數據攤在桌上之後：寫好討論與結論的章節

數據已經攤在桌上，然後呢？

想像你剛跑完一整個學期的實驗：問卷回收了、統計做完了、圖表也畫好了。結果欄位顯示「實驗組的學習成效顯著高於對照組（p < .01）」。你心滿意足地把這句話寫進論文，覺得任務完成了。

可是審稿人讀到這裡，心裡浮現的卻是一連串問號：所以呢？這代表什麼？為什麼會這樣？跟別人做的研究比起來如何？這個結果在課堂上真的用得上嗎？有沒有可能只是運氣好？

這些問題，正是「討論」（Discussion）與「結論」（Conclusion）要回答的。結果（Results）告訴讀者「發生了什麼」，討論告訴讀者「這意味著什麼」，結論告訴讀者「所以我們學到了什麼、接下來該往哪走」。一篇論文如果結果做得漂亮卻討論薄弱，就像端出一道好菜卻忘了告訴客人這是什麼料理——再好的食材也無法被理解。

這篇文章要帶你把「攤在桌上的數據」轉化成「有意義的論述」。

先分清楚：Results、Discussion、Conclusion 各做什麼

很多剛起步的學習者最常犯的錯，是把這三者攪在一起。我們先用一個簡單的對照釐清分工：

章節	核心問題	動詞時態傾向	可不可以有「我認為」
Results	What happened?（發生了什麼）	過去式	不可以，只陳述事實
Discussion	What does it mean?（這意味什麼）	現在式為主	可以，但要有根據
Conclusion	So what? Now what?（貢獻與展望）	現在式 / 未來式	可以，且要收束全局

注意時態的差異。結果是已經發生的事，用過去式；討論在詮釋「現在我們對這個現象的理解」，用現在式。這是英文學術寫作的一個慣例，初學者常忽略。

來看一組對照：

不佳（在結果裡硬塞詮釋）：

The experimental group scored higher, which proves that AI tutoring is the best teaching method.

這句話有兩個問題：一是 results 不該出現 "proves"（證明）這種詮釋性、過度斷言的字眼；二是 "the best teaching method" 從一次實驗根本推不出來。

改良（結果歸結果）：

The experimental group (M = 82.3, SD = 6.1) scored significantly higher than the control group (M = 74.5, SD = 7.8), t(58) = 4.21, p < .001.

詮釋留到討論再說。結果只負責「忠實報導」。

討論的第一步：把發現「翻譯」成意義

討論段落最常見的開頭，是重述最重要的發現，但用「詮釋的語氣」而非「報導的語氣」。

不佳（只是把結果再抄一遍）：

As shown in Table 2, the experimental group scored 82.3 and the control group scored 74.5.

讀者剛在結果讀過這些數字，你再抄一次毫無增值。

改良（從數字躍升到意義）：

The substantial gap between the two groups suggests that immediate, personalized feedback—rather than the novelty of the technology itself—may be the key driver of the observed learning gains.

差別在哪？改良版沒有重複數字，而是提出一個機制性的解釋：成效來自「即時個人化回饋」，而非「科技的新奇感」。這就是「翻譯」——把冷冰冰的數字翻成讀者關心的因果故事。

一個實用的句型工具箱（學術英文常用，可直接套用）：

• 提出解釋：This finding may be explained by… / One possible interpretation is that…
• 表達推測但不過度斷言：These results suggest that… / It appears that… / This may indicate…
• 連結到機制：A plausible mechanism is that… / This pattern is consistent with the idea that…

特別提醒「斷言的分寸」（hedging，避險語氣）。學術寫作不喜歡把話說死，因為一次研究幾乎不可能「證明」什麼。

不佳（過度斷言）：

This study proves that gamification increases motivation in all students.

改良（適度避險）：

These findings suggest that gamification may enhance motivation, at least among the undergraduate population sampled here.

注意改良版加了 "may"、"suggest"、以及範圍限定 "among the undergraduate population sampled here"。這不是心虛，而是學術誠實。

討論的第二步：和文獻對話

一個發現如果不放回研究脈絡裡，就只是孤立的數字。好的討論一定會回答：我的結果跟前人比，是一致、互補、還是矛盾？

一致時：

This result aligns with Chen et al. (2023), who also reported improved retention when feedback was delivered within 24 hours.

矛盾時（這往往是最有價值的段落）：

Interestingly, our findings contradict those of Wang (2022), who found no significant effect of feedback timing. One explanation for this discrepancy may lie in the difference in sample size: while Wang's study included 30 participants, our larger sample (N = 240) may have had greater statistical power to detect the effect.

