核心结论

AI 能帮研究者把一个宽泛方向展开成若干可能的问题，也能指出其中缺失的对象、测量和替代解释。但它生成一句像论文标题的话，不代表这句话已经能够研究。真正可用的研究问题，应当反推出需要什么样本、收集哪些数据、采用什么设计，以及最后哪些结论仍然不能说。

把方向收窄时，最实用的产物不是十个“创新选题”，而是一张研究问题定义卡。卡片上同时放入现实限制：能接触谁、能测几次、量表是否可用、伦理上能否收集，以及什么结果会回答不了问题。AI 提供候选，研究者用真实条件作决定。

“AI 与睡眠”还不是一个研究问题

下面是一项教学场景。一位护理专业硕士生想研究“AI 与睡眠健康”。她只有一个学年，可以接触本校两个学院的全日制硕士研究生，无法取得平台后台日志，也做不了长期临床随访。

她最初请 AI 提供十个创新选题，得到的其中一句是：

生成式 AI 依赖对研究生睡眠质量的影响机制研究

这句话很像题目，却预先埋进了三个尚未解决的判断。“依赖”没有操作性定义；“影响”暗示时间顺序甚至因果；“机制”要求的证据远超一两次问卷。若研究者直接围绕它写方案，后面很可能出现一个标题讨论机制、数据却只能展示相关性的项目。

她先把目标改成一个较朴素的问题：在自己能够接触的人群和时间内，晚间使用生成式 AI 的变化，是否与睡眠质量评分的变化有关。这个版本仍需核验，但至少开始约束数据，而不只是修饰题目。

定义卡先把现实条件放进来

研究者填写了下面这张卡。右侧不是留给 AI 自动补全的空白，而是她在见导师、查量表和做可行性测试时要逐项解决的事情。

项目当前定义仍需确认
研究对象本校两个学院的全日制硕士研究生预计招募人数、两个学院的差异和结论适用范围
核心暴露自报的晚间生成式 AI 使用频率及主要用途是否有能被受试者稳定回答的题项
主要结局经验证量表测得的睡眠质量中文版本、授权和本研究人群中的适用性
时间一个学期内测量两次失访、考试周与两次测量的匹配方式
关系比较同一个人暴露和睡眠评分的共同变化当前设计只能支持关联，不能直接声称因果
可能混杂课程压力、咖啡因、既往睡眠问题、总体屏幕时间哪些因素能够可靠测量并进入分析
可行性学院渠道可以协助招募，项目周期为一个学年实际响应率和第二次测量保留率
伦理与数据涉及行为及健康问卷正式伦理审查、知情同意和数据保护安排
当前问题在上述学生中，一个学期内晚间生成式 AI 使用频率的变化，是否与睡眠质量评分的变化相关？导师、测量与可行性核验后冻结
当前不能声称生成式 AI 导致失眠；存在“AI 依赖机制”；结论适用于所有研究生后续研究也不能越过实际设计

这张卡没有强迫所有研究问题使用同一种句式。干预研究常关心人群、干预、比较和结局，定性研究可能没有预设比较组，基础机制研究又需要操控和排除替代解释的证据。框架的作用是暴露缺项，不是把所有学科塞进一个缩写。

研究问题框架综述讨论了不同证据与问题类型所需的框架差异。对本案例而言，决定采用“对象—暴露—变化—结局—时间”这一写法，是因为她计划观察关联，而不是因为某个框架听起来更标准。

从问题倒推数据，第一次版本就遇到了障碍

定义卡填完后，研究者试着逐项列出回答问题所需的数据：两次晚间 AI 使用测量、两次睡眠评分、个体匹配标识、关键混杂信息和失访记录。很快就发现，原来准备的一道题“你是否使用过生成式 AI”无法回答频率变化，更无法区分晚间使用和白天使用。

她先请五名同学试填一组教学题项。这个数字只用于说明可行性检查，不是正式研究样本。最初的问题要求回忆过去一个月每天使用 AI 的分钟数，试填者普遍无法稳定估计；有人把上课使用算进去，有人只计算睡前使用。AI 把反馈归纳成“用户记忆存在偏差”，但这句话还不足以改量表。

研究者回到原始反馈，发现真正不一致的是时间窗口和使用情境。她把暴露定义收窄为“通常在计划睡觉前两小时内使用生成式 AI 的天数和主要用途”，并保留“不确定/无法回忆”的回答，而不是逼参与者给一个精确分钟数。改后的题项再次试填时，研究者检查大家是否按同一时间窗口理解；这一步通过，才把修改写回定义卡。

原题项
过去一个月，你每天使用生成式 AI 多少分钟？

AI 的初步归纳
受试者存在回忆偏差，建议使用更精确的分钟分档。

人工核对后的问题
回答者对“全天还是睡前”理解不一致，精确分档不会解决口径问题。

修正
限定计划睡觉前两小时；记录每周使用天数和主要用途；允许无法回忆。

这个修正也改变了研究问题中的措辞。若最终测到的是每周晚间使用天数，题目就不能继续写成“AI 依赖程度”。问题、题项和分析变量必须说的是同一件事。

研究者接着问自己：什么结果算是回答了问题？如果晚间使用天数增加的学生，睡眠评分也随之变化，这只是与当前问题一致的观察；若两者没有共同变化，同样是可报告结果。若第二次测量大量缺失，而且失访与第一次睡眠评分有关，现有数据可能无法可靠回答原问题。把第三种情况提前写进卡片，能防止项目结束时为了“有结论”而忽略数据已经失去回答能力。

