方法论（methodology）部分是您精确展示研究是如何开展的，以及为什么每个决定都符合您的研究目标的地方。它解释了您的设计、工具、参与者和步骤，从而帮助读者评估您工作质量和可靠性。
本指南将拆解方法论的每个部分，以便您能够清晰、自信地撰写它。您将学习如何描述您的研究设计、概述您的步骤以及展示您的数据分析。在不使过程过度复杂化的前提下为您的选择提供合理依据。无论您是在撰写硕士学位论文、博士学位论文还是期刊文章，此部分都与研究的其他核心部分并存 —— 参见我们对学术论文核心组成部分的具体拆解 —— 这里介绍的结构将帮助您保持条理。
<CTA title="快速撰写清晰的研究方法论" description="使用基于大纲的提示，轻松构建结构化且符合评审要求的方法论部分" buttonLabel="免费试用 Jenni" link="https://cn.app.jenni.ai/register" />
1. 从清晰的研究设计概述开始
读者需要快速了解他们正在阅读的是哪种类型的研究。这就是为什么您的方法论部分应该从对您的研究设计（study design）的简短概述开始。可以把这看作是写在一个段落里的地图。
在这一设计概述中，您应当简要说明：
研究类型：定性研究（qualitative）、定量研究（quantitative）或混合方法研究（mixed methods）。
哲学或理论途径：例如：实证主义（positivist）、建构主义（constructivist）、实用主义（pragmatic）、解释主义（interpretive）。
时间跨度：横截面研究（cross-sectional）、纵向研究（longitudinal）、个案研究（case study）或其他基于时间轴的框架。
场所或环境：例如学校、诊所、在线平台、实验室或社区。
核心目的：用简单的语言说明您试图发现或理解的内容。
优秀的概述不需要长篇大论。它只需提供足够的信息，以便当读者阅读后续部分时，能够理解您选择背后的基本逻辑。
选择正确的研究设计
研究设计应当与您提出的研究问题相匹配。这种关系可以用一到两句简明扼要的话来解释。
您选择的方法取决于您的研究问题：
定量设计最适合用于：
测量变量
验证假设
使用统计学方法检验关系
定性设计最适合用于：
探索经历或意义
理解人们如何解释事件
深入研究过程而非数字
混合方法设计最适合用于：
您既需要数据趋势，也需要丰富的个案叙事
您需要用一种数据类型来帮助解释另一种数据类型
您可以模仿以下示例来撰写您自己的句子：
定量设计：
“本研究采用定量、横截面调查设计，以探讨大学一年级学生学术倦怠的预测因子。”
定性设计：
“本研究采用现象学方法，以探索护理人员在提供临终关怀时，如何解释和应对情绪疲惫。”
混合方法设计：
“本研究采用解释性顺序混合方法设计，首先开展大规模问卷调查，随后对选定的受访者进行针对性访谈。”
<ProTip title="💡 专家提示：" description="在展开具体细节之前，先用一段紧凑的文字总结您的整体研究方法来开始您的方法论部分" />
为什么这很重要
简明扼要的设计概述能确保读者在面对技术细节之前先了解您研究的结构。它还表明了您的方法与研究目标在逻辑上是一致的，这是学术评审的关键要素。
2. 描述您的参与者或数据来源
在明确了研究设计之后，读者想知道您研究的对象或内容是什么。这一部分将解释您的参与者或数据来源，以及为什么他们适合您的研究问题。
基于参与者的研究
如果您的研究涉及人类受试者，请首先说明目标群体是谁以及他们为什么符合您的研究问题。然后给出具体细节，而不要使用模糊的标签。
您应当包括：
总样本量 - 有多少参与者参与了这项研究？
抽样方法 - 您是如何选择他们的（例如：随机抽样、目的抽样、便利抽样）。
