好不容易有題目，卻不知從何下手

你是不是也遇到這個問題？

指導教授問你想寫什麼方向，你鼓起勇氣說了一個題目。教授點點頭說：「好，下週給我一份大綱。」你回到電腦前，打開空白文件，游標閃了三天，一個字都寫不出來。

更慘的是，有些人好不容易找到一個方向，卻因為遲遲沒有動作，題目被教授轉派給同門的學弟妹。不是能力不夠，是不知道第一步該踏在哪裡。

「明明在醫學中心，手上有大量的 data，卻因為不曉得怎麼開始而堆在倉庫長灰塵」 — 學員反饋

「我有想法但不知道怎麼把它變成一個可以寫的研究問題，每次開會都被教授問到不知道怎麼回答」 — 學員反饋

這不是你懶，是你缺少「從模糊想法到具體研究問題」的轉化方法。大部分研究所課程教你怎麼寫論文，卻沒有人教你怎麼把腦中的想法變成一個可執行的研究計畫。

為什麼會這樣？

因為「有想法」和「有研究問題」之間，差了三個層次的具體化：

1. 想法層：「我想研究 AI 在醫療的應用」— 這是興趣，不是題目
2. 問題層：「AI 輔助糖尿病視網膜病變篩檢的準確率能否超越傳統方法？」— 這是研究問題
3. 執行層：「使用 ResNet-50 對 5,000 張眼底照片進行分類，與三位眼科醫師的診斷比較」— 這是可執行的研究設計

大部分人卡在第 1 層到第 2 層之間。腦中有一團模糊的興趣和方向，卻不知道怎麼把它「收斂」成一個具體的、可回答的問題。

傳統方式是讀大量文獻後慢慢收斂。但這對新手來說是「先有雞還是先有蛋」— 不知道要找什麼方向的文獻，因為你還沒有方向。

怎麼解決？

步驟 1：Storm 法 — 用自然語言跟 AI 腦力激盪

不要一開始就想寫出完美的研究問題。先用最口語的方式，跟 AI 聊你的想法：

• 「我在 ICU 工作，覺得病人的早期預警分數常常太晚才升高」
• 「我手上有三年的病歷資料，想知道 AI 能不能提早預測敗血症」
• 「我對永續能源有興趣，但不確定哪個角度適合碩士論文」

AI 會幫你追問、拆解、具體化。重點是：不要在腦中獨自想，把想法「說出來」給 AI 聽。 說出來的過程本身就是釐清的過程。

步驟 2：CARE Framework — 四步收斂

Storm 完之後，用 CARE Framework 把散亂的想法收斂成研究問題：

• C (Context)：你的研究場域是什麼？（ICU、太陽能電廠、社群媒體…）
• A (Audience)：誰在乎這個問題？（臨床醫師、政策制定者、工程師…）
• R (Research Question)：用一句話說出你想回答什麼
• E (Evidence)：你手上有什麼數據或資料可以回答這個問題？

四個問題回答完，你的研究問題就出來了。如果 E 回答不出來，代表你需要先確認數據來源再繼續。

步驟 3：多輪對話產出大綱

拿著 CARE 的結果，再跟 AI 進行第二輪對話：

1. 請 AI 根據你的研究問題，列出 3 個可能的研究角度
2. 挑一個最符合你資源（數據、時間、能力）的角度
3. 請 AI 生成初步的研究大綱（Introduction → Method → Expected Results）
4. 把大綱拿給教授看，根據回饋再修改

關鍵心法：不要追求完美的第一版。 教授要的是「你有在想」的證據，不是完美的計畫書。先交出 60 分的大綱，再根據回饋迭代到 90 分。

常見問題

Q：我真的完全沒有想法，連方向都沒有怎麼辦？

從你的日常工作或課堂中找「讓你覺得不合理」的事情。覺得某個流程很蠢、某個數據很奇怪、某個現象沒人解釋 — 這些不滿就是研究問題的種子。把這些不滿告訴 AI，讓它幫你轉化成研究問題。

Q：教授給的題目我不感興趣，但又不敢拒絕？

先用 Storm 法探索教授題目中你有興趣的子面向。大部分題目都有多個切入角度，找到一個你能接受的角度，跟教授提議「用這個角度切入」，通常教授會同意。

Q：AI 給的研究方向會不會太泛、不夠具體？

會，這是正常的。AI 第一輪給的方向一定很廣泛。你需要持續追問：「這個方向具體要回答什麼問題？」「需要什麼數據？」「預期結果是什麼？」三到五輪追問後，方向就會收斂到可執行的程度。

這是 論文方法學 12 Phase 的 Phase 1：概念探索。