你可以通过将零结果（null results）框定为有意义的科学贡献、提供严谨的证据证明你的方法有效，并清晰阐述你的发现对未来研究的意义，从而写出一篇有力的论文。零结果并非失败——它们是数据，且越来越多的期刊重视它们，以对抗发表偏倚（publication bias）。
从一开始就重新构建你的叙事
最重要的转变在于你的心态和框架。不要将你的研究视为“失败”的实验，而是将其定位为一项深思熟虑的调查，回答了一个具体的问题。在引言中，明确说明结果是不确定的，并且无论效应方向如何，检验这一假设都是有价值的。
证明你的研究具有统计功效和有效性
审稿人会仔细审查零结果，寻找方法上的弱点。你必须提前应对这一点：
- 包含功效分析（power analysis）或置信区间（confidence intervals）。 证明你的样本量足以检测出如果存在的有意义效应。如果你报告置信区间，你可以说明真实效应可能很小或可忽略，而不仅仅是“不显著”。
- 报告操作检查（manipulation checks）。 如果你使用了干预措施，展示它按预期发挥了作用。例如，如果你测试了一种新的教学方法，证明参与者确实学到了你所教授的内容。
- 展示你的测量工具是可靠的。 报告Cronbach's alpha或其他信度系数，以证明你的工具并非零结果的来源。
围绕“这告诉我们什么”来构建你的讨论部分
一篇有力的零结果论文会解释效应的缺失对理论和实践意味着什么。使用以下结构：
- 在上下文中解读零结果。 它是否与主流理论相矛盾？它是否暗示了一个边界条件（例如，效应仅在特定人群或环境中起作用）？
- 讨论替代解释。 你的设计是否缺乏生态效度（ecological validity）？是否存在天花板效应（ceiling effect）或地板效应（floor effect）？要诚实但具有建设性。
- 提供具体、可检验的下一步。 建议未来研究者应改变什么——不同的测量方法、更长的持续时间或新的调节变量。
强调更广泛的价值
强调你的零结果如何为文献做出贡献。例如，它有助于未来的元分析（meta-analyses），防止他人重复走入死胡同，并为更全面地理解某一现象如何运作增添内容。如果你在跟踪所在领域的新兴研究，你可能会发现 AI Feeds 能帮助你了解类似的零结果出版物，确保你的工作与相关发现并列。
选择合适的期刊
最后，选择明确欢迎零结果的期刊（例如，PLOS ONE、PeerJ，或如 Journal of Articles in Support of the Null Hypothesis 等特定领域的期刊）。一篇写得很好的零结果论文是严谨、可发表的贡献——请如此对待它。