- 博客(218)
- 收藏
- 关注
RSS订阅原创 加入学术对话，而不是自说自话——用AI定位你的研究在学界的位置
《学术写作的本质：从独白到对话的思维转变》 摘要： 本文旨在解决学术写作中普遍存在的"独白式"写作问题，提出学术写作的本质在于参与学术对话。文章系统阐述了学术对话的三层结构（直接对话、间接对话、元对话）及其时间维度，分析了研究者难以定位自身研究的三大原因（"近视"问题、文献综述误解、"空白"误用）。通过五步AI辅助框架（绘制对话地图、识别转折点、定位研究位置、构建对话叙事、验证定位），帮助研究者将孤立的研究转化为对话中的有机组成部分。
2026-08-15 10:28:16
240
原创 用AI做研究，你必须知道的学术伦理红线——透明声明与结果验证
AI辅助学术研究的伦理困境与应对框架 摘要：随着AI在学术研究中的广泛应用，研究者面临诸多伦理挑战。本文系统分析了AI与学术伦理的四大冲突点：真实性（AI幻觉风险）、透明性（声明义务）、归因（作者身份）和责任（数据完整性）。针对AI生成的虚假引用、数据等问题，提出了多层次核查框架；明确了不同AI使用场景的声明要求；强调了研究者对AI生成内容的全责原则。文章构建了包括事前评估、使用记录、事后核查在内的个人伦理实践体系，指出负责任地使用AI将成为未来研究者的核心竞争力。
2026-08-14 10:36:21
243
原创 你的读者是谁？用AI做受众分析——写作前最容易被忽略的一步
不是所有人都是你的读者。你需要明确：谁应该读我的文章？AI Prompt我正在写一篇关于[话题]的文章。我的初步想法是它适合[描述你心目中的读者]。请帮我：1. 改进这个受众描述（更具体）2. 识别我可能没想到的其他受众群体3. 对于每个潜在受众群体，解释为什么他们会对这个话题感兴趣4. 识别可能完全不是我目标的读者改进的受众定义应该包括年龄范围（如：18-35岁）教育水平（如：至少高中学历，偏向大学学位）专业背景（如：心理学、教育、或寻求自我改进的个人）
2026-08-14 10:36:00
309
原创 什么时候用表格，什么时候用折线图？AI辅助证据呈现决策树
例如，在医学研究中，如果论文说"血红蛋白水平从12.3 g/dL增加到13.7 g/dL"，这些精确值对于临床应用很重要。如果你用折线图呈现需要精确值的数据，读者需要猜测线条的确切高度。如果数据有很高的变异性（如一个数据点的值是500，另一个是501，但标准差是100），仅展示均值是误导的。如果你的X轴没有内在的连续性（如它是无序的类别），不要用折线图，即使你有很多数据点。同样的数据在表格中，读者需要逐行阅读数值，自己在脑中描绘出下降的模式。： 柱子太多，图表变得难以阅读，标签重叠，无法进行有意义的比较。
2026-08-13 12:27:51
426
原创 图表不只是“好看“——用AI检验你的数据可视化是否在说谎
数据可视化中的诚实陷阱与解决方案 文章揭示了数据可视化存在的七大欺骗模式：1）截断Y轴夸大微小差异；2）选择性展示时间窗口；3）使用不恰当的图表类型；4）忽略误差和不确定性；5）滥用双Y轴制造虚假相关性；6）误导性颜色编码；7）隐藏样本量信息。这些操作往往是无意识的，却会导致结论失真。 作者提出了数据可视化的五大诚实性原则：比例性、完整性、上下文性、适当性和可访问性，并开发了AI辅助检验工具，通过系统性审计帮助研究者发现潜在误导。针对不同图表类型（柱状图、折线图等）设计了专项检验清单。
2026-08-13 12:27:32
431
原创 结论不是“重复引言“——用AI设计真正有力的研究收尾
摘要： 许多论文的结论部分错误地沦为引言的简单重复，仅总结研究发现而未延伸讨论。实际上，有力结论应包含五个层级：1）信号层（明确论证完成）；2）综合层（解释发现的关联性）；3）解释层（理论机制分析）；4）批判层（讨论局限与条件）；5）前瞻层（提出新问题）。避免重述结果、过度承诺应用或仅列举限制，而应通过理论精化、实践谨慎建议和未来研究方向，推动学术对话。结论不是终点，而是研究价值的延伸与跳跃。
2026-08-11 13:43:31
309
原创 摘要 ≠ 总结：用AI精准区分并写好这两种文体
