如何在研究论文中呈现结果（清晰、简洁、令人信服）

写得好的结果部分做了一些看似简单的事情：它准确地告诉读者你发现了什么。 没有解释。 没有猜测。 没有旋转。 只是将研究结果清晰地呈现出来，让读者在你讨论你的结论之前就可以得出自己的结论。

正是这种简单性才让它变得困难。 我们编辑了结果部分，其中三段文字比一个精心设计的表格要少。 我们已经看到研究人员将他们最重要的发现隐藏在有关初步分析的段落中间。 我们看到数字与描述它们的文字相矛盾——有时是在同一个句子中。

学习如何为研究论文撰写结果部分意味着学习克制。 这就是实际情况。

基本规则：结果与讨论

首先，先了解边界。 您的结果部分报告发生的情况。 您的讨论部分解释了它的含义。 将两者混合是削弱这两个部分的最快方法。

结果范围：“实验组参与者的得分比对照组高 23%（M = 78.4，SD = 12.1 vs. M = 63.7，SD = 14.3），t(198) = 7.42，p < .001，d = 1.05。”

讨论领域：“这种效应大小超过了类似干预措施中报告的效应大小（Smith，2022；Lee，2023），这表明我们修改后的方案可能比标准方法更有效。”

看到那条线了吗？ 结果部分为您提供了数字。 讨论部分告诉您这些数字在上下文中的含义。 当你发现自己在结果中写下“这表明”或“这可能表明”时——停下来。 将这句话移至讨论中。

但也有例外。 一些期刊和一些学科将结果和讨论混合到一个部分中。 如果您的目标期刊这样做，请遵循其格式。 但即使在组合部分中，也要在每个段落中明确区分报告和解释。

如何构建结果部分

组织对结果的影响比任何其他部分都重要。 你的读者正在处理数字，没有结构的数字变成了噪音。

选项 1：遵循你的研究问题。 如果你的论文提出了三个研究问题，请将你的结果组织成三个部分，并按顺序回答这些问题。 这会在您提出的问题和您发现的内容之间创建一个直接的映射——对于读者来说很容易，对于审阅者来说也很容易。

选项 2：遵循你的假设。 与上面类似，但围绕预测而不是问题进行构建。 对于每个假设，提供相关数据并说明该假设是否得到支持。 直接说：“假设 1 得到支持”或“假设 2 没有得到支持”。

选项 3：遵循分析逻辑。 从描述性统计和初步分析（可靠性、正态性检查、相关矩阵）开始。 然后进行初步分析。 然后进行二次或探索性分析。 这种结构非常适合具有多个分析步骤的复杂研究。

无论您选择哪个选项，请使用简短的定向段落打开结果部分。 告诉读者本节是如何组织的：“我们首先报告描述性统计和初步分析，然后是我们的主要回归模型的结果，最后是我们的探索性中介分析。” 该路线图可以让您的读者免于想知道您要去哪里。

呈现研究结果：文本、表格和图形

您可以使用三种工具来呈现数据。 使用错误的方法就像用锤子敲螺丝一样——技术上可行，但结果很丑陋。

文本最适合包含少量数字的简单发现。 “参与者的平均年龄为 34.2 岁（SD = 8.7），其中 62% 为女性。” 如果发现涉及一个或两个数字，请将其放入文本中。

表格最适合跨多个组或条件进行精确比较。 如果要比较三个以上的数字，表格几乎总是比文本更清晰。 当精确值很重要时（当有人可能想要引用您的特定平均值、标准差或 p 值时），表格也是正确的选择。

数字最适合显示模式、趋势和分布。 如果关系比确切的数字（增长曲线、分布比较、交互效应）更重要，请使用数字。 数字的处理速度比表格快，并且它们在内存中保留的时间更长。

关键规则：**永远不要跨格式重复数据。**如果结果出现在表格中，请勿在文本中描述表格中的每个数字。 相反，强调关键模式：“如表 2 所示，高剂量条件下治疗效果最强。” 文字引导注意力。 该表提供了详细信息。

我们看到研究人员不断违反这一规则。 结果部分以段落形式描述每个表的每个单元格。 这会在不添加信息的情况下使长度加倍。 您的文字应该解释表格的故事，而不是背诵其内容。

