如何在期刊論文中撰寫方法與結果

在學術寫作中描述方法論與報告結果

在您介紹研究問題並將其置於文獻中後，讀者需要快速獲得兩件事：一個可信的地圖，說明您如何產生證據（方法論），以及一個清晰的說明，呈現您的發現（結果）。本文示範如何撰寫這兩部分，使編輯、審稿人及未來研究者能驗證並重用您的工作——而不必翻閱不必要的細節。

1) 方法論部分的目的

您的方法必須不只是列出步驟；必須說明為何此設計適合這些問題及限制。良好的方法論部分回答五個問題：

1. 設計：您使用了什麼整體方法（實驗、準實驗、觀察、案例研究、人種誌、調查、混合方法）？
2. 抽樣：研究了誰／什麼？案例如何被選取？樣本大小及其理由（效能或飽和度）為何？
3. 材料 & instruments：你使用了哪些工具、Measures或設備，且它們如何被驗證或校準？
4. 程序：到底發生了什麼，順序如何，條件是什麼？
5. 品質 & 倫理：你如何確保效度/信度或可信度/可靠性，並且有哪些批准與保障措施？

2) 包含內容（及位置）

組成部分	包含於正文	置於附錄/資料庫
設計 & 理由	是—2–4 段簡潔段落並附引用	無
抽樣 & 效能/飽和	資格、招募、n、效能計算或飽和邏輯	完整流程圖；招募材料
Measures/instruments	名稱、構念、信度/效度；校準	項目清單；評分規則；原始規格
程序/方案	順序、時間、隨機化/遮蔽/盲法	完整方案；預先登記；代碼
分析計劃	主要/次要結果；模型；假設	替代規格；推導；診斷程式碼
倫理與資料	核准；同意；資料/程式碼可用性聲明	去識別資料集或合成資料；資料庫連結

3) 撰寫設計與理論依據

以簡潔段落開頭，說明設計名稱並連結至您的研究問題或假設。

範例句：“我們使用前瞻性世代設計來估計暴露X與結果Y之間的關聯，因倫理/後勤限制而選擇此設計而非隨機試驗，並透過傾向分數加權減少混淆。”

4) 抽樣與案例選擇

• 定義族群及框架；給出納入/排除[criteria]。
• 解釋樣本大小：對於量化研究，報告檢定力假設（效應大小、α值、檢定力）。對於質性研究，說明如何判斷主題飽和。
• 流程：使用圖表顯示接觸 → 符合資格 → 同意 → 分析。

5) 材料、儀器與[measure]

• 命名每個[measure]/工具並說明其捕捉的內容（構念）、評分方式及已知的信度/效度。
• 對於設備/檢測：報告型號/版本、校正時間表及容差/誤差。
• 對於調查：請指出來源（改編項目與新項目）、試點測試及是否使用翻譯/回譯。

6) 程序與控制

精確描述事件順序。若使用隨機分配，請說明單位、[method]（例如，區塊、分層）及分配隱藏。若有盲法，請說明誰被盲法及如何測試。對於觀察性設計，請說明混淆因子及遺失資料的處理。對於實驗室工作，請記錄重複次數、排除規則及環境控制。

7) 分析計劃與假設

• 明確定義主要與次要結果。
• 說明所用的模型（例如線性混合效應、邏輯斯迴歸、主題編碼框架）及檢查的假設。
• 若測試多重假設，請說明多重性控制（例如 Holm-Bonferroni、FDR）。
• 預先指定穩健性/敏感性分析；探索性工作留到討論。

8) 效度、信度與偏誤緩解

審稿人會尋找這些訊號：

• 內部效度：隨機化/盲法、平衡檢查、操作檢查。
• 測量效度/信度：評分者間信度、Cronbach’s alpha、儀器校準。
• 外部效度：代表性、情境限制、邊界條件。
• 偏誤控制：預註冊、遺失資料處理、污染檢查、反思性（質性研究）。

9) 真正有幫助的視覺元素

使用視覺元素來壓縮複雜性——絕非裝飾。

• 圖形：裝置示意圖；時間軸；DAGs；主題地圖。圖例必須讓讀者在不看正文的情況下理解圖形。
• 表格：資格標準；變數定義；描述性統計；模型摘要。避免重複——如果數字已在表格中，請勿在文字中逐字重複。

報告結果

結果應該是以您的表格/圖形為依據的事實敘述，而非對意涵的討論（那留到下一節）。結構必須反映您的研究問題或假設，讓讀者不會疑惑段落的存在理由。

10) 結果的結構選項

• 依研究問題/假設：最適合驗證性研究。每個子部分 = 一個 RQ/H，主要結果優先。
• 時間順序：適用於時間序列、分階段實驗或縱向設計。
• 主題式：質性工作中常見；主題依顯著性或概念邏輯排序。
• 依[method]流程：混合方法時，分開量化與質性結果，並於討論中整合。

11) 撰寫量化結果

• 以效應為先，不是檢定：先報告效應大小和不確定性（CI），再報 p 值。
• 精確呈現：提供精確的 p 值（例如，p = 0.013），除非期刊政策另有規定。
• 展示分布：偏態時報告中位數/IQR；包含每組樣本數。
• 每次分析只說明一次模型和協變數；避免重複技術細節。

