第 67 卷

基于文献矩阵，帮我梳理学术界在这个问题上的主要流派：1. 分为哪几派？各自的核心主张、代表文献？2.

各派之间的主要分歧点？3. 已有研究留下的空白/不足？输出为结构清晰的 Markdown 文档。

步骤 4：你自己基于 AI 的梳理，写综述初稿的逻辑线（哪派先写、怎么过渡到你的研究），再让 AI 帮你"顺句子"而不是"写段落"。综述的灵魂是"你的组织逻辑"，AI 只是你的素材整理员。

方法三：大纲生成与迭代（Plan 模式，先方案后执行）

步骤 1：选题确定后，切换到 Plan 模式，让 AI 出大纲方案：

我的论文题目是《XX》，研究问题是 XX，研究方法为 XX，学校要求正文 1 万字左右、参考文献不少于 20 篇、GB/T 7714 格式。请给出完整论文大纲：一级标题到三级标题，每章注明写作目标、预计字数、需要的材料/

数据、与前后章节的逻辑衔接。先出方案，我确认后再执行。

步骤 2：逐条审核大纲：章节是否支撑研究问题？有没有章节是"凑字数"？每章的任务是否可完成？用追问让 AI 修改："第三章和第四章有重叠，请合并并重新划分"；"结论章目前太空，建议补充研究局限与展望"。

步骤 3：大纲定稿后，务必给导师过目。导师认可的大纲，是后续所有写作的"合同"。

方法四：分章节写作辅助（Craft 模式，一次一章）

步骤 1：切换到 Craft 模式，一次只写一章。示例：

现在写第二章"文献综述"：基于我上传的文献矩阵，按我给你的逻辑线（先写流派一，再写流派二，最后引出研究空白）组织，约 1500 字。要求：1. 观点必须来自我上传的文献，禁止编造；2. 每段至少引用 2

篇文献并在文末标注序号；3. 语言符合本科论文水平，不要研究生腔调。先给这一章的段落提纲，我确认后再写。

步骤 2：每章生成后人工改写：加入你自己的分析、判断和课堂积累；把 AI 的"正确的废话"替换成有信息量的表述；核对每个引用是否真实存在。

步骤 3：全部章节完成后，统一处理格式与参考文献：

请检查全文：1. 参考文献格式是否全部符合 GB/T 7714-2015（列出不规范条目及修改建议）；2.

文中引用标注与文末参考文献是否一一对应；3. 章节编号是否连续；4.

有没有重复段落。输出问题清单，不要直接修改正文。

写作纪律提醒：严禁"一键生成整篇论文"。实测经验表明，分章节生成 + 每章人工加工，既是学术诚信要求，也是规避 AI

检测、提升论文质量的必要条件。另外要清醒认识到：一手调研数据、创新性论点，AI 无法替你产生，这些必须来自你自己的调研和思考。

方法五：开题报告与答辩 PPT 辅助（附加场景）

开题报告可复用同一套流程：让 AI 基于你的选题说明生成开题报告框架（研究背景、研究现状、研究内容、研究方法、进度安排、预期成果），你逐节填充真实内容。答辩 PPT 可参考本知识库 13.3 节（竞赛项目协作）中的 PPT

生成方法：先出大纲、确认结构、指定风格、生成可编辑 PPT。

常见误区

误区一：让 AI 全文代写。这是最严重的学术不端，一旦被发现（查重、AI 检测、答辩追问），后果是论文作废甚至处分。纠正：AI

只做文献检索、格式、润色等辅助工作，核心观点和论证必须自己完成。

可能生成"看起来很真"但实际不存在的文献条目。纠正：所有参考文献必须是你真实阅读过的；让 AI 格式化之前先核对原始来源。对于 AI 生成的内容中出现的陌生文献，一律查证后再决定是否引用。

误区三：大纲没确认就闷头写。写到一半发现结构撑不住，返工成本极高。纠正：大纲阶段用 Plan 模式充分迭代，定稿后给导师过目再动笔。

误区四：文献综述写成"名录式堆砌"。一段一个"某某认为"，没有脉络、没有对话、没有研究空白。纠正：先让 AI 做文献矩阵和流派梳理，你自己决定综述的组织逻辑，AI 负责执行。

