要考察和研究事物的量，就得用数学的工具对事物进行数量的分析，这就叫定量的研究，也称量化研究，定量研究是社会科学领域的一种基本研究范式，也是科学研究的重要步骤和方法之一。
实证研究方法分为量化研究（Quantitative Research Methods）、质性研究（Qualitative Research Methods）（也称为定量研究和定性研究），及将两者相结合的混合研究方法(Mixed-Methods Approach)。
量化研究遵循传统的科学研究方法，包括提出假设、构建模型、创设实验、收集数据和验证假设，因此最容易被物理教育者接受，在学科教育研究领域中最早使用量化研究方法的多是PER研究者。
扩展资料
定量数据有4种类型，简单介绍如下：
1、定类数据（nominal）是一种分类数据，它是离散的并且没有顺序关系。例如，在研究物理学习过程中男女生差异时，我们可能会使用的“1” 和“0”分别表示男性和女性，这里并不表示1比0更大。
2、定序数据（ordinal）是另一种分类数据，也是离散的但具有顺序。例如，研究高中阶段三个年级的学生对一些物理概念理解水平的发展变化时，分别用数字1，2，3表示高中一年级，二年级和三年级。定序数据用数字表示个体在某个有序状态中所处的位置，不能做数学计算。
3、定距数据（interval）是具有相等间隔的连续数据，并且有顺序。例如，温度，1℃、2℃之间的差与20℃和21℃之间的差是相同的。定距数据有单位，没有绝对零点，可以做加减运算，不能做乘除运算。
4、定比数据（ratio）不仅具有定距数据的全部属性，同时具有绝对原点（即0），且两个数值之间的比值是有意义的。例如：质量就是一个定比变量，可以说一个质子的质量为一个电子的1836倍。
参考资料来源：百度百科-定量研究
都可以，看您擅长那个方面虽然您打算做量化研究，但在前期打基础时最好看一些比较经典的关于质性研究的论文，这样在前期时你可以将质性研究和量化研究进行对比，总结出相同点和相似点，这样更有利于您开展后续的量化研究。定量研究一般是为了对特定研究对象的总体得出统计结果而进行的。定性研究具有探索性、诊断性和预测性等特点，它并不追求精确的结论，而只是了解问题之所在，摸清情况，得出感性认识。定性研究的主要方法包括：与几个人面谈的小组访问，要求详细回答的深度访问，以及各种投影技术等。在定量研究中，信息都是用某种数字来表示的。在对这些数字进行处理、分析时，首先要明确这些信息资料是依据何种尺度进行测定、加工的，史蒂文斯（S.S.Stevens）将尺度分为四种类型，即名义尺度、顺序尺度、间距尺度和比例尺度。
定性研究方法。
定性分析一般是对文献中所包含的信息进行分类，选取典型的例证加以重新组织，并在定性描述的基础上得出结论。文献的定性分析在辨别过去的趋势并用该信息去预测与此相关的未来模式方面，具有特别的价值。
扩展资料：
注意事项：
不同的学科对引用摘要的要求与期望不同。虽然文献综述并不仅仅是摘要，但研究结果的概念化与有组织的整合是必要的。其做法包括将资料组织起来，并连到论文或研究的问题上，整合回顾的结果，摘出已知与未知的部分；理清文献中的正反争论，提出进一步要研究的问题。
文献综述是否有价值，不仅要看其中的新信息与知识的多少，还要看对文献作者及编辑者的观点与看法如何，阅读文献时，要避免外界的影响甚至干扰，客观地叙述和比较国内外各相关学术流派的观点、方法、特点和取得的成效，评价其优点与不足。
参考资料来源：百度百科-文献研究法
大量数据进行比对分析发现其中规律，今天有计算机这事变得效率很高，实际这事从古至今一直存在，典型的24节气，不就是古人记录每天的天气为数据量化分析的结果吗，记录的方法不就是八卦吗。
大学生科研论文有以下5种类型：
1.基础理论性论文：这类论文的研究对象是相关领域的概念、理论，而不是实践规律。
2.应用研究型论文：这类论文关注实践，常是在综合运用相关理论的础上，对实践中热点、焦点、难点、疑点问题（尤其是新问题）进行分析，找出问题产生的原因，并提出具体的操作策略或建议。
