摘要:这是一个公共政策博士都会遇到的“灵魂拷问”。老师反复说“你没有研究问题”,往往不是你没写字,没提问题,而是你写下的那个“问题”在学术意义上不是研究问题。
公共政策博士论文,如何确定研究问题?为什么老师老说,有些老师还毫不客气地说:
你的研究问题不清楚,你不是在做研究,没有研究问题!!!
同学很纳闷,明明问了好几个问题,明明有一个大问题,好几个小问题?老师难道看不见吗?没有仔细阅读论文吗?
这是一个公共政策博士都会遇到的“灵魂拷问”。老师反复说“你没有研究问题”,往往不是你没写字,没提问题,而是你写下的那个“问题”在学术意义上不是研究问题。
要理解这一点,必须先分清三类常被混用的词:
研究领域(field)——“我研究乡村振兴”
研究主题(topic)——“乡村振兴中的数字技术使用”
研究问题(research question)——一个你不知道答案、且可以通过经验证据或理论分析回答的疑问句,其答案能对学术或政策共同体产生“增量”。
老师要的是第3种,而大多数博士生交上去的是1或2。下面给出一套“五阶漏斗法”,把1一步步压缩成3,并给出可操作的检验标准,最后解释老师为什么“总说你没有研究问题”。
一、五阶漏斗:从研究领域到可证伪的研究问题
阶1 政策现象(宽泛观察)
例:我发现有些城市“抢人大战”效果很好,有些却无人问津。
阶2 概念化与命名(用学术语言重述)
把“抢人大战”概念化为“人才落户政策”,把“效果”拆成“落户人数”“留存率”“对地方财政的净收益”等。
阶3 理论困惑(文献驱动)
系统读文献,找出已有理论/经验结论无法解释的现象。
例如:
经济理性选择模型预测——补贴越高,人才流入越多;
但深圳2019年补贴下调,落户人数反而上升。
于是出现理论反常点(anomaly):经济激励并非单调起作用。
阶4 机制猜想(提出竞争性的“为什么”)
把反常点转成一个或几个机制假设(mechanism-based explanation):
H1:信号机制——深圳下调补贴的同时提高了落户门槛,释放“稀缺信号”,反而增强了吸引力。
H2:网络外部性——前期已落户人才的社交网络产生自我强化,补贴边际效用递减。
H3:政策可信度——高调下调补贴,传递了“财政可持续”的 credible commitment,降低人才对未来政策不确定性的担忧。
阶5 可回答的研究问题(满足FINER+可证伪)
用一句话表述,满足FINER标准(Feasible, Interesting, Novel, Ethical, Relevant)且可证伪:
“在中国‘抢人大战’中,当经济激励下降时,为什么部分城市仍能实现人才净流入?——基于深圳2017-2022年政策间断性的自然实验”
拆解:
因变量:人才净流入(用移动信号大数据+落户行政记录)
自变量:政策信号强度(用文本量化+补贴金额交互项)
机制检验:中介变量是“政策可信度感知”(用人才在线调查+爬虫抓取知乎/小红书情绪)
识别策略:深圳2019年补贴下调作为外生冲击,合成控制法+双重差分
贡献:对“政策信号—人才流动”微观机制做出因果识别,补充了既有文献只关注经济激励的盲区。
二、快速检验:一句话“电梯测试”
把问题压缩到30字以内,问一个非本专业朋友,如果他听完后能反问“那答案是什么?”——说明这是一个真正的疑问句;
如果你说完,对方只能点头“哦,挺有意义”,那多半是主题陈述,不是研究问题。
三、为什么导师总说你“没有研究问题”
你提交的是“议题”而非“疑问”
常见句式:“本文研究乡村振兴中的数字治理。”——这是新闻标题,不是科学问题。
问题太大,无法在一篇博士论文内回答
“如何提升中国治理体系和治理能力现代化?”——需要十本专著,甚至一个学派终身工作。
问题太小,变成纯技术活
“某县2022年数字平台用户满意度是多少?”——只有描述性统计,没有理论张力。
问题无法证伪
“数字技术有利于乡村善治。”——“有利”无法观测、无法度量,也无法设计反事实。
问题与文献脱节
你不知道别人已经回答到什么程度,导致“自以为新”,其实老问题早已有定论。
四、一张“避坑清单”送给公共政策博士生
先建“文献反常库”
用Zotero建标签:①支持预期 ②反对预期 ③混合结果。反常即潜在研究问题。
用“政策间断”找外生冲击
政策过程充满反转、试点、突然叫停,天然提供准实验设计,比问卷数据更容易发A。
机制必须“可观测”
别只说“信任”“认同”,要能量化:用百度搜索指数、微博情绪、政府热线投诉量、简历投递行为等“数字痕迹”做代理变量。
提前准备“反事实”
开题前就画好因果图(DAG),想清楚:如果没有该政策,哪些城市/人群可以作为对照?数据是否存在?拿不到就换题。
与政策从业者“对表”
约一个处长/科长喝咖啡,问:“你最想破解但没时间做的难题是什么?”往往拿到一手困惑,还附带内部数据入口。
五、30分钟“速成”模板(可直接填空)
“在________(领域/时期),(反常现象)无法被(既有理论)解释。本文利用________(外生冲击/新数据),检验________(机制H1、H2),以回答:当________(自变量变化)时,(因变量)为何/如何变化?该研究对(政策/理论)的增量在于________。”
把空填满,让老师用“电梯测试”听一遍,如果他开始和你讨论如何检验而不是要不要检验,你就过关了。
博士论文的“研究问题”是研究的写作起点,也是一轮又一轮文献、数据、因果识别、可行性博弈之后的均衡点。导师说“没有研究问题”,其实是提醒你:你还在阶1或阶2徘徊,没有抵达可证伪、有理论增量、能在有限资源内完成的阶5。用上面的五阶漏斗和30分钟模板,把自己的论文焦虑变成为可检验疑问,就从码文字切换到做研究了。
什么是 “可证伪”(Falsifiability)?
这是卡尔·波普尔(Karl Popper)提出的科学哲学标准:
一个科学命题必须是可以被经验事实反驳的,即必须存在可能的观察结果能证明它是错的。
所以,“满足 FINER + 可证伪” 的研究问题是什么样的?
我们来举一个正面例子:
研究问题:在18-35岁、BMI>30的成年人中,每天摄入500ml绿茶提取物持续12周,是否比安慰剂更有效地降低体重?
FINER 检查:
Feasible:样本可招募,干预简单,体重可测量。
Interesting:肥胖是全球公共卫生问题。
Novel:绿茶提取物对肥胖的影响仍有争议。
Ethical:伦理审批可通过,风险低。
Relevant:对减重干预策略有指导意义。
可证伪性:
如果12周后两组的平均体重差异无统计学意义,则原假设(绿茶有效)被反驳。
因此,这个研究问题是可证伪的。
不满足的例子:
“冥想是否能带来‘内心深处的平静’?”
不可证伪:什么是“内心深处的平静”?无法客观测量。
不满足 FINER:模糊、不可操作、不可重复。
一个满足 FINER + 可证伪的研究问题,必须是清晰、可操作、有价值、伦理允许、可测量、且可能被数据反驳的。
来源:小高说科学