1 概念界定
1.1 “证明材料”的定义与作用
“证明材料”是用于支撑研究结论有效性、可靠性或可检验性的证据载体与信息集合。它不仅包括数据本身，也涵盖记录过程的文档、执行细节的工件以及可用于核查的中间产出。其核心价值在于：让他人能够理解研究是如何得出结论的，进而完成复核、验证或复用。
在 Research_methods 的语境中，“证明材料”通常被视为证据链的一部分：材料需要能对应研究问题与关键主张，同时体现来源、加工与使用的可追溯性。必要时，它还应允许在合规前提下提供替代性的可验证信息，例如脱敏后的样本摘要或可重放的计算流程。
1.2 证据链与主张的对应关系
证据链强调“材料—推理—结论”之间的衔接。理想状态下，每一条关键主张都能在材料中找到对应依据：材料回答了什么问题、使用了哪类数据、采用了何种处理方式，最终如何支持到结论。反之，若材料只展示结果而缺少与主张相连的计算或过程解释，就容易出现“证据断裂”，导致可核查性下降。
1.3 证明材料与“数据/证据/文档”的区分
三者常被混用，但在研究方法写作中可以做出区分：
- 数据：通常指可度量或可记录的信息载体（如实验观测、调查回答、传感读数）。
- 证据：强调其在论证中所扮演的支持角色，既可能来自数据，也可能来自分析结果、统计检验或可复用的推理链条。
- 文档：偏向形式与记录，如方法说明、实验方案、代码说明、审查记录。文档往往是证明材料的重要“组织外壳”，但不等同于证据本身。
因此，“证明材料”更像一个总称：它可能包含数据、证据性分析与文档工件的组合，并由其与主张的对应关系将各部分连接起来。
2 分类与类型
2.1 原始材料（Primary Evidence）
原始材料指在研究执行阶段直接产生、尚未经过面向结果的高度加工处理的材料。它们通常对追溯性最关键。
2.1.1 实验/观测记录
包括实验日志、观测序列、仪器读数、测量条件与现场记录等。有效的记录应能回答：何时何地、在何条件下、以何方法采集，以及是否存在异常或中断。
2.1.2 问卷、访谈与田野笔记
问卷条目与作答原文、访谈录音与逐字稿、田野观察记录等都属于原始材料。若包含研究者主观判断，笔记应尽量区分“事实描述”与“解释意见”，以便后续核查。
2.1.3 样本与采样说明
样本清单、纳入排除标准、采样时间窗口、采样框架、抽样策略与偏差控制说明等，用来界定材料的“边界条件”。在可复现层面，采样说明往往决定结果是否能被重新构建。
2.2 派生材料（Derived Evidence）
派生材料通常由原始材料经过清洗、变换或建模后得到，强调在论证中“如何从原始信息走向结论”。
2.2.1 清洗与预处理产物
包括去噪结果、缺失值处理、异常值标记、编码规则、标准化参数、批次校正等。该类材料应记录处理规则、参数与适用范围，避免“黑箱式”的预处理。
2.2.2 统计量与模型输出
例如描述性统计、回归系数、置信区间、显著性检验结果、预测误差、模型评分与校准曲线等。它们通常直接承担“证据”角色，但仍需能追溯到其生成过程。
2.2.3 特征工程与中间结果
包括特征构造规则、变量派生公式、编码映射、分箱策略、聚合统计与训练过程中的中间指标。此类材料帮助解释模型为何形成特定判断，同时提高可复查度。
2.3 支撑材料（Supporting Artifacts）
支撑材料用于证明研究过程的方法学可信度与执行可核查性，往往是“证据链的结构件”。
2.3.1 方法学与实验设计文档
如研究方案、实验设计、变量定义、测量仪器说明、质量控制流程、访谈提纲与抽样计划等。它们回答“为什么这样做、用什么标准做”。
2.3.2 代码、工作流与计算日志
脚本与程序配置、工作流编排、依赖版本、运行参数以及计算日志等，使分析步骤可被重演或至少被审计。对于计算研究而言，代码通常是最具解释力的材料之一。
