ARTICLE · 1132732
AI时代,我们可能不缺论文工具,缺的是一张研究地图.
AI时代,我们可能不缺论文工具,缺的是一张研究地图.最近一直在思考一个问题。 不知道正在写论文的你，有没有过一种感觉： 要学的东西实在太多了。 文献检索、论文阅读、理论梳理、研究设计、问卷、实验、统计分析、论文写作…… 好不容易学会了中介，又发现还有链式中介、调节中介、调节的中介；开始接触实验，又有随机化、操纵检验、效应量、功效分析；做到干预研究，还有混合设计、简单效应、RCI、CONSORT…… 与此同时，各种新的工具又在不断出现。 AI可以读文献、翻译文献、写代码、辅助统计、润色论文；小红书上每天都有新的科研神器、AI工作流、知识管理方法，以及一张比一张精美的流程图。 有时候连我自己也会被这些东西牵着走。 看到一个新的工具，会想是不是应该学一下；看到一种新的工作流，又会怀疑自己的方法是不是已经落后了。 然后慢慢产生一种很熟悉的焦虑： 怎么学都学不完，怎么追都追不上。 可是后来我突然想到另外一个问题。 如果科研真的如此简单，如果掌握几个软件、几个模板、几个AI提示词，就可以轻松完成一项好的研究，那么学位意味着什么？专家意味着什么？教授意味着什么？所谓“钻研”又意味着什么？ 一路走来，我很清楚论文并不容易。 真正钻进去以后，会发现里面有太多弯弯绕绕。 有时候一个看起来很小的问题，背后却需要同时调动文献检索、理论理解、研究设计、统计分析、逻辑判断和学术表达。 你需要细致，需要耐心，有时候甚至真的需要一点“七巧玲珑心”。 
还有一个问题，一直让我觉得很有挑战。 有些同学会困在一个地方很久。 他已经查了很多文献，问了AI，也尝试了很多方法，但还是找不到突破口。 而有时候我看了一会儿，会发现： 真正的问题其实并不在他正在解决的那个地方。 他以为自己缺一种统计方法，真正的问题可能埋在研究问题里； 他以为自己缺几篇文献，真正的问题可能在检索思路或者逻辑思维； 他以为自己的讨论写不好，真正的问题可能是前面的理论框架没有建立起来。 我知道应该往哪里找突破口。 但更难的问题是： 怎么把这种判断过程教给另一个人？ 不是告诉他这一次应该怎么改，而是让他下一次再遇到一个完全不同的问题时，也慢慢知道应该从哪里开始行动。 这可能也是“我爱读文献”这门课真正想做的事情。 我们可能不需要再往背包里塞更多东西 过去一段时间，通过我爱读文献社群，我们一起学过很多东西。 从文献检索和阅读，到CARS、PEEL、Toulmin；从链式中介、调节中介，到干预研究；从研究设计、数据分析，到CONSORT等报告规范。 
如果把它们一个个拆开看，很容易变成： CARS，一个知识点。 Toulmin，一个知识点。 PROCESS，一个工具。 Mplus，一个工具。 CONSORT，又一个规范。 
于是学得越多，背包越来越重。 但如果把它们重新放回“完成一项研究”的全过程，事情可能就不一样了。 我们会慢慢看到一条路线： 发现问题→寻找文献→理解别人已经研究到了哪里→找到Research Gap→提出研究问题→选择理论→设计研究→收集和分析数据→解释结果→完成论文→成为后来研究者可以继续使用的一份文献。 这时候我们才会发现： 我们缺的可能不是更多工具，而是一张地图。 地图告诉我们的不是所有问题的答案。 而是当一个问题出现的时候，我们大概知道： 我现在在哪里？ 这是什么类型的问题？ 应该回到哪一个环节？ 应该找什么文献？ 需要调用什么方法？ 有没有类似的高质量研究可以参照？ 下一步往哪里走？ 这也是为什么，我越来越希望“我爱读文献”不是一门不断给大家增加知识负担的课。 而是陪大家慢慢把这张地图建立起来。 所以，我们还是从“读文献”开始 为什么一直叫“我爱读文献”？ 因为很多研究能力最终都可以从一篇真正的论文里找到踪迹。 想学习链式中介，可以找到一篇高质量研究，看看作者为什么提出这条链。 想学习调节中介，可以看看作者怎样从理论中推导边界条件。 想做干预研究，可以真正拆一篇随机对照试验：研究对象怎么招募，怎么随机，怎么设置对照，什么时候测量，数据怎么分析，最后又怎样按照报告规范呈现。 