摘要与结论是学术论文中功能不同的两个部分，但常被混淆使用。摘要的核心功能是帮助读者快速判断是否需要阅读全文，应包含研究背景（15-20%）、方法（20-25%）、具体发现（40-50%）和意义（15-20%），要求简洁客观。而结论面向已读论文的读者，需解释发现的学术意义（30-40%）、与文献的关系（20-30%）、研究限制（15-25%）、理论/实践价值（15-20%）及未来方向（10-15%），具有反思性。两者在结构、内容、语气和目标读者上存在显著差异，正确区分和撰写能有效提升论文的传播效果和学术价值。
2026-08-11 13:09:43
282
原创 关键词一致性检查——用AI消灭论文中最隐蔽的逻辑漏洞
问题：论文在不同部分对同一术语赋予了不同的定义。例子论文开始时说"社交焦虑是对社交情境的害怕"，但在讨论时，基于某个引用，作者开始把"社交焦虑"当作"一般社交不适应"的同义词。这两个定义实际上是不同的，但论文没有说明定义的改变。关键词一致性问题中的一个子问题是：你在论文的不同部分对同一术语给出了不同的定义。Prompt 3：定义一致性检查请检查以下论文中对关键术语的定义一致性。【论文】[粘贴]对于以下术语，请找出所有出现的定义或操作化定义，并检查它们是否一致：术语1：[例如，社交焦虑]
2026-08-10 18:00:00
485
原创 用AI做论文三层修改：框架修订、论证修订、组织修订
这篇论文探讨了论文修改低效的核心原因，指出表面修改（语法、词汇、格式）无法解决论文深层问题，并提出"三层修改框架"的系统性解决方案。
2026-08-10 08:30:00
805
原创 先为自己写，再为读者写——AI辅助“双重写作策略“实操指南
下次你坐下来写论文时，先设置一个25分钟的计时器，打开一个空白文档，写下你对这个研究问题的所有想法——不管顺序，不管质量，不管语法。然后，把这个第一稿交给AI诊断。你会惊讶地发现，你的第一稿里有多少真实的、有价值的想法，是你在直接写"正式"论文时永远不会写出来的。先为自己写，再为读者写。这不只是一个写作技巧，这是一种思维方式。
2026-08-09 18:00:00
621
原创 避开三种烂论文写法：资料堆砌、故事讲述、观点陈述——AI帮你诊断
本文总结了学术论文写作中常见的三种问题写法——资料堆砌式、故事讲述式和观点陈述式，并提供了AI诊断和修正方法。资料堆砌式表现为大量引用或数据缺乏逻辑连接；故事讲述式侧重事件描述而缺乏分析；观点陈述式则以主观判断替代证据。这三种写法都缺乏严密论证，会降低论文质量。文章详细分析了每种写法的表现形式、危害，并给出具体改进技巧，如确立清晰论点、添加分析性评论、用证据支持主张等。最后提供AI辅助的诊断工作流和自查清单，帮助作者识别和修正写作问题，提升论文的论证质量。
2026-08-09 08:30:00
395
原创 轶事证据 vs 系统证据：AI帮你判断何时该用哪种
这篇文章系统分析了轶事证据与系统证据的本质区别、适用场景及使用方法。文章指出，轶事证据适用于假设生成、现象说明、发现例外和提供临床洞察，而系统证据则适用于因果推断和普遍性结论。作者强调，关键在于根据论点强度、证据质量和研究目的选择合适的证据类型，避免过度推断或错误推广。文章还提供了AI辅助判断证据适用性的实用框架，并列举常见错误及纠正方法，帮助研究者进行科学严谨的学术写作。最终指出，正确判断证据类型是学术成熟的重要标志。
2026-08-08 18:00:00
218
原创 证据不会“自我说明“——用AI学会解释引文的正确姿势
引文解释能力不只是一个写作技巧，它反映了你的学术思维方式。真正理解了他们引用的研究能够批判性地评估证据的强度能够诚实地面对证据的局限能够清晰地论证从证据到结论的逻辑这些能力不是天生的，而是通过刻意练习培养的。AI可以成为你的练习伙伴——它可以诊断你的引文解释，帮你构建逻辑链条，模拟批评者的视角，提供改进建议。这项研究真正发现了什么？它有多可靠？它如何支持我的论点？它的局限性是什么？当你开始习惯性地问这些问题时，你的学术写作会发生质的飞跃。
2026-08-08 08:30:00
844
原创 引言的终极任务：回答“那又怎样？“——用AI写出有说服力的开篇
