结果呈现与研究前沿15 / 15
适用范围与常见误用
- 误区：报告越长、图越多越好。→ 正解：每张图回答一个问题；冗余图表会稀释主要结论。
- 误区：口头报告时把所有分析步骤按时间顺序讲一遍。→ 正解：按研究问题组织，先讲结论，方法只讲理解结果所必需的部分。
- 误区：局限部分写得越少越好，以免削弱结论。→ 正解：主动、具体地讨论局限及你做过的检验，正是分析深度的体现。
- 误区：审阅他人的研究就是挑错，或者应尽量委婉、只说优点。→ 正解：要复述其贡献，区分主要与次要问题，给出有依据的批评和可行建议；对事不对人。
- 误区：前沿方法（如 GNN）一定优于经典网络指标。→ 正解：要与简单基线（如度、邻近度、逻辑回归）比较，并检查数据泄漏；简单方法在小数据上常常更稳健。
- 误区：网络图上看到了团块，说明存在模块。→ 正解：力导向布局的团块依赖算法和随机初值；模块要用模块度、零模型和稳定性分析来确认，图只用于展示。
- 误区：把团复形或共现数据当作“高阶相互作用”的证据。→ 正解：团复形完全由两两边决定；共现不等于不可分解的群体作用，需要检验高阶项是否超出两两模型的预期。
- 误区：时间数据先聚合成静态网络再分析，结论不变。→ 正解：聚合会高估可达性、忽略阵发性和接触顺序；应与打乱时间戳等零模型比较，确认时间结构是否重要。
- 误区：多层网络的层间耦合参数可以随意设定。→ 正解：、 等参数通常没有实测依据，结论应在参数范围内检查稳健性，并与单层和聚合分析比较。
- 误区：嵌入或 GNN 找到的“重要子图”就是生物机制。→ 正解：模型解释只反映模型学到的统计规律，机制结论需要独立数据和干预实验的支持。
- 误区：中心性高的节点就是最好的干预靶点。→ 正解：统计依赖网络中的中心性不是因果效应，枢纽地位也可能来自研究偏倚；干预问题需要因果证据或动力学模型。