这位先生z7
培养评判性思维能力是西方教育体系的一个关键目标，也是目前我国高等教育改革争论最为广泛的的议题之一。美国哲学学会定义评判性思维为“有目地的，自我调节的判断过程，是针对该判断所基于的证据、概念、方法、标准或前后关联等所做的阐释、分析、评价、推断和解释”。针对科学技术创新的评判性思维是科研能力的核心价值，评判性思维的培训是高等教育的关键任务之一。科研方法有三种：新方法解决老问题，老方法解决新问题，新方法解决新问题。毫无疑问，科研需要“新”，即创新性。创新从何而来？创新不是凭空臆想的主观主义，也不是灵光一现的机会主义，创新来源于对已有知识产生的背景、过程、证据、方法、理论、以及评价知识的标准等正确与否作出理性思考和推断。此外，科研不应为“创新”而创新，而应为“实践”而创新，有科学价值的创新研究工作应该拥有充分而合理的证据支撑。而其反映到具体的科研能力上，其核心就是一种评判性思维。具体来讲，对于“新方法解决老问题”，需要评判为什么老问题需要新方法？为什么新方法具有解决老问题的潜力？对于 “老方法解决新问题”，需要评判为什么新问题需要解决？为什么老方法可以解决新问题？最后对于“新方法解决新问题”，同样要评判为什么新问题值得研究？此外，与老方法相比，为什么新方法更有潜力解决该新问题？对这些问题的回答应该是科研设计和论文写作的必要切入点。由于科研思维过程和论文写作思路具有内在的一致性，可以更为具体的把评判性思维反映到以基本论文结构为脉络的各个部分当中。研究背景 研究领域背景的重要性，比如对社会、经济、环境、健康等方面的影响。研究问题 评判该研究问题对探究大的研究背景领域的积极意义和潜在贡献。文献综述 “文献综述”不是“综述文献”，而是“评判文献”。必须充分评判已有文献对该研究问题的解决程度、价值和意义，为本研究的实施、方法的选取等进行合理辩护。研究假定或目标 综合评判和辩护拟定研究目标的合理性、适度性和可行性。研究方法 评判所提出的研究方法达到研究目的和解决研究问题的特质和潜力。研究结果和结论 对取得的结果进行深入讨论和观察，以现存文献为基础，对研究结果的一致性和异常性等进行充分的评判，并获得具有充分证据支撑的结论。 
科学思维和科技论文写作是科研工作必不可少的内容，是创新过程中的重要环节。对于每个大学生，研究生以及科技工作者来说，都是应该具有的基本能力和必须具备的基本素质之一。本书介绍了科学研究与技术开发过程的创新思维与方法以及科技论文写作的规范与要求。主要包括：科学研究的分类、选题，文献资料的阅读，科学研究的基本方法与创新思维，科学试验方法，科技论文的特点与结构，科技论文的写作与要求，图表的设计与其他写作技术问题，科技论文中英文标题与摘要的写作，科技写作的其他形式等：同时，也介绍了科技成果的体现形式与评价方法，本书为高等院校理工科类本科各专业教材，也可作为硕士研究生公共选修课教材，还可为科技工作者学习和写作时参考。
（纯个人心得总结）首先，我要说明这里的指导并非 常规意义的指导，我这里说的指导是到底应该如何写论文（应该还是很抽象，不过看完就知道了）。迄今为止，我大约也帮忙做了能有上千份的学生论文数据分析部分，包括一部分的整篇论文写作。因为我是做市场研究与数据分析的，擅长的主要工具是spss，不敢说百分百精通spss，但是应付个八九十应该是足够了，很自然的平时就利用下班和业余时间帮学生做一些论文数据分析以及论文写作指导。很多论文的核心部分都包括数据分析，而统计学也应该是所有学科应该学习的一门重要课程，但是恰恰相反，很多学科只是把统计学和数据分析作为一项选修甚至不重要的课程对待，这样导致学生在最后做论文时完全不懂。而在这种情况下，很多学生因为对数据分析的一窍不通，导致论文从开始的设计到后续的数据收集、整理等都会出现问题，最终导致分析出问题。因此，在对数据分析一窍不通的情况下，应该如何从头构建论文及写作呢？很多论文虽然数据分析部分是核心，但是不管哪种论文的写作，都脱离不了论文的框架。因此，具体的过程应该如下：首先是选题，当然很多时候是导师直接给选题，这个没有太多讨论。其次是选题确定后，马上要做的不是想我应该怎么去写作，或者在哪抱怨“哎~~郁闷，完全不知道怎么写嘛”。