本文摘要：论文引言写作的核心在于回答"那又怎样"问题，而非简单罗列背景信息。文章提出引言的五层论证框架：1）现象存在与规模；2）现象重要性；3）现有知识局限；4）研究填补空白的方式；5）研究意义与贡献。
2026-08-08 06:31:41
275
原创 如何用AI预演“批评者的反对意见“——让你的论证无懈可击
心理准备：当你实际收到批评时，你已经思考过相似的问题，不会感到措手不及。论文质量：通过识别脆弱点并提前修改，你的论文会更强大。回应质量：当你收到真实评审意见时，你已经有了回应的框架和思考过相似的论证。系统性思维：这个过程教会你如何系统地批评自己的工作，这是学术成长的关键。一个有趣的现象是：研究者经常发现，虚拟批评比真实评审意见还要严厉。这是因为AI可以被指导为一个极其挑剔的批评者，而真实评审人可能会因为各种原因（时间限制、疲劳、良好的一天）而更温和。
2026-08-07 18:00:00
677
原创 写完论文不知道自己在论证什么？用这个AI框架找回核心主张
摘要：论文写作后的迷茫与解决方案 许多研究者在完成论文后反而陷入迷茫，这种现象被称为“论证迷失”（Argumentative Fog），表现为难以提炼核心主张、讨论冗长、贡献模糊等。本文提出系统性AI框架（CLAIM），帮助研究者从已完成论文中重建清晰论证。
2026-08-07 08:30:00
216
原创 研究论证的四要素：主张、理由、证据、保证——用AI逐一检验
主张 ← 我想让你相信什么？↑理由 ← 为什么？↑保证 ← 这个因果联系基于什么假设？↑证据 ← 你凭什么这么说？这四个要素必须形成一个逻辑链条。如果其中任何一个环节断裂，整个论证就失效了。保证不是新的证据，而是一个假设或原则，它使得证据与理由之间的联系合理化。例子证据：Smith研究发现社交媒体高使用者的睡眠问题高2倍理由：这支持"社交媒体导致睡眠问题"但这个论证中的隐含保证是什么？保证1：相关性暗示因果关系（从"高使用者有更多睡眠问题"到"使用导致问题"）
2026-08-06 18:00:00
663
原创 用AI识别文献中的“选择性偏见“——保护你的研究不被质疑
本文探讨了学术研究中常见的"选择性偏见"问题及其应对策略。选择性偏见指仅呈现支持某主张的证据而忽略相反证据，虽非故意造假但严重影响研究可信度。文章分析了选择性偏见的五大识别信号：论点与证据强度不匹配、忽视特定研究、遗漏关键综述、结论过于一致、缺乏对立观点讨论。提出了三种AI辅助识别方法：文献全景对比、证据质量分布分析和反方论证完整性检查。还介绍了建立预防机制的策略，包括文献检索审计、对立观点检查清单和AI模拟评审。
2026-08-06 08:30:00
278
原创 为什么你的文献笔记总是没用？用AI重构“写作为了理解“的笔记系统
最常见的错误是把笔记当成了摘要工具。【错误示例】文献A说：社交媒体影响青少年发展包括认知、情感和社交三个方面。认知方面表现为…… 情感方面表现为…… 社交方面表现为……你的"笔记"：[完整复述上述内容]除了原文献之外，没有增加任何新信息。你在阅读时没有思考。笔记变成了一个"原文献备份"。回到开篇的故事。张晓刚的问题不是他没有做笔记，而是他的笔记没有记录他的思考。他的笔记是一个"信息仓库"，但不是一个"思考记录"。真正有价值的笔记，是你与文献对话的记录。你的疑虑你的发现你改变主意的时刻。
2026-08-05 18:00:00
506
原创 读文献不是被动接受——用AI模拟“学术对话“的主动阅读法
《从被动阅读到主动对话：如何通过AI工具实现深度学术阅读》 摘要：本文揭示了学术阅读中常见的"被动接收"陷阱，提出了"主动对话"的五层级阅读法：宽容性理解、批判性审视、比较性思考、创造性同意和创造性分歧。文章系统介绍了如何利用AI工具模拟学术对话，包括让AI扮演文献作者、批评者、辩护律师等角色，通过多轮追问和辩论实现深度阅读。同时提供了配套的对话式笔记模板和完整工作流程，帮助研究者将被动阅读转化为主动思考，真正实现从文献中获取研究灵感和批判性见解。
2026-08-05 08:30:00
376
原创 用AI评估文献可靠性——相关性、可靠性、时效性三维框架
