研究回顾是论文的重要部分。它告诉读者这个领域已经知道什么。研究回顾就像画一张地图。这张地图显示别人走过的路。地图也显示哪里还是空白。我们的研究就去那些空白的地方。

过去很多人研究这个问题。他们的工作为我们打下基础。我们要先看看这些工作。很早以前人们就开始思考这个问题。最初的想法很简单。人们看到一些现象。他们想找出原因。他们做了很多观察。他们记录看到的东西。这些记录是最早的资料。这些资料现在还有用。它们告诉我们当时的情况。后来人们不再满足于只看表面。他们想测量现象。他们发明了工具。他们开始做实验。实验可以控制条件。实验能看到更细的东西。数据开始多起来。人们用数据说话。猜测变成结论。这是一个很大的进步。

二十年前研究方法变了。新的技术出现了。计算机帮助很大。人们能处理大量数据。他们发现更多规律。他们建立模型解释现象。模型就是简化的现实。模型可以帮助预测。预测结果有好有坏。好的预测证明模型有用。坏的预测说明模型要改。很多人改进模型。他们加进新的因素。他们调整计算方法。模型越来越复杂。模型的能力越来越强。但问题也出现了。太复杂的模型不好懂。有时简单的模型反而更好。人们开始讨论这个问题。有些人喜欢复杂。有些人喜欢简单。这场讨论现在还在继续。

十年前出现一个新的方向。人们开始关注不同因素的相互作用。以前人们常常单独研究一个因素。现在知道因素之间会互相影响。这种影响很关键。不考虑互动就可能出错。研究互动需要新方法。传统方法不够用。人们借用其他领域的方法。比如网络分析。比如系统科学。这些方法带来新视野。人们看到以前没看到的结构。这些结构影响整个系统的行为。这个方向产生很多新成果。它成为现在的主流。

五年前焦点再次变化。人们不只看实验室里的结果。他们更关心真实世界的情况。实验室条件很干净。真实世界很杂乱。实验室的结果能用在实际中吗。很多人开始做实地研究。他们在工厂里观察。他们在自然中测量。他们收集现实的数据。这些数据更乱但也更真实。处理这些数据需要新技巧。人们发展出新的统计方法。这些方法能处理不确定性和噪音。结论变得更可靠。同时人们也认识到局限。实地研究很难控制所有条件。因果关系的判断要小心。现在大家更强调证据的强度。单一的证据不够。需要多种证据互相印证。

最近两三年出现一些新技术。人工智能的应用越来越多。机器学习能发现人眼看不到的模式。深度学习处理图像和声音数据。这些技术正在改变研究方式。数据收集变得自动化。分析速度变得很快。一些重复工作由机器完成。研究者可以更多思考问题本身。但新技术也有新问题。机器得出的结论有时难以解释。人们担心过度依赖机器。人的判断仍然重要。技术和人的结合是最好的。这个趋势刚刚开始。它的未来影响还很难说。

研究问题有很多方面。每个方面都有很多研究。有些方面已经很清楚。大家有共同的结论。有些方面还有争论。不同学派观点不同。我们要了解这些争论。争论的焦点是什么。各方有什么证据。证据的说服力如何。这些争论推动领域发展。它们指出知识的边界。我们的研究就在边界上。

研究方法也在发展。定性的方法重视深度。它通过访谈和观察理解人的体验。定量的方法重视广度。它通过数字和统计寻找规律。混合方法两者都用。选择方法要看研究问题。没有最好的方法。只有最合适的方法。方法也有自己的局限。研究者要清楚这些局限。不能夸大结论的适用范围。

理论框架不断更新。旧的理论解释不了新现象。新的理论就被提出来。新理论吸收旧理论的合理部分。新理论能解释更多事实。理论不是真理。理论是工具。它帮助我们组织和理解世界。好的理论有预测力。好的理论也能启发新问题。我们的研究需要理论指导。理论给研究一个结构。

已有研究存在一些空白。有些重要问题没人研究。可能是技术以前做不到。可能是大家没注意到。有些研究结果不一致。需要更多工作来澄清。有些新现象还没有理论解释。这些空白是我们的机会。我们的研究要填补一个空白。这个空白要有价值。填补它能推动领域前进。

研究回顾不是罗列文献。研究回顾要有组织。可以按时间顺序组织。可以看到思想怎么演变。可以按主题组织。可以看清每个主题的进展。可以按流派组织。可以比较不同观点的异同。组织方式服务于我们的目标。目标是让读者理解现状。目标是让读者看到我们的研究从哪里开始。

我们站在前人的肩膀上。我们看到他们看到的。我们也看到他们没看到的。我们的研究继承他们的成果。我们的研究尝试走出新的一步。这一步可能很小。但很多小步加起来就是一大步。知识就是这样增长的。