科研写作、图表与语言规范

本页提供科研写作中相对稳定的工作原则，帮助作者把实验结果组织成可核验、可理解的科学论证。除“AI输出必须由作者核验”外，其他内容目前主要来自培训材料，并不等同于已经确认的完整课题组组规。

页面状态

实验室统一的图表规范、统计与完整性要求，以及组内规则与目标期刊样式发生冲突时的优先级尚未最终确认。投稿前必须重新核对目标期刊或会议的最新官方要求，并就冲突项咨询项目负责人。

1. 从科学论证出发

写作的核心不是堆积实验，而是建立清楚的证据链：

1. 明确论文要回答的科学问题；
2. 确定每个主要结论需要什么证据；
3. 用图表组织关键结果；
4. 在正文中解释证据如何支持结论；
5. 区分观察事实、数据分析、机制解释和仍然存在的限制。

建议先形成主要图表和结果逻辑，再扩展为完整正文。标题、摘要和引言应服务于同一条主线，而不是分别讲述互不一致的故事。

2. 结论必须与证据边界一致

写作时应避免：

• 将相关性写成因果关系；
• 将单个样品或单次结果写成普遍规律；
• 将模型、推测或平均表征写成直接观察；
• 隐藏不支持预期的结果；
• 用模糊措辞掩盖样本量、误差或适用范围。

每个强结论都应能够指向对应的数据、图表、方法或文献依据。证据不足时，应降低措辞强度或明确标出局限。

3. 图表应承担明确任务

每张主图应围绕一个清晰问题组织，而不是简单拼接所有可用结果。

建议检查：

• 图中最重要的信息能否快速识别；
• 坐标、单位、图例和样品名称是否一致；
• 颜色、符号和线型在全文是否保持统一；
• 图注能否说明样品、条件、方法和统计信息；
• 主图和补充材料之间是否有明确分工；
• 图像处理是否改变或掩盖原始科学信息。

待补充的正式规范

具体字体、字号、线宽、统计表示、显微图像处理和原始图归档规则尚未形成经课题组确认的统一清单。本页不自行补造这些要求。

4. 语言与术语

科研语言应优先追求准确、清楚和一致：

• 一个术语在全文中保持同一含义；
• 缩写首次出现时定义，并避免无必要的缩写；
• 每句话尽量承担一个主要逻辑任务；
• 避免没有数据支撑的最高级和夸张词；
• 使用清楚的主语，说明是谁或什么执行了动作；
• 数值、单位、有效数字和符号保持一致。

语言润色不能改变科学含义。修改后应重新核对条件、数字、比较关系和结论强度。

5. 连字符和破折号

培训材料涉及三类常见符号，正式写作时应结合目标期刊样式：

• hyphen（-）：常用于复合词或复合修饰语；
• en dash（–）：常用于范围或两个并列实体之间的关系；
• em dash（—）：可用于插入或强调转折，但科技论文中应谨慎使用。

历史标点材料可能参考外部文章，Wiki只保留重新组织后的原则，不直接复制原文。

6. AI辅助写作

AI工具可以辅助：

• 梳理论证结构；
• 改善语言和表达；
• 检查术语一致性；
• 将已有事实整理为摘要、图注或回复框架。

但所有AI输出必须由作者本人核验。作者需要对以下内容承担责任：

• 数字、单位和样品编号；
• 事实和文献引用；
• 结论强度；
• 是否遗漏限制条件；
• 是否出现AI虚构内容；
• 最终提交文本的真实性和完整性。

AI数据与披露规则尚未完成

未发表结果、保密数据、合作方材料、上传范围、AI使用披露和记录要求仍待统一规则。使用外部AI服务前，应确认自己有权上传相应内容；不确定时咨询项目负责人。

7. 目标投稿方要求

历史LaTeX演示项目明确提示应使用投稿方官方模板。实际写作和投稿时，应重新获取目标期刊或会议的最新指南，而不是沿用旧培训包中的模板、截图或安装环境。

当官方要求、课题组习惯和共同作者偏好发生冲突时，本页暂不规定自动优先级，应由论文负责人和共同作者确认。

常见问题

可以用AI润色论文吗？

可以，但所有输出必须由作者核验，AI不能替代事实、引用和数据检查。

应该先写正文还是先整理图？

通常应先明确科学问题、主要结论和关键图表，再围绕证据链展开正文。

培训材料中的模板可以直接投稿吗？

不可以。必须使用目标投稿方当前的官方模板和指南。

期刊格式与组内习惯不一致怎么办？

先记录冲突，并由论文负责人和共同作者确认。本页尚未确定统一优先级。

标点卡可以直接复制旧材料吗？

不可以。旧材料可能依赖外部来源，应重新组织、注明依据并避免大段复制。