Dissertation选题最容易犯的7个错误：定题前先检查这份清单
Dissertation最让人头疼的情况之一，不是写到Discussion不会写，而是做了一个月以后突然发现Topic本身有问题：范围太大，Word Count根本装不下；想做访谈，却联系不到Participants；research Question看起来很高级，真正检索文献时却找不到足够Evidence。与其开题以后不断补救，不如在最终确定Dissertation Topic之前，先检查几个最容易踩的坑。
错误1：Dissertation Topic范围太大或太小
这是最常见的问题。
Topic太大，最后往往每个问题都只能讲一点；Topic太小，则可能出现Literature、Data或者Analysis空间不足。
Too Broad： Artificial Intelligence in Education
↓
Better： Generative AI in Higher Education
↓
More Focused： How does generative AI influence academic writing practices among international postgraduate students?
缩小Topic时，可以检查几个维度：
| 维度 | 可以问自己 |
|---|---|
| Population | 具体研究谁？ |
| Location | 是否需要限定国家、地区或机构？ |
| Time | 有没有明确Time Period？ |
| Variables | 真正分析哪些因素？ |
| Context | 研究发生在什么具体情境？ |
错误2：看到热门Topic就跟着选
AI、ESG、Sustainability、Social Media、Digital Transformation等Topic确实热门，但热门不等于适合做Dissertation。
真正应该考虑的是：这个Topic与你的Programme是否相关？有没有可以继续研究的问题？你能不能获得足够Evidence？在现有时间和Word Count内能不能完成？
选题不是追热点：
Interest + Academic Relevance + Researchability + Feasibility，通常比“这个词最近很火”更重要。
错误3：Literature还没看几篇，就急着把题目定死
很多同学先想出一个自己觉得很新的Topic，然后才开始找Literature。检索以后才发现：要么别人已经研究得非常充分，要么几乎找不到能够支持研究的Academic Sources。
所以确定Topic以前，建议先做一次Preliminary Literature Search。
这时候不是要求把literature review全部写完，而是先搞清楚：
① 这个领域已经研究了什么？
② 主要Concept和Theory是什么？
③ 学者之间有没有不同观点？
④ 哪些Population、Context或Relationship研究不足？
⑤ 有没有足够Sources支撑自己的Dissertation？
Research Gap也不要为了显得创新就写“从来没有人研究过”。更稳妥的做法，是根据实际Literature说明现有研究在哪个具体方面仍然有限。
错误4：Topic有了，但Research Question还是一团雾
Dissertation Topic和Research Question不是一回事。
| Topic | Research Question |
|---|---|
| Remote Work | How does hybrid working influence employee collaboration in UK technology firms? |
| Sustainable Tourism | How do visitor-management policies influence overtourism in selected European destinations? |
如果你只能说“我要研究Sustainability”，但说不清到底准备回答什么问题，说明Topic还没有真正变成一个Research Project。
错误5：只考虑题目好不好，却没检查Data能不能拿到
这个问题特别容易被忽略。
例如你设计了一个很漂亮的Research Question，却需要访问某家公司的内部Financial Data；或者计划采访20名Senior Managers，但实际上一个都联系不到。
选题阶段就应该检查：
Secondary Data：数据库、Annual Reports、Government Data等是否真的可以获得？
Primary Data：Participants是否能够接触？Sample是否现实？
Ethics：研究是否涉及需要特别审批的Participants或Sensitive Data？
Access：需要的软件、数据库、实验设备或机构权限是否具备？
一个理论上很有价值、实际上拿不到Data的Topic，对学生Dissertation来说可能并不是好Topic。
错误6：Topic和Methodology根本对不上
不要先决定“我要做Questionnaire”，然后再倒过来找一个能够塞进去的Research Question。
更合理的顺序通常是：
Research Problem
↓
Research Question
↓
What Evidence Is Needed?
↓
Research Method
也就是说，Methodology应该服务于Research Question，而不是为了使用某个自己熟悉的方法强行改变研究问题。
错误7：只看“创新”，没算时间和工作量
Dissertation当然需要有研究价值，但学生项目还有一个非常现实的约束：Deadline。
如果一个Topic需要半年收集Data，而距离提交只剩两个月；或者需要你从零学习非常复杂的统计模型，那么即使Topic听起来很漂亮，也应该重新评估。
真正好的Dissertation Topic应该同时满足：
Interesting + Relevant + Researchable + Feasible
定题前做一次5分钟Dissertation Topic检查
☑ 我可以用一句话说清Research Question
☑ Topic范围与Word Count匹配
☑ Preliminary Search能够找到足够Academic Literature
☑ Research Gap不是凭感觉制造出来的
☑ Data / Participants能够实际获得
☑ Methodology可以回答Research Question
☑ 时间、软件、技能和其他Resources基本够用
☑ Topic符合Programme与Supervisor要求
如果其中有两三项你完全无法回答，先别急着把Title写得特别漂亮。真正需要处理的，是Topic背后的Research Design。
FAQ：Dissertation选题常见问题
Q：Dissertation选题是不是越新越好？
不是。Originality并不等于研究一个完全没人碰过的问题。新的Context、Population、Data、Method或不同理论视角，都可能形成有意义的研究空间。
Q：Supervisor说题目太大，应该怎么缩？
优先检查Population、Location、Time Period、Variables和Research Context，通常比单纯删几个标题里的单词有效。
Q：选题以后还能改吗？
很多研究项目在Preliminary Research阶段都会调整Topic或Research Question。关键是尽早发现问题，并根据课程与Supervisor要求处理，而不是做到后期才彻底换方向。
Q：没有找到明显Research Gap怎么办？
不要强行制造Gap。重新检查研究对象、Context、Method以及已有研究的Limitations，也可以适当调整Research Question。
Q：几个Dissertation Topic之间不知道选哪个怎么办？
不要只比较哪个标题“听起来高级”。把每个候选Topic按照Literature、Data Access、Method、Time、Academic Relevance和Personal Interest分别打分，通常很快就能看出差别。需要进一步梳理时，也可以通过Dissertation选题辅导、Research Question反馈和Research Design讨论检查方向。