範例句：“與對照組相比，介入使平均測試分數增加6.2分（95% CI 3.4–9.0；n=412；調整基線、年齡、地點）；p = 0.001。”

12) 撰寫質性結果

• 明確命名主題並將其與你的問題連結；為每個主題提供簡短的分析定義。
• 引用證據或田野筆記：選擇生動、典型的摘錄；在相關情況下標明匿名講者特徵。
• 展示模式：指出盛行率/變異性，但不要將質性工作變成偽量化。
• 審計追蹤：簡述編碼方法、編碼者間檢查及反思筆記；完整代碼本附於附錄。

13) 表格與圖表：讓審稿人印象深刻的微觀慣例

• 在文字中參照每個視覺元素（“見圖 2”），並告訴讀者應注意什麼（“圖 2 顯示政策後的明顯斷點”）。
• 在圖表中使用一致的單位、軸刻度和縮寫。
• 避免過度精確（例如，除非測量需要，否則不超過兩位小數）。
• 腳註模型說明、變數定義及多重性調整於表格中。

14) 穩健性、敏感性與負面結果

當你主動測試脆弱性時，可信度會提升。

• 穩健性：替代規格、頻寬、群集層級、先驗分布或排除規則。
• 敏感度：影響診斷、遺漏資料方法、替代結果定義。
• 負面/無效結果：直接陳述；強調精確度（信賴區間）與檢定力，避免道歉。

15) 常見陷阱（及修正）

• 方法漂移：結果包含先前未描述的新方法。修正：將方法細節移至方法部分並交叉參照。
• 重複：在文字中重複每個表格欄位。修正：摘要模式；引導讀者參考表格。
• 過度解讀：從描述性或弱識別設計推論因果關係。修正：限定主張；將機制推測移至討論。
• P-hacking 視覺：多重檢定未控制多重性。修正：預先指定並控制 FWER/FDR；標示探索性分析。
• 不清晰圖表：軸未標示、字體過小、顏色模糊。修正：以讀者為先重新設計。

16) 可調整的小範本

方法—設計與樣本：
“我們在 24 所學校（12 所介入，12 所對照）進行群集隨機試驗。資格條件為 [criteria]。以區域分層、區塊大小 4 進行隨機分配；分配隱藏透過 [method]。統計力分析顯示 n=… 可偵測 Δ=…，α=0.05（80% 檢定力）。”

方法—分析計畫：
“主要結果為 [measure]。我們使用線性混合模型估計意向治療效果，模型包含學校隨機截距及基線分數、年級和區域的固定效應。透過殘差診斷評估假設，並對次要結果以 5% FDR 控制多重比較。”

結果—主要結果：
“介入學校學生得分比對照組高出 6.2 分（95% CI 3.4–9.0；n=412；p = 0.001）。效果在各年級間一致（交互作用 p = 0.41）。模型係數見表 2，調整後平均值見圖 1。”

結果—質性主題：
“主題 A：資源摩擦。 參與者描述了限制採用的長期短缺（『我們四個人共用一台設備』—教師，偏鄉）。敘述將摩擦歸因於排程瓶頸而非態度，與設備使用率與採用之間的量化關聯相符（表 3）。”

17) 混合方法整合

如果你同時使用量化和質性方法，分別清楚報告，然後明確整合。

• 在討論中使用交織段落：展示趨同、互補或分歧。
• 交叉參照：「量化對採用的影響（表2）由報告的排程障礙（主題A）解釋。」

18) 可重現性與透明度

• 可用性聲明：告訴讀者資料和程式碼的位置（或為何限制存取）及其授權條件。
• 版本控制：引用軟體和套件版本；在你的倉庫中包含sessionInfo()或環境檔案。
• 說明文件：提供逐步重現腳本（例如，00_clean → 01_analyze → 02_tables_figures）。

19) 提交前的簡明檢查清單

1. 命名並說明設計；方法可從文字+附錄重現。
2. 報告抽樣、資格和n；處理檢定力/飽和度。
3. 所有工具定義並具信度/效度；設備已校準。
4. 描述隨機化/遮蔽和分配隱藏（如適用）。
5. 宣告主要/次要結果；說明分析計劃和假設。
6. 包含倫理審查批准和同意；說明資料/程式碼可用性。
7. 表格/圖形先草擬；圖例獨立成章；正文無重複。
8. 量化結果包括效應大小、信賴區間、精確p值；多重性處理妥當。
9. 質性結果包括命名主題、引言和編碼透明度。
10. 堅實性/敏感性和負面結果無需道歉地報告。

結論

一篇有說服力的論文讓人輕鬆信任你的所作所為，並理解你的發現。保持方法簡潔但完整，步驟旁附上理由。讓結果遵循你的問題邏輯，透過簡潔的敘述和誠實、精心製作的視覺呈現表達。如果同行能從你的文字和附錄中重新執行你的研究，且你的結果讀起來像明確的答案而非懸念，你就達到了編輯所尋求的專業標準。