13.qmd

# 研究设计

研究设计这个话题值得写一整本书，关于这个话题的好书也是有的，然而本书的性质决定了，如果它不包含研究设计的内容，那是不完整的。于是就有了这一章。

## 研究问题

提出正确的研究问题是一项关键性的学术技能。研究问题提得不好是造成时间浪费（最好的情况）、研究失败（最坏的情况）的主要原因，或者（偶尔）有一个错误的研究结论被用于政策制定，它还会造成悲剧。一个好的研究问题应该减少某个领域的问题空间（problem space），也就是说，研究问题的答案应该可以排除某一组似是而非的可能性。第二个研究问题将继续减小这种可能性空间，如此等等，直到最后只留下对于某个问题的唯一合理解释，而这个解释要符合事实。这种方法的好的实例可以从医学史中找到的——比如，巴斯德（Pasteur）用这种方法不断地排除导致食物腐烂的可能因素。

不好的研究问题多种多样。以下列出了最普遍的几类：

为先入之见寻找支持
:   哪怕是最可笑的想法，也能找到很多支持它的证据，这是令人惊奇的。我们向学生证明这一点的方法是进行这样的练习：我们把学生分成两个组，然后给每个组一种生物的名称，这种生物可能是人类，也可能不是人类（比如是袋鼠或蚂蚁）。每一组要想出尽可能多的证据来说明他们组的生物是人类（比如它有两条腿，或者它能为自已建造家园）。另一组则要根据这一组给出的描述来猜测，那个生物到底是否属于人类。

    对这种问题的通常的看法就是一开始就去衡量某种效应，却不思考（a）这种效应是否的确存在，（b）问题的大背景是什么。比方说，许多从事计算机科学研究的学生常常在一开始就去衡量他们的软件在多大程度上优于原先的产业标准。如果他们的软件在事实上无法达到或超过产业标准，他们多年来的研究工作也就白费了，他们面临的将是极其尴尬的局面。

提出无法回答的问题
:   有些问题虽然重要，却是无法回答的。比如不同的旧石器时代的工具组合体现的是（a）同一组人不同的活动，还是（b）若干不同组（比如不同的部落）的活动？这两种可能性在很长一段时间内都能完全与事实相符，直到人们发明出能区分工具怎样被使用的技术为止。

提出一个无用的问题
:   一个问题能够被回答，并不代表它有价值。比如你发现某个特定的人群在学习外语时会遇到比其他人更严重的困难，这个发现对于正试图教会他们外语的老师来说亳无价值——老师们感兴趣的是找出教他们学习的更好方式。一个好的研究问题通常对某些人有非常清楚的实际意义。这方面有一个听上去不可思议的研究火烈鸟繁殖的例子。被捕猎到的火烈鸟通常不愿意繁殖。研究表明这是由于火烈鸟只有在认为火烈鸟的数目足够多的情况下才会繁殖。受到这个发现的启示，人们把镜子放在火烈鸟的围场周围，使得鸟的数目看起来增加了一倍，而这的确促进了火烈鸟的繁殖。

    值得推荐的做法是在你开始数据采集之前预计研究问题的可能答案，确保自己了解（a）为什么每种可能答案可以有效地减少该领域的问题空间，和（b）有哪些实际应用方面的启示。后者在你寻找研究资助时非常有用。

关于研究问题的—些有用的问题
:   关于研究问题，你可以问自己一些简单有用的问题。如果这些问题（或者这些问题的答案）令你感到气恼或紧张，你就有必要重新考虑该如何进行研究设计。（提示：对每个问题的答案应该是“是的”。）

    * 你是否是在试图寻找什么，而不是证明什么？
    * 你采集的数据是否会让你自己感到惊奇？
    * 你是否会基于数据认识到，你以前对某个领域的认识是错误的？