2.3.3 版本控制与变更记录
包括版本库提交记录、数据集修订说明、规则调整历史与变更原因。变更记录有助于判断结果是否受后续修改影响，从而支持审查与复现。
3 质量标准与评价
3.1 真实性与来源可追溯性
真实性强调材料确为研究过程中获得或生成，而非二次拼接或未经说明的替换。来源可追溯性要求材料能定位到采集/生成的时间、人员或系统，以及对应的原始输入或生成步骤。
3.2 可靠性与一致性
可靠性关注材料在重复采集或重复计算下是否倾向于给出稳定的结果或可解释的波动。对定量研究而言，还需要说明测量误差、抽样波动或模型训练随机性（如种子设置或重采样策略）。
3.3 有效性与适配性
有效性不仅指材料“正确”，更强调它是否适合回答研究问题。比如某指标是否衡量了研究关心的概念，某问卷条目是否与目标维度匹配；某预处理策略是否符合数据特性与研究假设。
3.4 完整性与可核查性
完整性要求关键步骤与关键输入不应被省略；可核查性要求他人即使无法获得同样的原始资源，也能在说明充分的情况下验证推理与分析路径。实践中常见做法包括保留关键中间文件、提供参数清单与生成规则。
3.5 不确定性与偏差的呈现
材料应在必要处呈现不确定性与偏差来源，例如置信区间、误差范围、缺失机制、采样偏倚、测量偏差或模型过拟合风险等。呈现方式应与材料性质匹配：定量部分给出量化指标，定性部分给出证据边界与解释的条件。
3.6 伦理合规与隐私保护要求
在涉及个人或敏感信息时，证明材料的可共享性必须服从伦理与合规要求。常见手段包括脱敏、汇总发布、受控访问、使用最小必要原则、记录同意范围与数据使用目的等。即使无法直接提供原文，也应提供可验证的替代信息与审计路径。
4 组织与呈现
4.1 文件命名与元数据规范
合理的命名和元数据能显著降低材料“找不到、对不上、看不懂”的成本。元数据通常包含：材料类型、生成时间、版本号、适用范围、与哪个研究问题或变量相关，以及关键处理参数（如适用）。命名建议体现层级与可搜索性。
4.2 证据链叙述：从材料到结论
证据链叙述要求把材料与论证逻辑连起来，而不是只罗列文件。写作时可按“主张—依据材料—使用方式—得到的结果—不确定性或限制”的顺序展开，让读者理解每一步如何推进。
4.3 可复现性与共享策略
可复现性并不总等于公开全部原始数据。共享策略可以分层：公开汇总数据与代码、提供可重放的工作流、在受控环境中提供原始材料、或仅提供足够的审计记录以支持第三方核查。关键在于：共享与可验证性之间保持平衡，并明确可访问范围。
4.4 附录与补充材料的写作
附录通常承载：完整的变量定义、额外的表格图形、详细的处理步骤、鲁棒性分析与敏感性讨论、额外的访谈编码框架或样本描述等。写作目标是让主要正文保持聚焦，同时让核查者能深入追踪细节。
4.5 常见错误与“证据错位”排查（例如：图表无对应原始来源）
常见问题包括：
- 图表出现但缺少原始来源或处理过程描述，导致无法判断数据从何而来、如何生成。
- 引用材料名称与正文主张不一致，造成“材料对不上结论”的错位。
- 只展示最终指标而忽略关键中间步骤，使复核无法进行。
- 版本混用：正文使用A版本生成，但附录或附件对应B版本。
排查时可从“材料—计算/处理—展示对象”三点核对：确认图表是否能追溯到具体数据版本、脚本参数与生成时间，并检查材料命名与正文引用是否一一对应。
5 采集、获取与管理
5.1 采集流程与记录格式
采集流程应尽可能标准化，并在研究开始前明确记录字段与格式。记录格式可以采用结构化表单与统一模板，减少后期整理成本。对于现场或多人协作情境，应明确谁负责记录、如何处理异常情况与如何标记不完整条目。
5.2 样本管理与版本管理
样本管理关注材料的归属与边界：纳入、剔除、替换的规则与原因需要被记录。版本管理则用于追踪材料和代码的演进，避免“运行时用的是旧数据却在文中写成新数据”的混乱。