人口学信息 - 年龄范围、性别、职业、地点或其他相关特征。
纳入和排除标准 - 哪些人被允许参与，哪些人被排除在外，以及原因是什么。
招募策略 - 您在何处以及如何找到这些参与者的。
务必解释您为什么选择某种特定的抽样方法。评审人员特别关注这一点，因为抽样会影响研究的有效性和公平性。
抽样方法（简明指南）
抽样选择直接影响结果的可靠性和推广度。以下是几种常见抽样方法的简明对照表：
抽样方法 | 描述 | 理想应用场景 |
简单随机抽样 | 所有成员被选中的概率均等 | 大规模定量研究 |
系统抽样 | 每隔n个人抽取一个样本 | 拥有完整名册的总体 |
分层抽样 | 先将总体划分为子群体再抽样 | 需要确保人口学特征平衡的研究 |
整群抽样 | 随机抽取群体而非单个个体 | 地理位置分散的样本 |
目的抽样 | 研究者基于特定特征进行选择 | 侧重专家意见的定性工作 |
滚雪球抽样 | 由参与者推荐其他参与者 | 隐秘或敏感群体 |
便利抽样 | 选择最容易接触到的参与者 | 学生课程项目以及预研究 |
纳入和排除标准
清楚地说明设定这些界限的原因。用一两句短小的话奠定基调，然后切入具体细节。
示例：
“纳入标准要求参与者至少具有六个月的远程工作经验。完全实行混合办公制的人员则被排除在外，以确保研究聚焦于全职远程工作者。”
招募策略
详细描述您是如何寻找并邀请参与者的，以便其他研究者可以尝试复制这一过程。您可以提及：
校园电子邮件群发列表或公告栏
社交媒体群组或在线论坛
门诊或住院科室
社区中心或相关组织
在线众包平台
细节描述应确保过程清晰，但绝对不能透露任何个人身份信息。
针对非人类数据来源
某些研究完全不涉及人类参与者。如果您的工作情况确实如此，请明确说明，并转而解释您的数据来源。
您可能使用的是：
档案文件或历史记录
组织机构报告
公开数据集或官方统计数据
历史文献或媒介内容
化学或环境样本
技术或生物系统
对于这些来源，请解释：
数据源自何处
您是如何获取这些数据的
您是如何选择纳入哪些项目的
任何纳入或排除数据的规则
<ProTip title="📌 备忘：" description="务必在说明参与者人数之前先描述您的筛选标准，以确保您的研究逻辑清晰" />
3. 详述材料、软件和测量工具
读者的下一个疑问是：您是使用什么工具来收集和测量数据的？ 本节将描述您的材料与仪器工具，以便他人评估您的工具是否准确、公正且适用。
您可以按工具类型来组织这一部分。
常用材料类别
在对本节进行简要引导后，列出各类工具并说明其背景信息。
调查问卷或量表
说明它们是研究者自制的还是经过实证检验的标准化量表，并提供可靠性信度统计数据（如果适用）。访谈提纲
简要解释这些问题是如何设计的、如何与研究问题保持一致，以及如何进行预访谈（piloted）的。实验室仪器设备
包括具体型号、测量精度、校准步骤、软件集成情况以及化学试剂的纯度标准。软件工具
例如：
SPSS, STATA, R
NVivo, Atlas.ti, MAXQDA
MATLAB
Python 库 (NumPy, SciPy, pandas)
Qualtrics 或 SurveyMonkey
示例段落：
“焦虑程度使用广泛性焦虑自评量表（GAD-7）进行评估。该量表包含 7 个条目，并在临床和基于人群的研究中得到了广泛的效度验证。”
解释您为什么选择这些工具
绝不能让您的读者感到疑惑：“为什么选择这个工具而不是其他的？” 因此，请添加简短的合理解释，并将您的选择与学术论文中的文献综述部分联系起来。
示例：
“选择这些工具是因为它们在以往探究压力与健康结果的研究中已被证实具有极高的信度。”
为什么这很重要
描述详尽的工具不仅能帮助读者信任您提供的数据并评估研究的可靠度，还能使未来的研究者更精准地重复您的实验方法。
