点击蓝字

关注我们

摘要

通过Python爬虫程序、ROSTCM 6的词频分析功能获取前辈指导、知识积累、兴趣爱好、价值预判、选题投机、研究方法共6个前因变量，在此基础上，对371份调查数据进行模糊集定性比较分析（fsQCA），对造成研究生“选题难”和“选题易”的原因进行探究与比较。研究发现，造成“选题难”的原因可归纳为“寡欲无知”“求助无门”“束手无策”的“三无”，而促进“选题易”的原因则较为全面，主要与前辈指导、知识积累、兴趣爱好和价值预判有关。通过对核心条件和外围条件的对比，发现缺乏知识积累才是导致“选题难”的最关键因素，而前辈指导与兴趣爱好是对选题帮助最大的两个其他关键因素。

作者简介

郭仕豪，南京大学教育研究院博士研究生，南京 210093；

余秀兰，南京大学教育研究院教授，南京 210093。

一、研究背景

爱因斯坦认为提出一个问题往往比解决一个问题更重要，因为解决问题也许仅仅是一个数学上或实验上的技能，而提出新问题、从新角度看待旧问题，却需要有创造性的想象力，标志着科学的真正进步。实际上，发现一个问题在某种程度上比解决一个问题也更困难，在“小木虫论坛-学术科研互动平台”“知乎”等社交平台以“选题难”“怎么选题”“研究方向迷茫”等关键词搜索得到的结果数量成千上万，可见“选题难”是研究生在科研与论文写作过程中时常遇到的障碍，虽然诸多研究方法类教材中不乏对于选题的指导，却依然难以从实际层面上帮助研究生找到合适的选题，更有甚者，许多研究生即使掌握了高深的研究方法和分析工具也无用武之地，时常因为找不到高质量的研究课题而感叹“巧妇难为无米之炊”。

不堪选题之忧的研究者们对此开展了多层次、多角度的探索，试图找到影响选题难度的原因和解决“选题难”的方法。有研究者发现，传授可操作性的研究方法、塑造科研氛围浓厚的研究团队能够提高学生的研究素养，有助于扩大研究领域，挖掘更多的潜在选题。而问题意识能够帮助研究者不断向纵深处挖掘，最终将选题聚焦于一个核心。此外，对某一领域的研究兴趣和对研究结果的期望等个人因素也能够使研究者具有更强的选题动机，使选题既有理论贡献，又能满足个人需求。但是如果研究生在选题时盲目求“大”、求“新”、求“异”，则易导致研究课题流于空泛、猎奇，没有价值。为了启发研究者的灵感，前人在研究成果中指明了研究课题的来源，例如社会发展需要、学科发展需求、生活中的实际问题、国家制定的课题指南等，也为选题工作确立了原则，例如满足理论与实践发展的价值性原则、符合主客观条件的可行性原则、立足于研究对象之外的客观性原则，还提出了实用的选题方法，例如浏览捕捉法、回溯验证法等。也有人从细节上提出选题时的注意事项，例如将“问题”上升为科研问题之前，还要验证其真实性、可行性，即验证此问题在现实生活中是否确实存在、是否能够被明确地解答。

前人通常以思辨方式分析“选题难”的原因，并基于个人经验或既有理论对科研选题提出改良建议，而较少采用实证方法，元分析研究的数量也较少。“选题难”是一个发生在研究过程中的实际问题，因此要克服“选题难”，也需要从实际中寻求经验与教训，倾听研究生们的声音，才可能发现问题的症结所在，进而制定出有效的策略。

在选定一个内涵丰富、逻辑严谨的课题之前，往往需要经过长期的积淀与探索，在此过程中，许多因素都发挥了或显性或隐性、或主导或辅助的作用。即便研究生能够选定一个优秀的研究课题，也不一定能够明确地意识到究竟是哪些因素真正帮助了自己，一旦被某些滥竽充数的因素误导，辨不清主次虚实，就有可能在寻觅下一个科研选题时陷入新的迷茫。为了帮助研究生克服“选题难”，本研究将探索究竟是哪些关键因素导致了研究生“选题难”，并探明它们的主次关系、作用机制。

二、研究设计

研究分为三个阶段：第一阶段，获取与“选题难”相关的网络文本，以文本分析获取导致“选题难”的前因变量；第二阶段，以前因变量为维度编制调查问卷，获取分析数据；第三阶段，基于数据进行模糊集定性比较分析，探究、对比造成“选题难”的原因和促进“选题易”的方法。

