课程介绍¶
课程定位¶
本课程面向计算机及智能信息类本科生，定位为研究素养与研究实践导论。课程不以短期发表论文为统一目标，而是帮助学生掌握一套可迁移的研究工作方法：
发现问题 → 理解并评价已有工作 → 解释机理 → 提出假设
→ 构思并实现方案 → 设计证据 → 表达、接受批评与修订
学习目标¶
完成课程后，学生应能够：
- 解释计算机科研中问题、机理、解法和效果之间的逻辑关系；
- 检索并结构化阅读论文，建立小型文献图谱；
- 提出边界清晰、有意义、可研究和可反驳的问题；
- 从机理出发形成研究假设、方案草图和最小实现计划；
- 设计适当的基线、变量、指标和实验，正确解释证据边界；
- 使用提案、研究报告、图表、口头展示和同行评审交流研究；
- 在AI辅助下保持引用、数据、代码和结论的可核验性。
课程组织¶
单次课程建议采用：
| 模块 | 目的 |
|---|---|
| 核心概念讲授 | 讲清方法、常见误区与判断标准 |
| 论文或案例拆解 | 用真实材料观察问题—方法—证据链 |
| 脚手架式课堂任务 | 通过分类、补全、排序和审查练习研究动作 |
| 小组工作坊与反馈 | 将方法应用到学生自己的研究题目 |
贯穿式产出¶
课程各讲的作业不是孤立练习，而是最终Mini Research Proposal的组成部分：
- Paper Reading Note
- Literature Map
- Problem–Gap Canvas
- Mechanism & Hypothesis
- Solution Sketch
- MVP Plan
- Evaluation Plan
- AI Research Log
- Final Proposal & Presentation
评价建议¶
| 项目 | 建议权重 | 评价重点 |
|---|---|---|
| 论文阅读与评价 | 15% | 准确识别问题、方法、主张、证据和局限 |
| 文献地图与相关工作 | 15% | 形成结构化比较，而非逐篇摘要 |
| 问题、机理与假设 | 15% | 边界清晰、机理合理、假设可检验 |
| 方案与实验计划 | 15% | 方案作用于机理，证据链完整且公平 |
| 课堂活动与同行反馈 | 10% | 过程投入、问题质量和反馈质量 |
| 最终研究提案 | 20% | 逻辑、文献、方案、评估、风险和局限 |
| 最终展示 | 10% | 表达清晰、问答质量、对局限的认识 |
说明
当前网站先发布课程结构和已完成讲次。开课学期、上课时间、具体考核和截止日期将在正式教学安排确定后更新。