帶學生改引言，才看了三句話，我就直接說：「你這段邏輯不順，句子之間沒有銜接。」你是不是也常聽到指導教授這樣說，卻不知道問題到底出在哪？很多時候，問題根本不在文法，也不在你少寫了一個連接詞，而是前一句和後一句之間，少了一步應該由你自己寫出來的推理。

句子明明都對，為什麼讀者還是會當機？

前一陣子有個博士生拿文章來給我改。我讀到其中一段引言時，文法沒有錯，單字也不差，但讀起來前一句的句號和後一句的大寫字母之間，依然隔著一條鴻溝。

我跟他說，這類問題的核心通常不是文法，也不是句子表面有沒有接起來，而是段落裡的邏輯推進（logical progression）出了問題。你寫出了兩句各自成立的話，卻沒有把它們之間那一步推理寫出來。這也是為什麼有些段落看起來每句都對，讀者卻還是會在第二句開始當機。

這兩句話到底是怎麼接起來的？

我們直接來看他的具體例子。這是我很常看見的典型段落：

Generative artificial intelligence (GenAI) is increasingly reshaping teachers’ professional practices, from lesson planning and material design to assessment and student feedback.

…

前一陣子帶學生看他的文獻回顧，發現他把大把時間花在非常瑣碎的動作上：把 PDF 裡的一段話 highlight 起來，複製貼到 Word，手動打上標籤，再嘗試用幾句話去統整這篇 paper 的貢獻。我問他這週看了幾篇，他說看懂了五六篇，但光是「做筆記」就耗掉了一整天的時間。

這是我在指導學生時最常看到的一個現象。

這篇文章整理自我的 YouTube 影片，若想直接看操作畫面，也可以直接在這裡播放：

若想開新分頁到 YouTube 看完整頁面，也可以點這裡：
https://www.youtube.com/watch?v=PKvgwp2Ff8M…

APA 7 統計報告格式：最常寫錯的 10 個地方

我最近改一份 results section，第一個檢定結果就把 t 值、自由度和 p 值拆成三截，下一句再補一句「達顯著差異」。分析本身不一定有錯，但這種寫法一出現，我通常就知道作者還停在「把軟體輸出貼進論文」的階段。

APA 7 的統計報告格式麻煩的地方，不是規則很多，而是明確規則、期刊慣例和成稿一致性常常混在一起。你單看其中一條，可能覺得只是格式；但同一句裡連錯三四條，審稿人通常很快就會先扣信任分。下面這 10 個地方，是我改稿時最常抓出來的問題。

1.

…

前一陣子有個剛進 lab 的博一學生來找我討論他的研究提案。他的文獻回顧卡得很痛苦。

他告訴我，他把幾個核心概念丟進 Google Scholar，結果跑出三千多篇 paper。他花了一個多禮拜，用關鍵字一頁一頁撈，把摘要看起來有點關聯的都下載下來。結果報 paper 的時候，我發現他漏掉了這個領域近三年最重要的兩篇 foundation papers，反而看了一堆應用型的邊緣文章。

這幾年帶學生找題目，我越來越覺得，初期工具的選擇，會直接決定你摸索期的痛苦指數。大家最直覺、最習慣用的永遠是 Google Scholar。但我通常會建議他們，在你要建立一個陌生領域的 domain knowledge 時，Semantic Scholar 可能是更好的起手式。

這兩者到底該怎麼選？怎麼搭配？

Google Scholar 的致命傷：關鍵字驅動的「資訊海嘯」

Google Scholar 就像是一張孔徑極小的巨大漁網。

它的優勢很明顯：覆蓋率無可挑剔。幾乎只要是有掛在網路上的學術 PDF、甚至是一些尚未出版的 working papers，它都能撈出來。對於已經很清楚自己要找什麼的人來說，這是一個很安心的資料庫。

但這也是它對新手最不友善的地方。

當你輸入一個稍微 broad 一點的關鍵字，它會按照 relevance 和總引用數給你結果。但很多時候，引用數高不代表這篇 paper 對「你現在的問題」最重要。

有些 paper 引用數破千，只是因為它提出了一個常被提及的名詞定義，後來的人在 introduction 都會順手 cite 一下。你很容易迷失在幾百頁的搜尋結果裡，分不清哪篇是方法論的突破，哪篇只是沾到邊的過客。

