转载：毕业论文，要丰满不要骨感

　　首先，不少学生在介绍工作时对现象描述和一般性的规律总结居多，缺少深入细致的分析。这几乎是目前很多学生(从本科生到博士生都有)在做研究和整理研究结果时的通病了。其实在刚刚过去的三天，连着的三个下午，我分别参加了一场博士生答辩、一次理学院的博士生学术论坛点评和一次自己课题组的组会，算是见证了一遍博士生毕业阶段、在读的处于中间阶段的博士生和硕士毕业阶段的工作情况。相比之下，姜还是老的辣!博士生在完成其论文时，很多分析和讨论还是比较到位的，当然也有一些细节处理得还不够好，答辩委员会还是对其论文提出了一些修改意见。在二年级博士生参加的博士生学术论坛上，点评专家提得比较多的一个不足之处就是学生报告中现象描述太多，而分析讨论并不深入。这倒不很奇怪，因为除了已经发表的工作以外，他们中多数人的研究工作是正在进行时的，可能还没收集到足够的数据和证据进行讨论，所想的问题肯定也因此没有真正做到融会贯通，所以这种状况虽不能提倡，但尚属可以理解。对邻近毕业(一个月后提交论文)的二年级硕士生而言，如果仅仅停留在数据结果的规律性描述上，那论文将显得很乏味，价值也会大打折扣。要想写得出彩，对科学有所贡献(哪怕是很小的一丁点儿)，仅仅给出个一般性的规律，不说出规律背后的原因是不行的。然而要做点儿深入的分析，没有足够的数据和信息也是不行的。这就引出了数据的取舍问题。

　　作为自己课题组的研究生，特别是自己亲自指导的研究生，他们基本都在我的眼皮子底下做的实验，在实验过程中和每月的组会报告中都有很多交流，素以做过什么，没做什么大体上是清楚的。如今在他们报告数据结果的时候，我们还要帮他们回忆起与当下报告的结果和讨论内容有关的一些工作，只不过那些工作的数据结果并没出现在他们当下的报告中。没出现的原因似乎很简单，因为在他们看来，那些数据结果不够好。从很小的时候开始，我们就出在一种好坏分明的氛围中，所以被认为好的就会被不遗余力地提倡和赞扬，坏的就必须坚决否定和摈弃。或许因为这个原因，数据也被按照大小高低给分了好坏两类，“好”的数据让大家兴奋从而愿意采纳，“坏”的数据大家对其嗤之以鼻总想抛开。这就像博主们在科学网上写博客，都喜欢把点击量最大、影响面广、评价也高的博文在自己的博客上置顶，甚至有的博主会把戴了红花的“精选博文”保留而让非精选博文玩“失踪”一样(玩博客，开心就好，只要不违规，怎么玩都可以)。基于这种思维，很多学生早期做的工作中由于方法不当、工艺条件不够优化等原因所取得的数据指标偏低的结果，在写毕业论文的时候就被无情地舍弃，如果不去查对他们的原始实验记录和电脑中存储的测量原始数据，后人是不知道这些实验数据的存在的。

　　对于这部分数据，我的看法与学生们不同，我认为除了确实有问题(样品搞混、仪器故障、操作错误等)的实验数据以外，都不应该轻易舍弃，相反，早期用不同方法条件取得的结果，即使不好，本身可以和后来做得好的结果形成一定的对比，给论文多增加些在方法和工艺方面的讨论和分析，做到知其好，更知其所以好，知其差，亦知其为何差。“坏”数据(专指实验过程没有问题，但方法和条件不是最佳的那种)写入论文，还可以让从事相关研究的后人(近的是自己的师弟师妹，远的是在网上阅读论文的读者)有所借鉴，少走弯路，这也是一种经验和教训的传承。

　　除了这种同类实验数据的取优去次，有的学生还存在实验数据不能充分利用的问题。测到的结果一旦没有自己最初想看到的那种可以给论文提供直接证据的现象，这个测试得到的数据就被抛弃了。事实上，一个测试给出的信息会有很多，并不仅仅是对自己当下分析直接有用的这一部分，其他部分的数据也可能有很多值得分析的信息，如果对那些内容视若无物，无疑是个损失。退一步讲，精心设计、认真进行的实验给出的零结果(没效果)甚至负结果(相反的效果)，本身都是有意义的结果，因为零结果可以排除一种假说，而负结果可以修订你的假说，如果弄清楚其中的原因，未尝不可以成为一个很大的收获，关于这种情况，我以前曾经在博文“可爱的失败”【1】里面论述过。

　　回到最初的话题，要分析得够深度，必须要有足够的数据，而且这些数据最好是来自不同类型的实验，它们具有相同或密切相关的内在机制，在分析讨论的层次上有逻辑必然联系。当初通过精心设计和巧妙实施一些实验，可以达到这个目的，即使到了撰写论文阶段，如果发现在分析讨论中存在一些数据的缺失，那就需要抓紧时间再补做一些必要的实验，让自己的论文数据更丰富，分析更深入，论证更合乎逻辑。

　　总之，做研究写论文是不宜感时髦去追求“骨感”闹减肥玩瘦身的，那样会让自己的工作显得弱不禁风。相反，应该让毕业论文的数据和内容更丰满些，因为那样可以使论文更厚重，也更有价值。最后，我祝愿所有毕业生写好论文，顺利毕业取得学位!