Что делает хорошие исследовательские вопросы хорошими?

Я занимаюсь информатикой и в настоящее время нахожусь на этапе предложения. Для формулировки проблемы я хочу придумать хорошие исследовательские вопросы. Однако в данный момент я борюсь с определением «хороших» исследовательских вопросов. Мой профессор обычно комментирует, что мои текущие вопросы — это не вопросы «почему», а вопросы «да/нет».

Любые рекомендации, которые делают хорошие исследовательские вопросы хорошими?

Ответы (2)

  • Вы хотите знать ответ? Действительно?

  • У вас действительно есть хороший шанс найти ответ за разумное время? Действительно?

  • Будут ли многие другие люди рады узнать ответ (даже если этот вопрос никогда не приходил им в голову раньше)? Действительно?

  • Вы уверены, что никто не знает ответа? Действительно?

Если вы можете ответить «да» на все восемь вопросов, это хороший исследовательский вопрос.

(К сожалению, некоторые из этих пунктов могут зависеть от фактического ответа, которого вы, конечно, не знаете.)

Спасибо за ваш ответ! Вы написали: «Если вы можете ответить «да» на все восемь вопросов, это хороший исследовательский вопрос», однако я вижу только четыре. Вы имеете в виду под восьмым вопросом вопрос о вашем вопросе, под «действительно»?
Да, я посчитал "Правда?"

На мой взгляд, хорошая исследовательская задача обладает как минимум следующими свойствами:

  1. Это маленькая часть большой проблемы. Другими словами, он должен быть достаточно маленьким, чтобы вы могли в разумных пределах добиться прогресса в нем, и в то же время подключаться к более крупной проблеме.
  2. Можно провести небольшой «пилот», чтобы проверить правильность вашего подхода и многообещающие результаты. Для решения большинства исследовательских задач может потребоваться много работы. Хорошо иметь вехи на этом пути, которые помогут вам понять, находитесь ли вы на правильном пути и стоит ли проект всех инвестиций.
  3. Из работы можно чему-то научиться, независимо от того, получится ли она так, как вы надеетесь. Большая часть интересных исследовательских проектов не работает так, как ожидалось: либо основная гипотеза оказалась неверной, либо оказалась слишком сложной, либо что-то еще изменилось, и все в конечном итоге устарело. Хорошо сформулированный проект по-прежнему будет приносить знания, независимо от того, приведет ли он вас к первоначальной цели или нет.

Позвольте мне проиллюстрировать это хорошим примером, который я недавно видел: группа студентов NCTU Formosa разработала проект по модификации E.coli для производства нейропептидов PBAN для стимуляции выработки феромонов у бабочки Heliothis virescens . Это действительно специализированная и эзотерически звучащая цель, но она связана с гораздо более широкой идеей: это может привести к общему подходу к радикально улучшенным ловушкам для насекомых, что может значительно снизить потребность в промышленном использовании пестицидов. Узкомасштабный проект, который они поставили перед собой, таким образом, связан с гораздо большей целью, но имеет ряд четко очерченных этапов (например, создание последовательностей, экспрессирующих PBAN, проверка их работы в E.coli, тестирование экстракта на самках Heliothis) . виресенсмотыльков, проверка повышения эффективности ловушек, пилотные испытания с местными органическими фермерами и т. д.). Кроме того, даже если окажется, что более широкое видение невозможно реализовать, все еще можно узнать много нового о нейропептидной инженерии, что может оказаться актуальным для очень многих других вопросов, как фундаментальных, так и прикладных.