香港學生FYP專題研究流程由選題、Proposal至答辯的實戰規劃與失誤處理方法

FYP最危險的時刻，往往不是deadline前一晚，而是你以為自己「已經開始做」，其實只是不斷開新文件、改題目、儲存幾篇未讀的journal article。香港不少學生同時要上堂、返工、照顧家庭，FYP專題研究流程一亂，後面每一步都會變成趕工、重做和被Supervisor追問。真正有效的做法，不是先急著寫幾千字，而是將整個專題拆成可管理、可檢查、可交代的階段。

FYP專題研究流程先由要求倒推

開始前，先不要問「我想研究甚麼」，而要問「學校要我交甚麼」。不同院校、不同英國大學香港課程的FYP要求可以相差很遠。有些重視research report，有些要求prototype、system development、site analysis、business plan、case study或實驗結果；字數、引用格式、倫理審批、coding appendix和答辯比重亦未必一樣。

把module handbook、assessment rubric、Supervisor的指示和過往提交日期放在同一份工作表。你至少要確認四件事：最終交付物、評分準則、每個milestone的日期，以及可使用的研究方法。這一步看似基本，卻能避免做到一半才發現自己用了不合規的methodology，或漏交Proposal、ethics form、weekly log等關鍵文件。

尤其是兼讀或working professional學生，建議從final submission date倒推，預留最後兩至三星期作修改、格式核對、Turnitin檢查和簡報排練。不要把「完成初稿」當作完成FYP，初稿之後通常才是Supervisor提出最多修改的階段。

選題不是愈大愈好，而是要做得到

好題目必須同時滿足興趣、學術價值、資料可得性和時間限制。題目太闊，例如「香港市民對環保的看法」或「AI對教育的影響」，很容易令文獻回顧散亂、問卷設計失焦，最後只能寫成一般性描述。題目太窄也有風險，例如找不到足夠受訪者、公司不肯提供資料，或沒有足夠研究文獻支持。

較穩妥的做法，是先寫出一條清楚的research problem，再收窄研究對象、地點、時間範圍和變數。例如business學生可由「社交媒體營銷有效嗎」收窄成特定年齡層對Instagram短片內容與購買意向的關係；IT學生可由「做一個app」改為針對某類使用者痛點，設定功能需求、usability testing和performance evaluation。

選題時要誠實評估資源。做量化研究需要樣本量和統計能力；做訪談需要招募受訪者、錄音、轉錄和coding時間；做programming FYP則要考慮資料集、軟體環境、測試工具及debug時間。不是最複雜的題目才有分，而是能夠用合適證據回答research question的題目才有說服力。

先寫Research Question，再寫Proposal

Research Question是整份FYP的方向盤。它應該具體、可研究，而且可以透過資料或證據作答。若問題只是在問「甚麼是」、「有甚麼好處」，很可能停留在資料整理層面；若問題涉及關係、影響、比較、成效或使用者體驗，通常更容易建立分析框架。

Proposal不是形式文件，而是你與Supervisor之間的研究合約。內容通常包括背景與問題、研究目的、Research Question、初步文獻、方法、預計進度、限制和倫理考量。Proposal寫得含糊，後期很容易出現「你原本不是這樣說」的情況。每次meeting後，應立即整理決定事項並以電郵或筆記確認，減少雙方理解不同。

文獻回顧要建立論證，不是堆作者名字

不少學生在Literature Review最常犯的錯，是一段一篇文章，逐篇介紹作者說過甚麼，卻沒有比較、分類或指出研究空白。Supervisor真正想看到的，是你理解目前學界怎樣討論這個問題，以及你的研究放在甚麼位置。

可先按主題將文獻分組，例如理論模型、影響因素、不同地區研究結果、研究方法和限制。閱讀時記錄作者、年份、樣本、方法、主要發現、限制，以及你可如何使用該文獻。這個matrix能大幅減少後期找引用找得失控。

引用來源亦要有取捨。學術期刊、政府報告、專業組織資料和可靠資料庫通常較適合做核心證據；新聞、公司網頁或一般網路文章可以用於背景，但很難取代學術論據。切勿為了「看起來引用很多」而加入未讀過的reference，reference list與內文不一致、DOI錯誤或引用不存在的文章，都是嚴重扣分位。

