研究型碩士（MRes、MPhil 或部分以論文為主的 MSc）的個人陳述，和授課型碩士有本質差異。授課型碩士的 PS 可以強調你的課程興趣與職業規劃，但研究型碩士的 PS 必須讓對方相信：你對某個研究問題有持續的興趣，而且你已經具備初步的研究能力。

這類 PS 最難的地方在於「如何把研究興趣講得具體」。很多人會寫「我對永續發展很有興趣」或「我想深入探討人工智能的倫理問題」，但這些都太空泛了。AI 可以幫你拆解這類敘事的結構，但拆解之後的填充物——你的具體經歷、閱讀、實驗或討論——必須來自你自己。

研究敘事的四個要素：AI 能幫你檢視缺了哪一塊

一份有說服力的研究型碩士 PS，通常包含四個敘事要素：

1. 問題意識的起源：你為什麼開始關心這個問題？是某堂課的討論、某篇論文的閱讀、還是某次田野觀察？
2. 初步的方法論體驗：你實際做過什麼？可能是一份課程論文、一次小型實驗、或一段文獻回顧。
3. 興趣的深化過程：從最初的觸發到現在，你讀了哪些關鍵文獻、參加了哪些討論、或做了哪些嘗試？
4. 與目標項目的交集：你為什麼選擇這個系所？哪位老師的研究方向與你的興趣有交集？

你可以把這四個要素貼給 AI 工具，請它幫你檢視目前的大綱是否涵蓋了每一項。例如，你可能發現自己寫了很多「我對這個領域很有熱情」，但缺少「初步的方法論體驗」——AI 可以提醒你補上這一段，但它不能替你創造這段經歷。

用 AI 拆解「一次關鍵轉折點」的結構

研究型 PS 最有力的段落，往往是一個具體的轉折點：某一次閱讀、實驗或討論，讓你對某個問題的理解發生了變化。

假設你寫了這樣一句話：「大三時我修了一門統計學課程，讓我對量化研究方法產生興趣。」這句話太籠統。AI 可以幫你拆解這個敘事的結構，但它無法替你回憶細節。

你可以自己問自己三個問題，然後把答案寫成草稿，再請 AI 檢查：

• 那堂課的哪個主題最觸動你？是某個特定的統計方法，還是某次作業的結果出乎意料？
• 你當時做了什麼？是主動去查了額外文獻，還是和教授討論了某個概念？
• 這個經歷如何影響你後續的選擇？你因此選了某個專題、讀了某本書、或改變了研究計畫？

AI 可以幫你檢查這三個問題的答案是否在文章中都有對應，但它不能替你回答。

警惕通用科研話語：AI 容易讓你的 PS 聽起來像「範本」

研究型 PS 最常見的毛病，是充滿「培養了批判性思維」「提升了文獻分析能力」「對跨學科研究產生濃厚興趣」這類話。這些話本身沒有錯，但它們是通用科研話語，放進任何人的 PS 都成立——也就是說，它們無法讓你被記住。

當你使用 AI 工具修改 PS 時，要特別警惕它是否把這些話「優化」得更流暢。例如，你原本寫「我在這份報告中嘗試比較兩種不同的資料視覺化方式」，AI 可能幫你改成「我透過比較多種資料視覺化方法，深化了對資訊設計的理解」。後者聽起來更專業，但反而更空泛。

比較好的做法是：保留具體的描述，讓 AI 只處理語法與連貫性。如果你發現 AI 的修改讓句子變得更「漂亮」但更模糊，請還原成你自己的版本。

關於導師研究方向的引用：AI 摘要不可直接使用

研究型碩士 PS 通常需要提到你對目標系所某位老師的研究感興趣。這部分必須基於你實際閱讀過那位老師的論文或研究計畫，而不是 AI 工具為你生成的摘要。

原因有兩層。第一，AI 摘要可能不準確，可能誤解研究重點或引用過時的資訊。第二，即使摘要準確，評審委員很容易看出「你只是複製了摘要」，因為你的描述會缺乏具體的切入點。

如果你對某位老師的研究有興趣，請至少讀過他的一篇近期論文，然後用自己的話寫出「我對他的哪個研究問題感興趣，因為它與我之前做的某項工作有關」。這比任何 AI 生成的摘要都有說服力。

大綱完成後，用三個問題檢視你的主體性

當你完成 PS 的大綱，準備開始寫正文時，問自己三個問題：

1. 這篇文章如果刪掉所有「我」的具體經歷，還剩下什麼？如果剩下的是可以套在任何申請者身上的話，代表你寫得不夠具體。
2. 文中的每一個理論名稱、方法論術語、或文獻引用，你是否都能用自己的話解釋？如果不能，請回去查清楚，而不是依賴 AI 的說明。
3. 你對目標項目的興趣，是否建立在具體的閱讀或互動之上？如果只是「該系所的排名很高」或「師資很強」，請重新思考。

研究型碩士的 PS 本質上是在展示「你如何思考一個研究問題」。AI 可以幫你整理思緒、檢查結構、調整語句，但思考本身——你對某個問題的困惑、好奇與初步理解——只能來自你自己。