宁研学术 | 【读研方法论】找到科研选题的5种办法

做研究、写论文需要读文献，这是常识。许多研究者会建议你从文献中发现问题。这也是一种公认的途径。

文献研究实际上是学者们跨越时空的对话。这种特殊的对话形式，不仅要求作者梳理相关的历史文献，还得在论文末尾标注文章的限制和未来需要做的研究，即所谓的“展望”。

很多导师会让学生从文献着手发现别人的研究局限，然后通过突破这些局限，替别人把展望变成现实，从而做出属于自己的原创性研究。这种方式好不好？理论上是好的，也确实有一部分人通过这种方式找到了好的选题。毕竟作者在论文结尾放这么一部分内容，本意就是给后来人提供合适的路标并指出前进的方向。

然而，现实往往是复杂的。许多经验丰富的研究者对此心知肚明，却因为各种原因不愿意或者没有找到合适的途径告诉你。

在现实世界的更多情况下，那些“ 限制”“ 展望”其实不是实在的路标，而是研究者望洋兴叹的产物。他们就如同《笑傲江湖》里面的魔教长老一样，手持利斧开山数百丈，却依然没有找到出口。研究者与长老不同的是，他们并没有继续前行累死自己，而是停下来告诉后人：“ 往这个方向走是没错的。”

除非你幸运如令狐冲，否则别指望剩下的山体可以一捅就破。大部分情况下，你朝着这个方向走下去，恐怕还得另外开山数百丈，甚至可能会累死在半途中。

这是因为，许多能解决的问题，原先的研究者早已解决完。谁会把容易解决的问题拱手让人呢？积攒这些问题和存钱不同，不会给他们带来任何复利的好处。更何况，审稿人哪里会对容易解决的问题“ 高抬贵手”？肯定会“ 穷追猛打”，让作者反复思索， 直到作者真正解决了它们才肯善罢甘休。

被审稿人和编辑放过的“ 未解决”问题，要么是当前环境下非常难以攻克的问题，实在不便强人所难；要么是工作量很大的问题，完全可以自成一体，再写一篇文章。当你有幸在期刊上读到正式发表的论文的时候，作者兴许早把这展望中描述的“ 后一篇文章”写完了。

这就如同王戎说李子是苦的一般，科研领域里低垂的果实（low-hanging fruit）并不容易碰上。如果你运用理性思维琢磨，就会发现其中的奥秘。正因这种潜规则，谷歌公司首席经济学家， 加利福尼亚大学伯克利分校（UC Berkeley）的教授哈尔·瓦里安（ Hal Varian）提出，千万不要在构建完成一个新的模型前， 去寻找和阅读相关文献。

瓦里安这样说主要出于两个考虑。首先，好的文献绝不会给你留下容易解决的好问题；其次，你的思路可能会跟着这些走在“ 主流”道路上的“ 大牛”走，彻底钻到一个死胡同里，而对于本来可以轻易发现的新问题，你可能会自动忽略它们。

因此，瓦里安建议人们先把模型做出来，然后不断迭代、修正模型到可以接受的程度。

有了这样一个模型再去读文献，你可能会发现数十年前这个问题就有人研究过了。不过不要沮丧，这不是大问题。

这恰恰证明你的独立科研能力已经达到（ 至少在当时）可以在优秀期刊发表论文的水平。对于科研初学者来说，这是一种非常积极的反馈。下面用你的经验去查找新的问题和模型。如果你的模型和原作者有细微的差别，那就更好了。从这些差别中，你可能会有极其有价值的发现。

佐治亚理工学院的吴东军教授（D. J. Wu）提的办法更有意思。他的办法属于典型的“看热闹不嫌事儿大” ——让经典文献相互“打架”！ 

文献不是生物，怎么“ 打架”？其实许多文献确实在“ 打架”。例如一篇文献 A 提出某观点，可能一段时间后另一篇文献 B 就用充足的证据把该观点驳斥得体无完肤。

人们就倾向于将新的文献 B 的观点奉为圭臬。但是文献 A 当初是怎么从审稿人的手底下“ 滑过去”的呢？真的是审稿人缺乏责任心导致的“ 事故”吗？事情恐怕没有这么简单——文献 A 很可能有合理和可取之处。于是吴教授从这样的文献间的冲突出发， 用更为全面的模型考虑在哪种情况下，文献A 的论点依然会成立，从而对文献A 给予（ 有条件的）支持。

由于文献 A 和文献 B 的冲突，吴教授所做研究的意义和价值已经不言自明，从一开始选题就具备了充分的价值和必要性。因此这是一种非常聪明而有效的文献利用方法。

发现、理解，而且还恰好能重新诠释经典文献之间的冲突，听起来很美妙。然而，并非所有人都有这样的运气和毅力。所以，为了发现问题，你还需要使用其他的手段—— 数据导向。