請特別注意矛盾的處理方式。遇到和前人不一致的結果，不要迴避、也不要攻擊對方，而是提出可能的原因（樣本數、情境、測量工具、文化差異等）。這展現的是學術成熟度。

不佳（迴避或貶低）：

Our results are different from Wang (2022), but our study is more reliable.

"more reliable" 這種空洞的自我吹捧只會讓審稿人皺眉。

改良（建設性對話）：

The divergence from Wang (2022) is noteworthy and may reflect contextual differences; future replication across diverse settings would help clarify the boundary conditions of this effect.

看一個例子：把「弱討論」改寫成「強討論」

假設研究發現「使用 AI 助教的學生，課堂提問次數增加」。

弱討論（常見初學者版本）：

The results show that students using the AI assistant asked more questions. This is a good result. It means AI is helpful for students. More research is needed.

問題清單：(1) 重複結果沒有詮釋；(2) "This is a good result" 是評價不是分析；(3) "AI is helpful" 過度概化；(4) "More research is needed" 是萬用廢話，沒說清楚需要什麼研究。

強討論（改良版）：

The increase in question-asking among students who used the AI assistant points to a possible lowering of the social cost of asking. In a traditional classroom, students may hesitate to ask "basic" questions for fear of peer judgment; a private AI channel appears to remove this barrier (consistent with the anonymity effects reported by Lee & Park, 2021). This interpretation, however, remains tentative: because we did not measure question quality, we cannot yet determine whether the additional questions reflected deeper engagement or merely lower friction. A follow-up study coding questions by cognitive level (e.g., using Bloom's taxonomy) would directly address this gap.

強討論做了四件事：提出機制（降低提問的社會成本）→ 連結文獻（匿名效應）→ 誠實標出限制（沒測提問品質）→ 給出具體下一步（用 Bloom 分類編碼）。這就是一個有厚度的討論段落。

承認限制：示弱反而讓論文更強

許多學習者害怕寫限制（Limitations），覺得「自爆缺點」會被審稿人抓住。事實正好相反：主動且精準地承認限制，是學術可信度的展現。審稿人最怕的不是有限制的研究，而是「看不見自己限制」的作者。

限制要寫得具體、有針對性，而不是模板式的空話。

不佳（萬用模板）：

This study has some limitations. The sample size was small and more research is needed in the future.

這句話放在任何論文都成立，等於沒寫。

改良（具體且連結到效度）：

Three limitations should be noted. First, participants were drawn from a single university's general-education courses, which may limit the generalizability of our findings to other disciplines or institutional contexts. Second, the eight-week duration may have been too short to capture long-term retention effects. Third, because engagement was measured through self-report, the data may be subject to social desirability bias; future studies could incorporate behavioral logs to triangulate this measure.

注意改良版的結構：每個限制都「點名問題 → 說明影響哪種效度 → 暗示如何補救」。這不是示弱，而是展現你清楚知道自己研究的邊界在哪。

一個常見迷思要破除：限制不等於「研究做錯了」。限制是「在現有資源與設計下，本研究結論能延伸到多遠」的誠實標示。每一篇頂尖論文都有限制段落。

避險與限制常用句型：

• Several limitations should be acknowledged.
• Our findings should be interpreted in light of the following constraints.
• It is important to note that…
• These results may not generalize to…
• Caution is warranted when extending these conclusions to…

區分「討論」與「結論」：不要把結論寫成第二篇討論

到了結論，最常見的毛病是「把討論重講一遍」。結論應該拉高視角、收束貢獻、指向未來，而不是再做一次細節分析。

把握三個動作：

1. 重申核心貢獻（不是重述所有結果，而是「這篇論文最重要的一句話」）
2. 點出理論或實務意涵（so what）
3. 指向未來方向（now what，且要具體）

不佳（結論變成結果摘要）：

In conclusion, the experimental group scored 82.3 and the control group scored 74.5. The difference was significant. Students liked the AI assistant. More research is needed.

改良（結論該有的高度）：

This study contributes to the growing literature on AI-supported learning by showing that the benefit of an AI tutor may stem less from automation per se than from the timeliness and privacy of feedback it affords. For instructors, this suggests that the design of feedback channels—not merely the adoption of new tools—deserves deliberate attention. Future work should examine whether these effects persist over a full semester and across disciplines with differing epistemic norms, such as the humanities versus engineering.

