科研思考
看清好问题的诞生、证据的筛选，与结论的边界
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
科研思考
看清好问题的诞生、证据的筛选，与结论的边界
科研三要素
上页我们聊了科研思考——敢于追问、保持怀疑。但光有思考的姿态还不够，思考要落到一次完整的研究里，需要三块基石同时立稳。
案件疑点对应真问题，调查手段对应严方法，证据链对应硬证据
Program today
知道三要素不等于能干活——你还得有一份「今天到底怎么推进」的可执行方案。研究方案不是灵感清单，而是一份有目标、有路径、有截止线的工程图。
目标峰=核心问题，路线=方法链，气象阈值=成功判据，下撤时刻=时间盒
Program yesterday
上课头 5 分钟，老师往往说「上节课我们讲到了……」——别小看这个动作，它就是 Program yesterday。
昨天的训练是肌肉，今天先唤醒再练新动作；记忆也一样
Theory of Programming
上一页我们对比了'昨天'与'今天'的程序形态——写法、抽象层都在变。但有一个问题从未改变：什么样的'程序'在数学上是合法的、正确的、可证明的？这正是 Theory of Programming 的研究对象。
不学语法也能说话，但语法定义'合法句子'与'句子含义'，并支持逻辑推理；说不出的就不属于语言
A of ARM
上一页我们讲了编程理论的抽象机器——ARM 正是这样一个真实存在的具体实现，同时也是你口袋里手机芯片的根基。
刀少但每把都被磨到极致；指令少但每条都被硬件做透，所以又快又省电
R of ARM
A 帮你把问题剥到只剩骨架——但怎么从骨架走到让人信服的结论？这就需要一条从「已知」通向「未知」的逻辑桥梁：R，Reasoning，推理。
法官据证据（数据）+法条（方法）推判决（结论）；两边都要逻辑链可追溯、结论可质证
M of ARM
文献调研告诉你别人做过什么，方法选择决定你能做什么。R 之后，自然要问：用什么方法抵达 A 设定的目标？这就是 M。
A 是山顶，R 是已知地形，M 就是你选哪条路——各有代价和风险
OESPA
上一节 ARM 给了我们做研究的「工具箱」——抽象、推理、建模。但工具什么时候用、按什么顺序用？这就需要一个完整的研究流程。OESPA 就是这样一个闭环：把研究拆成五步，前后衔接、首尾循环。
问诊查体=O，化验推理=E，病历归档=S，预判转归=P，处方治疗=A
本节要点
- ✓科研始于好奇心，成于系统化
- ✓好问题比好答案更稀缺
- ✓代码首先是写给人看的文本
- ✓理论是工程可复用的根
- ✓方法论让个人灵感变团队产出
课后思考
先自己写几句再看参考答案，三个问题对应回顾、应用、迁移三种深度。
参考答案「今天」和「昨天」对应的不是时间而是规模——硬件、人、约束都变了，所以今天的写法是昨天的超集，不是替换。
参考答案以搜索引擎为例：O=搜索目标、E=相关性算法、S=索引服务、P=查询解析、A=排序输出。重点想清楚 S 和 P 的边界。
参考答案通常是 R（Reputation）最被忽视——大家关心代码与架构，但很少追问「这个项目在生态里被谁信赖、为什么信赖」。