1.文本分析

网络社交平台是当今青年人表达思想的重要渠道，“小木虫论坛”“经管之家”等学术科研论坛网站上有许多关于论文选题的讨论帖，知乎、新浪微博等社交平台上也有诸如“论文选题我该怎么选”“毕业论文选题”等提问和话题讨论，研究生们经常在这些平台中分享学术心得、倾诉科研烦恼，因此用Python爬虫程序从“小木虫论坛”“知乎”和新浪微博网站中爬取关于“选题难”的讨论帖和评论的文本，能够为探索影响“选题难”的因素提供广泛的依据。随后，使用ROSTCM 6文本挖掘软件分析上述文本的中文词频，并对排在前20位的中文词汇进行开放式编码，得到核心概念，作为前因变量。

2.问卷调查

调查问卷分为两部分，第一部分包含5道选择题，对受调查者的专业、读研院校、核心期刊论文发表情况、选题难度感知进行调查；第二部分是以上一步发现的核心概念为维度编制的李克特5级量表，对影响选题难易度的各个因素进行调查。

3.路径分析

在以往的定量研究中，多元线性回归分析通常被用于探索或验证多变量之间的相关性，但是如果各个自变量之间存在多重共线性，就会扩大回归方程的误差，并破坏模型的稳健性。然而在现实生活中，导致“选题难”的因素往往相互关联、牵一发而动全身，前因变量之间的多重共线性难以避免，因此需要一种更完善的分析方法。本研究使用模糊集定性比较分析（fuzzy set Qualitative Comparative Analysis，简称fsQCA）代替多元线性回归分析，对造成研究生“选题难”的原因进行探索。fsQCA采用组态比较分析法（configurational comparative analysis），把每个样本都编码为由若干数字代表的组态，先运用布尔代数与集合论进行数理分析，再基于样本对分析结果进行个性化解读，兼具量化与质性的优点。而且fsQCA能够研究由多个原因联合导致同一结果的“多重并发因果关系”，对于自变量之间的多重共线性也没有限定，恰好适用于探索造成研究生“选题难”的核心因素究竟是哪些。

《论语》中有“择其善者而从之，其不善者而改之”，因此不仅要明确“选题难”的原因，也要找到减少选题障碍的诀窍。本研究将对“选题难”和“非选题难”（为行文方便，下文简称“选题易”）分别进行分析，以期得出更具说服力的结论。

三、前因变量设计

1.前因变量的确定

鉴于“小木虫论坛”“知乎”和新浪微博对“选题难”问题的探讨和评论的数量可观、质量较高，因此用Python爬虫程序从网站中爬取关于科研选题讨论帖和评论的文本。尽管“选题难”长期普遍存在，但社会发展日新月异，科研选题的背景与条件也今非昔比，“选题难”也势必具有不同的内涵和表现。因此为了反映近5年内的“选题难”问题，将爬取文字的时间限定为2015年1月至2019年12月。初步阅读爬取到的文字，删除其中的广告和“谢谢！”等无关内容，最终获得资料9万余字。使用ROSTCM 6对文本进行中文词频分析，除去“研究”“问题”“然后”“最好”等复述性词汇，排在前20位的高频词汇为“导师”“兴趣”“文献”“方法”等等，经归纳得到6个核心概念作为前因变量，见表1。 

 以上述6个核心概念为维度、以李克特5级量表形式编制问卷，问卷包含18个题项。借助微信等社交媒体进行了两次问卷调查，第一次调查对象为苏浙两省高校的教育学专业研究生，第二次调查对象增加了北京、上海、辽宁、国外等其他地区高校和其他专业的研究生，两次共获取371份有效问卷。调查对象中，42.32%来自人文社科专业，57.68%来自自然科学专业；16.17%以第一作者在核心期刊发表过论文，40.46%以其他署名位次在核心期刊发表过论文，53.37%从未在核心期刊发表过论文；14.82%认为在选题过程中没有明显困难，85.18%认为选题过程很困难。使用SPSS 23.0对问卷6个维度的18个题项进行信效度检验，各维度及总体的Cronbach’s α均在0.7以上（见表2），KMO=0.871，Bartlett’s球形检验sig＜0.001，说明问卷的信效度均较良好。

