[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-35-chatgpt-research-prompts-better-studies-zh":3,"article-related-35-chatgpt-research-prompts-better-studies-zh":31,"series-research-e37b2e5c-b360-4184-8223-005203aeb2f2":72},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":23,"views":27,"created_at":28,"published_at":29,"topic_cluster_id":30},"e37b2e5c-b360-4184-8223-005203aeb2f2","35-chatgpt-research-prompts-better-studies-zh","35 個 ChatGPT 研究提示詞實作指南","\u003Cp data-speakable=\"summary\">35 個研究提示詞可用來加速文獻整理、研究設計與分析，但前提是要先建立驗證流程。\u003C\u002Fp>\u003Cp>這篇適合研究生、剛起步的研究者，以及需要帶著團隊跑研究流程的實驗室管理者。照著做完，你會得到一套可直接複製的 \u003Ca href=\"\u002Ftag\u002Fchatgpt\">ChatGPT\u003C\u002Fa> 研究提示詞、對應的使用順序，以及一份能在送進論文前先檢查輸出的驗證清單。\u003C\u002Fp>\u003Cp>本文整理自 \u003Ca href=\"https:\u002F\u002Facademy.techpresso.co\u002Fprompts\u002Fchatgpt-prompts-research\">AI Academy\u003C\u002Fa> 的研究提示詞庫；若你要長期維護自己的版本，建議同時準備一個 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\">GitHub\u003C\u002Fa> 儲存庫或筆記檔，專門放最佳提示詞、\u003Ca href=\"\u002Fnews\u002Fopenai-test-model-broke-into-hugging-face-servers-zh\">測試\u003C\u002Fa>案例與修正版。\u003C\u002Fp>\u003Ch2>開始之前\u003C\u002Fh2>\u003Cul>\u003Cli>OpenAI 帳號，且可使用 ChatGPT\u003C\u002Fli>\u003Cli>穩定網路與現代瀏覽器\u003C\u002Fli>\u003Cli>你的研究題目、研究問題或論文暫定標題\u003C\u002Fli>\u003Cli>至少 3 篇種子論文或摘要筆記\u003C\u002Fli>\u003Cli>可用的資料庫，例如 Google Scholar、PubMed、JSTOR 或領域專用資料庫\u003C\u002Fli>\u003Cli>R 4.x 或 Python 3.11 以上，若要測試分析提示詞\u003C\u002Fli>\u003Cli>SPSS 29，若你的流程以 SPSS 為主\u003C\u002Fli>\u003Cli>Zotero、Mendeley 或 EndNote 其中一套文獻管理工具\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>Step 1: 建立領域地圖\u003C\u002Fh2>\u003Cp>目的：先把研究領域的主流理論、爭點與缺口畫出來，避免一開始就只讀到單一學派的論文。這一步會讓後面的文獻回顧有骨架，而不是只有零散摘要。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784885594088-voer.png\" alt=\"35 個 ChatGPT 研究提示詞實作指南\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cpre>\u003Ccode>我正在研究［主題］，領域是［學科］。請幫我建立知識地圖：我目前知道的是［簡短說明］。請列出 3 到 5 個主要理論框架、關鍵爭點、代表性作品、近 10 到 20 年的演變、跨領域連結，以及目前最熱門的研究方向。每個框架都請標出重要學者，並整理成可直接用來寫文獻回顧的概念地圖。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>驗收：你應該看到有標題層級的整理、框架名稱、學者姓名與研究方向。如果回覆只有一大段文字，請再要求它改成表格或分欄格式，方便你比較不同學派。\u003C\u002Fp>\u003Ch2>Step 2: 把來源整合成一個論點\u003C\u002Fh2>\u003Cp>目的：把一疊論文整理成會說話的文獻回顧，而不是逐篇摘要。這一步的重點是找出彼此之間的關係，讓你能寫出綜合性的論述。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784885601835-peik.png\" alt=\"35 個 ChatGPT 研究提示詞實作指南\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cpre>\u003Ccode>我要整理這些來源，主題是［主題］：來源 1：［作者，年份］，重點是［發現］；來源 2：［作者，年份］，重點是［發現］；來源 3：［作者，年份］，重點是［發現］。