“人工智能时代中国制造业高质量发展的影响机制与实现路径研究”——这类题目几乎每个答辩季都会出现。它的典型特征是：每个词都很大，组合起来更大，读者看不出你究竟要研究什么，用什么材料，回答什么问题。导师退回的理由也很直接：题目过大、边界不清、无法操作。
问题不在词汇本身，而在于题目没有完成它该完成的功能。题目不是论文的装饰，也不是政策口号的缩略版。对读者和检索者来说，题目的功能是在二十字左右的范围内说清三件事：你研究的是什么对象，你围绕这个对象想回答什么问题，你的讨论限定在什么范围和条件之下。三个信息成分缺少任何一个，题目就会变得空泛。
不合格题目缺的不是“深度”，是信息成分
拿到一个过大过空的题目，不要先怀疑自己的选题没有价值。真正要检查的是，题目里的信息能不能让一个不熟悉你研究的人做出如下判断：这篇论文大概会讨论什么，它和哪些相邻研究不同，它适不适合我的检索需求。
很多空泛题目的问题可以归结为三类。
第一类是全称判断。题目使用“人工智能”“城市化”“全球化”“数字经济”这类总体性概念，却没有说明具体指涉。一个概念一旦以全称形式出现，它的边界就消失：人工智能既可以是技术范式，也可以是产业政策，还可以是劳动合同的变化；“制造业高质量发展”从生产率到绿色转型到供应链韧性，可以写出几十本专著。这样的题目不是研究问题，而是一个领域目录。
第二类是多重心叠加。题目同时包含两个以上的大主题，再用“及其”或“与”连接。例如“社交媒体对青少年心理健康的影响及其应对策略”，前半段是一个经验问题，后半段是一个规范建议，两者看似相关，但在研究逻辑上分属不同层次。读者无法判断论文的重心是解释影响，还是评估策略。
第三类是只有对象没有关系。题目说“某某研究”，却没有提示作者要观察和解释的是对象之间的什么关系。例如“城市化对社会的影响”，没有说明城市化通过什么机制、在哪个维度上产生影响，读者自然不知道研究的切入点在哪里。
把大题目收成可研究表述的三个动作
修改题目的过程不是把大词换成小词那样简单，而是沿着三个步骤把论文的承诺收紧。
第一个动作是限定研究对象，把总称变成可识别的具体类别。对象限定的方式有很多，可以是时间、空间、行业、人群、制度情境。关键不在于加一个限定词，而在于加的限定词必须能真正缩小材料范围，让研究变得可操作。例如“中国制造业高质量发展”是一个指数层面的总体概念，但如果聚焦到某一细分行业、某一试点政策覆盖的企业、某一个特定区域的样本，对象就从抽象整体变成了可以描述和比较的集合。
第二个动作是锁定核心问题，把研究方向从一个主题变成一个可以被回答的关系。研究对象不是论文的终点，论文要做的，是考察对象与某个解释变量、某种过程或某种机制之间的联系。一个可回答的问题通常呈现为主谓结构，而不是名词堆叠。例如，不要只写“社交媒体与青少年心理健康”，而要写出社交媒体使用中的哪个特征，通过什么路径，对心理健康的哪一维度产生影响。这样写出来的题目，本身就预告了论文的分析方向。
第三个动作是倒推数据与方法可行性，用研究能否落地来检验题目是否还过大。题目上每多一个宏大承诺，正文里就多一个无法兑现的实证负担。修改时可以问自己：这个题目所隐含的证据，我能否在规定的时间和条件下获取？如果不能，说明题目承诺的范围仍然超出了研究能力。此时需要继续收紧，直到题目所承诺的内容恰好对应你实际能做的事情。
三个动作可以循环使用：先限定对象，再锁定问题，再用可行性检验；检验不过，回到前两步继续收。
改写对照：从空泛到可检索
