提出一个好的研究问题
提出一个好的研究问题是让你的论文高效完成的关键，也是对你的学科做出原创性贡献的关键. 你的论文问题应该符合六个标准.
识别理论结构
一个好的研究问题应该清楚地确定你正在研究的理论结构. 例如, 如果你对父母将政治观点传递给子女的过程感兴趣, 你们正在学习的理论结构是“政治观点的传递”.“如果你对教学中的技术创新如何提高学生表现感兴趣, 你的理论概念是“创新的有效性”.请注意，理论结构就是现象, 你想了解的事件或经历.
认识理论结构
一个研究问题应该包含一些理论结构的可识别性的建议. 这意味着研究问题以一种足够具体的方式阐明了理论结构，这样当你在数据中为它编码时，你就会知道它. 换句话说, 它提供了一个清晰的分析单元，允许您相对容易地区分该构造和其他构造之间的区别. 为了实现可识别性，你应该以一种具体和具体的方式来描述结构.
也许有一个例子可以帮助阐明这个可识别性的概念. 一名学生以“非传统女性在大学的经历”为理论框架开始了她的论文规划.“虽然这当然是一个重要的结构, 它太大了，因为学生将很难识别数据中的结构. 它可能涉及大量不同的构造, 包括女性一边上学一边抚养孩子的经历, 来自家庭成员的支持程度, 其他学生的回答, 教育成就, 女性经历的情绪, 等等，等等，等等. 几乎所有与非传统女性大学生有关的东西都可以算作“非传统女性在大学的经历”这个概念的一部分."
一个更具体的理论结构是“非传统女性在课堂上受到歧视的经历”或“非传统女性在校园里使用支持服务”.“这里的可识别性在于，该理论结构专注于非传统女性经历的一个方面，并允许学生区分它与大学中非传统女性经历的其他部分. 当你构思你的研究问题时, 考虑一下如何用这个问题来编码数据, 寻找你在研究问题中考虑的理论结构的例子. 您是否能够定位它并轻松地将其与数据中出现的其他结构区分开来?
数据的超越
你的研究问题应该符合数据超越的标准. 除了少数情况, 你的研究问题不应该包括你用来调查你的问题的具体数据. 许多不同类型的数据可以用来回答你的问题, 所以不要把它局限于你计划研究的一种数据类型. 你希望你的问题比那些具体的数据更抽象.
例如, 如果你想研究被边缘化群体用来挑战制度的抵抗策略, 你可以把你的数据用于社会运动, 有政治动机的艺术家的艺术作品, 工会组织者唱的歌, 或者墨西哥移民用来提高他们在美国地位的策略, 举几个例子. 你希望你的研究对你所在领域的重要理论对话有贡献, 如果你的问题不局限于某一特定类型的数据，它可以更容易地做到这一点. 一个超越数据的关于耐药性主题的研究问题, 然后, 可能是, 下级团体在挑战霸权制度时所使用的抵抗策略的性质是什么?"
作为一个例子，在一个研究问题中违反了数据超越的标准, 请考虑“底特律儿童剧院使用的会计实务”理论结构的建议.“在这里，理论结构与数据是一样的. 学生将研究问题中的结构与用于回答问题的数据混为一谈. 因此，其他读者对这个故事的兴趣有限. 学生们当然可以为一项关于底特律儿童剧团会计实务的研究收集数据, 但是结构应该比这大. 也许可以是“非营利艺术组织的会计实务”之类的东西."
有少数类型的论文在研究问题中不适用数据超越的标准. 在这些论文中，研究人员想要找出一个特定的现象, 所以这项研究就是专门针对这种现象的. 例如, 对匿名戒酒会吸引会员的策略感兴趣的人会想把匿名戒酒会包括在研究问题中. 在这种情况下, 研究人员在这个特定的组织中看到一些独特而重要的东西, 与其他治疗方法相比, 并开始具体地理解它.
