學術寫作與論文發表
Academic Writing & Publication
帶一個問題來。方法、資料、運算資源，以及一位發表過論文的導師，由我們準備。好奇心，是唯一的門檻。
一個完整的研究專案：從第一個問題，到一篇用英文寫成、配對到真實發表管道的論文。多數學生以資料與機器學習為研究工具；同一段歷程也適用於任何以證據說話的領域。
CompetiLab 的學術寫作與論文發表計畫，陪高中生完成一篇真正的研究論文（paper writing）：從研究問題、文獻、資料與方法，寫成一篇英文論文，並協助投稿與論文發表：學生研究期刊、國際期刊或會議 Workshop。台北面授或線上，中文或英文皆可。
多數學生第一次接觸學術寫作，是把它當成一種格式：前言、本文、結論。我們把它當成一種思考方式。一篇好的論文，是一個值得問的問題、一組小心蒐集的證據，以及一段經得起懷疑讀者檢驗的論證所留下的痕跡。
這個計畫是一套結構化的研究學徒制。標準方案中，學生學習研究方法與研究工具的基礎、閱讀真正的論文、蒐集並分析證據，完成一份達到 IB Extended Essay 或 AP Research 能力層級的研究報告。進階方案接著進入重現、原創貢獻、嚴謹評估，以及一份為學生期刊、國際期刊或會議 Workshop 準備的稿件。
學生不是一個人做，也不是從空白畫面開始。每位學生都有一位具研究背景的導師、工作室的 GPU 與 AI 工具，以及一組設計好的模組：環境、資料、評估與圖表。零件已經準備好，蓋出什麼是學生自己的。時間花在思考上，不是安裝錯誤上。
什麼是機器學習？為什麼它是好的起步工具？
機器學習模型是一個從例子裡學會規則、而不是被告知規則的程式。給它一萬個晚上的穿戴裝置資料，每一晚都標記了這個人睡得好不好，它就學會為一個從沒見過的夜晚預測睡眠品質。
這讓它成為青少年能做的最動手的科學。生物學生可能要等好幾週菌落才長出來；機器學習的學生改一行程式、重跑實驗，午餐前就有新結果。回饋循環很短，所以思考在一個專案裡會被鍛鍊很多次：我預期什麼、我得到什麼、為什麼不一樣、接下來該試什麼。
它也用很少學校科目做得到的方式教知識上的誠實。一個因為偷看了測試資料而分數很高的模型，是每個初學者都會犯一次的錯。學會找到這個錯、學會不信任好到不像真的結果，就是科學習慣的核心。
- 01
第一天就用真實資料
健康、教育、氣候、語言與視覺領域的公開、授權合法資料集。不需要許可、實驗室或等待。
- 02
就像玩樂高
環境、資料流程、評估與繪圖都有設計好的模組，加上工作室的 GPU。零件已經準備好，用它們蓋出什麼是學生自己的。
- 03
思維才是產品
假設、baseline、對照、消融、詮釋。最後那篇論文，是一種思考方式的記錄，留得比專案更久。
- 04
可以帶走的能力
同一套方法適用於醫學、經濟、生態與工程，而且寫作使用的是國際研究的語言。
標準方案以研究方法、研究工具基礎與英文研究寫作為核心，成果對齊 IB Extended Essay、AP Research 或獨立研究的能力層級。進階方案在此基礎上追求可驗證的原創貢獻，並向真實的發表管道投稿。
| 標準方案 · Research Foundation | 進階方案 · Research & Publication | |
|---|---|---|
| 對象 | 初學者；國際高中生 | 有 Python 基礎，或強烈研究動機 |
| 建議時長 | 4 至 8 週 | 8 至 12 週 |
| 文獻 | 3 至 5 篇核心論文 | 8 至 15 篇相關論文 |
| 技能 | Git、Python、基本 ML、論文結構 | 重現、深度學習、消融實驗、統計驗證 |
| 成果 | 研究報告 | 依期刊或會議格式的投稿稿件 |
| 投稿 | 學生期刊或學校研究成果 | 國際期刊、會議或 Workshop |
每次指導為 90 分鐘的導師會議，搭配課前教學素材與每週作業。非資料科學的專案保留同樣的 8 個步驟，替換方法模組。
- 01
研究導向與 Git
專案 repository、Python 與 Colab、版本管理、研究倫理
專案 repository 與研究興趣清單
- 02
研究工具基礎
資料清理、資料切分、回歸、分類、過擬合
第一個 baseline model
- 03
文獻解構
Google Scholar 與 arXiv；摘要、方法、限制、引用
3 至 5 篇閱讀筆記與比較矩陣
- 04
研究計畫與研究問題
研究假設、資料集、指標、同儕討論
2 頁研究計畫書
- 05
實驗設計
scikit-learn、baseline、資料洩漏、Git commit
可執行的 notebook
- 06
結果與討論
模型比較、誤差分析、圖表、同儕批判
結果表
- 07
學術寫作
摘要、前言、方法、結果、討論、參考文獻
英文論文初稿
- 08
