Discussion 章节最常被打回来的原因，是写成了 Results 第二版
导师批语里这几句话同时出现的时候，你的 Discussion 章节基本就是这个问题：descriptive rather than analytical、needs more engagement with literature、so what is unclear、findings are restated, not interpreted。
读者已经在 Results 章节看过你的数据。Discussion 章节如果只是用另一种语气把数据再讲一遍，对论文整体的贡献是零。Discussion 的功能是回答三个问题：你的结果意味着什么、它和已有研究怎么对话、它给这个领域带来了什么新东西。把这三层做出来，章节就站得住，做不出来，再多页都是凑字数。
如果你拿到的批语是"Discussion lacks depth"或者"too descriptive"，先不要急着改语言。问题在于结构和论证，不在表达层。
Discussion 和 Results 的功能分工
Results 章节回答 "what" — 数据是什么、显著性怎么样、effect size 多大。Discussion 章节回答 "so what" — 这些数据放到学科语境里意味着什么、推翻或支持了哪些已有观点、对实践或理论有什么影响。
把这条分工记住，可以避免最常见的两个错误。
第一个错误是 Discussion 里继续报数据。比如 Results 已经写过 "the regression coefficient was 0.42 (p<.01)"，Discussion 里又写 "the analysis showed a positive relationship with coefficient 0.42"。读者会觉得在原地踏步。Discussion 提到数据的时候应该是 "这个 0.42 比 Smith (2019) 报告的 0.61 低，可能是因为 X"，把数据和外部研究、理论解释绑在一起。
第二个错误是 Results 里塞解释。Results 章节只报结果，不解释。把 "可能是因为受访者年龄结构偏轻" 这种解释性句子放进 Results，会让 marker 觉得你不分章节功能。
一个站得住的 Discussion 该有的四块内容
不同学科的具体格式不一样，但 Discussion 章节大体上是下面这四块。如果你的稿子里有一块完全没写，先按这个顺序补上。
结果的解释（interpretation of findings）。 把每一个主要 finding 用一段话讲明白：这个结果是什么、为什么会出现这个结果、有哪几种可能的解释。不要把所有 findings 堆在一段里，每个 finding 给独立的解释空间。
和已有文献的对话（engagement with literature）。 这一块是 Discussion 的核心，也是写不到位最多的部分。具体做法是把你的 finding 和已有研究做三种关系的比较：支持（confirms / aligns with）、矛盾（contradicts / challenges）、扩展（extends / refines）。每一种关系都要用具体的引用支撑，不能只说 "this is consistent with previous studies"。Marker 在这里挑的就是引用密度和具体性。
理论贡献（theoretical contribution）。 你的研究对这个领域的理论框架贡献了什么。可能是验证了一个已有理论在新场景下的适用性，可能是发现了一个 boundary condition，可能是揭示了一个新的中介变量。这一块在硕士和博士论文里是硬要求，在 undergraduate dissertation 里要求弱一些但写好了能拉分。
实践含义（practical implications）。 你的结果对政策、企业、教育、临床实践等有什么具体启示。这一块不要写得太泛 — 不要说"对教育工作者有启示"，要说"对一二线城市公立中学的英语教师，建议在七年级口语课上引入 X 教学法"。具体到读者群体、场景、操作。
很多同学还会加 limitations 和 future research 两块，这两块通常单独成章或者放在 Conclusion 里，按学科习惯处理。
各学科 Discussion 的写法差异
不同学科对 Discussion 的期待差别很大。
商科 / 管理学： Discussion 通常分 theoretical implications 和 managerial implications 两个子章节。前者写给学者看，后者写给从业者看。Marker 期待你把 finding 翻译成具体的 managerial action item。混合方法论文要在 Discussion 把 quant 和 qual 结果 integrate 起来讲。
心理学 / 教育学： Discussion 必须谈 generalizability 和 boundary conditions。你的结果在什么样本上成立、换一个 demographic 还成立吗、有没有 confounding variables。APA 7 要求 Discussion 里对每一个 hypothesis 单独评估是支持还是拒绝。