請依照一致處、歧異點、理論群組、時間演變、研究缺口，以及和我的研究問題［RQ］之間的關聯來整合。請輸出兩個版本：一版是條列分析，一版是可直接放進文獻回顧的段落。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>驗收：你應該看到比較、衝突與整合後的主張，而不是每篇論文各講各的。如果結果只是在重述每篇來源，請再要求它\u003Ca href=\"\u002Fnews\u002Fvlm-ie3d-3d-geometry-vlms-zh\">補上\u003C\u002Fa>主題分類、對照關係與最後的綜合結論。\u003C\u002Fp>\u003Ch2>Step 3: 設計受限制的研究方案\u003C\u002Fh2>\u003Cp>目的：在預算、時間、資料可得性與指導教授要求之間，做出可執行的研究設計。這一步特別適合你已經知道\u003Ca href=\"\u002Fnews\u002Fgemini-live-camera-turns-seeing-into-help-zh\">問題\u003C\u002Fa>，但還沒決定方法的情況。\u003C\u002Fp>\u003Cpre>\u003Ccode>我要研究［研究問題］，領域是［領域］。請幫我設計研究。限制條件是［預算、時間、資料來源］，我的方法能力是［方法］，必須符合［口委、IRB、期刊］要求。請包含研究取徑、方法學、抽樣方式、研究工具、分析計畫、時程、倫理與限制，並提出兩種替代設計，方便我跟指導教授討論。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>驗收：你應該看到完整的研究設計、合理的樣本規劃、分析路徑與至少兩種替代方案。如果答案沒有理會你的限制，請把限制重述一次，並要求它先最佳化可行性，再談新穎性。\u003C\u002Fp>\u003Ch2>Step 4: 選出正確的分析路徑\u003C\u002Fh2>\u003Cp>目的：先確認統計檢定與資料型態是否匹配，避免把資料硬塞進錯誤方法。這一步會幫你初步判斷該用哪一種檢定、要報哪些效果量，以及假設不成立時的備案。\u003C\u002Fp>\u003Cpre>\u003Ccode>我需要幫忙選擇適合的統計檢定。研究問題是［RQ］，自變項是［列出］，依變項是［列出］，樣本數是［N］，資料分布是［常態／非常態／未知］，研究設計是［組間／組內／混合］。請推薦最適合的檢定並說明理由、前提假設、假設不成立時的替代方法、應報告的效果量、白話解釋，以及可直接套用的 R、Python 或 SPSS 指令。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>驗收：你應該看到具名的檢定方法、前提假設與軟體操作方向。如果回答太籠統，例如只說「用迴歸」，就再補上變項型態、研究設計與測量尺度，要求它縮小選項。\u003C\u002Fp>\u003Ch2>Step 5: 寫出可投稿的草稿\u003C\u002Fh2>\u003Cp>目的：把分析結果與筆記轉成摘要、前言或討論段落的學術文字。這一步的價值在於快速產出第一版，但真正的重點是讓你有東西可以修。\u003C\u002Fp>\u003Cpre>\u003Ccode>根據這些結果與筆記：［貼上筆記］，請替主題［主題］撰寫［摘要／前言／討論］段落。請維持學術語氣、包含核心主張、避免沒有根據的推論，並標示哪些敘述還需要引用。若有論證薄弱或證據不足的地方，也請一併指出。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>驗收：你應該看到連貫、符合領域語氣、而且有標註引用缺口的草稿。如果文字看起來太完整，請把它當成初稿，逐句對照來源後再使用。\u003C\u002Fp>\u003Ch2>Step 6: 做成可重複的提示詞流程\u003C\u002Fh2>\u003Cp>目的：把一次性的提示詞變成能反覆使用的研究系統。原始提示詞庫共有 35 個項目，涵蓋文獻回顧、方法、資料分析、寫作、效率與專門任務，最好的用法不是單獨挑一個，而是串成流程。\u003C\u002Fp>\u003Cpre>\u003Ccode>請把這組提示詞排成四個階段：1. 建立領域地圖，2. 整合來源，3. 設計研究，4. 分析與撰寫結果。每個階段都請說明我需要輸入什麼、預期會得到什麼輸出，以及在進入下一階段前必須人工確認哪些內容。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>驗收：你應該看到有順序的工作流，包含輸入、輸出與檢查點。如果模型沒有提到人工驗證，請要求它加上「人工審核」欄位，專門確認引用、方法與數字是否正確。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>指標\u003C\u002Fth>\u003Cth>基準／優化前\u003C\u002Fth>\u003Cth>結果／優化後\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>研究流程涵蓋度\u003C\u002Ftd>\u003Ctd>提示詞分散在不同任務\u003C\u002Ftd>\u003Ctd>35 個提示詞覆蓋 6 個研究階段\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>取得方式\u003C\u002Ftd>\u003Ctd>需先自行整理才能開始\u003C\u002Ftd>\u003Ctd>前 8 個提示詞可直接使用\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>提示詞組織方式\u003C\u002Ftd>\u003Ctd>通用型或單一任務型提示詞\u003C\u002Ftd>\u003Ctd>依文獻、設計、分析、寫作等階段分類\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>常見錯誤\u003C\u002Fh2>\u003Cul>\u003Cli>把 ChatGPT 輸出直接當成證據。