一份博士研究计划最需要修改的地方，往往不是语言。有人已经把“生成式人工智能、个性化学习、数字健康、学习成效”写得很漂亮，我却还是会想问：你准备观察谁？究竟想改变什么？又准备用什么证据知道这件事真的发生了？
看香港浸会大学教育与心理学系李兆璋教授的研究时，我觉得这些问题尤其值得认真回答。他关注学习分析、教育中的人工智能、测量模型，也研究数字设备使用与学习行为之间的关系。读到这些关键词，很容易写出一个宏大的题目，例如“用人工智能改善大学生的数字健康和学习效果”。但这还不是一个可以直接执行的研究计划。
李兆璋教授主持过一个关于数字健康的研究项目，讨论情境感知的自适应手机应用，是否能够影响有问题手机使用行为的学生。2026年，他与合作者在《Computers in Human Behavior》发表了关于这类应用与行为改变的随机对照试验研究。这里有几处值得申请者特别注意：研究对象是怎样界定的，所谓“情境感知”和“自适应反馈”实际意味着什么，研究怎样通过比较来判断干预效果。
我不会把那篇论文想象成“AI应用一定有效”的证据。对准备写RP的人来说，更重要的是看到研究者没有停留在“智能技术很有潜力”，而是围绕一类使用行为、一种可操作的干预和一种可检验的比较来组织研究。
回到最初那句研究计划：“我希望用人工智能改善大学生数字健康，促进个性化学习。”问题在哪里？一是把数字健康与学习成效一起装进目标，范围太大；二是没有定义要研究的使用行为；三是说不清“改善”由什么指标体现。就算把文献综述写得很长，这几个核心空白也不会自动消失。
如果申请者过去确实做过学生手机使用问卷，懂基本统计分析，对干预研究有所准备，我可能会建议先改成这样：“我希望比较具有情境反馈的数字使用干预与一般使用提醒，对大学生问题性手机使用行为的影响，并考察自我调节水平是否与行为变化有关。”
这只是一个用来展示修改思路的假设性RP表述，不是李兆璋教授正在发布的研究题目。它比原句清楚，是因为对象从所有大学生问题缩成了某类使用行为；方法不再是模糊的“用AI”，而有了两个可以比较的干预条件；结果也从“学习更好”变成了需要事先定义的行为指标。
但改完还远远谈不上完成。我会继续追问：怎样定义“问题性使用”？是自陈量表、实际屏幕记录，还是二者结合？干预持续多久，如何避免把短期新鲜感误当成稳定行为改变？自我调节的测量是否可靠？招募和知情同意又如何处理？这些追问会把研究从漂亮句子推向真实的设计。
如果申请者只有做网页或手机界面的经历，缺乏教育测量、心理学量表和研究伦理方面的训练，那么把句子改得再像论文，也不能假装这些准备已经完成。相比继续添加前沿术语，先读李兆璋教授关于数字设备使用和学业自我效能的研究，理解结构方程模型是怎样描述变量关系的，再尝试复盘一份量表和研究设计，会更切实际。
另一种申请者可能恰恰相反，做过教育心理调查，很会分析量表，却从未设计过数字干预。那么她的难点不是证明自己对学生行为感兴趣，而是说明干预如何被实际执行、记录和评估。好的RP修改并不是让不同背景的人都采用同一个方案，而是让方案与本人真实训练相接。
我还会把“影响”和“解释”刻意区分。调查中发现某种手机使用习惯与学业感受相关，不等于使用提醒一定会造成改善。李兆璋教授的相关研究既有基于结构模型的分析，也有随机对照干预工作，这恰好提醒申请者：不同问题需要不同证据，不能为了让RP看起来有冲击力，就把观察性联系写成干预效果。
所以，一份真正值得继续讨论的研究计划，不必一开始就承诺改变整套教育系统。它需要先诚实地写出对象、比较、测量与能力边界。如果删掉“人工智能赋能”和“突破性创新”，余下文字仍然能让人看懂要研究什么，这份RP才算有了可以继续打磨的起点。
