第十八章 研究写作：从代写论文到共同生成研究问题
其中不只保存支持自己的论证，还保存一个更简单的学习策略解释：也许有效的是明确的条件提示，而不是某种特殊主体连续性。
18.1 有题目、有提纲，为什么仍可能没有研究问题
一篇研究文章可以很早就拥有标题、摘要和章节，却很晚才拥有一个值得研究的问题。生成式系统能够根据主题迅速排列常见结构，这种能力有助于进入写作，也容易使结构的完整掩盖问题的空缺。学生看见引言、方法、讨论依次出现，便以为研究已经启动；实际上，文章可能还没有说明哪一种解释不够，哪一个区分需要证据，以及什么结果会改变自己的判断。
本章构造一名研究写作课程的学生，叫许晨。他最初的题目是“AI对阅读能力的积极影响”。他让模型生成提纲，得到个性化资源、即时反馈、学习动机和评价改革四个部分。每一部分都可以继续扩写，文章也能形成自然结尾。但这个题目已经把结果放进前提：它准备寻找积极影响，而不是比较在什么条件下发生了什么变化。即使后来找到相反材料，也可能被安放到一个不影响主线的“问题与挑战”小节中。
教师没有立即要求增加参考文献，而是问：“出现怎样的材料，你会修改题目中的‘积极’？”许晨发现自己说不清。他能列出很多值得讨论的方面，却不能说明目前究竟有哪一种相互冲突的可能。此时最需要补充的不是篇幅，而是问题结构。研究问题应当使某些证据能够支持一条路径，也使另一些证据能够迫使这条路径缩小或退出。
许晨先把题目改成“AI是否改善阅读”。这个改动删除了预设答案，却仍然太宽。阅读可以指理解当前文本、记住内容、比较证据、保持兴趣或在新文本中使用某种策略；AI也可能承担推荐、解释、提问或直接回答。一个宽泛的是非问句不能自动成为清楚的研究问题。若处理什么都不说明，任何结果都能在其中找到一个位置，却没有多少可比较性。
教师让他回到一个自己能够观察的现象：学生在借助AI整理一篇文章后，可以写出清楚摘要，但面对另一篇结构不同的文章，未必知道应当先问什么。这里的“未必”只是构造情境中的研究线索，不是已经测得的普遍事实。许晨终于得到一个更具体的疑问：整理出的材料究竟只是帮助完成了当次任务，还是改变了后来阅读的起点？
这一问题仍有多种可能解释。学生可能只记住内容，未形成方法；也可能形成了方法，却因新文章知识门槛过高而无法使用；还可能因为评价只奖励摘要完整，根本没有机会练习提问。研究不能把其中一种解释提前写成结论。它应当设计比较，使这些可能在明确条件下表现出可分辨的差异。
AI在此可以发挥真正的作用。许晨可以要求它为同一现象提出相互竞争的解释，并检查这些解释各自需要什么证据。然而生成的竞争解释也不能直接当作文献事实。有的可能已经有成熟理论，有的可能只是临时推测。学生需要分别标记它们的来源与状态，避免模型把“可以这样想”写成“研究已经表明”。
一个尤其重要的变化，是许晨开始把提纲当作可修改的工作组织，而不是必须填满的容器。原来的四大优点不再决定文章结构，新提纲改为：现象的几个解释、可比较的任务、历史材料怎样进入后续阅读、不同证据支持到哪里。语言生产因此仍然很快，但写作的起点发生了改变。
这并不意味着所有论文都必须从矛盾开始，也不意味着提出问题的人一定先有个人失败。理论澄清、方法改进和新材料整理都可以形成研究价值。关键是研究需要说明自己增加了哪一种可用认识，而不是仅有一个新标题。一个主题可以容纳无限文字，一个问题则要求文字承担清楚的辨别任务。
本章关注的教育对象，由此不是“能够让AI写出一篇论文的学生”，而是能够参与问题形成、组织证据、调整方法并继续研究的人机关系。文章只是这种关系的一次显露。是否发生了学习，要看许晨以后面对不同材料时，能否继续组织而不是只能重新索取一份提纲。
18.2 文献冲突怎样改变原来的判断
许晨开始查阅相关研究，很快发现“工具使用时表现”与“后来独立表现”不能被当作同一个结果。学习与表现的区别并不是本书的新发明，已有综述明确讨论练习时表现与较长期学习之间可能出现的分离[3]。这条近邻提醒他，不能因为加入了AI，就把一个已有的研究问题当作首次出现。它同时使问题变得更具体：当前教育安排中的哪种机制值得进一步检验？
文献阅读的第一项工作，是防止看起来矛盾的结论被过早安排成交锋。一项研究观察特定辅导下的即时测验，另一项观察没有工具时的新任务，它们可能根本没有回答同一个问题。把“有效”和“无效”两个标签放在一起，就宣布学界存在根本争论，会制造虚假的研究缝隙。比较必须先对齐任务、资源、时间和结果。