## 方法选择

大部分的研究使用本领域的传统研究方法。但令人遗憾的是真正花时间和精力去学习本领域研究工具的研究人员少之又少。一个有效的检验方式是详细地列出你研究计划的每一步，然后就其中每个步骤问自己：“为什么？”比如，为什么使用问卷调查，而非其他方式呢？其他方式又有哪些呢？为什么把样本数目确定在300，而不是298或154？为什么p值为0.05在统计上被认为具有重要意义，而p值为0.051就不具有重要意义？“在统计上具有重要意义”又究竟是什么意思？过去几十年已经对所有这些问题进行了广泛深入的研究，你对研究方法懂得越多，你就越有可能浪费最少的精力而获得最大的成功。这一部分简要讨论研究方法涉及的若干问题，我们只是为了通过这部分来说明问题，而不打算穷尽所有问题。

### 数据采集的方式

“问卷”或“访问”一般被认为是数据采集方式的同义词。但这两种类似的方式都很容易失败。两者在实验结论是否能推论到样本之外的其他族群（也就是说，得到的结论究竟在多大程度上与现实相符）上存在着严重问题，通常两者还会在样本是否具有代表性方面（尤其是问卷调查这种方法，收到问卷的人群中有百分之八十会把问卷扔掉）遇到问题。（a）试图证明分析从仅仅百分之二十回收的目标人群中得到的结果是有意义的行为，以及（b）因为领域内的其他人也这么做，所以这种做法一定是可以被接受的，这两种理由都是丝毫不具有说服力的。

从人群中得到信息的技术有很多，其中大多数技术，无论是用于研究哪类问题，都要比问卷和访问来得有效。你应该对这些主要技术有充分的了解和认识，并能够从中选择出最适合你的技术。这些技术包括：参与观察、阴影投射、直接观察、间接观察、关键事件技术、场景设想、结构化访谈、非结构化访谈、深度访谈、集体访谈、卡片分类、阶梯技术、凯利方格技术以及其他种类的内容分析手段。

同时你也应该了解影响技术选择的概念，比如外部的效度、可靠性以及观察者效应。如果需要的话，你还应该确定你有明确的道德准则。

### 采样和样本大小

你的样本应该是目标人群的总体还是能够代表目标人群的一部分（比较常见）？能够代表目标人群的样本并不等同于一个随意抽取的样本，你应该清楚这两个概念间的差别。你应该清楚怎样选择样本才能使其具有代表性。

有专门的统计测试可以帮助你确定样本的代表性。一且你确定样本大小已经足够代表全体目标人群，你就无需再扩大样本。你应该清楚能够被你所在领域接受的误差水平是多少，为什么这个误差水平是可以被接受的，它是怎样被计算出来的，它又意味若什么。

## 研究类型

### 概述

* 规模：小vs大
* 风格：非正式vs正式
* 重心：硬件、软件、界面、人、文献
* 数据采集方式
* 数据分析方式

### 规模

大部分学生认为，一项大规模的研究优于一项小规模的研究，而一项超大规模的研究则更好。大部分学生对于统计学方面的知识都知之甚少。

你可以利用统计学的知识来分析，你得到的结果在多大程度上具有偶然性。你同样也可以利用统计学的知识来估计，扩大样本可以在多大程度上使你获得更多发现。超出一定程度之后，增加样本数量就只是浪费资源了。

认识到增大样本规模并不会神奇地将不良数据转化成优良数据也是重要的。如果你采集的是不良数据（比如因为问卷设计得非常糟糕），那么增加样本数量，采集更多的数据意味着你拥有了更多的不良数据，并且浪费了更多被你“折磨”的受调查者的时间。

做某个特定实验需要采集多少数据有可能通过统计学知识计算出来。具体计算方法我们没有足够的空间在这里讨论，但是如果你能够找到一个统计员，和他说说好话，很有可能就能说服他帮你做计算。这样做的结果就是你高兴，统计员也高兴（尤其是当你邀请他参与最后的数据分析时），大众也高兴，因为你不会缠住太多的人做样本了。

