在理学院上一期励学半月谈“学说”特别系列中，我们邀请到了几位优秀的师兄师姐，为大家介绍了关于毕业论文写作方面的相关问题，与大家分享了宝贵的经验。
在这一期“师说”特别系列中，我们又邀请到了物理系季威教授，心理系李欢欢教授，心理系刘聪慧副教授，心理系温晓通副教授和心理系邢采副教授，为大家从更权威、更专业的角度解读本科毕业论文写作与论文答辩的重点问题！
本期励学半月谈“师说”，让我们来听一听各位老师关于本科毕业论文写作与答辩方面的经验之谈吧~
物理系季威教授
Q：老师您好，关于本科毕业论文的排版，您有什么好的建议吗？
A：可以适当使用分页符或调整图表大小，使得相关的标题、文字、图表尽可能排在同一页。
Q：请问您认为在进行论文答辩时我们需要避免什么样的问题？
A：常见的问题：流水账式的讲述，而没有围绕发现问题、分析问题和解决问题的主线进行讲解；ppt过于花哨、文字过多或过少；背景介绍占用太多时间，而对自己的研究工作介绍不足。
Q：请问老师，在我们的毕业论文答辩方面，您还有什么好的建议或意见吗？
A：论文答辩更像是给答辩委员讲一个有理有据的科学故事的过程。可以把自己当做答辩委员，换位思考，以听者的角度审视下自己的讲解是否在逻辑上连贯、是否有足够吸引力让大家继续听下去，是否有科学和逻辑上的硬伤。
心理系李欢欢教授
Q：老师能否讲一下以往的本科毕业论文容易出现怎样的问题，需要同学们如何避免？
A：（1）首先比较突出的是格式问题：需要严格按照国内外领域内重要期刊发表文章格式进行要求，具体到图表统计符号、参考文献正文中引用规范标注、文后中英文参考文献规范格式，错别字和标点符号使用错误。
（2）文章内容问题：围绕研究主题进行引言、研究背景和问题提出的撰写，切忌堆砌以往研究的结果，没有自己的总结和梳理。
（3）方法和结果呈现：要选择适当的统计方法，不能只选择性呈现阳性结果，这也是学术伦理问题。
（4）建议以实验研究为主，综述性文章不适合本科论文，综述性文章是需要在该领域持续多年进行研究积累后，研究者才可能撰写出对其他研究者有启发的综述性文章。
Q：在最后修改完善论文的阶段，老师认为同学们在哪些细节上还需要努力？
A：和前一个问题一样，学术论文的格式规范和用词准确性，是反映科研素养的很好的指标。
Q：同学们即将面临论文答辩，在准备论文答辩时，老师能否对同学们提些建议呢？
A：今年因为疫情，学校没有设置论文答辩环节。根据以往论文答辩的情况，同学们在答辩过程中一方面要认真准备、控制时间，答辩PPT应该按照学术规范呈现，不宜过于花哨或不要以学术演讲形式呈现，答辩过程中对于老师指出的研究不足，要虚心接受或提出自己今后针对不足的研究设想。
心理系刘聪慧副教授
Q：老师您好，您能否针对往届本科毕业论文的形式上的问题，向本科毕业生提出一些建议呢？
A：有的学生有对形式规范不够重视、不够了解或者不够熟练的问题，这样写出来的论文模式上会出现很多问题，但规范性问题是最不应该出现的问题。比如要注意什么应该在方法部分写，什么应该在结论部分写，同时还要注意文章格式的统一性。也有学生会在相应的部分丢失关键信息。这一类问题包括的规范型内容是很多的，甚至还包括字体、字号，可能在完成一篇论文后会反复审核，所以本科毕业生在完成论文前要进行不断的熟悉和训练。另外，还要注意在对其他文章的引用过程中要注明，并要避免抄袭问题。如果一篇论文不够规范，那么很难得到高分。
Q：在论文写作的内容方面，老师您能给出一点建议吗？
A：首先是论文解决的问题。选择研究方向不能随便，要花费足够的时间去寻找合适的问题。不要选择太大的问题，应该选择小而精致的问题，但问题如果含金量太低，很可能就不是一篇好论文。其次是论文是否很好的解决了这个问题。比如研究方案是否合理、是否深入的解决了问题。
Q：关于论文写作的视角和标准，您觉得有哪些要注意的地方？
A：一般来说，老师首先会注重论文的选题，是否有足够的研究价值，是否有充足的创新性。一篇好的论文一定会带来有价值的新东西。论文的规范性是一篇论文的基本标准，但如果想要得到高分，就应当体现充实的内容，研究主题、研究方案、数据处理等各个方面都可以体现论文的创新。创新需要是有价值的创新，并不是任何新东西都是创新。
此外，“好论文是改出来的”，在写完论文后可以花功夫去不断修改，比如按照严密的逻辑和情绪的思路对文章内容进行整理，或者找周围的老师同学向你写好的论文提出意见，从而更好的进行修改。最后，还有几个小建议。本科论文的目的是为了对本科生进行科学训练，它不一定会比硕士生论文或博士生论文表现得差，本科论文虽然可能在创新性和工作量上小于后两者，但依然可以写的很精彩；并且本科生毕业论文最好是尽早着手准备，包括讨论、定题等，这样也方便更好的打磨问题。
心理系温晓通副教授
Q：老师您好，我想请问对于咱们理学院的本科毕业论文写作，总体而言，您能给出一些建议吗？
A：第1个我觉得就是早做准备，比如早加入某个课题组，做一些研究方面的训练。多参加实验，多动手处理数据。
第2个建议就是特别