博士生李明在撰写关于社交媒体对青少年心理健康影响的文献综述时，犯了常见的文献收集而未评估的错误。本文提出三维文献评估框架（相关性、可靠性、时效性）来系统判断文献质量： 相关性评估文献与研究主题的契合度 可靠性从11个指标（如出版机构、同行评审、作者背景等）判断文献可信度 时效性根据学科特点判断文献是否过时 文章通过具体案例演示如何应用该框架，强调评估文献质量对保证研究可信度的重要性，并提供AI辅助评估的提示词模板。最终指出文献评估不仅是技术工具，更是培养批判性思维和学术诚信的重要方法。
2026-08-04 18:00:00
565
原创 三类文献资源怎么用？AI帮你建立高效的文献分层阅读策略
摘要： 本文探讨了如何高效分类、阅读和管理学术文献，提出了三类文献（原始、二手、三手）的动态区分方法，强调其分类取决于研究问题而非绝对属性。核心策略包括分阶段阅读（初期三手资料快速入门，中期二手资料深入，后期结合原始资料）、问题导向阅读和双重阅读法（宽容性与批判性结合）。文章推荐了五个AI辅助Prompt，帮助快速分类、提取论点、批判分析、关联文献及构建论证模块，并提醒避免过度阅读、被动引用等常见陷阱。最终指出，文献阅读的本质是学术对话，需平衡效率与深度，利用工具但保持独立思考。
2026-08-04 08:30:00
303
原创 如何用AI头脑风暴出10个研究子问题——从一个大主题出发
本文摘要（150字）： 研究问题的精准定位是学术写作的关键。《The Craft of Research》指出，专业研究者会系统生成多个子问题，而非被动缩小主题。本文提出AI辅助的框架：通过四维度（现象、因果、后果、价值）分解主题，结合5个Prompt工具包（问题生成、层级分析、可行性检验、文献空白评估、最终精选）筛选最优问题。以“远程工作”为例，演示如何将宽泛主题转化为“长期远程员工如何重构工作-生活平衡”的具体问题。
2026-08-03 18:00:00
337
原创 用AI做“研究问题可行性评估“——避免开题就走弯路
有一个故事在研究者中广为流传：某位博士生投入了18个月的时间，完成了大量的文献综述和初步的实验设计，然后在导师的一次评审中听到："你知道吗？这个问题的数据根本无法获取，已经有人尝试过了。一年半。白费。更扎心的是，这不是个案。很多研究生在开题时没有进行足够深入的可行性评估数据无法获取（无法联系到研究对象、受限于保密协议等）时间不够（低估了数据收集/处理的时间成本）资源不足（没有访问必要的数据库、设备或受训人员）伦理审批陷阱（没预料到IRB会有多严格）
2026-08-03 08:30:00
279
原创 纯理论研究 vs 应用研究：AI如何帮你找准自己的定位
摘要：本文探讨研究生面临的纯理论研究与应用研究选择问题，指出两者本质区别在于第三步目标——前者旨在深化理解（"世界如何运作"），后者指向具体行动（"如何改变世界"）。关键要避免"虚假应用"陷阱，即强行给理论研究附加不相关的实践意义。
2026-08-02 18:00:00
364
原创 你的研究问题够好吗？用这个AI检验框架自测
这篇文章提出了判断研究问题质量的系统性框架，主要包括以下要点： 好问题的三个本质标准： 真实存在的知识空白 可以通过证据回答 他人认为值得回答 问题陈述的两个核心要素： 知识不完整状态 知识空白导致的后果或影响 重要检测方法： "那又怎样"测试：通过多轮追问检验问题的重要性 12项自检框架：从知识、可行性和价值三个维度全面评估。
2026-08-02 08:30:00
349
原创 从“感兴趣的话题“到“真正的研究问题“——AI帮你完成这个最难的跨越
摘要：本文针对研究生常见的研究问题构建困境，基于《The Craft of Research》的理论框架，系统解析了话题（topic）与研究问题（research question）的本质差异，并提出两种研究问题类型（实际问题与概念问题）。通过黄金三步框架（主题-问题-意义）和"那又怎样"测试，帮助研究者将模糊兴趣转化为可操作的学术问题。文章重点提供了五步AI辅助Prompt工具包，涵盖话题展开、问题结构化、可行性评估、意义检验及最终表述精炼，并以明清女性诗社研究为例演示全流程。
2026-08-01 18:00:00