如果你手里有好的独特数据，可以尝试从中获得选题。

在我参加的这次暑期学校中，有半天的时间是编辑与作者的交流时间。由于 MISQ 的主编阿伦·拉伊（Arun Rai）和 ISR 的主编阿洛克·古普塔（Alok Gupta）都在，所以参与交流的人被分成了 2 组，每组分别有 3~4 位作者展示自己的论文，寻求主编的意见。

有位作者展示的是利用 Foursquare 数据对用户行为进行预测研究。不少听众的兴趣点在于独特的大规模数据获取，散会后，他们一直追问论文作者是如何收集这些数据的。

这位论文作者一下子有些紧张，似乎害怕这份宝贵的数据很快就被别人轻易夺走。这种担心不无道理。大数据时代，数据是不缺的，但获得真正有价值的数据，如同沙里淘金，并不是一件容易的事情。别说数据本身，就连淬炼高价值数据的方法，也是经过了无数次摸索和失败才最终获得的。

专属的数据不是所有人都能得到的。有位老师讲解了如何和国家税务总局合作，利用发票数据来监控产能过剩的问题。方法非常简单，筛选出合适的指标特征就可以——他最后选择的是钢铁和煤炭行业的数据。通过这种方式，他不仅给全国企业画像，还通过某些指标特征，发现了其他“ 有趣的结果”。

你可能觉得很不服气——这样的问题自己也有能力处理啊！问题是，从哪里获取如此大规模的专属数据呢？这个问题咱们后面会谈及。

如果专属数据难以获取，你可以退而求其次，找开放数据。开放数据中，也有非常适用于研究的，而且规模庞大。

但是请注意，如果你利用开放数据做研究，速度是非常重要的。这是个竞争激烈的领域，唯快不破。你能看到的数据，别人也能看到。如果下手慢了，你可能就摘不到“低垂的果实”。

现在学术界比较注重原始数据的开放性。这主要是为了保证研究的可重复性能被有效检验。有不少期刊在作者投稿的时候就要求上传对应的数据，而且数据集目前也可以单独出版，这样别人使用时可直接引用。作者辛苦采集的数据被一次次地引用行为肯定。

再如 Kaggle 等数据科学竞赛网站上总是有非常规整的数据集可供你使用。如果你用得好，挖掘出数据的独特价值，甚至还能获得价值不菲的奖金，何乐不为？ 

看到这里，你或许感到很疑惑：刚才还说有价值的数据非常稀缺，可为什么这些企业和组织机构要在 Kaggle 这样的网站上公开发布数据呢？而且不但白给别人数据，还发奖金？ 

实际上，企业在经营活动中，总会面临之前没有遇到的实际问题。他们十分需要利用数据驱动的方式来解决这些问题。传统的解决问题的方式是，从企业咨询机构聘用顾问或咨询师，但是顾问一般是按照工作时长而非产出效果来收费的。企业与其高价买来无法衡量品质的服务，还不如干脆公开发布数据，给出确定的奖金数额，让大家来竞赛，即以奖金为杠杆，撬动世界上优秀的大脑一起竞争解决问题。所以，这种做法是真正的理性决策。

通过企业主动公开数据的例子，你应该明白了一个道理—— 数据虽然可以给你带来独特的视角和观察资料，但是其中蕴含的更为重要和有价值的问题，其实源自实践。

前面提到过，哈尔·瓦里安教授认为不应该从文献中找问题，而应该把时间花在看似不相干的报纸和杂志的阅读上。他推荐的报纸杂志包括《纽约时报》《华尔街日报》《经济学人》等。

瓦里安教授认为，对经济学研究者来说，读这些东西远远比看文献重要。因为这些报刊会提到经济学家感兴趣的实际问题，虽然分析过程有时漏洞百出。其他专业人士看了，可能一笑置之，但是瓦里安教授显然不会轻易放过这么好的选题机会。

其实，在学术圈写论文，就像在讨论区和别人争论。如果你只会翻来覆去说一些大家都知道的内容，没有人会感兴趣；而如果你能不断从外界获得新的灵感、信息和见识，特别是利用好别人提出却没有解决的好问题，那你讲的内容就可以更轻易地抓住别人的注意力。

除了阅读这些报纸杂志，学者们还提出了两个很好地发现问题的途径。

一个是业界咨询工作。艾宁德亚·高斯和保尔·帕夫罗（Paul Pavlou）等学者都是“ 两条腿走路”—— 一边在学术界攀登，一边在业界做咨询工作。咨询的目标是解决问题。作为一名咨询顾问，不用你主动去寻找，问题也会自己找上门来。