3.学术争论性论文：这类论文通常针对的是他人公开发表的文章或见解来提出不同的看法，进行具有充分论据的商榷，注重揭示他人研究的不足或错误之处。
4.调查报告型论文：这类论文以调查为基础，从现实中的某一问题出发，通过深入调查、访谈来获取数据，然后进行整理、加工分析，最终将调查结果进行科学的呈现。
5. 文献综述性论文：这类论文以他人成果为研究对象，即归纳，必须对占有的大量素材进行归纳整理、系统介绍和综合分析，使同领城的研究成果层次分明、逻辑清晰。
希望以上回答对您有帮助，谢谢！
了解论文类型，确定方向。第一种：理论研究性论文是作者根据对现有的理论基础的进行反思与研究，以作者的思想为主导形成创新理论的论证模式，较多使用这种类型的是文科和理科。第二种：应用研究类型是针对客观现象中存在的问题提出操作对策和方法，工科类的毕业论文往往是结合某种具体的设计、设备、程序等来编写的，大多用于研究，也称为毕业设计。第三种：实证型是通过对某一问题或现象进行调查并对其数据进行理论分析，或者是通过某些成功或失败的经验与教训，形成了一种新的理论结构，证明客观现实中某种模式的存在、或应用推广的可行性，医学类论文以此类型为多。论文的类型根据论文本身的内容和性质的不同有不同的分类方式。按照内容性质和研究方法的不同把论文分为理论性论文、实验性论文、描述性论文和设计性论文。综合型的分类方法，即把论文分为专题型、论辩型、综述型和综合型四大类。
毕业论文的类型：毕业论文是学术论文的一种形式，为了进一步探讨和掌握毕业论文的写作规律和特点，需要对毕业论文进行分类。由于毕业论文本身的内容和性质不同，研究领域、对象、方法、表现方式不同，因此，毕业论文就有不同的分类方法。按内容性质和研究方法的不同可以把毕业论文分为理论性论文、实验性论文、描述性论文和设计性论文。后三种论文主要是理工科大学生可以选择的论文形式，这里不作介绍。文科大学生一般写的是理论性论文。理论性论文具体又可分成两种：一种是以纯粹的抽象理论为研究对象，研究方法是严密的理论推导和数学运算，有的也涉及实验与观测，用以验证论点的正确性。另一种是以对客观事物和现象的调查、考察所得观测资料以及有关文献资料数据为研究对象，研究方法是对有关资料进行分析、综合、概括、抽象，通过归纳、演绎、类比，提出某种新的理论和新的见解。按议论的性质不同可以把毕业论文分为立论文和驳论文。立论性的毕业论文是指从正面阐述论证自己的观点和主张。一篇论文侧重于以立论为主，就属于立论性论文。立论文要求论点鲜明，论据充分，论证严密，以理和事实服人。驳论性毕业论文是指通过反驳别人的论点来树立自己的论点和主张。如果毕业论文侧重于以驳论为主，批驳某些错误的观点、见解、理论，就属于驳论性毕业论文。驳论文除按立论文对论点、论据、论证的要求以外，还要求针锋相对，据理力争。按研究问题的大小不同可以把毕业论文分为宏观论文和微观论文。凡届国家全局性、带有普遍性并对局部工作有一定指导意义的论文，称为宏观论文。它研究的面比较宽广，具有较大范围的影响。反之，研究局部性、具体问题的论文，是微观论文。它对具体工作有指导意义，影响的面窄一些。另外还有一种综合型的分类方法，即把毕业论文分为专题型、论辩型、综述型和综合型四大类：1．专题型论文。这是分析前人研究成果的基础上，以直接论述的形式发表见解，从正面提出某学科中某一学术问题的一种论文。如本书第十二章例文中的《浅析领导者突出工作重点的方法与艺术》一文，从正面论述了突出重点的工作方法的意义、方法和原则，它表明了作者对突出工作重点方法的肯定和理解。2．论辩型论文。这是针对他人在某学科中某一学术问题的见解，凭借充分的论据，着重揭露其不足或错误之处，通过论辩形式来发表见解的一种论文。如《家庭联产承包责任制改变了农村集体所有制性质吗?》一文，是针对“家庭联产承包责任制改变了农村集体所有制性质”的观点，进行了有理有据的驳斥和分析，以论辩的形式阐发了“家庭联产承包责任制并没有改变农村集体所有制”的观点。另外，针对几种不同意见或社会普遍流行的错误看法，以正面理由加以辩驳的论文，也属于论辩型论文。3．综述型论文。这是在归纳、总结前人或今人对某学科中某一学术问题已有研究成果的基础上，加以介绍或评论，从而发表自己见解的一种论文。4．综合型论文。这是一种将综述型和论辩型两种形式有机结合起来写成的一种论文。如《关于中国民族关系史上的几个问题》一文既介绍了研究民族关系史的现状，又提出了几个值得研究的问题。因此，它是一篇综合型的论文。
