相似研究核验，避免把检索不足包装成“首次”。
研究空白创新性文献检索
查看内容 17—22
文献与证据
AI辅助文献检索的正确方法：组合关键词、语义与引文网络
把 AI 用于探索领域语言和补充路径，把可复现数据库检索作为主干，再用种子文献与引文网络测试漏检。
文献检索检索式语义搜索
查看内容 怎样用AI真正读懂一篇论文：抓住主张、方法、证据与限制
不要停在摘要复述。用论文证据卡区分作者主张、研究设计、实际结果、解释和限制，并让每条信息返回原文位置。
论文阅读证据卡原文核验
查看内容 怎样建立文献证据矩阵：让论文之间真正可比较
从研究问题反推字段，把原始提取、风险评价和综合观察分层保存，避免用摘要表强行合并不可比较的研究。
证据矩阵文献综述数据提取
查看内容 怎样用AI写文献综述：从证据矩阵形成主题、争议与研究位置
让 AI 从已核验矩阵提出候选观察，再由研究者组织证据、冲突、限制和研究位置，避免逐篇摘要拼接。
文献综述写作证据综合研究位置
查看内容 怎样核验AI给出的事实和参考文献：从题名、DOI到正文证据
按来源身份、版本状态、原文位置和支持强度四层核验 AI 提供的事实与引文，避免真实文献被用来支持错误结论。
参考文献核验DOI虚假引用
查看内容 AI如何参与系统综述和Meta分析：可以自动化什么，必须人工判断什么
在冻结协议后，按筛选、提取、偏倚评价和统计综合分别验证 AI；报告漏检、人工控制和流程变化，而不是只报告节省时间。
系统综述Meta分析文献筛选
查看内容 23—28
设计与分析
怎样用AI检查研究设计：让问题、变量、样本与分析方法对齐
用一致性链和失败情境压力测试研究方案，让问题、对象、变量、时间、比较、样本与分析真正对应，再由专业人员放行。
研究设计方案检查样本量
查看内容 怎样用AI整理和清洗科研数据：保留数据字典、规则和修改记录
把原始层、处理层和分析层分开，以数据字典、可重跑脚本、测试和变更日志控制 AI，确保每个分析值都能回到来源。
数据清洗数据字典数据溯源
查看内容 怎样用AI辅助统计分析：先验证假设，再解释结果
先写分析说明和诊断要求，再让 AI 生成代码；用测试、独立复算和结果登记表核对效应、区间、分母与方向。
统计分析模型诊断p值
查看内容 怎样用AI辅助定性研究：编码、主题分析与研究者解释的边界
把 AI 当作候选编码与差异检查工具，通过编码本、原文回链、反例和研究者反思，保留定性分析的解释责任。
定性研究主题分析编码
查看内容 怎样用AI写科研代码并保证可复现：从运行成功到结果可信
用科学规格、模块测试、独立实现和空环境重跑验证 AI 代码，并追踪修改对所有数据、表图和结论的影响。
科研代码可复现性软件测试
查看内容 怎样用AI生成论文图表：让每个数字都能回到原始数据
从读者判断任务出发选择图表，让数据、分析结果、图形和图注四方一致，并从代码重新生成每次实质修改。
论文图表数据可视化图像完整性
查看内容 29—30
写作与发表
怎样用AI构建和修改论文：用“主张—证据—章节”代替逐段生成
先冻结研究问题、方法、结果和证据，再按主张—证据地图组织章节；修改时先解决证据与逻辑，最后才处理语言。
论文写作论文修改主张证据
查看内容 怎样用AI辅助投稿和回复审稿意见：期刊匹配、材料准备与逐条回应
按范围、文章类型、读者和政策匹配期刊；把审稿意见拆成可验证任务，并让回复信、实际修改和稿件位置逐条对账。
论文投稿回复审稿人期刊选择
查看内容