展开知识库目录
导师说“题目太大”怎么办：把一个模糊想法改成可研究的问题
导师说“题目太大”，通常不是嫌标题不够长，而是没听见你到底发现了什么问题、为什么值得查，以及准备用什么证据回答。
导师说“太大”，真正缺的不是限定词
开题前最常见的一幕是：你拿着“生成式 AI 对大学生学习的影响研究”去见导师，导师只回一句“太大”。你回去补上学校、年级、专业和年份，标题长了一倍，再交上去，导师还是摇头。
因为“太大”说的不是字数，而是读完以后仍不知道哪件事需要解释。本文不教你给标题加包装，而是现场拆掉三个假选题，再把其中一个改成导师可以继续讨论、你也确实有机会做完的研究问题。
- 说得清究竟哪件事需要解释
- 能回答“弄清以后有什么用”
- 知道第一批证据从哪里来
这三个题目看着完整，其实一个问题都没提出
先别急着润色。下面三个题目分别卡在“只有主题”“答案先行”和“口号代替问题”，继续往下写只会把空泛扩成几千字。
| 拿给导师的题目 | 它为什么站不住 | 真正应该追问什么 |
|---|---|---|
| 生成式 AI 对大学生学习的影响研究 | 只有一个大主题。“大学生”“学习”和“影响”都没有边界，任何结果都能往里装。 | 在哪一种任务中，出现了哪种原本解释不通的差异？ |
| 大学生过度依赖生成式 AI 的问题及对策 | 还没收集证据，就先认定存在“过度依赖”，并把研究写成了治理方案。 | 什么行为算依赖？不同使用方式是否产生了不同结果？ |
| 生成式 AI 赋能高校教学的路径研究 | “赋能”和“路径”只是方向性口号，没有失败现场、冲突或需要判断的结果。 | 教师在什么教学决策上遇到了具体困难，现有做法为什么不够？ |
一个实用判断：删掉题目里的热点词后，如果剩下的内容说不出“哪件事需要解释”，它现在仍是主题，不是研究问题。
同一个烂题，怎样一步步救活
假设你能接触一门允许学生使用生成式 AI 改稿的学术写作课。老师发现，有些学生的论证明显变清楚了，有些学生却交出了不存在的引文。工具相同、任务相同，结果却分叉了。这句“奇怪，为什么会这样”才是选题真正的起点。
| 这一轮只解决什么 | 这个案例怎样写 | 为什么要这样改 |
|---|---|---|
| 把主题落到现场 | 某学术写作课允许学生用生成式 AI 辅助修改同一类课程作业。 | “AI 与学习”无法观察；一门课、一次任务和一类作业可以。 |
| 只写看到的事实 | 部分作业的结构更清楚，部分作业出现了无法核实的引文。 | 先不写“依赖”“能力下降”或“AI 导致”，避免把个人判断冒充结果。 |
| 找出真正的疑点 | 在工具权限和任务要求相近的情况下，为什么学生的修改结果差异明显？ | 问题不再是“AI 好不好”，而是解释同一条件下的结果分化。 |
| 留下竞争解释 | 差异可能与来源核查策略、原有写作基础、任务难度或既往训练有关。 | 至少保留两个合理解释，研究才有分析空间，而不是替预设结论找证据。 |
| 按现有条件收住问题 | 目前可能取得匿名化初稿、修改稿、来源清单和访谈；没有随机分组条件。 | 证据只能支持描述差异和讨论关联，就不要把问题写成“AI 是否导致能力提升”。 |
| 写成候选问题 | 在某学术写作课的 AI 辅助改稿任务中，学生采用的来源核查策略有何差异，这些差异与作业中失实引文的出现如何关联？ | 对象、情境、待解释现象和证据强度已经对齐，可以进入文献检索。 |
这里得到的是候选研究问题，不是可直接提交的最终题目。是否已有充分研究、概念怎样定义、材料能否合规取得，都要在后续检索和研究设计中继续核对。
候选问题必须过三道门
- 01
第一道门：“所以呢？”