因此，许晨为每篇实际读取的研究只做一个简短记录：研究对象是谁，使用什么安排，结果测量什么，支持的范围是什么。没有读到全文的文献，只按能够核验的摘要范围使用。他不请模型补出一个似乎完整的方法部分，也不把搜索结果中的概括直接当作作者原话。这样的阅读可能比生成一份长综述慢，却减少了后面建立在错误归属上的工作。
设有两类可能的研究结果：一种安排帮助学生在当前文本中找到答案，另一种安排帮助学生在新文本中提出问题。这里仅用来说明比较逻辑，不指代未经核验的具体论文。它们的差异可能不在模型强弱，而在学习者承担了哪种活动。许晨由此把原来的“AI是否促进阅读”改成“哪些协作历史能够进入新的提问”。问题进一步聚焦。
但聚焦不等于宣布自己拥有独特理论。共享调节学习已经研究人和AI如何参与学习调节，不能被写成只研究答案速度[11]。许晨需要问，他所强调的跨任务历史，是已有模型能够直接表达的一个因素，还是确实要求增加新的区分。即使最终只是把已有概念在具体课程中操作化，也可能有价值，只是贡献等级应准确说明。
文献冲突有时会改变的不只是解释，还包括研究对象。许晨原来准备比较“使用AI的人”和“不使用AI的人”，后来发现这种分组太粗。有人使用AI直接获取摘要，有人使用AI比较两个解释；有人保留错误关系，有人只保存最终文本。相同使用标签下已经有不同活动结构。把这些关系平均起来，可能无法回答他真正关心的问题。
这时，重新设定对象并不意味着必须开展更大规模研究。恰恰相反，他可以先选择一个较小任务族，观察某一类历史联系是否稳定进入后续行动。研究的范围变小，问题却可能更清楚。宏大题目不保证理论深度，有限任务也不自动意味着贡献琐碎。分量取决于这个有限问题是否切开了原有概括无法清楚处理的区别。
AI可以帮助整理已读取材料之间的对应关系，但它的比较必须能够回到原文。一份表格把所有论文都归为支持新框架，反而值得警惕。许晨需要保留最不利的一篇或一种解释，说明它为什么仍可能成立。如果表格只能证明作者预先相信的事情，那么信息组织已成为选择性过滤，而不是理论检验。
文献的作用因此不是为文章增加权威装饰。它会改变研究者认为自己正在研究什么，也会削弱原本激动人心的“全新发现”。在这一过程中，学生的主体性不表现为永不退让，而表现为能够准确承认已有工作、重新界定自己的增量，并继续提出有必要的问题。放弃一个夸大的新颖性主张，可能是研究能力成长的证据。
最终，许晨保留的不是“过去研究都没有关注主体”，而是一个可讨论的任务：在相近材料与时间条件下，带有问题、反例和修订理由的历史组织，是否比仅有最终摘要更有助于后续提问与错误修复？这个问题仍然不专属于SDE，却已经可以进入明确比较。理论归属要通过后续工作讨论，不应由题目提前裁决。
18.3 AI生成的候选如何进入证据审查
问题变清楚后，AI又提供了一套看起来成熟的研究方法：设置实验组与对照组，开展前后测，进行统计分析。对于初学者，这种格式容易产生安全感。但“有对照组”并不说明对照什么，“有前后测”也不说明测量对象是否一致。方法章节不能靠研究术语自动获得有效性，每项安排都必须对应一个需要排除的解释。
许晨先考虑给一组学生普通摘要，给另一组关系历史。教师提醒他：第二组可能获得更多文字、更多例子和更长阅读时间。若它表现较好，原因可能只是额外资源。于是他开始匹配材料长度与使用时间，并明确哪些信息保留、哪些组织方式改变。然而关系链接本身也是信息，不能声称两组全部信息完全相同，只是“有无历史”不同。
他进一步发现，自己亲自整理的历史材料与他人提供的材料并不等价。前者还带有先前练习和熟悉度。若研究的是个人亲历的作用，就必须考虑这些差异；若研究的是关系组织的作用，则可以先使用来源一致的材料，把个人亲历问题留给后续研究。一次研究不需要解决全部机制，但必须知道自己尚未解决什么。
结果指标也经历修改。最初AI建议以摘要质量为主，许晨现在认为这不足以回答跨任务问题。他提出让学生面对一篇新材料，指出一个证据不足的推论，提出一个能够区分解释的问题，并说明哪些旧方法不适用。这些任务仍需经过专业检查，不能因为贴上“迁移”标签就自动有效。题目太难可能主要测背景知识，太相似又可能只测复现。
