指導教授在 meeting 時說「你這個題目太大」，是研究生最常聽到、也最難處理的一句話。難處理的原因在於，它沒有告訴你要縮到多小、往哪個方向縮。這個時候，如果貿然打開 ChatGPT 輸入「幫我整理國中生使用 AI 的相關文獻」，回來的通常是一段誰都寫得出來、卻放不進你論文的空話。
問題不在 AI 不夠強，而在中間少了一層工序：你得先想清楚要問什麼、哪些事不能交出去、讀過的東西怎麼排，AI 才接得上。
researcher.tw 的工具區有六支免費小工具，每一支解決研究流程裡的一個卡點。它們都在瀏覽器裡跑完就走，不必註冊，填進去的內容只留在你自己的裝置上。這篇把六支串成一條可以照走的動線。
六支工具各自站在流程的哪一段
找文獻
- 研究提問鷹架 提問太籠統，AI 只回得出網路平均值
投稿與口試
- AI 使用揭露＋倫理自檢 投稿系統要求說明 AI 使用，不知道怎麼寫
案例設定
以下的小庭是虛構人物，我用這個案例來把六支工具串成一條看得見的動線，方便大家理解。請注意，這不是真實個案。
小庭是北部某國立大學教育研究所碩二生，白天在國中代課，晚上寫論文。她想做的方向是「國中生用生成式 AI 完成作業，教師怎麼回應」。指導教授看過她的初步構想，只回了一句題目太大，要她再收斂。距離下學期的論文計畫口試，還剩下不到三個月。
第一步：先畫界線，再開始用
多數人的順序是先用 AI，用到心虛了才回頭想倫理問題。倒過來做比較安全。
打開 AI 協作界線卡，它把研究拆成八個環節：找文獻與讀文獻、生成或收斂研究問題、寫文獻回顧的觀點與評析、研究設計與方法、資料整理與分析、撰寫初稿核心論證文字、語言潤飾與校對、寫結論與貢獻論述。每個環節你標一次：我主導、AI 輔助，還是 AI 代勞。
標完會算出一個自主性指數，也會直接標出四個環節是紅線：
- 生成或收斂研究問題
- 寫文獻回顧的觀點與評析
- 撰寫初稿核心論證文字
- 寫結論與貢獻論述
這四項的共同點是它們承載你的判斷。文獻可以請 AI 幫忙找，但這個領域有什麼問題沒被回答、你要站在誰的對面說話，這是你的論文之所以是你的論文的地方。關於這條線該怎麼守，可以再讀研究生該怎麼用 AI 才不踩線。
小庭第一次標完，發現自己在「寫文獻回顧的觀點與評析」誠實地選了 AI 代勞，因為她確實請 AI 幫她把二十幾篇的摘要合成一段。工具在這裡跳出紅線警示。她把那一段刪掉重寫，改成自己先列出三種立場，再請 AI 檢查有沒有遺漏。
先做這一步的好處是，你後面每一次用 AI 都知道自己站在哪裡，不必事後補救。
第二步：把「幫我整理某某主題」換成接得上的提問
界線畫好，才輪到怎麼問。
研究提問鷹架把提問拆成四格：角色、脈絡、任務、格式。四格填得愈完整，上方的脈絡完整度就愈高。
小庭原本打算問的是：
幫我整理國中生使用 AI 的相關文獻。
用四格重搭之後變成：
角色：你是教育科技與課室評量領域的研究者。
脈絡：我是臺灣的教育所碩二生，研究對象是公立國中七到九年級學生，關注的是學生用生成式 AI 完成回家作業之後，教師在評量與回饋上的實際做法。我讀的文獻以 2023 年之後的實證研究為主，中英文皆可。
任務：幫我找出這個題目底下已經被研究過的三到四個切點，各自說明它們爭論的是什麼，並指出哪些切點在臺灣脈絡下還沒有實證資料。
格式：用表格呈現，欄位是切點、代表性主張、爭論點、臺灣是否有實證。