替代解释也要落到可收集的变量上。课程压力、咖啡因和总体屏幕时间并不是列得越多越好；团队要确认题项、测量时间和样本规模是否允许分析。AI 提出“学习动机、人格、宿舍噪声、运动、饮食”等更长清单时，研究者没有全部加入问卷，而是请导师和统计人员判断哪些因素与当前因果解释最相关、哪些能够可靠测量。无边界地增加协变量，会让一份可做的问卷重新失控。

保留几个候选，才能看见真正的取舍

导师讨论时，研究者没有只拿一个已经润色好的问题，而是保留了三种可能：一次问卷比较晚间使用频率与睡眠评分；两次测量观察二者是否共同变化；访谈学生为何在睡前使用生成式 AI。

三个版本围绕同一方向，却会产生不同证据。一次问卷最容易实施，只能描述当前样本中的横断面关联；两次测量增加时间信息，但需要匹配个体并处理失访；访谈能够理解用途和体验，不能估计关联大小。把三者合成“全面揭示影响机制”，只会让一项硕士研究同时背上三套无法完成的承诺。

研究者原本偏向两次测量，因为它看起来比横断面研究更完整。真正的取舍来自学校能否支持第二轮联系，以及失访会不会使两次数据失去可比性。她先确认招募渠道、学期安排和匿名匹配方式，再决定保留纵向版本。AI 可以列出每个候选需要的材料和风险，却不能替学校承诺资源，也不能替伦理审查放行。

讨论中还有一个容易被题目掩盖的选择：晚间使用可能用于赶作业、聊天、查资料或情绪支持，这些情境与睡眠的关系未必相同。若问卷只记录总频率，研究者以后不能根据结果再声称某种用途是机制。因此卡片把“主要用途”列为描述性信息，并明确当前样本不足以对许多小组分别作强推断。这个限制反过来让题目保持在“使用频率变化与睡眠评分变化”上。

关于研究问题形成的实践文章把结构化问题与可行、相关、合乎伦理等检查联系起来。这里的“可行”不能由模型根据一句“有两个学院”自动判定；它要落到招募、测量次数、授权、技能和时间表上。

什么情况下要把问题退回来

如果学校最终只能支持一次匿名调查，定义卡中的“两次变化”便无从回答。研究者可以改做横断面关联，清楚降低结论强度；也可以调整数据获取方案。不能保留纵向题目，再用一次问卷结果勉强作答。

另一个停止点是测量。若睡眠量表不能合法使用，或晚间 AI 使用始终无法形成可理解的题项，就先处理测量问题。AI 再生成十个变量名，也不会让一个含义不稳定的概念变得可测。

伦理批准也不是卡片里可以事后打勾的一项。问卷涉及健康信息，招募又通过学院渠道，团队要考虑学生是否会感到必须参加、联系方式和研究回答如何分开、匿名匹配码能否被反推。若这些安排不能得到正式审查和可执行保护，问题即使结构完整也不能进入收集阶段。AI 可以帮助检查说明中是否漏项，不能作出伦理批准。

问题中预设结论时也要退回。“生成式 AI 依赖为什么损害睡眠”不允许出现没有损害、反向关联或共同原因等结果。现有证据不足以预设这些关系时，研究问题应允许多种方向，也允许观察不到关联。

创新性则是下一项工作。当前卡片只证明问题与可取得的数据比较匹配，不证明世界上没人做过。她需要另做检索和相近研究比较，才能说明项目增加什么认识；这也避免本文与创新性核验混成一篇。

冻结问题时，卡片给出了一个可以执行的版本

经过试填、导师讨论和资源确认后，研究者冻结当前问题，并记录版本、日期和批准人。她同时保存了两项限制：样本来自两个学院，不能外推全部研究生；观察性数据支持变化之间的关联，不能直接证明生成式 AI 导致睡眠变化。

定义卡还写明了三个后续触发条件：第二轮联系无法实现时退回横断面版本；量表授权或适用性不成立时更换测量并重新审查问题；正式检索发现当前关系已被充分研究时，另做创新性判断。这样，冻结不是把一句题目锁死，而是说明当前版本在什么现实条件下有效。

从这句话已经能够反推下一步：招募谁、测量哪两个时间点、怎样匹配记录、收集哪些混杂信息、使用什么结局量表。若后续招募或数据质量迫使问题改变，定义卡也要说明哪些变量、分析和已写文字受到影响。

AI 在这里没有替她“找到最佳选题”。它帮助暴露了原题中的含糊、整理试填反馈并比较候选。最终留下的是一个资源允许、数据能够回答、结论边界写得明白的研究问题。