以典型的大题目为例，可以看到三个信息成分如何逐步补齐。
原题为“社交媒体对青少年心理健康的影响及其应对策略”。这个题目同时包含两个任务，研究边界非常模糊。第一次修改可以先去掉后半段的策略部分，把重心放到经验问题上：社交媒体使用中的什么特征，影响青少年心理健康的哪个方面？进一步问下去，社交媒体不是一个同质的东西，被动浏览和主动互动是两回事；心理健康也不是一个笼统的状态，抑郁情绪、焦虑水平、睡眠质量各自对应不同的测量方式。如果研究对象是中学生，以问卷数据为基础，可以改写成“短视频使用强度对中学生抑郁情绪的影响——基于某市三所中学的问卷调查”。这个题目里，对象是中学生，问题是短视频使用强度与抑郁情绪的关系，边界是某市三所中学的问卷数据范围，检索者可以据此判断这篇论文与自己的研究方向是否相关。
再如“城市化对社会的影响”。城市化是一个过程性总称，社会是一个更大更空的概念。改写的方向是让过程有了可操作的含义，让影响有了落脚点。可以问：城市化中最能被观察到的变化是什么？土地性质改变、人口迁移还是公共服务供给方式的调整？影响到谁？影响表现在哪个层面？如果聚焦土地城市化带来的利益分配与村庄治理变化，题目可以变成“土地城市化对城郊村集体行动的影响”或“土地城市化与城郊村基层治理转型”，再加上必要的案例限定。这样，原本谁都可以写、谁也无法具体检索的题目，就变成了边界清楚的研究问题。
再看一个更接近学位论文的题：“人工智能对大学生学习的影响研究”。这里“人工智能”范围过宽，影响方向也没有限定。可以追问：人工智能以什么工具形态进入学习场景？大语言模型的对话式问答与早期的搜索引擎使用是不同行为；影响的是学习效率、认知投入还是学术诚信的态度？如果聚焦生成式对话工具在写作任务中的使用与学习投入的关系，可以改写成“生成式对话工具在课程写作中的使用与大学生学习投入的关系——以某高校本科生为例”。其中研究对象是本科生，核心问题是工具使用与学习投入的关系，范围限定在课程写作场景和某校样本。
比较改写前后的表述会发现：原题之所以“大”，是因为它试图用一个题目覆盖整个议题；修改后的题目之所以“可检索”，是因为它明确告诉读者论文的边界在哪里，以及哪些研究不在论文范围之内。边界清晰不是缺点，而是学术写作的诚实。
用检索者的视角回查题目
题目改出来之后，还需要做一个反向检查。不要只从作者的角度看题目是否漂亮，而要模拟一个检索者的动作：如果我要在数据库中搜索相关文献，我会输入什么关键词？我输入“短视频”“中学生”“抑郁情绪”，这篇论文会不会出现在结果里？读完题目，我能否说出它的研究对象和核心关系？如果不能，说明信息成分仍然缺失。
有三个问题可以作为自查清单。第一，我能否从这个题目中提取出明确的研究对象？第二，我能否看出论文要解释的核心变量或核心关系是什么？第三，题目中是否有一个范围词，让读者知道讨论不适用于所有情况？三个问题都答得上，题目就基本合格；答不上，继续回到限定对象、锁定问题、检验可行性的循环里。
还有一个常见的误区需要提醒：不要在“增大题目”和“缩小题目”之间追求某种字数上的平衡。字数不是判断标准。一个二十字的题目可以很空，一个三十字的题目也可以很紧。关键在于信息密度，而不是修辞上的简短。为了追求简洁而牺牲边界，反而不是好的修改。
论文题目的修改，本质上是对研究设计的再确认。每一次把大词换成可观察的对象，把空泛议题换成可回答的问题，都是在迫使自己搞清楚：这篇论文究竟不研究什么。只有先想清楚不研究什么，题目才能反过来告诉别人，你研究的是什么。