清楚地写出统计结果

统计报告有惯例，遵守这些惯例对审阅者来说意味着能力。

报告效应大小，而不仅仅是显着性。 p 值告诉您效应是否存在。 效应大小告诉您它是否重要。 两者都报告。 “干预组的表现优于对照组，t(198) = 7.42，p < .001，d = 1.05”——d = 1.05 告诉读者这是一个很大的效应，对于实际目的来说，它比 p 值更重要。

符号保持一致。 选择一种报告格式并始终坚持使用。 如果您在第一段中将平均值报告为“M = 78.4”，请勿在第三段中切换为“平均值为 78.4”。 一致性表明对细节的关注。

适当舍入。 大多数统计数据保留两位小数。 当 p 值非常小时 (p = .002)，则为 3。 切勿报告 p = .000 — 改为写 p < .001。 这些小细节对于整天阅读结果部分的审稿人来说很重要。

以发现为主导，而不是分析。 “接受干预的参与者在创造力测量中得分更高”告诉读者结果。 “对创造力得分进行单向方差分析”告诉读者这一方法。 主要发现为：“干预参与者的创造力得分 (M = 42.3，SD = 8.1) 显着高于对照组 (M = 35.7，SD = 9.2)，F(1, 196) = 28.41，p < .001，η² = .13。”

常见结果部分错误

解释结果部分中的结果。 我们在上面说过，但值得重复 - 这是最常见的错误。 将您的解释保存到讨论部分。 您的结果部分是法庭笔录，而不是结案陈词。

隐藏关键发现。 您的主要发现应出现在任何初步分析后的第一个实质性段落中。 不要让读者在人口统计描述和可靠性统计数据背后寻找它。 首先报告主要发现，然后是次要发现，最后是探索性发现。

忽略不显着的结果。 如果您测试了一个假设并且该假设不受支持，请报告该情况。 仅选择性地报告重要结果是一种扭曲科学记录的偏见。 “在测量 Y 上，各组之间没有显着差异，t(198) = 0.87，p = .384，d = 0.12”——清楚地报告并继续。

过度描述表格和图形。 如果表 3 显示了所有六个条件的平均值和标准差，则您不需要描述每个值的段落。 写入：“表 3 列出了所有条件的描述性统计数据。最高分出现在条件 A 中，而条件 F 显示出最大的变异性。” 引导读者的注意力。 让桌子来完成繁重的工作。

格式不一致。 混合的报告样式、不一致的小数位以及同一部分内 APA 和非 APA 表示法之间的切换。 通过我们的人工智能校对器 运行你的结果，以发现这些不一致之处——它们对作者来说几乎是看不见的，但对审稿人来说却是显而易见的。

AI 摘要器 也可以在修订过程中提供帮助。 如果您的结果部分很长，请将其输入摘要器中，以识别哪些段落包含真实的发现，哪些段落是多余的描述。 相应地修剪。

学术论文人工智能校对器

捕获不一致的统计符号、语法错误和格式问题。专为精确的学术写作需求而设计。

常见问题

问：结果部分应该多长？

结果部分的长度应满足报告所有发现的需要，而不是更长。 对于包含两个或三个研究问题的典型期刊论文，800-1,500 字加上表格和图形是常见的。 关键指标不是字数，而是信息密度：每个段落都应至少报告一项发现。 如果一个段落仅包含方法描述或过渡语言，则它是填充。

问：我应该报告所有结果还是只报告重要结果？

报告您测试的每个假设或研究问题的所有结果（重要和不重要）。 仅选择性报告重要结果被认为是有问题的研究实践，并且违反了 APA 报告标准。 非显着的发现具有丰富的信息。 他们告诉该领域不存在影响的地方，这阻止了其他研究人员测试相同的死胡同。

问：我什么时候应该在结果中使用图表而不是表格？

当精确值很重要并且读者可能想要引用特定数字时，请使用表格。 当模式、趋势或关系比精确值更重要时，请使用数字。 一个好的规则：如果有人需要眯着眼睛看你的数字来提取特定的数字，那么该数据就属于表格。 如果有人很难通过扫描数字列来看到模式，那么该数据就属于图形。

问：我可以在结果部分包含原始数据吗？

不 - 您的结果部分显示分析数据，而不是原始数据。 包括描述性统计（平均值、标准差、频率）和推论统计（检验统计、p 值、效应大小）。 原始数据属于补充材料或数据存储库，并在方法部分中注明可以访问的位置。 一些期刊现在要求提供数据可用性声明，您应该在提交前检查该声明。