如果你的研究问题正确合适，即你的样本很少也能获得成功。有一名学者曾写过一篇在国际会议上宣读的论文，而他使用的数据竟然仅仅来自一个受访者，没有比这更少的样本了。（有的评委甚至对这一点赞赏有加。）

以下列出了关于样本多少的一些指导意见。字母n代表样本多少：n=3就是说样本数量为3。各个学科在样本多少方面的惯例各不相同。如果你进行流行病学方面的研究，却只使用了n=2的样本，那么等到你的孙子孙女都老了的时候，人们可能还在嘲笑你。

一定要谨慎，可以通过阅览期刊来了解你所在领域的学术惯例。

n=1到n=5：案例研究

典型例子：对某组织的深人研究、概念展示、“白色乌鸦”型研究（也就是论证一种听上去匪夷所思的效应是存在的）

n=5到n=20：试点研究或小规模研究（pilot study or small study）

典型例子：从少量样本中采集丰富数据扩展形式的概念展示

n=20到n=50：研究（study）

典型例子：田野实验、正式实验

n$\geq$50：调查研究

典型例子：收集某种特殊条件、信条等的影响范围的信息

调查通常只涉及简单的信息收集，不涉及对调查对象的实验性操纵。这种样本规模的实验也不是没有可能进行，但它涉及的运算会非常繁琐。

### 风格

大多数的学科领域长久以来都存在着“整沽派”与“邋遢派”的区分。“整洁派”关注形式，提供对所在领域的有条理的、抽象的描述；“邋遢派”关注对事实的真正理解，虽然他们可能无法将事实有条有理地表达出来。这两大派别之间的关系有时是互相鄙视，有时是激烈争执。“整洁派“通常在学术圈拥有更高的可信度，因为他们会使用令人望而生畏的数学论证。“邋遢派”通常在实业界拥有更高的可信度，因为他们积累了很多实际经验，能讲很多“战争故事”，比如他们知道如果卫生安全局监管不善将会发生什么状况。有些人则界于两个派别之间，既能讲故事，又有能力做高深的论证。这些人往往会成为领域内的“领袖”，因此也就会得到邀请参加众多高层会议，享受免费的会议餐。

就研究设计而言，不同类型的研究构成了一条从正式到非正式的“光谱”。在“光谱”的正式一端是纯抽象：比如某个领域的数学建模或对同一个课题的多角度论证。从事这类工作，你不用为样本多少担忧，因为你根本用不着采集数据；你要做的是评估形式体系的完美。

接下来的类型是正式的控制实验，是从教科书上直接照搬过来的：比如，比较受不同对待的两个组的不同反应。做这类实验，你需要知道你控制的变量和你要测量的变量分别是什么，你还需要认真考虑样本多少的问题。

大约在这条“光谱”的中间位置是田野实验。在田野实验中，你无法控制所有你想要控制的变量，只能接受在外部世界做实验的现实主义特性。比如，你所在学校要重新装修时，你或许能够说服学校将计算机房的墙粉刷成好看的绿色，试图考察绿色是否能够对电脑使用者产生镇定作用，比较其他标准橙色机房的使用者，他们对计算机的抱怨是否会少一些。这项研究中，虽然你能够认识到应该控制哪个变量，测量哪个变量，但你总是会担心存在着某些你没有考虑到的变量影响了实验结论的准确性。

在“光谱＂的非正式一端是一组主观性很强、不可靠的数据，并且n值往往很小。这方面有个很好的例子，据说一位有名的社会学教授曾通过参与者观察的方式（也就是把自己打扮成一个流浪者来与其他流浪者沟通）研究过街头流浪者。这项研究的结果是产生了对该领域非常有趣的洞见，别人没有的数据，以及气味难闻的流浪汉衣服。

### 研究重心

研究重心可以集中在很多事情上。比如，在计算机科学领域中，研究可以集中在硬件、软件、界面、人（一组人或单个人）或文献上。有一种概念性划分对于大多数领域都适用，它将研究对象分为（a）非生物（b）人／动物／植物以及（c）概念／文献。每一类不同的研究对象意味着不同的研究设计。