在大数据时代，做咨询必然要接触许多企业数据。例如，高斯获得了好几家知名企业做数字广告的效果数据。这些数据不仅体量庞大， 而且结构完整、真实性高，是让你的研究获得竞争优势的重要源泉。

与企业合作是一种双赢之道。这里我给你提个醒——在这个人与人之间联系紧密的社会上生活，一定要学会互惠合作，不要总是尝试做“ 伸手党”。

许多导师和研究生都觉得，获取数据是一件非常困难的事情—— 那些大公司根本不愿意分享数据给你。没错，但是你没有看到“ 硬币的另一面”。他们其实特别乐意分享数据，只要你的分析能力比他们强，能给他们更有价值的洞见。不难想见，许多大型企业都对高斯和帕夫罗这样的顶级学者敞开大门、张开双臂，表示热烈欢迎。

同样的数据，在不善于分析的人手中一文不值，到了会分析的人那里就可以被挖掘出不菲的价值。企业解决了实际问题，获得了经济回报；你完成了研究，发表了高水平论文。这便是双赢之道。

可是你作为一个科研初学者，还远远没有那样的积累。大企业可能还是会把你拒之门外，怎么办呢？

答案是从小处做起，如帮中小企业解决具体的问题。

我在密歇根州大学访学的时候，讲授管理信息系统课的基兹耶尔教授，让学生到主街（main street）上挨个敲商户的门，帮助他们发现目前存在哪些不足，并且想方设法加以改进。学生上课的时候分享这些案例，可以充分体会“ 实践出真知”的意义。

获取实践问题的另一个途径是读案例。

前面提到的佐治亚理工学院吴东军教授，就让自己的学生去读哈佛案例库，从案例中寻找问题。一个企业案例能进入哈佛的案例库是非常不容易的。经过层层筛选的企业案例往往代表业界实践中非常典型的问题。哈佛商学院教授派珀认为“ 商业世界只有问题，没有理论”。通过读案例，学生可以找到“想问题的感觉”。

你看，一个经典而庞大的问题库与实践结合紧密，理论却缺位，这难道不正是研究者们的好机会吗？

然而，据吴教授说，他带的博士生里愿意听他话的寥寥无几。有个叫黄涛的学生听了他的话，真的跑去读案例，于是成了他最为得意的学生，发展得非常好。看来，听导师的话，不吃亏。

有的同学可能会觉得，自己没有声誉和名气，是不是就不能按照“ 实践导向”来选题呢？

当然不是。每个人都有自己独特的生活环境，你可以找到自己独特的生态位。尽量扬长避短，找自己熟悉的地方切入。当年我们学院有个学生是少数民族，他在做毕业设计时选择做本民族语言文献管理系统，效果很惊艳，获得了“优秀毕业设计”的荣誉。

暑期学校的最后一天，主办方把保尔·帕夫罗请了过来。

别人做学术报告，多是用自己发表的几篇论文来讲解自己具体的研究，或者把自己的心得和其他学者的观点熔于一炉，娓娓道来。保尔不是，他介绍了移动互联网领域的几大重点研究方向， 介绍每一个研究方向时，都对自己目前发表在一些顶级期刊上的文献进行点评。他很谦卑地说，批评别人的作品是一件比较困难的事，所以就批评自己的作品吧。

然后，在每一个类别下面，他都批评了几篇自己的作品。这样的PPT 有十几页。他确实没有办法细讲，因为他发表在顶级期刊上的研究成果过多，每篇都细讲的话，肯定超时。

你可能对这些国外期刊不是很熟悉，为了让你能有切身的感受， 咱们打个比方。好比一位国内图书情报学者介绍自己近几年的研究，列出了三四十篇文献，全都发表在《中国图书馆学报》《情报学报》《中国社会科学》《管理世界》上…… 明白有多厉害了吧？ 

中场休息的时候，坐在第一排的我一个箭步蹿上台，问了一个颇为幼稚的问题：“ 别的学者总说质量和数量是一对矛盾，要做权衡取舍。我看你在保证研究质量的同时却有这么多的研究数量。你一定有什么秘诀吧？”

保尔笑了笑说，其实没有什么秘诀，只是遵循了以下 3 条法则。

·努力工作，不能过于努力而耽误了生活，但是也得足够努力。

·研究的问题要通俗易懂和有趣，这样才做得下去。

·要找靠谱的合作者。其实最近这几年他并不想发表这么多文章，但是合作者（ 包括同事、博士生和刚刚毕业的博士）不干， 他们一个个干劲儿十足，拽着他往前冲。

我一下子明白了合作者的重要性。他们所能提供的不仅是独特的知识、方法和观察视角，还有动力。

然而，为什么像保尔这种质量与数量齐飞的情况并不多见呢？

从他的讲述中，我悟出了关键点——扎实的基本功。他做了很长时间的博士，在长期的博士基本功训练里，他对任何研究方法都认真掌握，然后反复磨炼。他能处理一个大领域中不同的科研问题，所以与他人合作的结果非常好，沟通带宽也足够高。