差別在哪裡？前者要 AI 猜她想要什麼，後者告訴 AI 她是誰、在什麼限制底下工作、要拿這份輸出去做什麼。
工具還附三層迭代追問，這一層比四格更重要：
- 要依據：這個說法出自哪裡？
- 要反例：有沒有研究得出相反結論？
- 要可查證來源：請給 DOI 或期刊名與卷期。
第三層是保命的。AI 列出來的書目經常格式完整、作者與期刊都像真的，實際上並不存在。拿到清單之後，中文文獻回華藝線上圖書館或臺灣博碩士論文知識加值系統查，英文文獻用 DOI 到 Crossref 逐筆對，這道工序不能省。這件事的來龍去脈，我在找文獻為什麼該用 AI Agent，而不是把 ChatGPT 當圖書館裡講得更完整。
第三步：問題本身還是太糊的時候
有時候問題不在指令寫得不夠細，而在你自己還沒想清楚要問什麼。這時候，可以用好問題改造器。
兩支工具的分工是這樣：研究提問鷹架處理的是你要給 AI 的指令，好問題改造器磨的是你腦中那個問題本身。後者用三個特徵改造：夠具體、有標準、可追問。
小庭一開始的問題是「AI 對學生學習有沒有幫助」。這句話沒辦法回答，因為沒有指明哪些學生、哪一種幫助、用什麼衡量。走完三個步驟之後，她補上處境條件（公立國中、七到九年級、回家作業情境）、判斷標準（以教師端的評量調整與學生的作業完成品質為準），再設計追問（如果教師沒有調整評量方式，結果會不會反過來），問題就從一句空話變成一個能設計研究的起點。
當指導教授說題目太大的時候，缺的往往就是這三樣。
第四步：把讀過的三十篇排成一張表
文獻讀得夠多之後，新的問題是它們在腦中會互相打架。
文獻回顧矩陣要你先寫一句核心問題，例如「教師在面對學生使用 AI 完成作業時，評量方式是否需要改變」。這一句是整張矩陣的軸。接著一篇一張卡，填七個欄位：作者與年份、研究問題或主題、方法與樣本、主要發現、限制或缺口、對你核心問題的立場、你自己的批註。
立場那一欄是關鍵。標完之後，工具會即時統計支持、反對與中立各有幾篇。小庭排到第十八篇的時候看見一件事：支持改變評量的研究多半來自國外的高中與大學樣本，臺灣的實證幾乎都停在態度調查，沒有進入課室現場。那個空白就是她的研究縫隙。
矩陣填完可以匯出 Markdown 表格，還會產出一段 AI 文獻回顧指令。這段指令有一個限制條件寫死在裡面：只准使用矩陣裡的內容，不准補充矩陣以外的文獻。這是為了避免你辛苦查證過的書目，被 AI 一句話又摻進幾筆不存在的引用。
矩陣是骨架，論述還是要你自己寫。這一點呼應第一步的紅線。
第五步：讀專書的時候別讀完就忘
碩、博士生除了讀期刊論文，還要讀方法論教材、口試委員推薦的專書、系上指定讀物。這類長文的問題不是讀不懂，是讀完之後留不下東西。
輸出筆記器的四個步驟是：先寫下這次的閱讀目的、記下書名、把書中精華寫成每條 20 字以內的短句、每一條精華再接上一個具體行動。工具會即時算出輸出轉化率，也就是有多少條精華真的接上了行動。
小庭讀質性研究方法的教材時，其中一條精華是「編碼要留下決策紀錄」，對應的行動是「本週把已經編過的六份訪談逐字稿補上編碼備註欄」。轉化率這個設計的用意很直接：只有精華沒有行動，代表你只是把書抄了一遍。
第六步：投稿或送審之前
論文寫完，最後一關是揭露。愈來愈多的學術期刊與系所把 AI 使用揭露寫進投稿規範，但很少有人教你具體怎麼寫。