写作格式【标题】：…… 【作者】：…… （单位全称，所在省 城市 邮政编码） 【摘要】：…… 【关键词】：…… 【正文】：…… 【参考文献】…… 题目科学论文都有题目，不能“无题”。论文题目一般20字左右。题目大小应与内容符合，可以设置副题，不用第1报、第2报之类。论文题目都用直叙口气，不用惊叹号或问号，也不能将科学论文题目写成广告语或新闻报道用语。材料和方法实验结果应高度归纳，精心分析，合乎逻辑地铺述。应该去粗取精，去伪存真，但不能因不符合自己的意图而主观取舍，更不能弄虚作假。只有在技术不熟练或仪器不稳定时期所得的数据、在技术故障或操作错误时所得的数据和不符合实验条件时所得的数据才能废弃不用。而且必须在发现问题当时就在原始记录上注明原因，不能在总结处理时因不合常态而任意剔除。废弃这类数据时应将在同样条件下、同一时期的实验数据一并废弃，不能只废弃不合己意者。 实验结果的整理应紧扣主题，删繁就简，有些数据不一定适合于这一篇论文，可留作它用，不要硬行拼凑到一篇论文中。论文行文应尽量采用专业术语。能用表的不要用图，可以不用图表的最好不要用图表，以免多占篇幅，增加排版困难。文、表、图互不重复。实验中的偶然现象和意外变故等特殊情况应作必要的交代，不要随意丢弃。 也是比较难写的一部分。应统观全局，抓住主要的有争议问题，从感性认识提高到理性认识进行论说。要对实验结果作出分析、推理，而不要重复叙述实验结果。应着重对国内外相关文献中的结果与观点作出讨论，表明自己的观点，尤其不应回避相对立的观点。 论文的讨论中可以提出假设，提出本题的发展设想，但分寸应该恰当，不能写成“科幻”或“畅想”。按规定如实写出实验对象、器材、动物和试剂及其规格，写出实验方法、指标、判断标准等，写出实验设计、分组、统计方法等。这些按杂志 对论文投稿规定办即可。结语或结论论文的结语应写出明确可靠的结果，写出确凿的结论。论文的文字应简洁，可逐条写出。不要用“小结”之类含糊其辞的词。这是科学研究论文的写法。范文网上搜得到。
第一步，确定论文的选题。从广义上说，选任何本专业范围内的题目都能够写出东西来，只要你有新观点、新发现、新角度、新研究方法、新材料等等。
第二步，围绕已经确定的论文选题，进行文献检索。这一步的工作是较为艰苦的，需要有思想准备。在我国，多数中文学术资料目前没有上网，需要手工查找，因而这个步骤中查找中文资料花费的时间和精力可能很大。
第三步，提出你自己关于选题的理论假设，或要研究的具体问题。
第四步，决定采用哪些研究方法。
第五步，设计论文的框架结构。
第六步，开展写作。对已经取得的文献资料、调查材料和各种论据进行分析、归类，分别充实到各章节中，再进行解释、论证。这实际就是论文写作本身，所以这样描述，意在让作者理解论文写作的过程。各种材料和论据，不是天生就可以证明论点或说明具体问题的，需要通过作者对材料的组织和论证。