2.前因变量说明

（1）前辈指导。我国的研究生教育实行导师负责制，导师的学术指导及资源支持对于研究生培养举有重要意义。研究结果表明，影响博士生培养质量的因素中约40%与导师有关，大部分博士生也表示自己的论文选题与撰写都得益于导师的悉心指导，而且支持型的指导风格更容易激发学生的创造力，有助于灵感的酝酿与迸发，而控制型的指导风格能够督促学生克服惰性、努力学习，为科研奠定基础。与导师指导作用相似的是师兄师姐等前辈的指点，在导师职能缺位时，他们也能够凭借经验为后辈研究生的选题提供建设性意见。此外，相较于导师，同学间较小的身份差距也能够为选题的“头脑风暴”营造更轻松融洽的氛围。

（2）知识积累。知识积累在狭义上仅指专业知识背景，而本研究则倾向于为其赋予更丰富的内涵。充足的专业知识储备能够为科研选题提供理论基础，因此许多学科在研究生招生时更青睐本硕专业一致的考生。然而在学科交互融合的发展形势下，知识的内涵极大丰富、外延持续扩展，也形成了更广阔的选题“蓝海”。他山之石，可以攻玉，对于具有跨专业学习经历的研究生来说，其他学科的专业知识在某种程度上也能够为其选题提供助力。此外，关注新闻媒体的时事热点能够为研究者提供选题灵感，也使研究结果更具实践意义。当下许多实证研究的研究假设都基于既有的理论知识，一旦缺少理论基础，选题的严谨性也会遭到质疑，然而优秀的研究选题并不是一味地堆砌既有的理论知识，也需要研究者辩证地批判、理性地审视，拿捏好个中分寸。

（3）兴趣爱好。兴趣，即人内在的和明显表露出来的活动力与积极性，就是主动性。兴趣作为一种内在动机，不仅为研究者指明选题方向，还提供了持续的研究动力。兴趣映射着人的需求，在马斯洛需求层次理论中，兴趣可以满足“情感与归属”乃至“自我实现”的需求，将兴趣寄托于科研，能够以一种较为高明的方式答疑解惑，而且当研究成果公之于众并被世人认可时，研究者的表现欲及价值感都能得到满足。尽管兴趣爱好并非选题的唯一依据，甚至许多与兴趣爱好无关的选题也能够产生创造性的成果，但是一旦缺少兴趣爱好的支持，选题将与研究者的内在需求脱节，导致研究者缺少内发的选题动机。

（4）价值预判。科研的任务在于拓展知识边界、造福现实生活，因此科研的选题要具有理论或实践上的价值。选题中的“价值预判”可理解为一种对于选题价值的效能感，即对于选题是否具有理论或实践意义的预先判断。从更微观的层面上看，它还包括对于选题是否新颖、是否顺应当下社会局势的预先判断。价值预判看似是在评判选题的优劣，实际上是在反向审思理论建设与实践发展中的需求，因此敏锐的价值预判能够帮助研究者从理论与实践中发现亟须解决的问题，自然而然地选定有价值的研究课题，而迟钝的价值预判则难以帮助研究生发现科研如何满足理论建设与实践发展的需求，进而时常被“究竟有什么可研究？”之类的问题困扰。

（5）选题投机。科研基金立项和期刊论文审稿，都或多或少对某些研究方向及领域的选题较为青睐，也会发布指导性的选题指南，因此部分研究生为了能够成功申报科研项目或论文更容易被权威核心期刊录用，会拟定与之契合度较高的研究课题，由此，“选题难”便得到了一定程度上的缓解。此外，选题投机还表现为，在意识到研究难度超出自己的能力范围时，能够退而求其次，通过调整研究方法、减少变量维度等途径继续研究原有课题，免去了重新陷入“选题难”的烦恼。然而类似于耶克斯-多德森定律所描述的，过高的动机水平反而会降低工作效率，在选题过程中抱有过高的投机性外在动机，也可能会暗藏弄巧成拙的风险，导致即便有选题指南的宏观指引，也难以聚焦于一个有价值的微观视角，落入另一种“选题难”的怪圈。

（6）研究方法。研究方法通常包括选取研究对象、使用研究工具、分析研究资料、表述研究结果等步骤。由于研究课题的目的、难易度等性质各异，因此适用的研究方法也不尽相同，先进的研究方法能够为研究者提供崭新的研究视角，用新工具挖掘老问题，使既有理论更加完善，也为开拓广阔的研究领域提供技术支持。此外，掌握研究方法也能提高研究者的自我效能感，激励研究者挑战高深的科研难题。而如果不能扎实掌握并熟练运用研究方法，就可能降低研究者的自我效能感，放弃某些对研究方法要求较高的选题。