370
原创 打造专属“民族志研究助手“：一份可复用的skill
清理数据后。在开始分析前。创建一个参与者和背景的清晰图景。[复制以下内容开始使用]您是一位民族志研究者。我有关于[具体研究上下文]的数据。这涉及[参与者类型]。这项研究发生在[时间/地点]。以下是我清理后的数据：[粘贴你清理后的数据]请创建：1. **参与者矩阵**创建一个表格，显示：- 参与者标识（P1、P2等）- 关键背景特征（例如，年龄、背景、角色）- 关键经历或事件（简述）- 他们的故事中的独特之处- 与其他参与者的相似之处2. **研究场景描述**
2026-08-01 08:30:00
322
原创 一张流程图搞定：从原始数据到深度理论化的分析全流程
编码是民族志研究中最容易被误解的一步。新手研究者往往认为编码就是"给文本贴标签"。但实际上，编码是一种系统的、理论敏感的文本阅读过程，目的是识别、名称和分类来自数据的概念。这是最容易被误解的阶段。很多研究者把"理论化"理解成"引用大理论家"。但真正的理论化不是这个意思。理论化是指：从具体的、经验的数据中抽象出普遍的、可以解释更广泛现象的原则或机制。仅仅是发现（没有理论化）："我们发现，来自低收入背景的学生往往表现出自我怀疑，而来自高收入背景的学生则更自信。这是一个观察，但不是理论化。
2026-07-31 18:00:00
438
原创 写给博士生的民族志工具箱：论文各章节能用到的10个概念
厚描是民族志最经典的概念，由人类学家 Clifford Geertz 提出。但它常被误解。很多人的理解：厚描就是"写得详细一点"——多加一些形容词、多描述一些背景细节。正确的理解：厚描是一种让读者理解行为背后的文化意义和意图的描述方式。它不仅回答"发生了什么"（what），更重要的是回答"这意味着什么"（what it means）。薄描"学生 Moka 在讨论她写作风格偏好时说，她最喜欢写科学论文中的讨论部分。厚描。
2026-07-31 08:30:00
442
原创 我让AI“深度理论化“了一次田野数据，结果怎么样？
这是一个实验。我有田野数据。我有录音文稿。我有田野笔记。我想知道： 如果我向AI呈现这些数据， 要求它进行"深度理论化"， 会发生什么？结果会很好吗？会很糟糕吗？有什么启示吗？这篇文章记录了这个实验的过程和结果。我会向你展示：□ 我做了什么□ 给AI什么□ AI生成的内容□ 我对其的评估□ 什么有效，什么无效□ 研究者可以学到什么首先，让我定义术语。"深度理论化"是什么意思？
2026-07-30 14:45:00
226
原创 多地点合作民族志的伦理清单：如何保护参与者机密性
明确说明你想要达到什么级别的隐私。这不是"一刀切"—— 不同的研究有不同的需求。选项1：完全匿名没有人——包括你——可以 将数据与具体个人联系。这意味着：- 无法追踪数据到特定参与者- 无法进行后续采访- 无法进行参与者验证- 无法进行纠正或更新优点：最高隐私缺点：限制了某些研究方法适合：敏感主题研究、处理非常脆弱的参与者选项2：机构隐私个人身份受到保护， 但你(研究者)知道谁是谁。这意味着：- 数据以假名编码- 仅你有钥匙- 你可以进行后续采访和验证。
2026-07-29 18:00:00
294
原创 内部人还是外部人？民族志研究者的身份困境
不属于正在研究的群体没有个人经历这个群体的经历对群体的规范和实践没有"直觉理解"必须通过明确的解释和教导来学习一个中产阶级研究者研究工薪阶层的生活一个非信徒研究宗教社群一个没有心理健康问题的研究者研究精神分裂症患者社群属于正在研究的群体有"来自内部"的个人经历和知识对群体的隐性文化代码有直觉理解被群体认为是"我们中的一个"一个自己经历过抑郁症的研究者研究心理健康一个女权主义者研究女性主义运动一个移民研究者研究移民社群内部人身份的权衡：优势 风险。
2026-07-29 08:30:00
308
原创 写反思性日志总是流水账？5个追问帮你写出深度
这篇文章摘要总结了如何将流水账式研究日志升级为深度反思日志的方法。通过五个关键追问（发生了什么、为什么重要、为什么会这样、改变了什么、忽视了什么），研究者可以从记录表面事实转向产生真正洞察。深度反思能帮助识别研究盲点、调整理论框架、改进数据收集策略，最终转化为更高质量的论文内容。文章提供了具体案例、实用模板和实施建议，强调反思应聚焦研究本身而非个人心理分析，并需保持数据与解释的区分。