1.相关性分析相关分析是指变量之间存在着非严格的依存关系。也就是说，当一个变量或几个变量取定一个数值时，另一个对应变量的数值是不确定的，但是，该变量的数值却是随着前述变量的所取数值而发生一定的变化规律。如果变量之间存在一种相关关系，可能的情形有以下三种：（1）变量之间存在因果关系；（2）变量之间存在着相互依存的关系，这时就很难确定孰因孰果；（3）变量之间存在虚假的依存关系，这时候的变量间仅仅是从数字上来看有关系。比如某人将某地区一段时间内的植物生长速度与市场上水果的销售数量做相关性分析，发现他们之间是负相关，也即是市场上的水果销售数量越多，植物的生长速度越慢。这就是典型的伪相关分析。因此，在做相关性分析之间，我们必要联系实务、科学理论等方面来分析，不能简单的从数字上来探讨变量间的相关性关系。脱离了现实中实际情况的数据分析，都是伪分析！2.相关分析种类划分方式笔者认为主要有两种：函数关系和统计关系。统计关系：企业竞争力=F(企业规模、利润增长、营收增长、议价能力……)；而统计关系按照相关性的形态来说，可以分为线性和非线性。直接上图，一目了然：而对于其中的线性与非线性的关系，见下图所示：3.相关分析的解释（1）含义：简单相关分析：就是直接计算两变量之间的相关程度；偏相关分析：排除了某个因素后，两变量之间的相关程度；距离相关分析：通过两变量之间的距离来评估其相似性，在现实中很少用到。上图：（2）度量简单的相关分析，主要有三种相关系数：pearson系数、spearman相关系数、kendall系数。在统计上，我们最常用的是pearson系数，其计算公式为：相关系数的取值范围：[-1,1]。大于0，表示正相关；小于0，表示负相关；等于0，表示不相关。总之，数值越接近0，表示变量之间的相关性越弱。4.相关分析探索：图形探讨、统计显著性（1）图形探讨：折线图和散点图折线图对于数据不复杂的两变量之间的相关关系，可以直接先画一个简单的折线图看一下，一目了然。如下图：很明显能够看出来，x1与x2之间的相关性关系很弱。散点图还是上一组数据，可以得出如下散点图：从图中可以明显的看出，该组数据的点与趋势线基本没在一条线上或在这条线的附近，说明相关性弱；另选一组数据来画散点图和折线图，变量之间的相关性关系就非常明显了：散点图折线图（2）统计显著性检验步骤：①提出原假设：两变量之间无显著线性关系；②构造一个t统计量：变量x与y服从正态分布时，该t统计量服从自由度（n-2）的t分布；③计算统计量t，并查询t分布对应的概率p值；
判断两个或多个变量之间的统计学关联；
如果存在关联，进一步分析关联强度和方向
定类变量：
无序的：性别(男、女)、血型(A、B、O、AB);
有序的：肥胖等级(重度肥胖，中度肥胖、轻度肥胖、不肥胖)
1 相关分析
对定量变量两两之间的相关程度进行分析，例如人的身高和体重之间；空气中的相对湿度与降雨量之间的相关关系
类型：
Pearson相关系数（适用于定量数据，且数据满足正态分布）
Spearman相关系数（数据不满足正态分布时使用）
Kendall's tau -b相关系数（有序定类变量）
案例：研究人的身高和体重之间的关系
5.2 基本描述分析基本描述分析是数据分析的基础，通常对数值型变量进行描述分析，涉及数据的集中趋势和离散程度。描述集中趋势的描述性统计量一般有均值、中位数和众数；描述离散程度的描述性统计量一般有方差、标准差和极差。5.2.1 计算基本描述统计量在流中添加“Statistics”节点，打开设置面板。在“检查”中用户可以选择要进行统计的变量如下；然后在“统计量”中可以选择可统计的描述性统计量有哪些；在“相关”中可以设置与哪些变量进行简单相关分析（即求得Pearson简单相关系数）。Clementine数据基本分析（一）在“相关设置”中可以设置相关分析的一些参数如下。Clementine数据基本分析（一）下图为得到的相关分析及其它描述性统计分析的结果：Clementine数据基本分析（一）还可以生成符合要求的Filter。在Generate工具中，可以根据需要设置一定的相关性条件，然后生成Filter，这个功能很重要。5.2.2 绘制散点图除了进行描述性统计分析外，还可以生成散点图查看数据间的要关性，添加节点“Plot”并打开设置面板。“X字段”中选择X轴变量；“Y字段”中选择Y轴变量。Overlay为交叠字段，你可以在Color、Size或Shape中选择Overlay字段即流失字段，从而在散点图中实现相应效果。