四、模糊集定性比较分析

1.必要性检验

在进行模糊集定性比较分析之前，须对前因变量进行必要性检验。学界通常用一致性（consistency）来衡量前因变量对于结果的必要程度，即结果在多大程度上源于前因变量的影响，当consistency≥0.9时即可判定该前因变量为结果的必要条件。表3的分析结果显示，当结果（outcome）为“选题难”时，所有前因变量及其否定变量的consistency均小于0.9，说明它们均无法独立构成导致“选题难”的必要条件，因此仍需要通过组态分析来探究“选题难”是由哪些因素共同导致的。而当结果为“选题易”时，“知识积累”和“价值预判”的consistency＞0.9，表明二者可被视为“选题易”的必要条件。即便如此，也不能贸然放弃后续分析，而应该用后续分析的结果验证二者的必要性，并探究其他前因变量对“选题易”的影响，将“知识积累”和“价值预判”与其他前因变量结合，共同解释“选题易”的原因。

2.变量赋值与数值校准

为便于理解和运算，本研究统一将具有积极意义的变量都赋予较大的数值，将具有消极意义的变量都赋予较小的数值，即结果变量中[1]代表“选题易”，[0]代表“选题难”；前因变量中[5]表示利于选题，[1]表示不利于选题。

模糊集定性比较分析在进行布尔运算之前，需设定“完全隶属”“交叉点”“完全不隶属”3个定位点，将变量都校准为区间[0,1]的连续数值，因此在使用calibrate程序对结果变量进行校准时，本研究采用学界常用的1、0.5、0三个数值作为定位点，而前因变量数据来自于李克特5级量表，数据中包括大量代表“一般符合”的“3”，所以为了避免出现过多的“逻辑余项”，在多次迭代后将“交叉点”由3调整为2.9，详见表4。

3.分析结果

在对变量进行数值校准之后，用fsQCA 3.0对“选题难”和“选题易”分别构建真值表。为了能够在尊重样本实际情况的前提下实现最大程度的降维，经过多次迭代，在“选题难”的真值表中删除样本频数小于5且原始一致率（raw consistency）小于0.9的组态，在“选题易”的真值表中删除样本频数小于1且原始一致率小于0.74的组态。经过标准化分析（standard analyzes），得出复杂解（complex solution）、简约解（parsimonious solution）、中间解（intermediate solution），详见表5。学界通常采用中间解进行分析，它介于复杂解和简约者之间，能够将理论、经验与分析结果相结合，并不排除“逻辑余项”，因此兼具严谨性与普适性。

五、路径解析

Fiss将在简约解和中间解里都出现的前因变量定义为核心条件（core condition），将只在中间解里出现的前因变量定义为外围条件（peripheral condition），因此在将表6进行直观化处理时，使用不同符号对必要程度进行区分，详见表6。可见导致“选题难”的原因共3条路径，促进“选题易”的方法共1条路径，每条路径中的前因变量都为3至4个，实现了不同程度的降维。

1.“选题难”的原因：“三无”

在导致“选题难”的3条路径中都包含“～知识积累”。“～知识积累”表示研究生较少地从新闻媒体、论文、书籍中发掘选题的素材和灵感，而它在3条路径中都出现，说明这一因素即便在降维之后仅存的前因变量中仍然处于核心地位，即专业知识匮乏、信息渠道闭塞是导致“选题难”的最关键因素。科研选题过程本质上是信息的搜寻、积累、重组与产出，将信息按照内在逻辑构建为层次分明的问题网络，并转换提问角度，将日常生活中的“问题”精炼为有价值的研究问题。如果缺少知识积累，选题就会成为无源之水、无根之木，导致基础薄弱、灵感枯竭。此外，缺乏知识积累不仅会造成选题难，甚至会对整个研究过程产生消极影响。即使在选题不成熟时强行启动研究进程，也有可能因编制的研究工具不科学而导致研究结果的信效度低下，或在研究的后期因为缺少理论支持而导致分析论述空洞肤浅，到无力补救时只能另起炉灶，拟定新的选题。

路径1、2、3除了都包含“～知识积累”，还各有特点，描述了三类不同的“选题难”原因，总体上可以概括为无知寡欲、无人问津、无能为力的“三无”。

（1）寡欲无知（路径1）。路径1在“～知识积累”基础上还包含“～兴趣爱好*～价值预判”，表示研究生自身的兴趣爱好与就读专业的相关选题缺少关联，对科研选题的理论或实践价值也没有清晰的认知。这个类型的“选题难”通常表现为因对本专业研究缺乏兴趣而不愿挖掘潜在的选题，以及因意识不到选题的意义而不知拟定何种选题，整体上呈现出一种寡欲无知的状态。