对于自己的这种能力，保尔用了“ 幸运”一词，但是我相信用“ 努力”一词会更确切。当他足够优秀，功成名就时，自然就会吸引更多优秀的人跟他合作，于是他的声望就达成了一种正向循环。你要想得到这种正向循环，还需要足够长时间地积累。有同学问我，该怎么选择合作者？

我的答复是：多出去开会，跟“ 高人”建立联系。“ 高人”未必是功成名就者，很多年轻人也非常有潜力。

从保尔这里我领悟了许多。然而，因为时间关系，他虽然把一条清晰的脉络展现在了听众的面前，却没有着重去讲他选题的另一个重要成功法则。幸好，吴东军教授给我们补上了这一课。

在与吴东军教授的问答过程中，我说了一句实话：“ 您讲之前我都困了，您讲完我都不困了！”

大热天的，听了一上午的课后，刚吃过午饭，下午1 点就上课， 一直到下午 4 点，能不困吗？但是吴教授有办法让大家变得特别有精神，因为他非常幽默。

吴教授的讲座有以下两条主线。

批评自己的研究生。他说因为跟自己带的研究生们讲话没人听，所以跑到世界各地给别人讲，别人听了获得了成功，就可以拿过来当榜样教育自己的学生。

夸自己的儿子。吴教授的儿子非常优秀，被藤校提前录取。吴教授介绍完儿子的成长经历后，课后问答时间就有许多老师跑上去问育儿经，搞得吴教授只好推说孩子平时都是太太管教。

但是，他讲自己儿子的故事，却给他自己和观众都带来了启发。

近 10 年前，他儿子还很小的时候，爷俩喜欢下国际象棋。吴教授下棋时似乎没有什么风度，最大的乐趣就是一个个吃儿子手里的车马小卒，看着儿子干着急，他乐不可支。

但是，那一次，儿子的举动让他惊呆了。

他依然欢乐地吃儿子手里的棋子，儿子却突然抬头，自信地告诉他：“ 爸爸你输了。”他觉得这是儿子的臆想，自己这边兵力充足， 子数占优啊。但是这盘棋真的是儿子赢了。吴教授不解，问儿子是怎样做出的判断。

他儿子说，因为自己的布局已经完成，虽然损失了一些棋子，但是锁定了最终的胜负。

吴教授当时立即悟出后面几年的科研路径——要布局。吴教授追求的布局，早几年想明白这个道理的保尔已经做到。

布局的精髓是，在一个领域的每一个方向上都占领关键点，这要求你对该领域有全面、深刻的了解，并且能够预测该领域之后一段时间内可能的发展；在你占领了这些关键点后，别的学者取得的任何研究突破，都必须以你的这些关键点为基石，那么被引用率想不高都难。

清华大学的宁向东教授一直强调“格局”二字。在他看来，“ 格” 是动词，“ 局”是名词，作为宾语。一个领导者只有具备“ 格局”的能力和智慧，才能充分地调动各种资源为自己所用。保尔也强调了这个问题，他认为一个学者应该具有企业家精神（entrepreneurship），也就是说，好的学者也该是好的领导型管理人才。

关于关键点的占领，有趣的例子是科斯的论文。当年科斯提出著名的“ 科斯定理”的那篇论文，因为打破传统认知，缺乏学界共识，导致很多经济学研究者不以为然，纷纷提出批判性意见。然而几十年间，科斯的文章被引用的次数过于惊人，他也拿到了诺贝尔经济学奖。

本文总共列举了 6 种科研选题的导向。其中“ 方法导向”你应该避免使用，而其他的 5 种导向都可以借鉴。

复习一下，其他的 5 种导向分别为如下内容。

·文献导向，从经典文献中发现问题。 

·数据导向，如果你手里有好的独特数据，可以尝试从中获得选题。

·实践导向，从媒体、业界咨询和案例中发现选题。 

·协同导向，明白优秀合作者的重要性。 

·系统导向，提前布局，占领行业关键点。 

使用时要注意它们独特的应用场景，以及要和你的现实条件相结合。希望这些内容，对你的论文选题有所帮助。

除了本节中列出的 6 种导向，你还知道哪些做科研选题的方法？这些方法你实际使用过吗？你有什么值得借鉴的经验或应当汲取的教训吗？