改良版沒有任何數字，卻清楚回答了「這篇論文留給世界什麼」。

動手試試：自我檢查清單

寫完你的討論與結論後，逐項打勾：

• [ ] 討論的第一段，有沒有「詮釋」最重要的發現，而不只是重抄結果？
• [ ] 有沒有至少一處明確和前人文獻對話（一致 / 矛盾）？
• [ ] 遇到矛盾時，我有沒有提出「可能的原因」而非迴避？
• [ ] 我的斷言有沒有適度避險（may / suggest / appears）？有沒有過度概化？
• [ ] 限制段落是否具體到「換一篇論文就不成立」的程度？
• [ ] 結論有沒有比討論「站得更高」，而非重複細節？
• [ ] 未來方向是否具體（誰、用什麼方法、回答什麼問題），而非「more research is needed」？

如果有任何一項打不了勾，那就是你下一輪修改的起點。

重點回顧

1. 三章分工要清楚：Results 報導「發生什麼」（過去式、不詮釋）；Discussion 詮釋「這意味什麼」（現在式、可推論但要避險）；Conclusion 收束「貢獻與展望」（高視角、不重述細節）。
2. 討論的核心是「翻譯」：把數字翻成機制與意義，並一定要和文獻對話；遇到矛盾用「提出原因」化解，而非迴避或自誇。
3. 避險（hedging）是學術誠實：用 may / suggest / appears 取代 prove / always / the best；明確標出結論的適用範圍。
4. 限制要具體：每個限制「點名問題 → 說明影響哪種效度 → 暗示補救」，避免「sample was small, more research needed」的萬用模板。
5. 結論不是第二篇討論：重申核心貢獻、點出意涵、給出具體可執行的未來方向。

深入探討（研究所視角）

到了研究所階段，討論與結論的寫作會從「技巧」上升到「論證架構」的層次，值得從幾個更深的角度理解。

一、討論其實是一場「論證」（argumentation），而非「報告」。 借用 Toulmin 的論證模型，一個完整的詮釋包含 claim（主張）、data（你的發現）、warrant（連結兩者的理據），以及 backing（支撐理據的文獻或理論）。初學者常只有 claim 與 data，缺了 warrant——也就是「為什麼這個發現能支持那個主張」的橋樑。回頭看前面那個「降低提問社會成本」的例子：發現是「提問次數增加」（data），主張是「AI 降低了社會成本」（claim），而 warrant 是「私人管道移除了同儕評價的壓力」，backing 則是 Lee & Park (2021) 的匿名效應研究。寫討論時刻意檢查這四個元件是否齊全，論述的厚度會立刻不同。

二、效度（validity）的四個層次決定限制怎麼寫。 Shadish、Cook 與 Campbell 的經典框架把效度分為：統計結論效度（statistical conclusion validity）、內部效度（internal validity，因果是否成立）、建構效度（construct validity，測量是否真的測到目標構念）、外部效度（external validity，能否推廣）。一份成熟的限制段落，會自覺地把每個限制對應到某一種效度威脅。例如「自陳量表可能有社會期許偏誤」威脅的是建構效度；「單一大學取樣」威脅的是外部效度。用這個框架自我盤點，限制就不會流於零散。

三、警惕推論的兩個常見謬誤。 其一是把「統計顯著」誤當成「實務重要」——p < .05 只說明效果不太可能是隨機，並未說明效果有多大。因此頂尖期刊越來越要求報告效果量（effect size，如 Cohen's d、η²）與信賴區間，並在討論中詮釋其實務意義。其二是相關與因果的混淆：橫斷式（cross-sectional）資料即使達顯著，也只能談關聯，討論中的因果語言必須謹慎收斂。研究所階段的審稿人對這兩點極度敏感。

四、跨領域的視角差異。 不同學門對「好的討論」期待不同：實驗心理學重視機制與效果量；質性研究（qualitative research）的討論更強調「可轉移性」（transferability）而非「可推廣性」，並透過厚描述（thick description）讓讀者自行判斷適用情境；設計研究（design-based research）的結論則往往以「設計原則」（design principles）形式收束，供他人在新情境中再脈絡化。理解你所屬學門的「討論文體規範」（disciplinary discourse conventions），比死背句型更重要。

五、把討論寫成「研究對話的一個回合」。 學術知識是累積的對話。你的論文不是終點，而是接力的一棒。最高明的結論會明確點出「我接住了誰拋來的問題、我把球往哪個方向傳出去」。當你能在結論裡讓讀者清楚看見這條對話的線索，你寫的就不再只是一篇論文的結尾，而是一個研究社群持續探問的節點。