AI 使用揭露＋倫理自檢先問你這次是哪一種場合：期刊投稿論文、學位論文、研討會論文，還是課程作業。不同場合的揭露慣例不一樣。接著勾出你實際做過的事，選項包含文獻搜尋與整理、概念釐清與腦力激盪、語言潤飾與文法校對、翻譯、程式碼撰寫或資料分析協助、生成圖表或視覺化、生成草稿文字、改寫既有文字。
勾完會產出中英文兩版聲明，可以直接貼進投稿系統或論文的方法章節。
真正該花時間的是第二部分的六道倫理自檢：
- 研究的核心論點、詮釋與結論由我本人提出
- AI 生成的事實、數據與引用，我已逐一查證為真實存在且正確
- 我沒有把 AI 列為論文作者
- 我已確認此次使用符合該期刊或系所的 AI 使用規範
- 我已在論文中適當揭露 AI 使用
- 原始資料與分析過程可由我自行重現，不依賴 AI 的黑箱輸出
第二項是最多人卡住的地方。小庭自檢時發現，文獻回顧裡有三筆引用是早期請 AI 整理時留下的，她一直沒回頭查。查完之後有一筆確實不存在，另一筆卷期錯了。這兩筆如果送進口試，性質不是疏忽而是學術誠信問題。揭露該怎麼寫、紅線在哪裡，可以再讀用了 AI 不可恥，藏起來才有風險。
一條可以照走的動線
把六支工具接起來，順序是這樣：
- 開始用 AI 之前，先用 AI 協作界線卡把紅線畫出來
- 題目還很糊的時候，用好問題改造器磨問題本身
- 要請 AI 幫忙探路的時候，用研究提問鷹架寫指令，並用三層追問逼出可查證來源
- 文獻讀到一定量之後，用文獻回顧矩陣排出立場分布，找出缺口
- 讀專書與方法論教材的時候，用輸出筆記器把精華接上行動
- 投稿或送審之前，用 AI 使用揭露＋倫理自檢產出聲明並逐項自檢
前後大約需要一個學期。跑完之後你手上會有的不只是幾份輸出，而是一套自己說得清楚的使用原則。
三個提醒
第一，工具不會替你決定研究問題。它們能做的是把你腦中的東西攤開、排好、標出缺口，讓你更容易看見自己在想什麼。決定要問什麼、要站在哪一邊，還是你的工作，這也正是界線卡把四個環節標成紅線的原因。
第二，書目一定要查證。這件事在這篇裡出現三次，不是重複，是因為它是目前最常見、後果也最嚴重的失誤。
第三，各校或各學術期刊的規範差異很大。這些工具產出的聲明格式綜合了多數期刊與學術機構常見的規範，是給你一份底稿，實際仍以你所屬系所與目標期刊的官方公告為準。
題目太大，其實是好消息
回到指導教授那句話。他說題目太大，多半不是嫌你做得不好，而是他看得出來你手上的材料還沒排好。材料沒排好的時候，題目只能一直維持在那個什麼都想講的狀態，收不下來。
真正把題目收窄的，從來不是某個工具，是你看見了一個具體的空白：這幾篇都在講態度，沒有人進課室；這幾篇都用國外樣本，臺灣沒有實證。看見空白的前提，是先把腦中那團東西攤到桌面上。六支工具做的就是這件事，它們不替你想，只負責讓你想的東西變得看得見。
看得見，才收斂得了。收斂得了，題目就不大了。
不必六支一起用。今天先花十分鐘做一件事就好：打開 AI 協作界線卡，把八個環節各標一次。標完你會很清楚，自己目前把多少判斷交了出去。這是所有後續動作的地基。
想看完整清單，到工具區；想知道整條研究流程還有哪些現成服務可用，到資源庫；想把方法補齊，六堂免費課從分得清、讀得懂、寫得住，一路講到問得準、做得動、投得中，不必註冊也不必付費。
▲ 覺得這類 AI × 學術研究的實戰方法有用嗎？歡迎在 researcher.tw 訂閱，有新工具或新教學上架時，我會第一時間寄給你。