"假设的"三层结构"。" 第一层：理论假设（Theoretical Hypothesis）——从理论中推导出的抽象预测。"根据自我决定理论，外在动机的过度介入会削弱内在动机。" 这是"理论语言"。第二层：操作性假设（Operational Hypothesis）——把理论假设翻译成可测量的变量。"当学生被告知'写得好有奖金'（外在动机）时，他们在无奖励条件下的写作投入时间会减少（内在动机下降）。" 第三层：统计假设（Statistical Hypothesis）——用统计语言表述。"实验组（有奖金）在无奖励自由写作阶段的投入时间显著低于对照组（无奖金），t检验p<0.05。" 三层必须一一对应，断裂任何一层，假设就有问题。

"假设构建的"逻辑链"。" 好的假设不是凭空跳出来的，而是有一条清晰的逻辑链：①理论基础：什么理论预测了X→Y的关系？②机制推导：为什么X会导致Y？③具体情境：在什么条件下这个效应会更强/更弱？④可检验预测：基于以上推导，做出一个"如果...那么..."的预测。"如果给学生呈现快节奏的多媒体内容，他们的阅读理解得分会显著低于慢节奏组。"

"方向性假设vs.非方向性假设。" ①方向性假设（Directional）：预测了方向。"AI反馈会**提高**写作连贯性。" 使用条件：有足够的理论/前人研究支持方向预测。②非方向性假设（Non-directional）：只预测有差异，不预测方向。"AI反馈对写作连贯性有**显著影响**（不指定正负）。" 使用条件：理论不确定方向，或前人研究结论矛盾。③零假设（Null Hypothesis）："AI反馈对写作连贯性**没有显著影响**。" 这是统计检验的"被攻击对象"——你的目标是用数据"拒绝"它。

"假设数量的"黄金法则"。" 一篇论文多少个假设合适？①3–7个假设是最佳范围。太少了（1–2个）→论文显得单薄。太多了（10+个）→读者记不住，也显得"撒网式"研究。②每个假设必须"独立可检验"。如果你的假设2是假设1的"子集"或"必然推论"，合并它们。③每个假设必须在讨论部分有对应的"结果回顾"。如果某个假设在结果中没有对应的检验→要么补分析，要么删假设。④假设之间应该有"逻辑递进"：H1是基础效应，H2是机制，H3是边界条件。

"假设表述的"规范模板"。" 在论文中清晰表述假设：①句式："We hypothesize that [自变量] will [正向/负向] predict [因变量] among [群体]." ②包含方向："H1: AI-generated feedback will **positively** predict writing coherence." ③包含边界（如有）："H2: The effect in H1 will be **stronger** for low-proficiency students than for high-proficiency students." ④避免模糊词：不要写"may""might""could"——假设是明确的预测，不是猜测。⑤假设编号统一：H1, H2, H3... 在正文中引用时保持一致。

"假设的"三层结构"。" 第一层：理论假设（Theoretical Hypothesis）——从理论中推导出的抽象预测。"根据自我决定理论，外在动机的过度介入会削弱内在动机。" 这是"理论语言"。第二层：操作性假设（Operational Hypothesis）——把理论假设翻译成可测量的变量。"当学生被告知'写得好有奖金'（外在动机）时，他们在无奖励条件下的写作投入时间会减少（内在动机下降）。" 第三层：统计假设（Statistical Hypothesis）——用统计语言表述。"实验组（有奖金）在无奖励自由写作阶段的投入时间显著低于对照组（无奖金），t检验p<0.05。" 三层必须一一对应，断裂任何一层，假设就有问题。

"假设构建的"逻辑链"。" 好的假设不是凭空跳出来的，而是有一条清晰的逻辑链：①理论基础：什么理论预测了X→Y的关系？②机制推导：为什么X会导致Y？③具体情境：在什么条件下这个效应会更强/更弱？④可检验预测：基于以上推导，做出一个"如果...那么..."的预测。"如果给学生呈现快节奏的多媒体内容，他们的阅读理解得分会显著低于慢节奏组。"

"方向性假设vs.非方向性假设。" ①方向性假设（Directional）：预测了方向。"AI反馈会**提高**写作连贯性。" 使用条件：有足够的理论/前人研究支持方向预测。②非方向性假设（Non-directional）：只预测有差异，不预测方向。"AI反馈对写作连贯性有**显著影响**（不指定正负）。" 使用条件：理论不确定方向，或前人研究结论矛盾。③零假设（Null Hypothesis）："AI反馈对写作连贯性**没有显著影响**。" 这是统计检验的"被攻击对象"——你的目标是用数据"拒绝"它。

"假设数量的"黄金法则"。" 一篇论文多少个假设合适？①3–7个假设是最佳范围。太少了（1–2个）→论文显得单薄。太多了（10+个）→读者记不住，也显得"撒网式"研究。②每个假设必须"独立可检验"。如果你的假设2是假设1的"子集"或"必然推论"，合并它们。③每个假设必须在讨论部分有对应的"结果回顾"。如果某个假设在结果中没有对应的检验→要么补分析，要么删假设。④假设之间应该有"逻辑递进"：H1是基础效应，H2是机制，H3是边界条件。

"假设表述的"规范模板"。" 在论文中清晰表述假设：①句式："We hypothesize that [自变量] will [正向/负向] predict [因变量] among [群体]." ②包含方向："H1: AI-generated feedback will **positively** predict writing coherence." ③包含边界（如有）："H2: The effect in H1 will be **stronger** for low-proficiency students than for high-proficiency students." ④避免模糊词：不要写"may""might""could"——假设是明确的预测，不是猜测。⑤假设编号统一：H1, H2, H3... 在正文中引用时保持一致。