我们模仿的不是它的变量，更不是它写过的句子。 我们模仿的是解决问题的路径。 慢慢地，从“看别人怎么走”，到“理解别人为什么这样走”，最后能够“设计自己的路线”。 这可能比记住某个软件应该点哪个按钮更重要。 工具当然重要，但工具应该各归其位 所以我也在慢慢整理“我爱读文献”自己的学习环境。 WPS：沉淀文献。 读过的、整理过的、有价值的文献，不让它们随着一次阅读结束而消失，而是逐渐形成自己的文献仓库。 
Notion：留下阅读和思考的痕迹。 重要文献的阅读、批注、摘录和整理，都可以慢慢积累下来。不是追求一个多么复杂漂亮的知识管理系统，而是希望以后再回到这篇文献时，知道自己当时看到了什么、想到了什么。 
飞书：沉淀课程。 每周学习的内容、讲义、资料以及相关资源逐渐留在知识库里。随着课程继续，它不是一节一节消失的直播，而是一套不断生长的学习记录。 它们不是目的。 它们只是帮助我们把那些原本散落的东西留下来。 真正希望沉淀下来的，还是人的能力。 
我不知道AI最终会把科研带向哪里。 可能我们恰好处在一个未来会怎样书写，谁也说不清楚的阶段。 但是有一点已经越来越明显： “写出来”正在变得越来越容易。 “找到文献”正在变得越来越容易。 “跑出一个结果”也正在变得越来越容易。 那么未来真正拉开差异的东西，会不会慢慢发生变化？ 当人人都能生成一段流畅的文字时，重要的可能是： 为什么这样写？ 当人人都能让AI跑一个中介模型时，重要的可能是： 为什么这里应该做中介？ 当人人都能在几分钟内得到几十篇文献时，重要的可能是： 哪些文献真正值得读？它们共同告诉了我们什么？ 当AI可以迅速给出十个研究模型时，重要的可能反而是： 哪一个问题真正值得研究？这个模型为什么成立？ 所以工具越强，我反而越来越珍惜那些变化没有那么快的能力： 发现问题。 阅读证据。 建立联系。 识别结构。 作出判断。 以及面对一个从来没有遇到过的问题时，慢慢找到突破口。 所以接下来，“我爱读文献”还是会继续。 课程费用：499元（此为10月加入的费用，后期会有波动） 学习频率：每周一次（每周五19:00-20:00） 课次：一共48次课（已经开展了10次课程，可看回放） 不会承诺几节课让你“精通科研”，也不会承诺掌握几个工具以后论文就会变得很简单。 因为我越来越不相信科研存在这样的捷径。 我们会继续找好的文献，一起读；遇到好的研究设计，一起拆；碰到新的方法和工具，看看它到底解决什么问题；也会不断回到大家真实的论文中，看那些具体的问题究竟卡在哪里。 文献沉淀在WPS。 阅读与批注留在Notion。 课程内容和学习记录沉淀在飞书。 一周一次，不急着把所有东西学完。 因为我们本来也不可能把它们学完。 我们真正想做的，是每周往前走一点，把散落的知识慢慢放回它应该在的位置，把一张原本模糊的研究地图一点一点画清楚。 也许有一天，当你再遇到一个新的论文问题时，你仍然不知道答案。 但是你不再那么慌了。 因为你开始知道： 我现在在哪里，我应该去哪里找，我下一步可以怎么走。 这可能就是“我爱读文献”想陪大家慢慢练出来的东西。 想要报名加入“我爱读文献”心理学论文写作营，请联系我（请备注：我爱读文献），非诚勿扰，谢谢。 联系方式： 微信：fangyanjun001 Tel：13634009051
AI越强，什么东西可能越重要？
关于“我爱读文献”