“面板”表示可以绘制多个不同散点图反映Overlay变量；“动画”表示以动画方式显示多张散点图。交叠字段类型选项：无：表示不拟合回归直线；平滑器（Smoother）：表示采用LOESS（Locally weighted iterative robust least squares regression)方法，拟合样本数据的回归线并显示；函数（Function）：表示自德输入一个回归议程，回归线也显示。Clementine数据基本分析（一）结果如下：Clementine数据基本分析（一）5.4 两分类变量相关性的研究两分类变量的相关性研究在实践中有广泛应用。做DataMining，对数据的类型应该极为敏感，几乎任何的统计分析或者数据挖掘，都要涉及这样一个问题：是分类型变量还是数值型变量。同理，前面我们使用相关和回归两个思维来对数值型变量的相关性进行了探讨，其中涉及到许多描述性统计量，既有描述数据集中趋势的，也有描述数据离散程度的。也涉及到散点图等图形。下面，我们将涉足分类变量。分类变量中最有名的分析，莫过于列联分析，但我们一开始并不介绍它。一般分析分为图形分析和数值分析，不止于两分类变量5.4.1两分类变量相关性的图形分析一、条形图将“Distribution”节点添加到流上。Distribution提供了两种输入字段的途径。“选定字段”选中，我们可以自定义哪些分类型字段可以进入；“所有标志”选中，则前面“Type”节点中的所有分类型字段都会进入分析。这里我们自定义“套餐类型”为我们的描述字段，然后在交叠字段中设置为“流失”。一般情况下，目标变量恒为交叠字段。”按“比例尺”表示将把频数最多的取值对应的条设置为最长，然后其它的条都会按比例设置，这样能更加清晰地看到不同取值的频数的差异；“按颜色标准化”，选中表示所有的条形都会被设置为相同长度，然后不同颜色比例表示目标变量取值不同时的情况，但“按颜色标准化”后，我们就不能比较不同取值下频数的差异了。Clementine数据基本分析（一）Clementine数据基本分析（一）二、Web图Web图的力量在沈浩老师挖挖双色球案例中得到充分的体现。Web图为我们提供了两种分类比较模型，一是计算两两分类变量间的相关性，一是计算多个分类变量对一个分类变量的相关性。将“Web”节点添加到流上，打开设置面板。网络：选中表示系统将计算两两分类变量间的相关性，在下面会让用户自定义进行两两分析的字段；导向网络：选中表示系统将计算多个分类变量对一个分类变量的相关性，选中后会让用户自定义分析变量和目标变量；仅显示真值标志：选中表示仅显示“流失”取值为“Yes”的网络，我们往往不进行这样的选择；得到如下的结果图。在结果图中，系统在标尺上有默认的两个边界，如图中为44和250，则表示Web图中最细线表示有频数44个，最粗线表示含频数250个。得到的Web图取值呈上下结构，其中下面的“Yes”和“No”是流失的两个取值，而上面的四个点是套餐类型的四个取值。其中，线条粗细程度代表着相关性程度。Clementine数据基本分析（一）Clementine数据基本分析（一）5.4.2两分类变量相关性的数值分析一、计算两分类变量的列联表以上我们通过两种图——Web图和条形图——对两分类变量的相关性进行了图形分析，除此之外，我们还可以对其进行数值分析。数值分析指的就是列联分析及相应的卡方分析。这里，我们使用的两分类变量仍然来自于电信客户数据的两个字段：套餐类型与客户是否流失。将Output卡中的“Matrix”节点添加到流中，打开设置面板。Matrix为我们提供了几种选择字段的方式。Slected：选中表示自定义列联表的行变量和列变量。我们在Rows中选择“套餐类型”，在Columns中选择“流失”。All Flags：选中表示将对所有Flag型变量进行列联表分析，生成多个列联表。Include Missing Values：选中表示即使取值为缺失值，也被列入相关的频数内。