以非生物为重心的研究结果应该会比较好。很多物理、化学、地质学以及类似学科都涉及这类研究。这些学科通常已经形成了它们自己的研究方法，我们在这里不打算班门弄斧。

以人（或其他生物）为重心的研究结果应该也会不错。虽然涉及这类研究的学科很多，比如心理学、社会学、人类工程学、历史等等，并且它们大多数都有悠久的历史，但仍然需要指出，这些学科在研究方法上还有有待改进之处。尤其是对于这些学科的学生而言，他们往往只知道使用访谈、问卷、阅读和上网这些研究方式。（这个问题在以下还会深入讨论。）

以概念或文献为重心的研究可能会有好的结果，但没有看上去那么容易。如果你做的研究需要采集新的数据，那么你可以很轻易地发现一些新东西——就算仅仅改变问卷的用词都足以使你有新的发现。但如果你的研究只涉及概念或者文献，那么你需要先掌握已经形成的知识才能开始去寻找新发现。这意味着你必须阅读所有相关文献，包括最新的和最艰深的，然后努力想出连领域里最聪明的学者都没有想到的东西。这项任务不适合新手。如果你认为仅仅将其他学者的发现汇报一番就能算是原创性的研究，那你就大错特错了——那不算原创性研究。在博士研究阶段，你应该能够利用文献来展示自己原创性的思想，但更明智的做法是利用新的数据或研究方法，而不是从正面突破。

### 数据采集方式

采集数据的方式有很多。熟悉多种数据采集方式是个好主意，它能使你的研究轻松很多。

如果你的数据采集需要与人打交道，你可能想更多地了解以下提到的这些方式。其中有一些（尤其是涉及身体特征衡量的）可能涉及道德或审批的问题。

* 生理测量：反应时间、心电图、脑电图、皮肤检流计测量、对仪器施力；
* 行为方面：对不同情境的反应，比如看考察对象对门缝里冒出的烟的反应，或者看考察对象是否寄出一封别人掉下的信（可能会涉及道德问题）；
* 观察：直接观察、间接观察、参与者观察、定影法、时间线法；
* 访谈一类：访谈、情景法、关键事件技术；
* 个人建构理论·凯利方格技术、阶梯技术、卡片分类、推论图。

### 数据分析方法

分析数据的方式多种多样，可以根据不同目的使用不同方式来分析同一组数据。以下分析方法是你在做任何统计分析时会遇到的，你应该熟悉它们：内容分析、编码分类、时间序列、语言分析、因果断言、记号语言学、解构法、实地理论。

## 研究设计的典型错误

研究最大的障碍是研究者自己的假定。无知和孤立是研究的大敌。以下列出了其他一些应该注意回避的错误：

* 不看清楚就往下跳；没有思考（对假设、证据、技术、可能出现的问题进行反思）。
* 无知：往往表现为做前人已经做过的研究（在图书馆呆一天可以节省六个月做多余研究的时间）。
* 颠倒顺序：在提炼出研究问题和明确证据的要求之前就选择研究技术（事情要一件一件地按顺序做）。
* 过高的期望；也叫做在“眼睛比胃大”或“咬下来却嚼不动”（如果研究问题太大，换个小一点的；一辈子的研究需要一辈子去完成，但每一次只能完成一步）。
* 从指缝里溜走的沙子：一个精确的研究需要一个精确的问题，然而当实验的各个细节都在你的控制之下时，你可能已经忘记了你最初的目的，以及那个最根本的问题（后退几步，回忆一下研究是怎样开始的，各个步骤是怎样一节节连接在一起的；或许你需要用粗线条的方式来帮助自己明确研究的基本问题）。
* 偏见：要警惕偏见，要诚实，读一本这方面的好书。
* 将秩事与事实混淆：“众所周知”的事情往往是不正确的（可以使用那些众所周知的事例来帮助自已形成问题，但解答问题必须寻找独立的证据）。
* 将统计与精确等同：弄清楚统计学能够解决和不能解决的问题，然后找到一个好的实验统计员咨询。目的是要了解各种类型的证据能够说明什么，不能说明什么。
* 优秀试验的错误引导：有时候你需要一种不同于别人的成功实验的实验方法。
* 对失败缺乏尊重：尼尔斯·玻尔（Nils Bohr）曾指出：“科学不是那些有趣的东西，而是那些奇怪的东西。”伟大的研究往往是意想不到的。最糟糕的研究是没有带给你任何新信息的研究；你的“失败”提供了什么信息？
* 理论不足：回到图书馆去“补课”。
* 过于概括：注意自己的陈述，一丝不苟地处理推断链。
* 致命的独立：试图做各方面的专家（发展社交圉；与真正的专家一起喝咖啡）。