教育部发布的历年《全国教育事业发展统计公报》显示，2010年至2018年，我国研究生招生人数增长了59.42%，在学研究生人数增长了77.54%，为社会发展培育了大量高素质人才。然而其中部分研究生读研的原因仅是从众心理驱使下的“随大流”，或是为了推迟就业压力、增加求职筹码，在读研期间并没有培养出对科研的热情，更不会将兴趣爱好与所学专业的选题构建有机联系。他们的日常生活与学术研究甚至完全隔离，发展重心落在与科研无关的其他方面，较少思考也难以洞察科研的意义所在，因此“选题难”也不足为奇。对此，多个研究者建议调整硕士研究生培养方案，使研究生培养能够因材施教，降低硕士研究生发表学术论文的硬性要求，使本身就对科研缺乏兴趣的研究生能够将宝贵的精力投入到收益更丰厚的其他领域。

（2）求助无门（路径2）。路径2在“～知识积累”的基础上还包含“～前辈指导*价值预判*选题投机”，表示研究生能够在功利性外在动机的驱动下拟定与研究热点相关的或难度较低的选题，也能够清晰地认知哪些研究方向的选题具有理论或实践价值，但是无法得到导师、师兄师姐等前辈对于选题的指导。这个类型的“选题难”通常表现为个体研究动机与前辈指导之间的脱节，即便有科研意向也得不到前辈的指导，整体上呈现出一种求助无门的状态。

研究生在功利性外在动机的驱使下能够放松选题要求、扩大选题范围，如果辅以前辈的悉心指导，便会起到锦上添花的作用，不会产生“选题难”的困扰。然而部分导师因公事繁忙，无暇关注研究生的科研，导致研究生在选题时无处获得方向指引、技术支持和物质保障，因此不敢轻易尝试研究成本较高的课题，也不知如何精炼和打磨不成熟的选题灵感，使选题再难向纵深处挖掘，进而依然难以拟定出高质量的选题。如果从同门师兄师姐处也无法获得选题上的点拨，研究生的选题之路便会更加艰辛，仅能凭借自身有限的经验进行摸索试误，然而通常事倍功半。

（3）束手无策（路径3）。路径3在“～知识积累”的基础上还包含“～前辈指导*～研究方法”，表示除了如路径2中描述的缺乏前辈的选题指导，研究生在掌握科学的研究方法和熟练的分析技术方面也多有欠缺。这个类型的“选题难”通常表现为由于研究方法的生疏而无法涉足某些对研究方法要求较高的优秀科研课题，由此错失良机，整体呈现出一种束手无策的状态。

虽然某些问题的研究并不局限于某一种特定的方法，但是对于部分科研课题来说，不同的研究方法之间确实存在适合与否的差异，而其中某些研究方法又需要依托于程序软件的操作运行。因此，如果研究生不了解研究方法的原理、不会熟练使用分析软件，就有可能被迫放弃某些对研究方法和分析软件有特殊要求的选题，例如在人文社科研究中，以数理统计为基础的量化分析被广泛应用，在探究变量关联、构建理论模型等方面收效良好，然而复杂的原理和分析软件使未曾学习过数理统计知识的文科出身研究生们叫苦不迭，其中的许多人不得不放弃基于量化分析的选题，使选题的范围大幅缩小，更容易产生“选题难”的问题。此外，研究方法的“短板”能够引发分析逻辑的紊乱，阻碍研究生将某一研究方向或领域的现象解构、精炼为真正的研究问题，因此只能在外围无助地徘徊，而难以发现逻辑清晰、见解深邃的优秀科研课题。

2.“选题易”的方法

路径4为“前辈指导*知识积累*兴趣爱好*价值预判”，表示那些能够得到前辈的点播与指引的、博学多闻的、将兴趣爱好寄托于科研选题并且对选题的价值具有敏锐判断的研究生，更容易激发研究灵感并选定高质量研究课题，而研究方法的掌握水平和选题的功利程度对于选题的促进作用并不显著。根据定性比较分析的原理，6个前因变量及其逻辑“非”以不同数量进行排列组合，理论上最多可以生成数百条路径。然而本研究对“选题易”的归因分析结果简洁明了，最终只生成了1条路径，并且将前因变量从6个提炼为4个，因此尽管这4个因素已经分别在前人研究成果中有所涉及，也在诸多纷乱的因素中澄清了“选题易”的原因。