修法：在引用前，先回查原始論文、資料庫紀錄與自己的分析結果。\u003C\u002Fli>\u003Cli>沒有提供足夠脈絡就下提示詞。修法：補上主題、學科、樣本、限制條件與研究問題，讓模型能對準你的情境。\u003C\u002Fli>\u003Cli>跳過方法檢查。修法：只要涉及統計或研究設計，就要求它列出假設、限制與替代方案。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>接下來可以看什麼\u003C\u002Fh2>\u003Cp>如果你已經有可用的提示詞組合，下一步就建立一份提示詞紀錄表，記下最佳版本、失敗版本與驗證結果。再來，把這套流程套進一個真實專題，觀察哪些地方能加速，哪些地方仍然需要你自己判斷。\u003C\u002Fp>","這篇教你把 35 個 ChatGPT 研究提示詞整理成可重複的學術工作流，完成後可直接產出文獻整理、研究設計、分析與寫作的提示詞庫。","academy.techpresso.co","https:\u002F\u002Facademy.techpresso.co\u002Fprompts\u002Fchatgpt-prompts-research",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784885594088-voer.png","research","zh","ce924429-c7aa-4ab0-8f1c-4b6bd442e1f2",[17,18,19,20,21,22],"ChatGPT","研究提示詞","文獻回顧","研究設計","統計分析","學術寫作",[24,25,26],"先把 35 個提示詞排成研究流程，再逐步使用，效果會比單點提問更穩定。","每一步都要有具名產出與驗收標準，才能避免 ChatGPT 生成看似完整但不可直接引用的內容。","研究用途的 AI 輸出一定要搭配人工查核，尤其是引用、方法與數字。",0,"2026-07-24T09:32:44.664883+00:00","2026-07-24T09:32:44.654+00:00","1b82b1d5-609c-4cc6-98ae-804ec06aa96c",{"tags":32,"relatedLang":11,"relatedPosts":35},[33],{"name":17,"slug":34},"chatgpt",[36,42,48,54,60,66],{"id":37,"slug":38,"title":39,"cover_image":40,"image_url":40,"created_at":41,"category":13},"cf300a40-a285-4a1c-a0fb-ddd8fb0c6cce","prompt-engineering-turns-codegen-into-repeatable-workflow-zh","Prompt 工程把 codegen 變成可重複流程","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784923395397-latp.png","2026-07-24T20:02:49.165518+00:00",{"id":43,"slug":44,"title":45,"cover_image":46,"image_url":46,"created_at":47,"category":13},"30e85daf-b3bd-47dc-a99c-f5fdbdf57a97","prompt-engineering-cheat-sheet-2026-zh","2026 Prompt Engineering 快速手冊","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784890982363-ipaj.png","2026-07-24T11:02:34.935593+00:00",{"id":49,"slug":50,"title":51,"cover_image":52,"image_url":52,"created_at":53,"category":13},"c6d14983-2dd2-457e-bc16-4122c07dd388","graphvid-interaction-graphs-video-generation-zh","GraphVid 用互動圖控影片生成","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784876580687-1hss.png","2026-07-24T07:02:27.302432+00:00",{"id":55,"slug":56,"title":57,"cover_image":58,"image_url":58,"created_at":59,"category":13},"3fac1251-74ee-40ea-b8ff-fedd7356a00b","expanding-flow-maps-variable-size-generation-zh","可擴張 Flow