Peters（2025）《How to develop good research questions》结构化精读
文献元数据
| 字段 | 内容 |
|---|---|
| Title | How to develop good research questions |
| Author | Megan A. K. Peters |
| Venue | Nature Human Behaviour |
| Type | Comment |
| Year | 2025 |
| Volume / pages | 9, 1759–1761 |
| DOI | 10.1038/s41562-025-02292-5 |
| Version of record | Nature 正式出版页 |
| Full-text basis | 作者分享的三页全文 |
| Evidence level | full_text；经验型 Comment，不是实证研究 |
本页保存结构化精读、方法拆解与证据边界，不复制整篇受版权保护的英文正文，也不下载或转载原文图片。
Nature 的正式记录确认该文由 Peters 发表于 2025 年，文献类型为 Comment，核心对象是形成好研究问题的迭代创造过程及常见陷阱。(Peters, 2025)
一句话贡献
Peters 将“提出研究问题”描述为一个可以回退的四阶段过程：从自我批判式发散开始，经由广泛阅读与连接、对核心文献做反事实变体，最后结合资源、方法和替代解释形成具体且可回答的问题。
文章解决了什么问题
常见清单通常把好问题定义为 clear、focused、relevant、novel、tractable。Peters 认为，这些终态属性没有说明研究者怎样从模糊兴趣走到一个值得长期投入的问题。
文章提供的是作者自己的经验工作流，而不是：
- 研究问题质量评分量表；
- 经对照实验验证的最佳流程；
- 判断具体选题是否重要的自动规则；
- 对所有学科和资历阶段都成立的统一标准。
Phase 1：A self-critical brainstorm
核心动作
- 从真正令人着迷的现象、概念或矛盾开始。
- 暂时降低措辞压力，让想法自由连接。
- 可以在散步等低语言负荷活动中口述、录音和转写。
- LLM 可以把意识流整理成列表，但其理解必须被人工核对。
- 发散之后主动攻击自己的想法：找漏洞、预测批评者的问题。
- 与懂领域但不是该主题深度专家的人交流，降低“必须正确”的心理压力。
- 听报告和读论文时记录问题与批评，而不只是摘要。
这一阶段不是单纯 brainstorm，而是：
free association
→ explicit self-critique应产生的工件
- raw idea transcript；
- connection list；
- self-critique / objection list；
- 待补读的概念、作者与文献入口。
Phase 2：Building context and connections
核心动作
- 查明谁问过相近问题、采用什么方法、得到了什么认识。
- 显式记录论文之间、概念之间和领域之间的连接。
- 将文献分为
primary与secondary，并写明分类理由。 - 维护独立的 overview 文档，持续记录连接、假设和未解决解释。
- ResearchRabbit、Connected Papers 和 LLM 只辅助策展，不替代研究者自己的知识地图。
- 不要过早把阅读范围缩到最相近的几篇；邻近领域可能具有相同的底层问题结构。
跨领域类比的价值在于发现结构相似的问题，不意味着跨学科阅读必然产生创新。
应产生的工件
- annotated literature map；
primary / secondary + reason表；- connection notes；
- running synthesis；
- assumptions、methods 与 unresolved explanations 清单。
Phase 3：Distilling to the essence
回到最接近候选问题的 primary papers，并反复追问：如果原研究改用另一种设计选择，会发生什么？
可替换的维度包括：
- analytical approach；
- control condition；
- stimulus set；
- data collection technique；
- target population；
- task。
目标不是立刻挑出一个“新方法”，而是生成多组替代设计，检查它们能否延伸、挑战或区分既有解释。
| Primary paper | 原设计选择 | 替代选择 | 可区分的解释 | 新成本或风险 | 候选问题 |
|---|---|---|---|---|---|
Phase 4：The final product
最终问题的选择应同时考虑：
- 可获得资源；
- 个人和团队能力；
- 当前领域状态；
- 所需 paradigm、tools 与 approaches；
- 结果可能存在的其他解释；
- 能否排除关键 confounds，或至少明确承认它们。
因此，最终产品不是一句漂亮问句，而是：
targeted question
+ justified method
+ feasible resource path
+ alternative-explanation map四个常见陷阱
1. The hypothesis requirement
并非所有好问题都必须预先给出具体效应方向。描述性、机制性和规范性问题也可能产生重要认识。
边界是：没有方向性假设不等于没有范围、证据标准和失败条件。
2. Excessive attachment
投入越多，越容易把修改或放弃问题误认为失败。文献可能已经回答原问题，也可能迫使问题转向；这时应该回退并重用之前的批评与连接记录。
3. Someone already had my idea
相似研究不等于问题必然死亡，应检查对象、技术、解释和证据是否真正相同。但如果差异不能改变理论解释、证据强度或应用边界，就不能仅靠“换数据集”声称 novelty。
4. Hammer and nail
熟悉的方法既是能力，也是视野偏差。需要持续追问：
- 这是最适合问题的方法，还是对我最容易的方法？
- 我的专长产生了新观察，还是迫使所有问题适配同一工具？
证据强度与限制
原文可以直接支持
- 好研究问题的形成具有迭代性；
- 清晰、聚焦、相关、新颖、可做不是完整描述；
- 作者提出了四阶段个人工作流和四个常见陷阱；
- LLM 与自动化文献工具应辅助而非替代研究者判断。
原文不能支持
- 四阶段流程被实验证明优于其他方法；
- LLM、Obsidian、散步或录音能够因果性提升创新；
- 某个具体研究问题一定重要、可行或新颖；
- 探索性研究可以免除范围、证据和评价标准。
原文没有实验样本、对照、评价指标或效果量，因此应被视为高密度的 heuristic workflow，而不是 research-question quality 的实证理论。
学习价值
Learning value：Actively study
它把模糊的“培养问题意识”拆成可产生工件的阶段，对使用 Obsidian、LLM 和跨学科阅读的研究工作流具有直接实践价值。进一步操作化后的版本见：