方法設計要與問題匹配

Research methodology沒有一種做法適合所有FYP。想測量變數之間的關係，可考慮問卷和量化分析；想了解經驗、態度或決策過程，訪談、focus group或case study可能更合適；工程、建築、電腦科學專題則可能需要simulation、prototype testing、benchmark comparison或user acceptance test。

關鍵不在於方法名稱多專業，而在於你能否解釋三件事：為甚麼這個方法能回答問題、資料從何而來、如何分析結果。例如問卷不是發出去就完成，你要交代sampling method、題目設計、有效樣本數和分析方式；訪談亦不只是「問幾個人」，還要說明受訪者準則、訪談問題、同意程序和theme analysis步驟。

涉及個人資料、病人、學生、公司內部資訊或敏感議題時，先處理consent、匿名化和資料儲存問題。若學校要求ethics approval，未批核前不要急著收集資料。為趕時間而跳過倫理程序，結果可能是整批數據不能使用。

蒐集與分析數據前，先做小型測試

問卷應先找少量目標相近的人pilot test，檢查問題是否含糊、選項是否不足、填寫時間是否過長。訪談則要試問一次，看看問題會否過度引導受訪者，或根本問不到你需要的資訊。IT系統亦應早期測試核心功能，而不是到最後一週才發現database、API或演算法不能配合。

分析階段最重要是不要讓結論超出證據。Excel、SPSS、R、Python、MATLAB或NVivo只是工具，不會自動令研究變得可信。使用統計檢定時，要明白p-value、correlation、regression及sample size代表甚麼；做qualitative coding時，要清楚主題如何從原始資料歸納出來。圖表應協助讀者看見趨勢，而不是純粹填版面。

如果結果與預期不同，不代表FYP失敗。負面結果、沒有顯著關係，甚至prototype未能達到預設performance，都可以是有價值的發現。你需要做的是如實呈現、分析原因，並說明限制和可行的改善方向，而不是修改數據去迎合假設。

寫作、修改與答辯要同步安排

最穩陣的寫法不是等所有資料齊全才開始。完成Proposal後可先寫Introduction和Methodology；文獻閱讀期間逐步完成Literature Review；有初步結果便開始整理Findings的表格、圖像和小標題。這樣即使數據蒐集稍有延誤，你仍然掌握大部分報告結構。

Discussion是最容易失分的一章。Findings只回答「發現了甚麼」，Discussion才回答「這代表甚麼、與文獻是否一致、為何會出現這個結果、對行業或實務有何意義」。不要把結果表格換句話說一次，就當成分析。

提交前至少做三輪檢查：第一輪看論證和章節邏輯，第二輪核對citation、reference style、圖表編號與appendix，第三輪處理語法、字數、格式和抄襲風險。AI工具可協助整理語句或brainstorm，但不可代替你的資料判讀，更不可提交未核實的引用與內容。保留原始問卷、訪談紀錄、程式版本、分析輸出和meeting notes，答辯被問到時才有證據支撐。

答辯簡報應把重點放在problem、method、key findings、contribution和limitations。每張slide只保留一個核心訊息，預先練習回答「為何選這個方法？樣本是否足夠？研究有何限制？若有更多時間會怎樣改善？」這些問題。你不需要假裝研究完美，但必須顯示你理解自己的選擇。

卡在FYP中段時，先求清晰而非硬撐

FYP最常見的危機包括Supervisor遲回覆、題目被要求大改、問卷回收不足、英文寫作不順、統計分析不懂，或coding project突然出錯。遇到問題，先把現況、已完成內容、卡住原因和你需要的決定寫清楚，再向Supervisor提出具體選項。比起只說「我不明白」，這種溝通方式更容易得到有效回覆。

若你正面對緊急deadline或複雜方法要求，Assignment Aid HK可提供一對一研究規劃、Proposal檢視、文獻整理方向、數據分析講解、編程技術支援、學術編輯及簡報演練協助，讓你在遵守院校規範和保留自己學習成果的前提下，釐清下一步。即時回應是我們的承諾，但愈早安排，愈有空間修正而非盲目趕工。

一份有質素的FYP，不是靠最後幾晚硬撐出來，而是每個階段都知道自己要證明甚麼、何時要交甚麼、資料能否支持甚麼。今天先完成一個可交代的下一步，例如定下Research Question、約見Supervisor或整理十篇核心文獻，你的專題就會開始由焦慮變成可控制的計劃。