## 计划大量研究

你刚被系里聘用，坐在办公桌前，世界就在你的前方，可你除了对你的管理者布置的工作有反应之外，对其他事却有点无所适从，只知道做系主任吩咐的、系里秘书为你列出的事。你该怎么办呢？

### 第一步

第一件重要的事就是要学会蟑螂原则（the cockroach principle）。蟑螂在地球上的历史可比人类悠久得多，可能还会比人类灭绝得更晚。它们之所以能够生存那么长久的时间，是因为它们有很强的适应性。它们的一条关键生存原则是找到一个舒适、安全、用于藏身的洞，这样只要一有危险，它们就可以钻进洞里。这对你的启示是，你应该为自己寻找一个保护人或避难所。理想情况下，你的保护人和避难所应该分别是你的老板和你的工作。一个好的老板会保护他的员工，把他们当做珍贵的资产来对待。如果你的老板是这样的人，那么当一些权力比你大的傻瓜找你麻烦时，你的老板应该能够出面帮你解决。这样，你也能够对找你麻烦的人说：“这个问题你必须和我的老板谈。”并且知道自己将不会再听到那个仗势欺人的要求、威胁或不合理的命令，这是一件非常让人感到宽慰的事。

然而人类面临着一个对于蟑螂来说不存在的问题：人类的避难所是社会性的，而不是洞，所以人类必须维系社会关系才能持久地拥有自己的避难所。维系避难所并不是通过卑躬屈膝或贿赂，而是通过恪守要得到保护必须履行的职责，也就是说，你应该完成你分内的工作，并且支持你老板的管理工作。支持你的老板并不一定是项艰巨的工作。很多成功的老板之所以成功是因为他们友好、乐于助人。有时你可能会处于比较奇怪的处境中，比如你有时可能会帮助其他系的老师进行一项与你的公职完全无关的工作，但你至少你是在发挥你的价值，你对学校的整体运行作了贡献。

但有时会出现不幸的情况，你的老板不愿意或者不能够保护你。这方面的典型例子是：你的老板是系主任，而你是系里资历最浅的讲师，不得不担任苦差事，比如组织系里的娱乐活动，给一个由300名不守规矩的二年级本科生组成的大班讲课等等。这些差事既不特别公平，又不特别有趣，但除了接受似乎没有其他可选择的方案。你能做的是对这些任务的性质作个评估，它们是对新人的门槛，过了之后就是平坦的工作道路，还是预示着你将不断地受到不公平待遇和长期煎熬，就好像但丁《神曲》的后半部分描述的地狱一样。如果你的答案是后者，那么应该尽早地找个新工作。

假设你将留下，并且可能会有好的前途，那么你下一步该做什么呢？

### 第二步

在确保完成老板布置的工作和系里的职责后，你应该制定自己的计划。这是你的生活，你的事业，除了你没有其他人可以支配。你可以决定要赢得诺贝尔奖，也可以决定一辈子研究瓦龙人（Walloon）语，平静地过日子，这完全取决于你自己。

