一、寫作通則
(一)、架構
1. 主詞 (主要重點，如欲闡述的原因)寫在句子前面。
2. 本土化的工具，若找到universal issue，就可投國外期刊。
3. 概念須釐清，再以寫作和口頭報告訓練表達能力。
4. 評論過去工具的不足
(1) 須思考所評論的理由夠不夠強。
(2) 考慮評論的理由是否合適。
(3) 評論須有証據，不然沒有說服力。
5. 不同論文section，其主題句寫法亦不同。例如：於討論部分，主題句要寫清楚用IADL項目的主要原因是什麼。
6. 寫作的結構為top-down的方式。給建議和思考模式亦為top-down的結構。
7. 主題句為主要概念，主詞要放在前面。段落的起始由主題句開始。
主要的概念與要突顯的東西，應該讓讀者很快看到，相關內容/概念不要用隱喻的方式撰寫。
8. 論文的撰寫，須先確定讀者是誰，再決定要寫的多深和多詳細。
(二)、方法
1. 施測者內和施測者間信度研究流程之撰寫，須分段先寫rater training怎麼做，再描述正式研究怎麼做。
(三)、討論
1. 在心理計量驗證的論文，須在討論中解釋預驗證的心理計量的結論為何，有什麼臨床上的應用。非寫概念上的探索議題。
心理計量驗證為confirmatory，是驗證工具，非為驗證概念。若研究假設2個變項有相關，就解釋其convergent validity好不好，好有什麼意義和價值，要解釋的是工具。不用介紹相關代表的意思。
2. 討論的議題可從廣度和深度的角度發掘，如可討論方法學、從結果中發掘議題。
3. 討論部分，須以finding的解釋為主，告訴讀者發現什麼。
4. 研究的目的為驗證工具，若工具有ceiling effect，結論應為使用者要留意有ceiling effect，不能討論ceiling effect要minimized。
5. intra-rater數據不好，須真實面對數據，有可能是sampling和rater的問題，或研究設計的flaw。最好的設計為有rater group。
6. 若論文為自己發展工具的驗證，不適宜寫要改工具內容。若提改工具的方法，改了工具會變得更好嗎? (沒有證據) 質疑原本的設計，推翻整個評估工具，之前所提的數據變為無效。應於改出更好的版本時，寫另一篇。
二、寫作細節
(一)、段落
1. 一個段落至少有二句話，一句話不能成為一個段落。
2. 內容為描述性，較平鋪直敘，念出來或比較無聊。要避免太條列式的寫作方式。
增加可讀性的方式為須有寫作層次。或內容可放在appendix部分。
可在內文中organize/summarize，其它以表呈現。
段落內容非窮舉 (如提出所有的共病)，須分類或製表的方式呈現。
3. 可在主題句畫線，以提醒自己是否寫得清楚。
4. 一個標題可以只有一個段落，要看標題下要呈現多少內容。
(二)、語句
1. 可善用標點符號，如冒號 (：)，以清楚呈現句子內容。
2. 句子不能太長，一句話不超過3行。
3. 評估工具縮寫名稱的命名要點：(1) 容易記得、看得清楚；(2) 須有母音。
4.句子的概念須論述完整。
5. 英文字"issue"較中性，若要評論過去工具的不足，須使用"flaw或drawback"等英文字。
6. 文字越少越精簡，越容易閱讀。
7. 除非作者很重要及讀者會知道這些作者，在引用文獻中，不須提作者名字。
8. 出現新的詞彙，要確定讀者都看得懂。
(三)、圖表
1. 圖為告訴讀者趨勢，不會呈現數值。若要呈現精確的數值，須包括mean和SD。
2. 表為呈現精確的數值。
三、回覆審稿者意見
(一)、若對審稿者的意見不清楚時，有二個作法：1. 猜測其意見；2. 若其意見為critical的問題，須寫信給主篇，請主篇協助釐清。
(二)、每段的第一句可specify審稿者的問題，以讓審稿者知道是針對那個問題。
(三)、回覆審稿者意見，須修改的論文部分 (摘要、前言、方法、結果、討論、圖表)皆須提出。
(四)、須先提是否接受審稿者的意見 (改好後，套在稿件內)，然後提出稿件中要怎麼改。
(五)、沒有任何研究是perfect，研究做完後，沒辦法改變和補救。沒做的部分，不須講理由，就列為limitation。
四、統計/心理計量
(一)、bootstrap方法：一種重複的抽樣法。在已有的樣本中不斷重複隨機抽樣，以模擬出原本母體的真實分配。若為單一數值，可使用bootstrap，以進行檢定。
(二)、控制變項的統計方法 (ANOVA vs. regression)：ANOVA為看group的差異，regression為看相關，此二種方法為一體二面。
(三)、F值和t值於內文之呈現，須考慮投稿的領域。於心理系領域，F值和t值須於內文中呈現，但在醫學類的領域，內文中不須呈現F值和t值。
寫作策略：F值和t值可不呈現，除非審稿者建議，再補。
(四)、很多原因會影響 r 變低，可能來自概念上、情境上、計量的原因。例如：信度不好，誤差高，而導致相關低。
(五)、p值須精確到小數點第3位。可寫出p值數值完整，如p=0.023。p值的數值為阿拉伯數值，精確不會影響可讀性。
(六)、目前我們使用的MDC為其中之一的算法。MDC和第一次測量的SD沒關係，是與change SE (different SE)有關 (與改變分數的variation有多大有關)。
(七)、單向度Rasch分數vs.多向度Rasch分數：須選擇一個比較有精準度的計算方式，對臨床比較重要。多向度Rasch分數計分比較麻煩，但可以提供臨床工作者一個programe，以方便計算。
(八)、PEF四個面向相關太高，以致多向度Rasch reliability提升有限。面向間為中度相關可補充最多的訊息。
(九)、概念上，SEM為隨機測量誤差大小，MDC是和變化的大小。
(十)、研究設計
1. 在inter-rater reliability研究中，如何驗證practice effect?
inter-rater為系統性的誤差，且practice effect為系統性的偏誤。因此須考量如何在rater間為significant差異下，以驗證前後測量是否有差異 (practice effect)。
五、其它研究核心能力
(一)、英文口說/報告能力
1. 可模仿/學習記者和政治人物報告，清楚且緩慢。
2. 可找有聲音和字幕的英文演講，但聲音和字幕要分離。
3. 報告講很快時，須把背景講清楚，發音要標準。
4. 報告時態須一致。
5. 內容太多，以致無法在時間內講完。須考量報告時間以準備報告內容的廣度。
依據在特定的報告時間，準備適量的內容。不要提供太多的背景，以致沒有足夠的時間報告討論部分。
(二)、評論的能力
1. 須訓練整合的能力，思考問題。
2. 評論寫作的2個層次：(1) 寫作是否清楚、前後是以連貫；(2) 概念是否正確。
3. 在比較概念時，應做表，才能把優缺點看清楚。例如：單向度Rasch分數vs.多向度Rasch分數。須把其背景概念了解清楚、二個的分析結果為何、trade off是什麼、多向度Rasch分數精準度較高，但高多少、計算多向度Rasch分數的克服辦法為何等等。
(三)、研究計畫的產生
1. 可隨時隨地想研究計畫，或與他人討論產生研究計畫。
沒有留言:
張貼留言