修改與發表
書面回饋、語言修訂、簡報答辯、投稿適配
終稿、repository、研究簡報
每次會議的分鐘數與非同步回饋的範圍，會寫進合約裡。
8 次指導之後，進階方案的學生繼續進入讓一份報告變成一項貢獻的工作。
- 09
重現
重現一篇公開論文並核對設定
重現報告
- 10
原創貢獻
形成可檢驗的改良或新問題
原創假設與研究計畫
- 11
嚴謹評估
消融實驗、統計比較、跨資料集與穩健性測試
完整實驗與誤差分析
- 12
投稿準備
LaTeX、格式、研究倫理、Cover Letter、Reviewer Response
可投稿的稿件
進階專案不必強求發明新架構。在公開資料、資料缺失、模型公平性、跨域泛化或運算成本方面提出嚴謹的新證據，也可能具有研究價值。是否具備足夠新穎性，在文獻與實驗審查完成後判定。
穿戴式感測資料缺失下的穩健睡眠預測：當穿戴裝置資料部分缺失時，輕量機器學習模型的睡眠預測效能如何變化？
使用具合法研究授權的公開資料，學生先比較 logistic regression、random forest 與 XGBoost，再模擬不同的缺失比例，評估模型效能、穩健性與運算成本。
此為教學範例。投稿前需驗證研究新穎性、資料授權與研究倫理。
發表管道在作品完成之後才配對。以下是候選名單與重要的限制；知識專欄〈中學生可以在哪裡發表研究〉有更完整的清單。是否錄用由各管道的審稿人決定。
標準方案候選
International Journal of High School Research (IJHSR)
中學生的原創研究：自然科學、工程與電腦科學、商業與社會科學
投稿免費；錄用後收取刊登費；通常 1 至 3 個月有決定
Journal of Emerging Investigators (JEI)
以 STEM 為主的原創研究，審查過程中有編輯指導
費用與時程請以期刊投稿說明為準
National High School Journal of Science (NHSJS)
所有科學領域，包括計算、資料與 AI
同儕審查；費用請查閱投稿說明
IB Extended Essay / AP Research
在校課程的研究成果
不是開放投稿的期刊；非該學制的學生不具資格
進階方案候選：國際期刊
睡眠、晝夜節律、睡眠生理訊號與機器學習
需符合期刊範圍；論文處理費（APC）為第三方費用另計
AI、電腦視覺、NLP、AI 應用
一般同儕審查期刊，非高中生專刊
Machine Learning and Knowledge Extraction (MDPI)
機器學習方法與應用
同儕審查；範圍與費用需再確認
跨領域自然與應用科學
論文處理費（APC）為第三方費用另計
進階方案候選：國際會議與 Workshop
機器學習方法與跨領域應用
正式國際會議，高挑戰
AI、ML、視覺、語言、AI for Science
各 Workshop 獨立徵稿；Workshop 論文不等於主會錄取
機器學習方法與理論
極高挑戰，僅適合成熟的研究
題目如何從標準走向進階
| 方向 | 標準題目 | 進階題目 | 候選管道 |
|---|---|---|---|
| 睡眠 | 睡眠品質預測 | 感測器缺失下的穩健預測 | Clocks & Sleep |
| 教育 | 學生表現預測 | 跨校泛化與公平性 | AI / J |
| 環境 | 空氣品質預測 | 具不確定性估計的預報 | J / ICMLA |
| 視覺 | 影像分類比較 | 有限資料下的高效模型 | MAKE / ICMLA |
| 語言 | 情感分類 | 領域轉移下的多語言穩健性 | AI / NeurIPS Workshop |
有好奇心的學生不該為了一個裝不起來的驅動程式損失一個月。工作室提供硬體與工具，額度在合約中明訂。
01
NVIDIA RTX 5090 工作站
日常訓練、消融實驗與快速迭代。
02
NVIDIA DGX Spark
桌上型 AI 系統，用於較大的模型與較長的訓練。
03
H100 運算額度
供需要的進階專案使用的專屬 GPU 時數。
04
Claude API 與 Codex
用於閱讀、除錯與程式碼審閱的 AI 助理。學生需揭露使用方式，並對每一行程式與每一條參考文獻負責。
05
設計好的模組
環境、資料流程、評估與繪圖的範本，讓第一個實驗在第一週就跑起來。
GPU 型號、時數或點數、有效期與超額收費於合約中明確定義。
導師本身在相關領域做研究，其中包括曾在頂尖機器學習會議發表的學者。進階方案的學生會配對到與專案領域相符的導師。
- NeurIPS
- ICML
我們只公布附有可查證來源的成果數據。
數據將在完成查證後於此公布。
- 對某個主題念念不忘的國高中生，不限理工、社會科學或人文領域。不需要程式或研究經驗。
- 想試試用資料與機器學習當研究工具、又不想被技術細節困住的學生。