<ProTip title="💡 批注：" description="使用标准化量表时，请务必引用原始文献以确认其有效性" />
4. 逐步解释具体研究步骤
通常这方法论中篇幅最长的部分，因为它描述了研究过程中具体发生的事情。这里的核心在于时间顺序的清晰性。
步骤部分应当涵盖哪些内容
一个清晰的步骤部分应当概述：
您研究中的具体操作步骤顺序
每个主要阶段的时间跨度
任何干预措施是如何施加或应用的
您是如何获得知情同意的
参与者收到了哪些指导语
您如何处理、存储和清洗数据
当事情未按计划进行时，做出了哪些调整
按时间顺序呈现的示例
先用一句话引导，然后展示时间顺序。
包含调查链接的邀请邮件发送给了所有符合条件的参与者。
参与者访问了电子知情同意书并点击同意。
他们填写了一份基线调查问卷，用以收集人口学信息、情绪和睡眠习惯。
参与者通过计算机随机化序列被分配到对照组或实验组。
干预组参加了为期四周、每周45分钟的正念课程。
实验性研究
对于实验研究，细节至关重要，因为它们会影响内部效度。请务必解释清楚：
随机化方法
是否采用了盲法（单盲或双盲）
对照组做了什么，或者接受了什么
干预措施的剂量、时长以及强度
实验设备是如何搭建和监控的
这些细节将帮助读者判断您的结果到底是由干预措施引起的，还是由外部无关变量造成的。
定性研究
对于定性工作，上下文语境和研究者的角色非常重要。在这种情况下，您应该描述：
访谈、焦点小组或观察是在哪里进行的
每次访谈或讨论持续了多长时间
您是如何记录（录音、录像、笔记）和转录数据的
任何保证反思性 (reflexivity) 的措施，例如撰写研究日志或与同行深入讨论您的立场
示例：
“访谈在私密会议室进行，时长 45 至 60 分钟不等，并在征得参与者同意后进行了录音。通过 Otter.ai 生成了逐字稿，随后由人工比对确保准确性。”
<ProTip title="💬 专家提示：" description="在描述您的操作步骤时，请始终统一使用过去时动词，以符合学术写作规范" />
5. 描述您收集数据的方法
即使您描述了具体的步骤，依然有必要专门解释数据收集情况。这能进一步说清您究竟收集了哪些数据、以及是如何收集的。
常见的数据收集方法
先用一句话来引导这一列表，并介绍其契合性，随后列出常见的方法：
调查问卷量表法 - 适用于大样本和统计分析。
访谈与焦点小组法 - 最适合用来深入理解某些观点或个人体验。
实地观察与现场记录 - 通常用于民族志和扎根理论研究。
二手数据或文献档案 - 包括政策文件、财务报告、临床病历或公开数据集。根据它们在具体研究中的使用方式，它们既可以作为一手来源，也可以作为二手数据。
实验法 - 验证因果关系的理想之选。
示例段落
“数据通过搭载在 Qualtrics 平台上的自填式在线调查量表收集。参与者有两周的时间来完成问卷，并在第 5 天和第 10 天收到系统提醒邮件。该平台自动将答卷结果导出到 SPSS 软件中以便进行数据清洗。”
<ProTip title="🧭 见解：" description="务必详细阐明为什么您所选的数据收集方式与您的研究问题完美契合" />
6. 解释您的数据分析技术
读者想知道您的原始数据是如何转化为具有实际意义的研究结果的。本节内容会根据您的研究是定量研究还是定性研究而有所不同。
定量数据分析
定量分析 需要解释数据预处理、选用的统计检验以及相关阈值。
对于定量研究，您应当解释：
您使用了哪款软件（SPSS、R、STATA、JASP等）
您是如何对数据进行清理的（如何处理缺失值、异常值和逻辑错误）
您运行了哪些统计学检验
您选定的显著性水平（通常为 p < 0.05）
您是否检验了其基本假设，如正态性或方差齐性
报告中是否提供了相关的置信区间或效应量测度值
常见的统计学检验
在介绍前说明将检验方法与数据及假设进行匹配的重要性，随后以紧凑的列表形式进行展示：