Semantic Scholar 的破局點：看懂「誰真的有影響力」

這時候，我通常會讓學生停下在 Google Scholar 的漫無目的搜尋。我請他把那兩三篇他覺得最有感覺的 paper，丟進 Semantic Scholar 裡。

Semantic Scholar 是由 Allen Institute for AI 開發的。它最大的差別在於，它試圖去理解文獻與文獻之間的「實質關係」。

它不只是傻傻地算這篇 paper 被引用了幾次，它會用自然語言處理去分析那些引用的 context。

我最常叫學生看的一個功能是「Highly Influential Citations」。一篇經典 paper 可能有 800 個引用，但 Semantic Scholar 會幫你過濾出，真正把這篇 paper 當作核心基礎、有在內文深入討論甚至延伸其方法的，可能只有不到 30 篇。

——這對一個正在海裡掙扎的研究生來說，就是把一個禮拜的盲目 reading，縮短成一個下午的精準打擊。

什麼時候你「必須」留在 Google Scholar？

雖然我在初期更推崇 Semantic Scholar 的網絡篩選能力，但有些場景下，Google Scholar 還是目前無法被完全取代的工具。

1.…

很多研究生其實不是不知道文獻重要，而是追文獻這件事，長期都靠手動。

你可能訂了幾本期刊的 Email，存了幾個 Google Scholar 搜尋結果，書籤裡也放了幾個常看的 journal 網站。問題不是你沒有來源，而是這些來源太分散。

最後常見的情況是：你明明一直有在「接收資訊」，卻沒有穩定進入自己的研究流程。

這篇文章想介紹一個我很喜歡的做法：用開源工具 academic-journal-rss，把學術期刊與研究部落格的 RSS 更新每天自動抓下來，再用 Claude Code 根據你的研究興趣做初步排序，最後輸出成一份 markdown digest，直接放進 Obsidian。

它的價值不只是「自動收新論文」，而是把文獻追蹤從零碎動作，變成一套真正能持續運作的系統。

什麼是 academic-journal-rss？

academic-journal-rss 是一個開源工具，定位很清楚：每天抓取學術期刊或研究部落格的 RSS feed，挑出新內容，根據你的研究興趣做排序，最後輸出成一份可以直接打開閱讀的 markdown 摘要。

這個工具特別適合研究者，因為它不是單純把所有更新都丟給你，而是把「新文獻追蹤」和「研究興趣篩選」接在一起。

根據專案 README，它的核心流程是：

1. 你先設定要追蹤的 RSS feeds
2. 再寫一小段研究興趣描述
3. 工具每天抓取這些來源的新內容
4. 用 Claude Code 根據你的研究興趣排序
5. 產出一份每日 digest markdown 檔案

也就是說，它不是另一個資訊入口而已，而是一個幫你先做第一輪整理的研究助手。

這個工具實際在做什麼？

根據 GitHub 上的說明，academic-journal-rss 的 daily 流程大致是：

sync → 抓取所有 feeds → filter new items → rank against interests → write markdown digest → notify

這裡最有意思的，不是「抓 RSS」本身，而是它把「研究興趣」變成篩選條件。

也就是說，如果你研究的是 AI feedback、higher education、language learning，那你不是每天收到一大堆原始更新而已，而是收到一份更接近這種形式的結果：今天有哪些新文獻、哪些最接近你的研究方向、哪些值得優先看、哪些可以先略過。

這比單純追蹤期刊更新，實用很多。

為什麼研究者需要這種工具？

我帶學生時，最常看到的問題不是沒資源，而是資訊太散。

這種散，通常表現在幾個地方：

• 你追蹤來源分散：有些更新來自 Email，有些來自期刊網站，有些來自 Google Scholar，有些只是你想到時才去看。
• 你沒有固定節奏：今天看、明天忘、下週補，最後很難建立穩定的文獻追蹤習慣。
• 你每天都要重新判斷：哪篇是新的？哪篇和我有關？哪篇值得先讀？

而 academic-journal-rss 的價值就在於：它把這些零碎判斷前移，先幫你做第一輪整理。你每天打開的，不再是一堆散亂更新，而是一份已經整理過的研究入口。

它怎麼安裝？

根據 repo 說明，基本安裝方式是：

git clone https://github.com/chinhsi/academic-journal-rss.git

…