学术英文修改

别再拿术语当严谨了——你的方法论，19岁能复现才算数

术语≠严谨。具体才是。如果19岁的人没法照着你的步骤重走一遍，你就还没讲明白。

导师说'把方法论重写一下，让大一新生也能跟上'。你脑子里'咔'一声。六个月前测、三版编码框架、跟IRB办公室来回打了两个电话——现在她要你用大白话讲。你第一反应是杠回去：'但术语就是精确性本身啊，我写"我跑了个模型"和写"我估计了一个双向聚类的固定效应面板回归"，严谨程度能一样吗？'不能。你只是把'具体'和'难懂'搞混了。而这个混淆，就是你方法论那一章读起来像产品说明书的元凶。不是你的方法有问题，是你的表达在替方法遮丑。

给你一个应该让人后背发凉的判断：术语≠技术准确。术语是你思考时的捷径，你忘了从初稿里删掉。'我采用了混合方法设计'不是方法——是体裁。读者没法复现。'我对3个中等规模学区的48名K-12教师做了半结构化访谈（平均34分钟），用NVivo按扎根理论三步法（开放式→主轴→选择性）编码，让第二个编码者独立标了4份转录稿，Cohen's kappa=0.82'——这才是大白话里带着技术骨架。看出区别没有？具体打败难懂，每一次都是。那个评分工具不关心。你的读者关心。你的委员会关心。

我用的标准，不打算说软话：如果一个聪明的、好奇的19岁年轻人——没读过你那本期刊——跟不上你的步骤，不是'你简化了'，是你没讲明白。技术准确意味着读者能重建你做了什么、什么顺序、用什么工具、每一步为什么合理。一个术语出现后读者必须查一下才能继续往下读，链条就断了。你不是在降智，你是在证明你懂了。'我用了回归模型'和'我把课后测试分数对处理变量做回归，控制了基线分数、学校固定效应和年份虚拟变量'——第二句读起来更简单。也更严谨。前者是结论，后者是论证。

来点能直接抄的。三组真实学生稿对比：❌'本研究采用混合方法设计，对定量和定性数据流进行三角验证。' ✅'我同时跑了两个研究：一份212人的学生问卷（Likert-5量表，14题）和18场深度访谈（每场40分钟）。我把定量模式和访谈主题对着看，确认它们指向同一个方向。' ❌'质性数据按照Braun和Clarke（2006）的框架进行主题分析。' ✅'我把18份转录稿读了两遍。第二遍开始标注反复出现的短语（比如"我不敢在班上问"），归成六个主题。然后让第二个编码者独立标了4份。一致率89%，剩下的我们讨论后裁定。' 你丢掉的不是术语，是读者跟上的能力。

第三组最扎心：❌'样本采用目的性抽样，确保在人口统计学和经验变量上实现最大变异性。' ✅'我从两个州的四所学校招募。每所学校请系主任推荐三个不同职业阶段的老师（第1年、第5年、15年以上），覆盖两个学科（数学和英语）。总共24个名字，18人同意接受访谈。' 注意发生了什么：'目的性抽样'没丢。它变可见了。读者现在能看到你的逻辑，能判断它站不站得住脚。这才是准确该有的样子——不是藏在短语后面。把方法论扔进easydue过一遍再交给导师。不是为了去AI味，是检查每一句是不是真的告诉读者一个具体的、可验证的事。如果一个段落删掉之后你完全可以用两句话替代，就删。easydue会标出你那些技术词汇在替具体例子干活的地方。

没人告诉你的那部分：方法论不是配方，是论证。你做的每一个选择——为什么访谈而不是问卷、为什么18个人不是12个、为什么用Cohen's kappa而不是简单一致率——都是关于严谨性的claim。你把claim包在术语里，就把论证变成了密码。你的委员会、跨学科审稿人、那个会认真看附录的教授——他们测不了你的逻辑，因为看不见。你的严谨性从此取决于对方的词汇量，而不是你的设计。那不是flex，是漏洞。你每多堆一个术语，就多一个读者走掉的机会。

所以下次导师说'大白话'，别听成'你太聪明了这段配不上'。听成：'证明你懂到不藏也能讲清的程度。'技术术语该放在它该在的位置——具体的检验、编码框架、信度指标——但围绕它的句子应该是一个人类跟同事喝咖啡时会说出口的话。具体的。可查的。可复现的。最后把定稿扔进easydue过一遍，不是改词，是确认你确实讲清楚了。这不是比术语差。这是唯一一种读者真能验证的严谨。