论文题目亮起来
web of science Google scholar
功能：1）找得到 方便信息检索
2）看得懂 传递关键信息
3）记得住 留下深刻印象
论文题目要找得到， 看得懂，记得住
题目还是要简洁突出要素。
从此岸到彼岸一座桥：连接作者于读者
题目要素：研究基础，研究焦点
范例分析：如何撰写？5个故事
分别链接5篇论文
三个得，让题目了亮起来
结果亮出来： 26‘
效应量：效应有多大？
显著性：效应的估计有多准确？
相互独立
d家族： r家族
举例说明，非常清晰
题目有哪些功能？
论文的题目总结为“三个得”？
我们在写论文题目的时候，要考虑下到论文答辩题目的的三大功能，即题目要找得到，方便信息检索，题目要看得懂，能传递关键信息，题目要记得住，留下深刻印象。另外题目的要素包括过往研究基础，即将研究焦点，这才在研究中架起了一座桥梁，能从此岸到彼岸。
量化研究论文写作：题目“亮”起来，结果“量”出来
一。题目亮起来
1.题目功能
a. 三个“得”
找得到：检索平台：web of science等可以方便信息检索
看得懂：一看题目就可以抓书关键信息，论文题目可以快速传递关键信息
记得住：题目可以给读者留下深刻印象
2. 题目要素
a. 过往研究基础：从此岸
研究基础是什么：核心概念，写在题目里
b. 即将研究焦点：到彼岸
问题聚焦，写在题目里
一座桥：从此岸到彼岸，连接作者与读者
3. 案例分析
总结：
突出题目的两要素：即过往研究基础的核心概念以及自己的研究焦点。将自己和读者连接
实现功能：
突出核心概念让读者找得到；在题目中明确简介凸显研究聚焦，将核心概念和研究聚焦结合真正给读者留下深刻印象。
二。结果量出来
1. 效应量的原理
effect Size，即某一个研究或某物的效果有多大。
显著性：对效果的估计有多准确。
二者相互独立，有可能效应量大，但不显著，也有可能效应量小，但可能显著。
2. 效应量的分类
d家族：平均数差异：T检验
平均数差异：两个变量之间的差别，例如两个高中老师，学生考大学的分数，第一位老师的平均分是650， 第二位是640。平均数差异就是指这两位老师之间的差距有多大。
R家族：相关性：相关；共享变异：回归，ANOVA
相关性：两个变量之间的联系：例如：高中老师的月考次数，与学生考大学的分数之间的关系。月考次数与高考分数之间联系有多强就是关于两者相关性的问题。
共享变异：共享变异的比例也可以用来回答两者的相关性。
3. 效应量的报告
第一步：分类别：具体是哪种效应量
第二步：重解释：要有解释的标准
相关性：根据Cohen标准，如果r值小于0.1，效应量几乎没有，0.1-0.3,效应量较小或较弱；0.3-0.5之间，效应量属于中等；大于0.5，效应量较大或较强。
共享变异：根据Cohen标准，如果R2的值小于0.01，效应量几乎没有；0.01-0.09之间，效应量较小或较弱，0.09-0.25之间，效应量中等；大于0.25，效应量较大。
平均数差异：根据Cohen标准，如果Cohen'd小于0.2，效应量几乎没有；0.2-0.5之间，效应量较小或较弱；0.5-0.8之间，效应量中等；大于0.8，效应量较大或较强。
ANOVA：效果量计算复杂，可做如下报告：根据Cohen（1988）标准，如果Eta2的值在小于0.01，效应量几乎没有；0.01-0.09之间，效应量较小或较弱；0.09-0.25之间，效应量中等；大于0.25，效应量较大或较强。
范例：经过数据分析，我们法相，XX效应量的值是XX，这个值在Cohen（1988）的标准中，属于（接近于没有、较小、中等、较大）的效应量。
三。重解释中，研究情景也很重要。
如果效应量虽然很小，但是后果很严重，这个效应量也很重要。例如雷曼兄弟公司倒闭的效应量很小，但是引发了美国乃至全球的金融危机或金融风暴。
总结：效应量的报告要首先分类别，然后根据情景解释效应量究竟有多大。
问答：
1.效应量的意义：衡量效果的大小
2. 共享变异与相关性的关系：前者是后者更高阶的数据，即平方
3.如果和判定情景是否很重要呢？：根据研究问题的提出语境，如果研究的问题涉及的人非常多，那么这个设计的情境就非常重要，所以及时非常小的效应量都有可能都会带来很重要的后果。
4.效应量和显著性的区别：效应量就研究问题的效果进行研究，显著性即指研究者对其研究结果的把握。
5.何时用D组：研究平均数差异
研究相关或回归时用R族
6. 如果两组均值，效应量越大，这两组的差异就越大，而显著性越大，两组存在差异的把握就越大。