误区五：不遵守学校 AI 使用规范。很多学校已要求论文提交 AI 使用声明，隐瞒使用情况本身就是违规。纠正：主动查阅本校学术规范，按要求申报 AI

辅助情况，保留工作记录（草稿、对话、修改日志）。

误区六：格式问题拖到最后一天。

参考文献格式、图表编号、页眉页脚集中在最后改，改到崩溃。纠正：写作过程中每完成一章就让 AI 检查一次格式，问题随写随清。

实操模板 / 检查清单

毕业论文全流程检查清单：

• [ ] 选题：经"三有"检验（有价值、有边界、有数据），已与导师确认
• [ ] 文献：文献矩阵完成，所有引用文献真实可查，无 AI 编造条目
• [ ] 综述：有清晰的学术脉络和流派梳理，结尾点出研究空白，非"名录式堆砌"
• [ ] 大纲：三级标题完整、逻辑闭环，Plan 模式迭代后经导师确认
• [ ] 正文：分章节撰写，每章经人工改写，核心观点与论证为自己原创
• [ ] 数据/案例：实证材料来自真实调研，无编造数据
• [ ] 格式：参考文献符合 GB/T 7714-2015，文中标注与文末一一对应
• [ ] 诚信：已了解并遵守学校 AI 使用规范，必要时提交 AI 使用声明
• [ ] 自查：全文通读一遍，能对每一个观点讲出"为什么这么写"

三个反思问题

• 这篇论文的"研究问题、分析框架、核心观点"里，有哪几处是完全属于我自己的思考？如果抽掉

AI，论文还成立吗？

• 我在"检索文献、整理格式、润色语句"上的时间占比，是否远大于"思考论证、构建逻辑"？这是不是我应该调整的

？

• 答辩时老师问"你的创新点是什么"，我能不借助任何工具讲清楚吗？如果不能，现在应该补什么？

【声明】本文为学习资料，不构成官方承诺；功能以 WorkBuddy 实际版本为准。学术诚信提示：AI 辅助≠代写，请遵守学校规范。

用 WorkBuddy 完成论文与课程中的数据分析：

问卷整理、统计描述与结果呈现

为什么这一块很重要

"数据分析"这四个字，对非统计专业的本科生来说，往往是论文写作里最劝退的一环。痛点非常具体：

第一，问卷数据整理是纯粹的体力活。一份 30 道题的问卷回收后，原始数据表往往"脏"得没法直接用：ID 格式不统一、有人乱答、有人 8

秒交卷、城市字段"北京市/北京/beijing"并存、开放题一堆无意义内容。传统做法是在 Excel 里手工去重、筛选、合并、匹配，中等体量的问卷就能耗掉半天，还容易漏剔错拼。

第二，统计软件门槛高。不会用 SPSS、不会写 Python、透视表玩不转——这是多数文科、商科、社科学生的真实状态。数据摆在面前，不知道从哪下手。

第三，结果呈现不会写。数据算出来了，但"统计描述"那一段怎么写？"表 1 显示……"怎么组织？图表怎么做得既规范又能说明问题？很多论文的数据部分沦为"贴几张图 + 几句废话"。

WorkBuddy 把"上传文件 → 一句话描述分析目标 → 拿到图表和结论"这条链路大幅缩短：它可以直接读取 Excel/CSV 文件，完成数据清洗、统计描述、交叉分析、可视化图表与报告生成，你不需要会 SQL 或

Python。官方应用场景明确包含"数据处理、分析与可视化"，这是 WorkBuddy 的核心能力之一，而非附加功能。本节按"清洗 → 统计描述 → 交叉分析 →

结果呈现"的顺序，给出论文/课程数据分析的完整方法。

核心概念

概念一：数据清洗（分析的起点，决定一切）

数据清洗是指把原始数据变成"可分析的标准数据"：统一字段格式（如把"北京市/北京/beijing"统一为"北京"）、处理缺失值、剔除无效样本（答题时长过短、专注度检验题答错、重复提交）、合并多张表（按 ID

关联人口学信息和作答数据）。清洗规则不能拍脑袋：无效样本的判定标准（如答题时长 < 60 秒剔除）、专注度检验题怎么算"答错"，都要在分析前定清楚并写进方法部分——这既是学术规范，也是审稿人/老师必查的点。AI

可以执行清洗，但清洗规则的制定是你的责任。

概念二：描述性统计（回答"数据长什么样"）

描述性统计是论文数据部分的地基：频数（多少人选了 A）、百分比、均值、中位数、标准差、最值、分布形态。它回答的是"样本的基本情况"，通常用表格呈现（如表

1：样本人口学特征）。AI 可以快速算出这些指标并给出文字描述模板，但你要理解每个指标的含义，才能在"结果"部分正确解读。

概念三：交叉分析（回答"变量之间什么关系"）

交叉分析是把两个变量放在一起看关系：如"不同性别的学生对新政策的接受度差异""不同年级的消费习惯对比"。典型输出是交叉表 + 卡方检验等显著性检验。AI 能算交叉表、生成对比图表、标出差异较大的单元格，但"选择哪些变

量交叉、怎么解读差异"需要你的研究问题来驱动——先有问题，再有分析，而不是先分析再找故事。

概念四：数据可视化（让结论"看得见"）