方法设计必须容纳不利结果。关系历史组可能解释得更长，却没有提出更好的问题；也可能在新任务中机械寻找反例，错过文本中已经充分支持的结论。这样的结果不是噪声，应当进入主要分析。研究若只奖励与理论语言相似的回答，就可能把接受框架误当作能力提高。学生完全可以不用SDE术语，却作出更准确的判断。
在资料核验方面，许晨建立两种不同的候选状态。模型提供的参考文献、统计说法与引语，先作为待核验线索；已经通过原始来源确认的条目，才进入论文的证据链。这个区分不是主张所有生成内容都错误，而是防止流畅表达把未确认信息提前变成事实。来源越关键，核验责任越不能由格式替代。
有些资料只获得摘要。此时可以说明摘要支持的有限观点，不必为显得严谨而假装读过全文。也不能把“没有找到全文”写成“文献没有讨论这个问题”。访问范围与理论范围不同。一个开放检索没有返回某种结论，可能来自措辞、数据库覆盖或可访问性，不能单凭空结果宣布全球研究空白。
学生需要学会处理研究中的不确定性，而不是只学会把它写在局限一节。材料不足可以改变当前问题，测量难以区分可以促使先做小规模编码试验，资源不足可以使设计缩小。把所有困难留到结尾，正文仍以完全确定语气推进，会造成论证前后两套标准。真实限制应当进入实际选择。
AI在这个过程中可以承担方法对手。许晨让它尝试给每一项可能的正结果提出其他解释，再检查哪些解释可以通过设计处理，哪些只能在结论中保留。然而这个“对手角色”不等于独立审稿。它可能共享同样材料与假设，也可能错过最重要的问题。真实的教师、同伴与领域研究者仍需要进入检验，尤其在设计涉及真实学习者时。
当研究尚未执行，论文可以完整陈述理论与研究提案，却不能填写虚构结果。没有真实样本，不写样本规模；没有实施干预，不写“结果表明”；没有相应程序，不制造审批编号。构造一个结果用于推演可以，但必须清楚说这是条件情境。许晨的研究能力不以报告页数证明，而以他能否保持推测、计划和事实之间的区别来显示。
18.4 一次失败研究怎样变成后续研究条件
设许晨完成了一个不涉及真实被试的先导工作：请几位课程同伴对同一份构造材料进行练习性编码。这里仍不是已经发生的真实研究记录，而是说明可能遇到的困难。有人把每次改标题都编码为问题变化，有人只承认研究范围改变，有人则要求后续方法同时改变。结果无法支持他原先设想的稳定指标。
最省事的处理是反复解释自己的意图，让同伴最后学会给出相同答案。这样可能提高表面一致，却不说明定义已经清楚。更有价值的处理是研究分歧：哪些变化只是措辞，哪些改变了需要的证据，哪些改变了可接受的结果。许晨据此修订“关键问题变化”的定义，并加入两个边界案例。失败开始进入概念形成，而不是被隐藏。
他同时删除了一项过于宽泛的假说。“关系历史越丰富，迁移越好”无法处理冗余、错误和不适用历史，也没有明确丰富的含义。修订后，他把重点放在有限任务中某类条件关系是否被激活，以及激活是否改变了一个具体决定。命题变弱了，却更容易承担经验风险。理论成长并不总表现为范围更大，也可以表现为拒绝没有依据的普遍性。
失败应留下什么？不必保存整个写作过程，而应保留原假说、导致修订的材料、被撤回的推论、仍可继续使用的部分，以及下一次设计必须避免的混淆。这份关系记录与普通研究总结不同。总结可能只说“今后应提高研究严谨性”，关系记录则能具体改变以后如何定义、取样和比较。
如果下一个任务完全不同，旧失败也不应机械移植。一次编码困难，不意味着所有质性概念都不可研究；一次历史材料无效，不意味着任何外部支持都没有教育价值。许晨需要识别失败触及的是测量、设计、机制还是更强的本体主张。把局部失败无限扩大，与把所有失败都缩成实施问题，是两种对称的逃避。
研究历史还可能产生另一种危险：学生因投入太多而不愿放弃原框架。平台保存了大量围绕该框架的材料，每次生成都优先调用它们，新的问题于是不断被翻译成旧问题。此时，知识生态的连续性成了理论封闭的条件。需要安排真正能够改变解释方向的外部材料，而不只是给旧理论增加一个形式上的反对段落。
许晨可以建立一份“尚未决定的比较”。其中不只保存支持自己的论证，还保存一个更简单的学习策略解释：也许有效的是明确的条件提示，而不是某种特殊主体连续性。只要这个解释没有被排除，它就应当持续影响下一次设计。保留竞争解释不是礼貌姿态，而是使研究不会因一次有利结果就停止。