如果你决定在做研究的基础上开展你的事业，那么你就有必要设定一个综合计划。随便抓住一个机会，做一些最基本最简单的研究工作是很轻松的，也是很有诱惑力的行事方式。但你必须抗拒它们的诱惑力。它们会使你浪费时间，而这些时间可以用于做其他更有意义的事——比如，用别人需要花费的一半的时间完成一项出色的研究，然后利用节省下来的时间到公园散步，或者进行其他适合你的、可以防止你成为工作狂的休闲活动。

你设定的计划中的很多参数其实在很大程度上是由你所在学科的惯例决定的。如果你要发展研究事业，那么你需要有收人来源，培养出优秀的博士生和发表优秀的论文。那些经验丰富的同事会告诉你，要达到可以接受的、好的和出色的标准，以上三项成就每一项必须完成的数额。

虽然这些参数大部分是事先规定好的，你仍然有很大的自主空间，你可以选择要进行什么研究来达到你的目标。每年必须发表两篇期刊论文的规定是死的，但你可以选择任何课题来写这两篇论文。那么，你该如何选择研究对象呢？

### 规划以及其他知识组织形式

专家们在逻辑和抽象推理方面并不比新手具有明显优势，许多其他方面则与新手水平相当。他们明显强于新手的是，他们善于组织对自己研究领域的专业知识，他们掌握的事实也要比新手多得多。另外，他们比新手更善于制定研究战略。这方面有很多权威性的文献值得一读。

一个将知识组织起来的有效方法是作规划。比如在研究领域起步的规划是得到一个学位，再拿到博士学位，随后是若干年博士后研究，然后得到讲师职称。做规划很有用，因为它为很多问题提供了现成的解决途径，无需进行太多的原创性思考。

进行一项研究的标准规划是在你的研究工作中找到一个值得发掘的点，然后将其作为学生研究项目的基础。如果研究得到的结论足够有趣，这个学生研究项目就能构成一篇期刊论文的基础，学生本人则能在毕业后成为博士候选人。期刊论文将确立其作者在该研究领域的发表优先权，所以你不用担心别人会抢先一步。如果博士阶段一切顺利，你和你的博士生可以在博士阶段最后一年合写一份研究提议书，你的博士生于是可以开始博士后阶段的研究。

如果你不能确定研究的重心应该放在哪儿，那么你该怎么办呢？有一个办法可以将问题区域减小到可以掌控的尺度，那就是使你的研究包含一系列的组成部分。如果你是个新手，或者感到紧张，可以从研究的其中一个部分开始着手。

除了作规划之外，另一个专家们擅长的技能就是把事情整合起来。比方说，如果你的研究涵盖若干部分，很快你就会没了头绪。在这种情况下，一个很有效的办法是分配任务。比如，你可以让你的博士生负责监督与他研究课题相关的某些本科生项目，而这些项目则又是构成你的研究的若干部分之一。

### 道德规范

道德规范非常重要。问题在于人们对什么是道德有不同的理解。我们在这里尤法给出一份道德问题清单，或者一张对付道德问题的热门诀窍排行榜。我们能做的是给你一个核心概念，提供一些背景知识，从道德纬度上讨论人们研究过程中的某些行为，使得你能够做出自己的理解和判断。

谨慎责任
:   研究道德的一个核心概念是“谨慎责任”。作为一名有原则的研究员，你应该对多个主体负有谨慎责任，包括你的前辈、你所在的研究团体、你的同事、你的研究对象，还有一个你必须付谨慎责任的主体很有意思，那就是你自己。如果你在研究中收集了来自受访者的关于他们最尴尬经历的保密信息，那么你对你的受访者就负有谨慎责任，也就是说，你应该确保他们的名字永不公开。如果你记不住道德问题的种种注意事项，那么一定记得问自己：我对谁负有谨慎责任？负有什么样的谨慎责任？