有一些领域, 太, 在论文中，数据通常包含在研究问题中. 历史是其中之一. 这一领域的论文都是关于一个特定的地点和时间, 他们的目的是探索那个地点和时间. 因此，这些细节包含在研究问题的理论构建中. 例如, 历史论文的一个研究问题可能是, “反文化身份是如何在洪堡县持续下去的, 加州, 在上世纪八九十年代?“英语学科是另一个研究问题可能会提到数据的学科. 研究英语的学者通常对一个作家或一群作家或一种特定类型的文学作品感兴趣, 这些都包含在研究问题中. 一个例子是:“在1960年到1990年之间，喷子图像在斯堪的纳维亚作家的叙事中是如何发挥作用的?"
有助于理解结构
你的研究问题应该确定你的研究对理解理论结构的贡献. 你的研究问题应该列出理论结构在你的研究中发生了什么，你在研究中用它做了什么，或者你对它感兴趣的地方. 这种贡献应该从你所在学科的理论对话中发展出来，并且应该反映出你所在学科的专业知识. 例如, 你可能做出的新贡献是开始提出政治信仰在家庭内部传播的沟通过程. 你知道这样的信念(理论结构)会传播. 你的新贡献将是解释传播发生的一些过程. 在你的研究问题中满足这一标准可以预测你对你将在结论中讨论的学科的贡献.
惊喜的能力
你的研究问题应该有让人惊喜的能力. 你不应该已经知道你所问的研究问题的答案. 你会对你的发现感到惊讶. 如果你已经知道问题的答案，你就不需要做这项研究. 此外，如果你知道答案，你就不是真正在做研究. 相反，你是在选择和编码数据来报告和倡导你已经拥有的职位.
So, 例如, 使用移民叙事的数据, 一个研究问题可能是, “创伤性事件如何对个人产生长期的负面影响?“这已经假设了移民不可避免地会给个人造成创伤，除了消极地经历移民之外没有其他可能性. 调查结果不太可能有什么令人惊讶的地方，因为这个问题明确了人们的预期. 继续往这个方向发展, 人们可以找到负面影响的例子, 但他对这门学科(以及未来发表论文的能力)的贡献将会大大减少.
是健壮的
一个稳健的研究问题有能力产生复杂的结果. 你的问题应该能够对你正在探索的理论结构的各个方面产生多种见解. 它不应该是一个答案是“是”或“否”的问题，因为这样的答案不是一个复杂的结果. 通常产生可靠结果的研究问题通常以以下方式开始:
- 本质是什么 . . .
- 的功能是什么 . . .
- 其中的机制是什么 . . .
- 哪些因素影响 . . .
- 使用什么策略 . . .
- 有什么影响 . . .
- 两者之间是什么关系 . . .
- 在什么情况下 . . .
毫无疑问，你一定见过论文或期刊文章中有不止一个研究问题. 在你的研究中应该有多个问题吗? 也许吧，但这是不可取的. 在某些情况下, 研究包含不止一个问题，因为研究人员没有足够仔细地思考他们想要找到什么. 结果是, 他们采取一种分散的方法，试图通过询问许多事情来接近他们想要回答的问题. 更好的方法是瞄准一个研究问题，仔细思考它是什么. 充分完善它，使它真正得到你想要找到的关键东西.
研究有时包含许多研究问题的另一个原因是，学生们混淆了研究问题和他们将用作数据编码提示的问题. 许多研究问题实际上只是编码数据的指南. 在一项关于在线聊天室以及他们是否有深度文化的能力的研究中, 你可能会发现下面的研究问题列表:
- 聊天室使用哪些人工制品作为发展文化的基础?
- 聊天室的特点是什么?
- 使用什么程序将新成员社会化到聊天室?
- 聊天室中使用了什么机制来修复违反组织规范的行为?
这些问题不是独立的研究问题，而是研究人员用来指导数据分析的问题. 它们是有助于数据编码的方法学指导方针. 记住，研究问题是论文的内容. 它产生了论文的标题.
在某些情况下，需要提出一个以上的研究问题. 当一项研究有多个研究问题时, 当一个理论结构的基本信息不存在时，它往往是, 在您可以研究描述该结构的过程之前，您需要了解基本信息.
在你深入学习之前，一定要花时间确保你的研究问题是一个好问题.