而是先通过文献查找，看前人在这个选题方面已经做了哪些研究，都是如何做的。通过查找文献找到跟选题有关的资料，然后对这些资料进行整理，整理不需要计较参考文献的结论和数据细节等，而是要把每篇文献的研究目的、采用的研究方法、采用的分析方法整理出来。当然参考文献中的分析方法你可能还完全不懂，但是没关系，你先把这些参考文献中使用的分析方法全部罗列出来，如线性回归、方差分析、均值t检验、logistic回归等，把这些文献中常用的统计方法罗列出来，你需要弄清楚对应关系，即每种分析方法是用来支持和实现什么样的研究目的，以及能够得出什么样的结论，认真阅读文献就能实现这一步。第三．通过上一步，你应该朦胧的知道你选题相关的参考文献中常用的统计方法名称，以及这些统计方法能够帮助实现哪些目的，或者得出什么结论，同时也不会对自己的选题那么恐惧和迷茫了，因为可能你的选题已经有前人做过了，你的论文只是“复制”一遍而已了，我说的复制是重复一遍前人的研究。在这种情况下，可以构思下自己的选题，这一步属于纯理论层面的，你需要将自己的思路具体化，比如要实现什么目的，很自然的需要什么数据分析方法也就能确定了。当然很多论文会预先设计一系列待验证的假设，也是在这一步完成，因为你找到的文献中可能会存在矛盾的结论，可能会存在一些你认为的研究缺陷（文献看多了，自然自己就会有想法出来了），提出自己的一系列假设，能够很清楚的指导后面的数据收集和分析。第四．选题、假设还有研究方法这些经过前面几步都能确定了，接下来就是要考虑具体研究和收集数据的环节了。这个环节最重要的也是首要的是弄清楚你的数据应该是什么类型的，通过哪种方法来获取。其实也容易了，因为前面你已经确定了统计分析方法，而每种方法有它特定的数据类型要求，比如是分类数据（如性别、民族、年级等）、比如连续性数据（如年龄、身高、体重、温度、长度、距离等）。分类数据简单通俗点的理解就是这些数字本身是没有意义的，是人为赋予它一定的含义，这些数据之间不存在连续性，且加减乘除没有意义，而连续性数据是数据本身有意义，且能够进行一些加减乘除运算。确定了所需要的数据类型，就大致能够知道在数据收集时，应该注意的问题。比如一份问卷调查，其中应该如何设计问题也就大致清楚了，通常问卷设计时就要考虑两种数据类型的问题，因为不同的选项设计会导致不同的数据类型。如你设计一个问题的答案选项是“有/没有”、“是/否”这种是属于分类数据，如果你的答案选项是李克特量表式“非常满意----非常不满意”这种，在处理时可以按照分类数据，只能统计出一些百分比，也可能将其按照连续数据如12345打分形式，这样可以求均值，可以做很多其他多元统计分析。因此这一步确定数据类型很关键，如果数据类型弄错的话，则收集的数据完全无用。第五．具体收集数据过程，不细说了，收集回来之后 就是数据的录入。记住一定要录入原始的数据，而不是经过加减整理汇总后的数据。数据录入格式也是有要求的，一般大致同样的情况下，都是一行代表一个个案或者一份问卷的数据，而一列对应表示的是问卷中的一个问题，即变量。因此数据录入完成后，应该是有多少样本数据，就有多少行，数据中包含多少个指标，那就有多少列。第六．这一步才是你应该开始头疼的数据分析不会了怎么办。因为到这里才开始是数据的具体分析过程了。不会怎么办，前面已经知道了分析方法，这种情况，只有找本教材，然后找对应的方法介绍学习即可，或者实在不行找人指导，找人帮忙等等。最后。分析完成后，开始整篇论文的写作。 PS：还要强调一点，现在的高校导师都存在一些问题，因为我接触了那么多学生，他们的认为观点就是“我的统计检验结果不显著怎么办，那不就是说我的研究没有意义么？我的假设都是错的？”“我的结论跟前人的结果不一致啊，看来我的又错了”，这两种观点明显是错的：一、数据的来源对象发生了变化，谁规定的结论必须跟前人一致；二、请问爱迪生发明灯泡的前999次失败是没有意义么？科学研究本来就是一个证伪的过程，一次次证伪来接近真相。三、如果你的假设一定是正确的，那不需要数据验证，你可以去帮助警察破案了，因为你认为你的假设一定是对的，那破案多简单的，假设一下就好了。但是很显然，很多导师并没有把这些正确的观点传达给学生。