2026-07-28 18:00:00
172
原创 一张图看懂三角验证：方法/数据/研究者三种验证方式
摘要：三角验证是定性研究中提升结果可信度的核心方法，包含三大类型：方法三角验证（多种数据收集方法互补）、数据三角验证（不同来源/时间/地点数据交叉验证）和研究者三角验证（多位研究者独立分析）。通过案例研究显示，该方法能显著提高研究发现的可信度（如学术诚信研究中问卷、访谈和文本分析的相互验证），揭示单一方法可能忽略的深层问题（如学生自我认知与行为表现的差距）。实施时需注意避免常见误区（如混淆数据量与验证类型），建议采用检查清单确保验证完整性，并在论文中清晰报告验证过程与结果。
2026-07-28 08:30:00
478
原创 文本志（Textography）入门：如何同时研究文本与情境
文本志研究方法概述 文本志（Textography）是一种综合研究方法，旨在通过整合文本分析、情境观察和过程追踪，全面理解文本的创作、演变及其社会功能。其核心在于打破传统研究中文本与背景的二分法，关注以下维度： 文本本身：内容、结构、语言特征及修辞策略； 情境：创作动机、环境、创作者身份； 生命周期：从初稿到终稿的演变、流通与接收； 社会作用：文本如何影响读者并参与社会实践。 方法对比 内容分析：仅分析文本内容，忽视创作过程。 话语分析：关注语言与权力，忽略社会背景。 民族志：研究行为但轻视文本细节。
2026-07-27 18:00:00
869
原创 从“薄描述“到“厚描述“：用AI辅助改写你的田野笔记”
最有效的方法是把 AI 看作一个智能的、但不是完美的助手。你的工作：1. 记录详细的现场笔记 ← 输入质量2. 指导 AI 如何改写 ← 清晰的指令3. 审查和调整 AI 的输出 ← 质量控制和个性化4. 最终定稿 ← 确保准确性AI 的工作：- 快速和一致地应用改写过程- 添加结构和连接- 指出遗漏的细节或可以展开的领域- 保证一致的风格和质量厚描述是什么以及为什么它对民族志研究很重要五个维度使得描述从"薄"变为"厚"：物理/感官细节心理/情感状态语言学特征。
2026-07-27 08:30:00
452
原创 田野笔记怎么记？一份民族志研究者的每日笔记结构模板
三层结构：现场笔记 → 分析笔记 → 理论备忘录合适的工具：Notion 或 Obsidian（或你习惯的任何工具），但关键是坚持使用清晰的组织：分类、编号、链接，使得后期能快速查找和汇总定期的维护：更新代码系统、审视分析、反思理论含义避免常见陷阱：过度记录、混合分析、不更新系统等田野笔记不是"一旦完成就完成"的任务。而是一个持续的、迭代的过程，贯穿你的整个研究。每次你回到笔记，都会有新的发现。每次你分析，都会产生新的问题，促使你进行更多的观察。好的田野笔记系统支持这种迭代性。
2026-07-26 18:00:00
433
原创 10个“主位视角“访谈问题模板，让参与者说出真心话
本文系统介绍了民族志研究中获取"主位视角"(emic perspective)的10个高效访谈问题模板，旨在帮助研究者突破表面回答，获取参与者真实想法。文章首先阐释主位视角的核心价值——从参与者内部逻辑理解现象，而非套用研究者框架。随后提出设计主位问题的五大原则：从具体到抽象、使用参与者语言、邀请式提问、保持好奇心、给予思考空间。 核心内容为10个经过验证的问题模板。
2026-07-26 08:30:00
459
原创 AI能替代“深度参与“吗？聊聊ChatGPT辅助民族志研究的边界
本文探讨了AI技术在民族志研究中应用的边界问题。核心观点认为，AI虽能提升文献综述、访谈大纲生成等工具性效率，但无法替代民族志研究的灵魂——深度参与。真正的民族志研究包含四个关键维度：长期参与、合作研究、多元视角和位置优势，这些都需要研究者通过情感劳动和具身化体验来实现。
2026-07-25 18:00:00
398
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人