- 正在準備 Extended Essay、AP Research、科展或第一次投稿的學生。
- 01把興趣轉化成一個具體、可以回答、而且值得回答的研究問題。
- 02找到、讀懂並評估學術文獻，用比較矩陣整理一個領域。
- 03選擇適合問題的方法；當方法是機器學習時，理解什麼是模型、怎麼判斷它真的有效。
- 04用版本控制進行有對照的實驗或分析，辨識資料洩漏、過擬合與過度宣稱。
- 05以研究論文的結構寫作、誠信地引用，並在批評之後修改。
- 06進階方案：重現一篇已發表的結果，提出並檢驗改良，準備可投稿的稿件。
找到問題
- 研究主題探索
- 研究問題的形成
- 範圍與可行性
閱讀領域
- Google Scholar、arXiv 與資料庫
- 批判性閱讀
- 閱讀筆記與比較矩陣
研究工具
- Python、Colab 與 Git
- 資料清理、切分、baseline
- 回歸、分類、過擬合
實驗
- 對照比較與消融實驗
- 誤差分析與圖表
- 統計與不確定性
寫作與誠信
- 研究計畫與論文結構
- 引用與學術誠信
- 修改、簡報、答辯
投稿
- 學生期刊與學校發表管道
- 國際期刊、會議、Workshop
- Cover Letter 與 Reviewer Response
學習歷程
畫出地圖
圍繞一個興趣廣泛閱讀，記錄問題，留意解釋到哪裡開始不夠用。
決定一個問題
草擬、檢驗、縮小研究問題，直到它具體到可以研究、又開放到值得研究。
蒐集證據
搜尋文獻、選擇研究工具，蒐集資料或來源，並記錄每一個決定。
理解結果
建立 baseline、進行比較、詮釋結果，明確說出哪裡不確定。
完成初稿
為讀者組織論證，逐段寫作，邊寫邊引用。
根據回饋修改
回應導師與同儕的批評，刪掉論證不需要的部分，檢查每一個主張。
分享成果
準備摘要、海報或口頭報告，並為論文配對一個實際可行的發表管道。
每位學生與一位在相關領域做研究的導師合作。我們的導師具有分子生物、建模與資料科學、生物資訊、臨床與公共衛生研究、策略與設計等研究背景，其中也有曾在 NeurIPS、ICML 等頂尖機器學習會議發表的學者。進階方案的學生會配對到背景與專案相符的導師。
導師審閱程式碼與草稿、質疑設計、提供書面回饋。論文的每一行由學生自己寫，每一個實驗由學生自己跑，而機械性的部分已由我們建好的模組就位。作者署名依實際貢獻。
睡眠
以穿戴式資料預測睡眠品質；進階方案測試感測器缺失時的穩健性。
教育
預測學生表現；進階方案探討跨校泛化與群體間的公平性。
環境
預測空氣品質或都市高溫；進階方案做能回報自身不確定性的預報。
語言與歷史
用文字探勘追蹤一場科學爭議在報紙檔案中的框架變化。
視覺
比較影像分類器；進階方案探討有限資料下的高效模型。
重現研究
以學生族群重做一個已發表的小型行為實驗，討論結果在哪裡出現差異。
01
一顆衛星與一條回歸線
開放的地表溫度資料加上步行路線：一個高溫如何影響通學的模型。
02
一百年的報紙
對數位化檔案做主題模型，看一座城市如何爭論疫苗、污染或一座水壩。
03
夜裡的穿戴裝置
三個小模型、一個公開資料集，以及一份資料出現缺口時會發生什麼的仔細研究。
04
一間教室的空氣
低成本感測器、一個預報模型，和一條誠實的誤差線。
05
重跑一個著名實驗
用論文自己的數字重現一個心理學結果，再檢驗它在新資料上是否成立。
06
論文自己的審稿人
用 AI 助理檢查引用與邏輯，揭露使用，每一句話仍然是自己的。
- 標準方案 4 至 8 週 · 進階方案 8 至 12 週
- 8 次 90 分鐘正式指導（進階方案另加 4 次研究工作階段）、每週作業與課間書面回饋。台北面授或線上，英文或中文。
- 標準方案：好奇心是唯一的門檻。進階方案：具 Python 基礎，或一個放不下的問題。
孩子需要會寫程式或做過研究嗎？
不需要。標準方案從頭開始，有準備好的 notebook 與模組。已經會寫程式的學生會更快進入實驗；不會的學生在前兩次課程裡就能學到足以自己跑實驗。好奇心和願意修改的態度，比任何東西都重要。
為什麼多數專案用機器學習？
因為學生第一天就能用真實的公開資料做真實的實驗，幾分鐘看到結果，再試一次。這個短循環在一個專案裡把假設、檢驗與詮釋練習很多次。人文或社會科學的學生走同樣的 8 次課程，換成適合該領域的方法模組。
論文會被發表嗎？
取決於作品與發表管道。標準方案以學生研究期刊或學校研究成果為目標。進階方案為國際期刊、會議或 Workshop 準備稿件，我們會協助選擇實際可行的目標並回應審稿意見。是否錄用由各管道的審稿人決定。
有論文對大學申請有幫助嗎？
頂尖大學的招生人員會認真看待獨立研究，因為它展現了主動性、深度與完成事情的能力。成果數據只在有可查證來源時才公布。
課程用英文還是中文？
兩種語言都可以。論文通常以英文寫作，因為多數文獻與發表管道使用英文，但這會和學生一起決定。