列联表分析的是多个分类变量间的相关性，统计的就自然是频数了。如果想把含缺失值的样本剔除出去，也可以通过Data Audit节点进行相关操作。Cell Contents：Table-tabulations表示列联表各单元格（Cell）中统计的是样本的频数，一般的列联表都是进行频数统计；Function表示列联表各单元格为指定变量的分类描述统计量，应该地Field中指定相关变量，描述统计量也可以自定义选择。打开Appearance面板，我们简要介绍一下其中的功能设置。Highlight top：表示频数最高的若干项数据以红字显示，具体的数额可以在后面设置；Highlight bottom：表示频数最低的若干项数据以显示，具体的数额可以在后面设置；Cross-tabulation cell contents:Counts：表示显示观测频数；Excepted Values：表示显示期望频数；Residuals：表示显示残差；Percentage Of row:表示计算行百分比；Percentage of column：表示计算列百分比；Percentage Of Total：表示计算总百分比。注意这三个百分比的不同表示及不同意义。Clementine数据基本分析（一）Clementine数据基本分析（一）二、行列变量的相关性分析通过对以上数据的分析，我们知道套餐类型与客户流失具有关联性，那么，这种关联性是此数据的偶然结果呢，还是总体即有这种关联性呢？从统计学上讲，这种分类变量间的关联性，是由于样本抽取过程中的随机误差导致的呢，还是系统本身固有的属性呢？为此，我们需要对此关联性做检验，这就涉及到我们要提到的卡方检验。卡方检验是统计学中经典假设检验的组成部分，由统计学之父卡尔·皮尔逊发明，被称为20世纪最有革命性的十大发明之一。卡方检验分四步：1、提出零假设：这里的零假设是行变量与列变量独立。2、选择和计算检验统计量，即Pearson卡方统计量，其数学公式这里不再提起。有关卡方检验的问题，我们会在后面的统计部分详细展开，我们在这里需要提一下，卡方公式中涉及到列联表的行数和列数，频数的观测值和期望值。那么，什么是期望频数（Expected Count）呢？期望频数指的是行列变量互相不相关的情况下的频数的均匀分布。求期望频数的方法非常简单，我们也将在后面有关统计学的部分中详细提到，此处略去不计。卡方统计量的大小与两个因素有关。一题名联表的单元格子数；二是观测频数与期望频数间的总差值。当列联表确定的时候，列联表的格子数亦确定，此时卡方统计量只与预测频数与期望频数间的总差值有关。当预测频数与期望频数总差值越大时，卡方统计量越大，表明行列变量的相关性越强；当预测频数与期望频数总差值越小时，卡方统计量越小，表明行列变量的相关性越弱。那么，如果进一步描述此卡方统计量的意义呢？卡方统计量近似服从卡方分布，故我们决定用一定的自由度和一定的显著性水平来框定卡方统计量的阈值。第三步，确定显著性水平和临界值显著性水平一般取0.05或0.01；卡方统计量服从（行数-1）*（列数-1）个自由度的卡方分布。因此，在行列数目和显著性水平确定的情况下，卡方临界值是可唯一确定的。第四步，结论和决策这一部分理解起来有些艰难，但对统计学的学生来说相当简单，即可以计算出相应卡方统计量的概率，如果小于显著性水平则拒绝原假设；反之，则不能拒绝原假设。这是非常常用的一种方法，即通过概率的方法。当然你也可以通过临界值的方法来做，即由行列数和显著性水平确定唯一的临界值，然后由软件计算出卡方统计量，比较二者。如果卡方统计量大于临界值，则行列变量有相关性；否则没有相关性。
设置哑变量。 通常在回归分析时，如果是二分类变量可以直接当做连续性变量进行回归，而多分类时，则需要设置哑变量，即将每个类别转换成0,1的编码来表示，因此这里我们求相关系数时，也可以采用类似的设置哑变量，只不过是有几个类别就设置几个哑变量，这也相当于将多分类变量变成了多个0、1编码的二分类变量，然后再直接使用相关分析，选择所有的哑变量和连续性因变量进行普通的pearson相关，就可以得出每个分类与因变量的相关系数了。