如果只能回答“因为 AI 很热门”或“前人研究较少”，价值还没有成立。要说清楚：答案会改变谁的什么判断。上面的案例若能解释失实引文怎样出现，至少会影响课程中的核查训练和作业要求。
通过标志：能用一句话说清研究结果可能改进的理解、判断或实践。 - 02
第二道门：真的存在不止一种解释吗？
好问题不会把答案写在题目里。同样的失实引文，可能来自核查策略、写作基础、任务难度或时间压力。若合理的人看完只能得出一个显而易见的答案，这更像常识说明，不像需要研究的问题。
通过标志：不查证据之前，至少两种解释都说得通。 - 03
第三道门：你拿什么回答？
把“我想研究”改成“我能取得什么”。论文、公开数据、实验记录、访谈或作业版本各能回答不同强度的问题。能接触材料也不等于可以直接使用，涉及学生、患者、企业或个人数据时还要确认授权、伦理和隐私要求。
通过标志：证据类型、取得方式和不能支持的结论都写得出来。
三道门少过一道，都先回去改问题。不要靠“机制”“赋能”“路径”等大词掩盖价值、分歧或证据上的空缺。
同一个现场，应该长出三个真正不同的候选问题
三个候选不是把学校、年级和专业轮流替换，而是用不同证据回答不同层次的问题。这样见导师时，讨论的是研究取舍，不是哪个标题更像论文。
| 候选问题 | 必须拿到的证据 | 什么情况下保留 |
|---|---|---|
| 学生的来源核查策略有何差异，这些差异与失实引文的出现如何关联？ | 匿名化作业版本、来源清单，必要时补充访谈。 | 能够合规取得作业材料；适合先做描述和关联分析。 |
| 加入结构化来源核查训练后，失实引文是否减少？ | 训练前后可比任务、明确评价规则，最好有合适的对照或重复测量。 | 你有权实施教学干预，且研究设计足以支持效果判断。 |
| 学生在 AI 辅助改稿时，怎样判断一条生成引文是否可信？ | 经同意的操作记录、回溯式访谈或边操作边说明的材料。 | 能够招募参与者并记录判断过程；适合回答“怎样发生”，不直接估计普遍比例。 |
候选问题可以来自同一现场，但不能共享一个含糊的“影响”。问题问到多深，必须由你实际能拿到的证据决定。
第一次搜不到，不是“创新”，而是检索报警
把完整中文题目贴进数据库，一篇都搜不到，最常见的解释不是“全世界没人做过”，而是别人使用了不同术语，或者你一次叠加了太多边界。先检查中英文概念、同义词和相邻研究，再谈空白。
找到一篇最接近的论文后，顺着它的关键词、参考文献和“被引用”继续走；仍然找不到时，找学科馆员或导师核对数据库和术语。只有经过多轮检索，你才能谨慎描述“在已检索范围内证据有限”，不能把第一次失败写成“国内外尚无研究”。
如果结果多到看不完
一次只收紧一个维度，例如对象、任务、结果、时间或地点。每收紧一次就看高相关文献是否还足以支持研究；一口气加五个限定词，很容易把问题切到既没有文献也拿不到数据。
如果几乎没有结果
先去掉学校、地区等局部边界，再把“生成式 AI”扩展到大语言模型、自动写作或相关学科术语。若相邻研究仍极少，同时你也没有足够的一手数据，这个题目可能不是“前沿”，而是暂时做不动。
带三张问题卡，不要只带三个口号
每个候选问题只写一张卡。导师一眼就能看出问题从哪里来、研究价值是什么、你是否考虑过其他解释，以及这个学期能不能做完。
每张卡只写七行
- 我实际看到的情境和事实是什么？
- 哪一点与预期不一致，或者现有解释说不通？
- 弄清它以后，会改变谁的什么判断？
- 目前至少有哪些两种合理解释？
- 我能合规取得哪些证据，这些证据不能证明什么？
- 用中性语言写出的候选研究问题是什么？
- 现在最大的风险是文献、数据、方法、时间还是伦理？
三张卡如果只是换了对象名称，说明你仍在改标题。真正不同的候选问题，会改变要解释的现象、需要的证据，或者结论能够支持的强度。