统计检验方法 | 目的 |
t检验 (t-tests) | 比较两个平均值 |
单因素方差分析 (ANOVA) | 比较多个平均值 |
回归分析 (Regression) | 预测变量之间的关系 |
卡方检验 (Chi-square tests) | 比较分类变量的分布 |
相关分析 (Correlation) | 测度变量间关联强弱 |
示例段落：
“数据使用 SPSS 28.0 版本进行分析。使用描述性统计来总结人口统计学特征。使用独立样本 t 检验来评估组间压力得分的差异。统计显著性参考标准设定为 p < 0.05。”
定性数据分析
对于定性分析，核心重点通常是挖掘数据中的主题、模式以及深层含义。在此部分中，请指出：
您使用了哪种分析路径：
主题分析法 (Thematic analysis)
内容分析法 (Content analysis)
扎根理论 (Grounded theory)
叙事分析法 (Narrative analysis)
话语分析法 (Discourse analysis)
您的编码策略属于：
归纳式编码（Inductive，从原始数据中提炼出编码）
演绎式编码（Deductive，基于已有理论框架进行编码）
是否使用了质性分析软件（NVivo、Atlas.ti、MAXQDA 等）
示例：
“使用 NVivo 软件对访谈逐字稿进行归纳式编码。主题分析遵循 Braun 和 Clarke 的六阶段分析法，从熟悉数据开始，到主题的逐步凝练结束。”
混合方法研究分析
如果您使用了混合方法，请详细说明您是如何将定量部分与定性部分联系起来的。
常见的混合方法设计：
顺序解释/探索设计：先收集并分析一种类型的数据，然后再利用该结果来规划或设计下一步。
收敛并行设计：同时收集定量和定性数据，独立进行分析，最后在解释阶段进行对比整合。
嵌套/嵌入设计：一种类型的数据嵌套在另一种更大的研究框架内（例如在大型临床对照试验中嵌入少量定性访谈）。
示例：
“由于定量调查的结果直接决定了定性访谈大纲的设计，这确保了定性研究能对早期的统计趋势进行更深层次的探究。在结果讨论阶段，两者的数据进行了综合对比，从而全面探讨其结果的收敛度与分歧。”
<ProTip title="🗂️ 备忘：" description="明确指出您的分析是基于演绎还是归纳编码，这能直接端正您的学术分析立场" />
7. 阐明伦理考量
每篇合格的方法论都必须包含一个简要的医学/学术伦理说明，用以说明您的研究符合道德规范并妥善保护了参与者和个人隐私数据。
核心要点包括：
学术或机构伦理委员会（IRB/IEC）的审批情况： 写明审批机构的具体名称，以及您获得的审批编号。
知情同意流程： 参与者是如何知晓研究信息并表达其知情同意的。
保密性与匿名化处理： 您采取了哪些措施来消除或保护个人身份标识。
数据安全性与保护： 数据是如何存储的、访问权限如何限制、以及数据会被保留多久。
针对易感人群的安全保护工作： 针对未成年人、患者或其他弱势群体采取了哪些额外的保护措施。
伦理部分撰写示例
“本研究已通过社会科学学部机构审查委员会（IRB）的伦理审批（批准编号： 2024-SSI-117）。研究已明确告知参与者其所享有的权利，其中包括自主参与原则以及在不承担任何不良后果的前提下随时退出研究的权利。
所有数据均存储在加密硬盘中，仅项目组成员有权访问。分析前对所有变量进行了去标识化匿名处理，且在转录逐字稿中全部使用假名。”
<ProTip title="🔒 专家提示：" description="如果您的机构向您签发了审查编号，请务必将其写入论文中" />
8. 说明您研究的局限性
一个具有公信力的方法论应当坦诚地指出存在不足的地方。这反而能够增强您学术研究的严谨性。
方法论局限性的主要类别