一方面，这4个因素各司其职，缺一不可。前辈指导是选题的外在保障，导师与师兄师姐对选题能够持“旁观者清”的态度，更易察觉出选题的纰漏，及时进行修正，并基于自身的宝贵经验对选题画龙点睛，使研究生能够少走弯路；知识积累是选题的理论支持，它决定了选题的高度与格局，有助于将零散的问题精炼为有意义的研究问题，还能够提供多样化视角，挖掘具有创新性的潜力；兴趣爱好是选题的内在动机，如果科研能够基于兴趣爱好，研究生就会在选题中倾注热情，对研究成果寄予期望，即便选题过程中受挫，也能够维持强劲稳定的势头；价值预判是选题的导向依据，能够基于对价值的判断和理解，反向审思在当下的理论建设和实践发展中最亟待解决的问题，从中挖掘出具有研究价值和创新贡献的科研课题。

另一方面，这4个因素也相辅相成，共同帮助研究者拟定出高质量的研究课题。导师等前辈能够传递给研究生正确的科研价值观，指导研究生有针对性地、有计划地学习某一领域的知识，并帮助研究生搭建兴趣爱好与选题之间的桥梁；知识积累的增加能够促进兴趣爱好泛化，探寻更广泛的选题，并对科研的价值产生更深刻的理解，还能够减少与导师等学术前辈的沟通隔阂，更快地领会指导精神；兴趣爱好能够激发求知欲，有助于学生搜集信息、积累知识，并使学生将兴趣爱好与导师的研究方向进行匹配，师从能够为选题提供最有效指导的前辈；价值预判能够驱使研究生为了拟定更具研究价值的选题而加强知识积累，或通过将选题与兴趣爱好建立联系而让选题具有更多的个体价值，也能够帮助研究生在发现选题价值匮乏之后积极寻求前辈的指导。

六、结论与反思

1.结论

“选题难”共生成3条路径（路径1~3），分别为“～知识积累*～兴趣爱好*～价值预判”“～前辈指导*～知识积累*价值预判*选题投机”“～前辈指导*～知识积累*～研究方法”，可以用“寡欲无知”“求助无门”“束手无策”这“三无”来概括3类“选题难”的成因特点。3条路径都包含“～知识积累”，在比较中间解与简约解之后可知，“～知识积累”为核心条件，因此在6个前因变量中，缺乏知识积累才是导致“选题难”的最关键因素。

“选题易”共生成1条路径（路径4），为“前辈指导*知识积累*兴趣爱好*价值预判”，表示那些选题过程顺利的研究生，往往能够得到前辈的点播与指引，且本身博学多闻，也能够将兴趣爱好寄托于科研选题并且对选题的价值具有敏锐判断。路径中，“前辈指导”和“兴趣爱好”为核心条件，是对选题帮助最大的两个因素，而“知识积累”只是路径中的外围条件，其重要性稍显逊色。

这意味着知识积累对于“选题难”的研究生来说是一块最大的“绊脚石”，而对于“选题易”的研究生来说则仅是一块“敲门砖”。因此，当选题毫无头绪时，不妨探索性地阅读文献，广泛地了解社会新闻，并反思自身的经历与心得，对外博闻广识、对内反躬自省，为质变的实现做好量变的积累。而想要使选题过程更加顺利，则尤其需要创造机会多与导师、师兄师姐等前辈交流沟通，汲取宝贵经验，并尽可能在兴趣与科研选题间构建关联，为选题提供稳定的内在个体动机，此外也需要着眼于理论建设的需求与实践发展的形势，从中反推出有价值的研究课题。

2.反思

对比发现，“选题难”和“选题易”的路径并不是完全互补的，因为二者并不属于非此即彼的关系，“选题易”在较大程度上是一种理想化提法，研究生所感知到的“易”，背后往往也隐藏了许多艰辛。实际上，由“难”到“易”的转变并非一蹴而就，而且也没有一劳永逸的“易”，每个高质量的研究课题都倾注了研究者的心血与期望，都需要经过反复推敲、多方协助，而且需要研究者持续学习、提升能力，因此，选题也是对研究者意志力的考验。

选自《学位与研究生教育》2021年第4期

觉得内容不错的话，让他们知道你“在看”我