研究对象
:   一个世纪前的一名德国学者曾说过：“我们不能以拟人化的方式来对待人。”这句话回味起来很有深度，能使我们得到启示。

    然而，当你在与作为人的研究对象打交道时，你必须考虑你的研究会对他们产生的影响。米尔格兰姆关于人们屈从于权威的实验如果在今天进行，一定无法通过道德审核，因为他的这项实验使他的研究对象发现，他们竟然做得出这样的事：因为一个掌权者的命令，他们就向某人施以他们认为是致命的电击。这是个极端的例子，但很说明问题。

    你可能会认为，你的研究不会给你的研究对象带去如此令人不快的自我发现。然而问题是，当初米尔格兰姆也不曾预料到它的实验将给研究对象带来的影响。他就研究对象可能做出什么行为咨询了他的同事以及心理学专家。大家达成的共识是，研究对象会在实验早期就拒绝给他人施以电击。

    因为各种原因，人们常常无法形成一个对自己的准确认识。原本意料之外的个人的某些方面能对人产生严重影响，这就是在米尔格兰姆的实验中，研究对象意识到的。

    通常我们会说要避免实验对研究对象产生不良影响，而这种说法把事情过于简单化了。我们能给出很有力的论证来推翻这种说法的科学性，那就是：使人们认识到自己的弱点和短处能够帮助他们更好地了解自己，从长远角度看这是对他们有好处的——心理疗法的核心概念就在于此。对人性的优点和缺点的认识也能使整个社会更好地运作。

    在以人为研究对象这个问题上不存在一个明确的、既定的答案。你必须自己动脑筋去思考。这类思考会使你成为一个更加优秀的人，尤其当你抵挡住了自欺欺人的诱惑而直面问题的时候。以下是一些可能对你有所启发的问题：

    * 你有没有声称，只要目的正当，可以不择手段（一种受很多人偏爱的信仰）？
    * 你的导师／老师／上司说过可以这样做的吗（就像在米尔格兰姆的例子中）？
    * 如果你的一个最受你鄙视的敌人列出了一份研究纲要，而你负责对他的这项研究做道德审核，你会有何感受？
    * 如果你收到通知，你的一个研究对象聘请了沃尔夫拉姆（Wolfram）和哈特（Hart）要起诉你进行了不道德的研究，你会感到舒服吗？
    * 你在临死前回忆起这项研究会是什么感受？是感到骄傲，还是惭愧？

署名问题
:   决斗被认为是违法的以后，真正的研究才开始出现，这或许不是偶然。对于发表作品署名问题的争吵有时会异常激烈凶残，不亲身经历根本无法体会。

    争吵是有原因的。你可以回忆一下在论文里引用参考文献的惯例。如果是单个作者的引用（比如“史密斯这1999”），那么以后每次在论文中提到这部文献，都将是“史密斯1999”。如果是两个作者合著的引用（比如“史密斯和琼斯1999”），那么以后每次在论文中提到这部文献时，都将是这“史密斯和琼斯1999”。当引用文献是由三个或三个以上的作者合著完成时，情况就有所不同了。所有作者的名字会在第一次引用时出现（比如“史密斯，琼斯和高卜利不1999”），而接下来的所有引用都将简写成“史密斯等1999”。另外，第一作者还会被按惯例认定为做了最多研究工作的作者。做第一作者与做“等”代表的作者在吸引论文读者的注意力方面大不相同。所以人们对于名字的排序争论不休。

    处理这个问题有一些简单的方法可供参考：

    * 在研究开始前，就著作权和论文各部分由谁写达成协定——如果这个阶段就存在着无法调和的分歧，那就没有必要合作搞研究了；
    * 只与自己喜欢、信任并尊重的人合作；
    * 拟定出一套各方都认为公平的机制，然后严格按机制办事；
    * 只写一个人或两个人合著的论文。