从教育角度看，失败研究也可能留下可贵能力。学生学会辨别问题与主题，学会核验引用，学会使假说与测量对应。这些变化不能因为最终没有得到新效应而被取消。另一方面，不能因为学生成长了，就说原理论已经获得支持。研究的知识结果与研究训练的教育结果可以分离，需要分别叙述。
这种区分对指导教师同样重要。教师可能帮助学生修改到论文能够发表，但如果所有关键决定都由教师完成，学生的研究组织能力仍需另行检查。反之，一篇暂时不能发表的稿子，也可能记录学生真实地理解了自己问题的局限。评价应当承认两种目标，而不是让发表结果承担全部教育证明。
一次失败因此有可能成为生产条件，也可能只是被归档。区别要看后来是否改变了提问、材料选择、定义或方法。许晨在下一篇文章中主动检查“题目是否预设答案”，比他写十页失败感想更能说明接续。真正积累下来的不是失败的情绪重量，而是能够改变未来行动的差异结构。
18.5 谁能继续使用这套方法，检验其生产能力
课程的最后任务不是再增加一篇同题论文，而是把已形成的方法交给一个不熟悉原研究的同伴。许晨提供问题界定卡、文献核验记录和两个边界案例，请对方研究另一项课堂活动。这个安排首先检验方法能否被理解和使用，不预先证明它具有普遍有效性。方法若只有原作者知道怎样执行，就还缺少可传播的组织。
接手者可能发现，卡片要求太多，以致真正阅读被表格取代；也可能指出“关键变化”的说明适合研究报告，却不适合叙事文本。这样的反馈有助于确定适用范围。许晨不能把所有不同用法都认作对方法的误解，也不能为迎合每一个案例，把定义放宽到任何行为都算成功。传播检验需要同时保留核心工作与明确边界。
方法产品与普通论文的差别在这里显露。论文主要报告一次研究的判断，方法产品还要支持别人产生新的可检验判断。它应说明输入什么材料，允许作出什么结论，何时需要停下，哪些错误容易出现，以及结果如何被再次核验。增加这些关系，不是把研究变成说明书，而是使其生产能力不只存在于作者的口头承诺里。
AI可以协助把方法组织成提示流程或智能体配置，但不能因此跳过检验。一套自动生成研究问题的程序，可能稳定地产生漂亮题目，却没有提高题目的可研究性。评价它时，应该比较提出的问题能否对应明确材料、是否保留竞争解释、是否避免预设结果。只统计生成数量，会再次把产品丰富当作研究能力丰富。
还要检查使用者是否能够修改方法。若程序只允许填写空格，不能表达“这个分类不适用”，它可能把新问题重新压回固定框架。一个教育上有价值的方法应有暂停、改写和拒绝入口。使用者能够有理由地放弃某一步，不必被判为执行失败；但他也需要说明替代步骤承担了原本哪项工作，不能以创造性为名取消必要核验。
这使研究型复合主体的连续性超出单一学生。个人形成的方法可以被共同体接续，别人的反馈又回到个人平台，改变以后的研究安排。这里并不需要把所有参与者都宣布为一个永久统一主体。分析单位可以随问题与时间尺度调整，关键在于接续关系是否可说明。共同生产的历史与每个人的发展，都需要被看见。
许晨也可能在离开原模型后继续研究。他带走的是经核验的来源、被撤回的假说、关键边界案例和方法限制，不是对话窗口中的全部文字。新模型若误把研究提案写成结果，他能发现并纠正；新题目若不适合原方法，他能重新组织。这样的表现支持可重构连续性，而不是证明他对任何工具都不再需要支持。
研究写作中的“我的知识”因而不是“我让系统生成了多少页”。它体现在能够知道结论靠什么成立，哪一个问题还没有解决，以及自己如何继续参与修改。公开资料可以进入这种关系，AI提出的候选也可以进入，但它们不会仅因出现在个人文档里就自动成为已经掌握的知识。
本章的构造故事以一份更小的研究提案结束，而不是以轰动发现结束。这个结局有意保留研究的不确定性。许晨从一个预设积极效果的宏大题目，走到一个可以明确比较、允许失败的问题；从依赖自动提纲，走到能够组织材料与修改方法。教育对象的变化不在论文看起来更像论文，而在下一次研究不再只能从同一种空泛题目开始。
由此，AI与研究写作的关系不能只被简化为代写风险或效率收益。它也可能进入问题与方法的生成，使学习者形成新的研究组织；这种组织又可能被平台和评价重新封闭。下一章将进一步讨论一个更容易被误判的场景：当产出是图像、空间和形式，学习者的关键行动看上去只是选择时，主体发生应当怎样被识别？