实际上，关于“好的研究”的定义，很多资深的学者也未必有过深入思考。有些人可能有一些简单粗暴的判别，即：能在好期刊上发表的就是好研究。这个判别不仅浮于表面，而且是极度粗糙的；事实上，在现代学术界高度职业化以前，很多重要的结果都不是通过期刊、会议的形式出现的。例如20世纪上半叶重要的物理学家泡利就很少发表文章，他的很多发现都是通过与人书信沟通的方式得到的。另一方面，高度产业化往往意味着复杂的利益与关系的协调，使得现在发表顶级期刊论文更多变成了小圈子之间的利益分配，而不是对研究质量的公正认可。因此，这个问题并不是那么简单就能回答的。
要回答“什么是好的研究”这个问题，我们必须要搞清楚研究是什么。从根本的定义来讲，研究的目的是拓展人类的知识集，深化人类对于逻辑、自然现象、社会现象的认知，以及提出当前不存在的科学、工程、社会构想。而为了构建一个领域的认知图景，以下的七个方面的工作方向都是必要的：
1）数据收集与整理：即得到理解相关领域所必需的数据，并且将其整理为有助于后续研究的形式。
2）唯象理论：对于特定的研究问题，建立能够较好地解释该问题背后规律的局域性理论模型。
3）宏观理论架构：能够囊括大量唯象理论的一整套理论体系支撑模型；学术历史上的著名案例包括演化理论、牛顿力学、量子力学、广义相对论、博弈论等等。这里需要指出，唯象理论／宏观理论架构的分类方法是比较粗糙的，实际上更类似于一种树状的结构，理论架构作为最顶层的父节点，下面包容了很多层级的唯象理论（也可被理解为较低层级的理论架构）。
4）创造性设想：根据已有的知识架构，推演创造现实世界中尚不存在的设想。同唯象理论／理论架构的区分类似，创造性设想也可以根据其涵盖面的大小分为很多层级。
5）方法与工具：创造能够使得研究效率提高的数学方法、设备、软件等。
6）实验验证：通过实验来验证、修正或否定理论或设想。
7）理论／方法应用：在现实世界中实现新的理论／方法，观察并分析其对于现实世界的影响。通过仿真环境来观察分析应用效果的研究也可归为此类。
上述的七个方面构成了学术研究随时间发展的闭环。数据的收集与整理一方面积累知识，另一方面推动唯象理论的发展；唯象理论的发展逐渐推动更高层次的理论架构的形成。创造性的设想将会扩大人类认知的视域，甚至形成多领域交叉联动产生崭新的研究领域。新的方法与工具将会对上述探索过程起到加速的作用。实验验证是上述循环的“质检流程”，确保这个不断生长的知识网络的稳定性。最后，理论与方法应用是学界知识输出参与人类历史的出口，这个出口又会推动人类社会发展，在发展边界上拓展新的问题，最终又将这些新问题返回至研究循环。
因此，当我们在对研究的“好坏”进行评估时，虽然不可避免地会带入因人而异的主观成分，但一个大体上客观的标准是存在的：该研究在多大的程度上塑造了人类对于相关领域的认知图景（包括现有的知识与尚未实现的创造）？如果从这个标准出发进行反推，那么重要的研究的“分类”是可以多种多样的，上述七类方向中的每一项工作均有可能成为伟大的工作。我们分别举出科学史中的七个例子来展示上述七个方向中各自的一个划时代的研究项目：
1）X射线（伦琴，1895，首届诺贝尔物理学奖）
2）希格斯机制（希格斯等，1964左右，诺贝尔物理学奖）
3）演化理论（达尔文，1858，现代生物学最重要的理论架构）
4）图灵机（图灵，1936，电子计算机的基础设想）
5）冷冻电镜（亨德森等，20世纪80年代，诺贝尔化学奖）
6）光子纠缠实验（克劳泽、阿斯佩等，20世纪70-80年代，诺贝尔物理学奖）
7）晶体管（肖克利，1950左右，诺贝尔物理学奖，科技成果商业化的经典案例）
毫无疑问，上述的这些研究成果都极大地拓展了人类的认知图景。如果把整个人类的已有知识想象为一个巨大的、不断生长的网络，那么上面这些研究就是在这个网络生长过程中的关键节点，网络的后续生长有相当大的一部分都依托于这些节点进行。
然而，我们在当前这个时间点来评价上述的研究为重要甚至是伟大的研究，均依赖于这些研究结果被提出后在长时间内产生的影响以及得到的评价。也就是说，我们现在能够观察人类知识网络的生长历史，并且可以比较准确地判断其中的一些关键节点，因此能够评价这些研究在客观上是一流的。问题是：在研究进行的时刻，我们怎么知道一个研究是否能够大幅度拓展该领域的认知图景呢？至此，在研究产出的时间节点，从客观上判断一个研究是否足够优秀这个问题，实际上就转化成了这样一个问题：什么样的研究是最有可能开拓新的知识结构的？
要100%地回答上述问题是非常困难的，这几乎就相当于判断哪一个初创公司最有可能成为行业巨头；再资深的风险投资人都很难在这个问题是做到不失手。因而，对于该问题的回答不可避免地带有主观性，以至于这样的问题往往到最后变成了“学术审美”的问题。我个人对于这个问题的确有一些体系化的见解，具体的分析将会在本系列的第二篇中详细讨论。