匿名
:   通常的惯例要求：你的研究对象是真正意义上的匿名。这与不给出他们的名字是两回事。如果你的研究对象（不管是某个个人还是某个组织）的身份被识别出来了，那么这个研究对象就不是真正意义上的匿名。不幸的是，的确存在着某些情况，在这些情况下很难在描述研究对象的同时仍然保护他们的匿名身份（比如不“一个英国主要的非商业电视广播公司”）。如果可能出现这样的问题，在数据采集前就要及时解决它——这可比在法庭上解决好得多。

致谢
:   你应该肯定和承认别人作出的贡献。这包括领域内在你之前的研究者、为你的研究提供过帮助的人、与你在研究上有过合作的人、帮助你准备研究设备的技术人员和为你的数据分析提供意见的统计员。当某人对你研究作出的贡献构成了研究一个不可忽略的部分时，他就有权利成为研究论文的合著者。但如果某人对你研究的贡献只是他日常工作的一部分，他不对总体研究设计和研究性质有任何贡献，并且只按照研究者的具体指示来作出他的贡献（比如按照研究者需要的设备要求来准备实验器械的技术人员），那么一般只在致谢中肯定他的贡献，而不给予合著者身份。

    在这方面，涉及研究助理的情况没有清晰的界定，常常导致关于研究项目的激烈争执。如果你是研究者，花了数年的时间发展出了一套理论体系，你不愿意把发表的第一篇作品的第一作者身份拱手让给那个在你聘用他前对相关领域一无所知的研究助理，这是可以理解的。但如果站在研究助理的立场上考虑，他完成了很大一部分研究设计，实际执行了调查和分析，写了论文的第一稿，如果作了那么多贡献却被剥夺作者的身份，那也实在是说不过去的。

知识产权
:   知识产权是个正在高速发展的领域，尤其是对于律师们来说。它涉及的问题是哪一方拥有对某个想法的占有权，并有权通过实践这个想法获利。这个问题也没有清晰的界定。如果你花了20年的时间研究老年痴呆症，并在进入圣温妮弗莱德大学（St Winnifred College）工作后的第三个星期终于有了重大发现，那么如果你所在的大学以你正在为其工作为由声称他们对你的发现享有知识产权，那么你一定不会太乐意。如果你所在的大学因为你的这项发现而获得了巨大的利益，成为世界上最富的大学之一，你却没有得到一分钱的好处，你当然会更不乐意。反过来，如果你是拉特兰大学（Rutland University）的副校长，长期以来一直致力于筹集资金促进大学在艾滋病治疗方面的研究，那么如果有个新来的教员忽然自建门户，在学校研究的基础上发展出自己的公司赚钱，你大概也会不高兴。还有一种情况，如果你在15年的研究过程中更换了若干个研究助理，那么在得到最后的研究成果时，你15年前的研究助理是否与你刚聘用的研究助理一样有权分享研究成果带来的利益呢？没有人能够说清楚这个问题。

    你有必要尽早考虑这些问题，弄清楚自己想要的究竟是什么。一所明智的大学机构应该会提供给你两方面都满意的补偿。随着知识产权问题变得越来越普遍，我们拭目以待究竟有多少明智的大学会这么做。

真理
:   万斯（Vance）曾说过，真理是珍贵的宝石，越稀有就越珍贵。控制真理的低供给来维持它的高价格并不是研究人员的工作。然而，真理是个很难定义的，相对的概念。你甚至可以有力地论证，真理严格地说来是个没有意义的概念。另外，第一和第三条研究的黄金原则（它们分别是“不要说谎”和“不要惊慌失措而在压力下吐露真相”）也说明了真理的相对性。

    摆脱这种困扰的途径是用无限这个概念的数学性质决定的不对称性来论证真理。存在着无限多个命题，每一个与既定现实世界的一个方面对应，我们于是称这些命题为“真理”。然而这并等于说所有的命题都是真的。还存在着无限多个与现实世界不符合的命题，我们说这些命题是“非真理”。你发表的研究论文不应该是你认为非真理的东西。