Map：生成尺寸跟著長","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784874777592-cgsg.png","2026-07-24T06:32:30.189145+00:00",{"id":61,"slug":62,"title":63,"cover_image":64,"image_url":64,"created_at":65,"category":13},"e0c23a43-b87a-4bb8-842f-f44d76b8dfbf","vlm-ie3d-3d-geometry-vlms-zh","VLM-IE3D替VLM補上3D幾何","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784872975550-yi8q.png","2026-07-24T06:02:30.1684+00:00",{"id":67,"slug":68,"title":69,"cover_image":70,"image_url":70,"created_at":71,"category":13},"abb4a4d3-19d3-4392-b8bb-14f57d083348","openai-test-model-broke-into-hugging-face-servers-zh","OpenAI 測試模型闖進 Hugging Face 伺服器","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784829771266-0mzj.png","2026-07-23T18:02:29.01097+00:00",[73,78,83,88,93,98,103,108,113,118],{"id":74,"slug":75,"title":76,"created_at":77},"f18dbadb-8c59-4723-84a4-6ad22746c77a","deepmind-bets-on-continuous-learning-ai-2026-zh","DeepMind 押注 2026 連續學習 AI","2026-03-26T08:16:02.367355+00:00",{"id":79,"slug":80,"title":81,"created_at":82},"f4a106cb-02a6-4508-8f39-9720a0a93cee","ml-papers-of-the-week-github-research-desk-zh","每週 ML 論文清單，為何紅到 GitHub","2026-03-27T01:11:39.284175+00:00",{"id":84,"slug":85,"title":86,"created_at":87},"c4f807ca-4e5f-47f1-a48c-961cf3fc44dc","ai-ml-conferences-to-watch-in-2026-zh","2026 AI 研討會投稿時程整理","2026-03-27T01:51:53.874432+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"cf046742-efb2-4753-aef9-caed5da5e32e","adaptive-block-scaled-data-types-zh","IF4：神經網路量化的聰明選擇","2026-03-31T06:00:36.990273+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"53a0dc54-0371-4e40-8d5e-74e94a73840c","geometry-aware-similarity-metrics-for-neural-representations-zh","超越距離測量：用微分幾何重新理解神經網路","2026-03-31T06:01:01.241968+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"fee7d472-a775-4b1d-bbc2-1e8bca1bbf8b","on-the-fly-repulsion-in-the-contextual-space-for-rich-divers-zh","讓AI繪圖更有創意：用排斥力提升生成多樣性","2026-03-31T06:01:25.439673+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"a9901203-d69b-447b-8854-15d14eab32b4","vision-aided-beam-prediction-cnn-eca-zh","影像輔助波束預測升級 CNN","2026-04-01T10:00:25.8073+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"b55e7dd4-0a24-4b3d-804d-b0309a03f498","triple-band-fss-mimo-antenna-sub-6-ghz-zh","三頻 FSS MIMO 天線瞄準 sub-6 GHz","2026-04-01T13:18:36.857305+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"f68290bd-e7f3-4b30-ba22-dcd4e0130a66","openclaw-1299-repos-eight-weeks-analysis-zh","OpenClaw 1299 個 Repo 的資料解讀","2026-04-02T05:03:45.208411+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"ed9f80eb-eb02-4d35-8ad4-0ddf428751dd","beam-coherence-aware-combining-mmwave-mimo-zh","毫米波 MIMO 的雙階合併法","2026-04-02T05:27:26.897188+00:00"]