一、指代不同
1、基础研究：指认识自然现象、揭示自然规律，获取新知识、新原理、新方法的研究活动。
2、应用研究：指为获得新知识而进行的创造性的研究，它主要是针对某一特定的实际目的或目标。
二、特点不同
1、基础研究：为了认识现象，获取关于现象和事实的基本原理的知识，而不考虑其直接的应用。
2、应用研究：具有特定的实际目的或应用目标,具体表现为了确定基础研究成果可能的用途，或是为达到预定的目标探索应采取的新方法（原理性）或新途径。
三、准则不同
1、基础研究：没有特定的应用目的或目标主要表现在，在进行研究时对其成果的实际应用前景如何并不很清楚，或者虽然确知其应用前景但并不知道达到应用目标的具体方法和技术途径。
2、应用研究：应用研究在获得知识的过程中具有特定的应用目的。或是发展基础研究成果确定其可能用途，或是为达到具体的、预定的目标确定应采取的新的方法和途径。
基础研究的特点是：
1、以认识现象、发现和开拓新的知识领域为目的,即通过实验分析或理论性研究对事物的物性、结构和各种关系进行分析，加深对客观事物的认识，解释现象的本质，揭示物质运动的规律，或者提出和验证各种设想、理论或定律。
2、没有任何特定的应用或使用目的,在进行研究时对其成果看不出、说不清有什么用处，或虽肯定会有用途但并不确知达到应用目的的技术途径和方法。
3、一般由科学家承担，他们在确定研究专题以及安排工作上有很大程度的自由。
1、按研究的学科，可将学术论文分为自然科学论文和社会科学论文。每类又可按各自的门类分下去。如社会科学论文，又可细分为文学、历史、哲学、教育、政治等学科论文。
2、按研究的内容，可将学术论文分为理论研究论文和应用研究论文。理论研究，重在对各学科的基本概念和基本原理的研究；应用研究，侧重于如何将各学科的知识转化为专业技术和生产技术，直接服务于社会。
3、按写作目的，可将学术论文分为交流性论文和考核性论文。交流性论文，目的只在于专业工作者进行学术探讨，发表各家之言，以显示各门学科发展的新态势；考核性论文，目的在于检验学术水平，成为有关专业人员升迁晋级的重要依据。
主要特点
科学性
学术论文的科学性，要求作者在立论上不得带有个人好恶的偏见，不得主观臆造，必须切实地从客观实际出发，从中引出符合实际的结论。在论据上，应尽可能多地占有资料，以最充分的、确凿有力的论据作为立论的依据。在论证时，必须经过周密的思考，进行严谨的论证。
创造性
科学研究是对新知识的探求。创造性是科学研究的生命。学术论文的创造性在于作者要有自己独到的见解，能提出新的观点、新的理论。这是因为科学的本性就是“革命的和非正统的”，“科学方法主要是发现新现象、制定新理论的一种手段，旧的科学理论就必然会不断地为新理论推翻。”
根据不同的标准,学术论文有不同的归类。从选题的属性分,有基础理论研究论文和应用研究论文:从学科内容分,有一般学术论文和规范性学术论文(学位论文);从写作方法、表述特点分,有评论型论文、评述型论文、论述型论文。
（一）探索性研究、描述性研究和解释性研究按照一个问题的先后秩序和研究目的，学术研究可以分为探索性研究、描述性研究和解释性研究。
（二）基础研究、应用研究和评价研究根据研究是增加知识积累还是解决具体社会问题的用途，学术论文可以分基础性研究和应用性研究两种，后者包括应用研究和评价研究。对于研究人员来说，广义的"解释世界"就是做基础研究，而"改造世界"就是做应用研究。
（三）定性研究和定量研究
根据研究所选择的不同方法，我们可以将学术研究分为定性研究和定量研究。定量研究就是采取较大的样本来研究对象的一般规律性。定性研究则来取定性的方法对一个或者多个案例进行深入的研究，以便从中揭示出个案的特征性问题。在定量研究中，人们往往使用假设检验理论中推导出的假说，而定性研究则来用归纳法努力发展出一个理论或者概念。