5.3 数据安全与访问控制
数据安全涵盖存储加密、权限分级、传输控制与访问审计。访问控制应遵循最小权限原则：不同角色（研究者、审查者、合作者）获得与其任务相匹配的访问范围，并保留访问与导出记录（在合规允许范围内）。
5.4 备份、审计与留存周期
备份策略需要覆盖关键节点（原始材料、处理后的数据、代码与关键配置）。审计用于证明材料在保存与迁移过程中未被不当修改。留存周期则应与项目周期、法规要求与伦理承诺相匹配，同时考虑过期后的处置方式。
6 不同研究范式中的应用
6.1 定量研究：检验与可复现输出
定量研究中，证明材料通常围绕可检验的统计路径展开：从数据采集到变量定义，再到分析方法、检验选择与结果呈现。强调提供可复现的分析脚本或等价描述，并在需要时给出统计检验的假设条件与适用边界。
6.2 定性研究：可证性与材料透明
定性研究更关注“解释的可证性”。证明材料往往体现在访谈/观察原文或其充分摘要、编码规则、主题生成过程与反例处理上。透明度要求研究者说明如何从材料归纳到结论，如何处理不同解释路径，以及结论的适用范围。
6.3 混合方法：证据的交叉验证
混合方法通常需要让两类材料在论证中互相支撑。例如，定量结果可以为定性追问提供线索，定性发现也可帮助解释统计关系背后的机制或条件。证明材料的组织应体现这种交叉：明确哪些结论由哪一类材料支持，哪些由两类材料共同支持。
6.4 计算研究：计算工件与结果对齐
计算研究中的证明材料通常包括：环境配置、依赖版本、运行参数、输入数据版本、输出工件（如模型权重或中间产物）以及与结果对应的日志。关键在于结果与工件对齐：同一个数值（如指标）应能追溯到具体运行批次与脚本参数。
7 法规与审查语境（研究写作常见要求）
7.1 学术投稿与同行评审的证明需求
投稿与评审语境下，证明材料强调可核查性与完整性。审稿人通常希望看到：研究设计是否合理、变量与样本是否清楚、分析方法是否可复现、结论是否与证据相符。提供必要的附录与补充文件能显著提升材料可读性。
7.2 机构伦理审批与材料归档
伦理审批通常要求研究者说明数据采集方式、用途范围、风险控制与隐私保护措施。材料归档则用于证明研究过程符合审批要求，包括同意文件（在允许范围内）、处理流程记录和必要的审计材料。归档不仅是管理要求，也服务于后续的合规核查与争议澄清。
7.3 参考与引证：材料可检索性
在写作中，证明材料应保持可检索性：引用应清楚指向材料的位置、版本或编号。对于可公开的数据集或代码仓库，应提供稳定链接与版本标识；对于不可公开材料，应说明受控访问的路径与核查所需信息。
8 轻量实务范式：做得“像证据”
8.1 如何把材料写进论文的论证链
将材料写进论证链的要点是“按因果与步骤组织”。可以在每个关键结论句附近安排对应材料来源与处理方式，例如：数据来自何处、如何清洗、使用何种模型/检验、产出了哪些指标，并说明限制与不确定性。这样读者能在阅读时形成“从材料到结论”的路径感。
8.2 证明材料模板与清单化表达
可采用简短清单来提升一致性，例如：
- 数据与样本：来源、时间范围、纳入排除、字段定义
- 处理流程：清洗规则、参数、异常处理、缺失策略
- 分析方法：模型/检验选择依据、假设条件、参数设置
- 输出与验证：主要结果、对照分析、敏感性或鲁棒性
- 限制与合规：隐私处理、可访问范围、已知偏差
清单化表达的优势在于减少遗漏，让“证据错位”更容易被发现。
8.3 “梗式提醒”：别把结论当材料（用证据说话）
常见的“梗式错误”是把“我认为”“看起来”“结论很明显”当作材料。真正可核查的证明材料应当回答：依据是什么、来自哪里、如何处理、如何生成。换句话说，结论可以用于总结，但材料要承担可验证的工作——让证据先说话，结论随后站得住。