在方法论部分主动指出其局限性，并不会削弱您的研究价值，反而能证明您对研究的边界有着深刻的认识。
常见的方法论局限性举例：
样本量过小或受限于特定区域
使用了便利抽样或非随机抽样
过度依赖自我报告式问卷（容易产生偏差）
研究周期或观测时间窗口较短
某些目标群体或历史文献的访问受限
可能存在研究者主观偏倚
测量工具未能捕捉到所有的细节特征
示例：
“由于本研究采用自评问卷的形式获取数据，结果可能会受到社会赞许性偏差的影响。此外，研究样本均来自单所高校，因此将研究结果推广到更广泛的受众时需保持谨慎。”
9. 采用清晰的二级标题来组织您的方法论
首先向读者强调：合理的结构等同于极高的可读性；清晰的小标题能够引导评审人进行评价与复现。
清晰的篇章结构能帮助读者快速跟随您的学术逻辑。经典的布局结构如下：
研究设计 (Study Design)
研究对象/数据来源 (Participants / Data Sources)
研究材料和仪器工具 (Materials and Instruments)
研究步骤 (Procedures)
数据收集 (Data Collection)
数据分析 (Data Analysis)
学术伦理声明 (Ethical Considerations)
研究局限性 (Limitations)
在完成撰写前，请再次自检：
如果其他学者仅凭目前的这一部分内容，能成功复制我的整套研究吗？
我是否解释了为什么我使用这些主要的方法，而不仅仅是罗列了我做了什么？
如果适用，我是否指明了遵循了相关的行业撰写标准，例如 CONSORT、PRISMA、STROBE 或 COREQ？
10. 如何确保您方法论的清晰性、严谨性和可复现性
这最后一个部分关注的是“质量”。即便是一项设计完美的研究，如果方法论部分的文字晦涩不清，其学术价值也会大受影响。
在最终定稿前，请一一核对这份质量清单。
清晰度清单
提问：
每个步骤是否都统一使用了过去时态进行叙述？
所有的测量工具、软件版本是否都写明了原厂标准名字？
文字叙述是否严格遵循了时间逻辑顺序？
论合理性清单
确认：
您是否解释了为什么选择每种具体的方法？
您是否证明了您抽样策略的科学性与合理性？
您是否解释了您所选分析框架的学术背景？
可复现性清单
核查：
另外一个学者能否仅依赖本章节的信息，就完美重复您的实验？
各项实验材料与仪器仪表的描述是否详实充分？
伦理清单
再次检查：
您是否完整记录并撰写了伦理审批信息？
您是否详细阐明了数据安全性及隐私泄露防范性工作？
学术透明度清单
确保：
您是否以客观辩证的心态列出了合理的局限性？
如果使用，是否明确载明了业界相关汇报标准（CONSORT、PRISMA、STROBE、COREQ等）？
<ProTip title="🧪 批注：" description="如果您的研究方法非常严格地遵循了 PRISMA、CONSORT 等报告指南，请在文中明确指出，这能让您的方法论更显专业" />
撰写一篇优秀的学术论文方法论部分
一份坚实的学术论文方法论部分能够清晰明了地向同行和评审人展示您的整套研究是如何开展的，以及为什么每个决策都能有力支撑您的总研究目标。清晰而令人信服的实践方法，不仅能成倍提升您学术工作的科学可信度以及可重复性，还能更轻松地赢得同行评审专家的信任。
<CTA title="一键构建逻辑严密的方法论章节" description="将您的研究想法、执行细节和过程，转化为学术规范完备、可完美付梓的方法论部分" buttonLabel="免费尝试 Jenni" link="https://cn.app.jenni.ai/register" />
如果您需要工具来协助您将繁复的研究步骤、逻辑和数据分析过程整理为纯正流利的学术文字，Jenni 能够在更短的时间内辅助您构筑出更清晰、随时可向期刊投稿的方法论章节。