社会学 / 人类学： Discussion 偏理论对话。Marker 期待你把 finding 放到 Bourdieu、Foucault、Goffman 等理论家的框架里讨论。Quant 的部分相对少，理论 framework 的运用是评分核心。
STEM（工程 / 计算机 / 数据科学）： Discussion 更技术化，重点在 model performance 的解释、error analysis、和已有 benchmark 的比较。理论贡献那一块写得相对简洁，但 implications for future work 通常要详细列出。
Public Health / Nursing： Discussion 必须谈 clinical / policy implications，要按 PICO 框架重新组织 finding。Limitations 写得比其他学科详细，因为牵涉到临床决策。
写 Discussion 之前先看一眼你的学科最近几篇高 impact factor 期刊的 article，模仿它们的 Discussion 结构是最快的对齐方式。
Discussion 章节润色比其他章节难在哪里
Discussion 章节的修改不是表达层的事，必须懂这个学科的研究脉络才能改到位。具体来说：
- 改 Introduction 是把 research gap 说清楚，靠的是文献阅读量
- 改 Literature Review 是把文献组织成有论点的综述，靠的是批判性思维
- 改 Methodology 是补论证链条和 validity，靠的是方法论训练
- 改 Discussion 必须懂你这个领域的 ongoing debate，知道哪些是 mainstream view、哪些是 emerging perspective、你的 finding 该放在哪个位置
这就是为什么市面上很多润色服务收到 Discussion 章节会给一句"语言已经修好"了事 — 他们没办法做 substantive 层面的修改。从零润色的逻辑不一样：编辑会按你的学科框架重新审视论证、把和文献的对话补到位、把 theoretical contribution 提炼出来、把 implications 写到具体。
可以直接上传 Discussion 草稿到 GhostPaper，标注你的学科和参考的几位 key author，编辑会按学科习惯处理。
Discussion 修改的优先级
时间紧的时候按下面这个顺序改最有效。
第一优先级是把和文献的对话补到位。 每个主要 finding 至少配 2-3 条相关引用，分别处理 supports、contradicts、extends 三种关系中的一种或几种。这一块没补，整章看起来就是空的。
第二优先级是把每个 finding 的解释写具体。 不要写 "this could be due to various reasons"，要列出 2-3 个具体的可能机制，并说明哪一个更可能。导师看到 specific mechanisms 才会觉得你在 think，不是在 fill。
第三优先级是 theoretical contribution。 写两到三段，把你的 finding 对应到这个领域的某个 theoretical debate 上，说清楚你站在哪一边、提供了什么新证据。
第四优先级是 practical implications。 具体到读者群体、操作场景、可执行的建议。
第五优先级是语言 register。 把 Discussion 章节的所有 hedging 语言重新校对一遍 — "this study suggests"、"the findings indicate"、"it is plausible that"。Discussion 的语气应该是 confident but not overclaiming。
用 AI 起初稿，再做从零润色的流程
Discussion 章节不太适合直接让 AI 起稿，因为这一章要求对你的 specific findings 和学科文献都熟悉，AI 拿不到你的 raw data 也不熟悉小众 niche 的最新文献。
可以用的折中方法是：把每个 finding 列出来，让 DeepSeek 或 ChatGPT 帮你列出"这个 finding 可能和哪些经典理论相关"、"这个领域常用的解释框架有哪些"。AI 给你 5-10 个候选方向，你筛选出和数据真正匹配的 2-3 个，自己去查文献写。这样做 AI 起到的是 brainstorming 工具的作用，不是写作工具。
写完初稿之后上传到 GhostPaper 做从零润色。编辑会把整章的论证链条重新理一遍，把和文献的对话密度补上来，把 theoretical contribution 提炼出来，输出可以直接交的终稿。Discussion 写得到位的论文，整体评分通常能拉高半个等级。Methodology 部分还没改完的话，先看Methodology 章节润色那一篇，两章一起处理逻辑会更顺。