投稿问答最小化  关闭

万维书刊APP下载

“选题难”的技术性归因与两个简单策略

2024/8/9 17:15:53  阅读:96 发布者:

要解决选题这一难题,首先需要确认选题是什么。我们大部分人对此有两种认识,一是认为选题是论文的题目,把选题当作名词;二是认为选题是选择论文或者课题的题目,把选题作为动词。但这两种认识都不能增进我们对选题的理解。因此,我们通过实例对研究方向、研究题目、研究主题、研究问题、选题和标题这六个概念进行比较辨析,尝试对选题是什么做一个新的理解。

一、选题难的技术性归因

从研究方向来看,其是小于学科专业,大于研究题目的概念。以管理学概念为例,人力资源、企业管理、公共管理均属于研究方向,对人力资源进行进一步推导,比如人力资源的数字化,此概念就属于研究题目。由此可见,研究题目比研究方向更具体,涵盖主题、问题、选题和标题四个要素。研究主题是一个具体的实词,对其有三个要点需要关注,即一个”“具体”“实词,研究主题必须满足这三个条件。在拥有研究主题的基础上我们要提出自己的研究问题,即对某一个主题的前沿疑问。以企业员工这个主题为例,我们可以提出一个研究问题,比如工作弹性与员工非工作时间的工作投入。近几年受疫情影响,弹性工作逐渐由一个概念演变成流行趋势,但与此同时也带来一个问题,即工作时间和非工作时间的边界变得模糊。人们居家办公是否还会严格遵守上下班时间呢?即使设定了线上打卡这一强制性出勤措施,是否也会影响工作效率呢?如果要围绕这个疑问进一步做选题,就需要找到研究方法,然后才能制定研究计划,谋篇布局。在确定了研究问题后,就转入了论文的具体写作过程。在这个过程中,需要从遣词造句、形式体例等方面对论文整体不断进行优化,因此标题需要反复修改,在定稿之前,标题都可以被认为是选题,而定稿后则会确认为标题。回到刚才的例子,我们最后将标题确定为《工作弹性能否促进员工非工作时间的工作投入?:一个并行三重中介模型》,从中可见,研究主题、研究问题和研究方法一目了然,是一个比较成熟的选题。此外,标题其实还应该有第四个要素,即研究发现,如果在选题基础上加上研究发现,就可以形成一个完整的标题了。

二、选题难的对策

(一)远离已有文献,回归常识,甚至是直觉体验

通过对研究主题、问题、选题、标题等词语的比较辨析,我们了解到可以利用技术性手段解决选题难这个问题,这一路径可以简单归纳为远离已有文献,回归常识,甚至是直觉体验。下面我们就以就业指导为主题,探索如何回归常识做选题。

常规的选题操作路径是将就业指导放在知网数据库中直接检索,得出的结果数量非常多,可能会有几千篇文献,到底怎么在浩如烟海的文献中找到合适的选题呢?这个问题让人头疼。如果我们直接回归常识,思考就业指导由谁来指导这一问题,很快就会出现一系列疑问:有就业指导资格证的人就能指导我们就业吗?如果他对就业很有见解,需要去考这个证吗?考这个证就能证明他就业能力很强吗?紧接着会出现第二个问题——就业指导到底在指导什么?就业指导师的就业能力怎么样?他是指导别人考试、学习,还是能直接给被指导人一份工作?第三个问题就到了怎么指导?采用什么形式指导?由此可见,在就业指导这个问题上,是什么”“为什么”“怎么办都是目前尚未解决的问题。这也证明了在通过常识寻找有价值的研究问题会更高效。

(二)从经验中提出研究问题,再用文献判断创新性

沿着上述通过常识中提出问题这个思路进一步反思,研究问题有了,如何确定这个问题是有效的呢?这时候就可以回归常规路径了,即通过查文献来检查这一问题是否有人写、是否具有创新性。所以,做选题的操作顺序是先凭经验提出问题,再查文献判断其价值。目前大部分人的选题逻辑是反的。

知识具有理论性知识和实践性知识两种形态。我们的头脑中往往充斥着各种各样的理论性知识,因此一写论文就会模式化,习惯性得打开知网,把写论文这件事情简单理解为从知网中来,到知网中去。实际上,我们应该唤醒常识,根据生活经验提出研究问题。如今知网基本上属于学术垄断状态,你的选题不是从中提炼出的,创新的概率才会更高,才能解决重复率和创新性问题。

综上所述,选题就是选择一个问题并制定研究计划的过程,而研究什么问题则是选题的重点。大家普遍认为选题难,是因为总是试图在前人已有的研究成果中找到空白点制高点。但是我们能找到的所谓的空白点其实很难站住脚,风险极高,而制高点又会面临不知道制高点在哪里”“用什么办法才能找到制高点等问题。所以,选题难的深层次原因是方向错了,而新的解决策略是从文献中跳出来,回归常识,从常识、知觉、经验中选题,再用文献做判断,把理论性知识的势差变为实践性知识的输入。

自支点学术微信公众号,仅作学习交流,如有侵权,请联系本站删除!


  • 万维QQ投稿交流群    招募志愿者

    版权所有 Copyright@2009-2015豫ICP证合字09037080号

     纯自助论文投稿平台    E-mail:eshukan@163.com