本科毕业论文修改显著性水平

会的，老师对数据都很敏感的，如果要改，改的东西太多。还是要严谨的对待论文啊。硕士论文修改实证结果会被发现。首先，硕士论文需要经过导师审核，预答辩，外审，答辩等多个环节，在这些环节中可能就会被参与的专家发现你的修改情况。其次，如果这些阶段都没有发现，那么恭喜你，你给自己埋了一个雷，如果之后被发现就是学术造假，追回学位。

不可以。经济类本科毕业论文的实证结果要么不显著，要么显著的部分低于20%的显著程度，在学术上很没有说服力，会影响论文通过。综上，经济类本科毕业论文10%显著性水平是不可以用得，不否和要求。

学校和学校的标准不一样，这个问题一般你问问导师就知道啦。本科一般都是在：30%—20%以下。硕士研究生一般都是在:10%以下。要提前知道检测结果你可以购买检测软件，需要检测你可以找我

本科毕业论文修改平台

靠谱的论文查重网站：

一、中国知网

由清华大学和清华同方发起，在党和国家领导以及教育部、中宣部、科技部、新闻出版总署、国家版权局和国家发改委的大力支持下，在全国学术界、教育界、出版界和图书情报界等社会各界的密切配合和清华大学的直接领导下，CNKI工程集团经过多年努力。

采用自主开发并具有国际领先水平的数字图书馆技术，建成了世界上全文信息量规模最大的”CNKI数字图书馆”，并正式启动建设《中国知识资源总库》及CNKI网格资源共享平台，通过产业化运作，为全社会知识资源高效共享提供最丰富的知识信息资源和最有效的知识传播与数字化学习平台。

是目前最安全、最快捷、最权威的论文检测软件，全面覆盖研究生毕业论文查重、大学生抄袭检测、职称评审及相关学术成果，大部分单位机构都是与知网进行合作。除了收费昂贵之外，几乎没有任何缺点。

二、维普

是国内领先的论文查重软件，可以快速准确地检测出毕业论文、博士、硕士论文、期刊论文中的不当引用、过度引用、论文抄袭、伪造、篡改等学术不端行为，自动生成检测报告，并支持PDF、网页等浏览格式，最大特点就是快!

三、万方

采用科学先进的检测技术，实现海量学术文献数据全文比对，秉持客观、公正、精准、全面的服务原则，为用户提供精准详实多维度的查重检测报告。提供包括万方通用版、硕博论文版、大学生论文版、职称论文版等，查重检测结果客观、准确、详实!

四、蝌蚪论文查重

蝌蚪论文查重系统扫码直接登录就可以享受每天免费查重服务，不需要做任何任务，不受字数限制（10万字内），同时提供在线智能降重、人工降重等服务。

采用阿里云认证的高防服务器，检测系统全程自动论文检测，无任何人工参与，系统不保存用户源文件，解除用户论文泄露之忧。

系统数据库覆盖9000万的学术期刊和学位论文，10亿数量的互联网数据源，有效确保精准论文查重！采用强大的智能语义识别技术，能够快速命中并识别出相似内容。并进行周期性算法升级，实现智能算法预处理学科分类，准确度高出行业70%。

1、本科毕业论文查重的方法有许多，我们首先需要找到一个合适的论文查重系统，目前国内超过90%的高校都是使用我国知网pmlc论文查重系统来检测本科毕业论文。这些高校都是以知网本科pmlc查重结果为标准的，知网pmlc论文查重系统中有独特的大学生论文联合比对库资源，其中记录的是历届使用此系统查重过的论文，因此最后检测出的论文重复率结果极为准确。2、所以我们检测本科论文终稿的时候最好是使用知网本科pmlc论文查重系统，这样检测论文的重复率结果与学校结果一致程度就非常高，学校通常会提供给我们毕业生有限的知网免费查重机会，但是一般只有一次或者两次，并且只能在学校内部网络才能免费查重。如果我们想要自己提前在校外进行知网查重的话，只能通过第三方平台付费查重，比如论文查重网站，可以查重pmlc本科论文、tmlc硕博论文、amlc职称论文。3、我们查重初稿的话最好不要浪费学校使用的知网免费查重机会，可以使用性价比较高的论文查重系统比如PaperPP免费查重系统来检测论文，能够有效节省自己的查重费用，还能提高论文修改效率。

本科论文查重用哪个系统最准确？大家应该都知道，本科论文检测系统一般是基于自有庞大的论文文献数据库以及互联网资源作为支撑，从而对单篇或多篇论文进行文本比对，以起到监督和查询该论文是否抄袭了某篇论文或某些公开发表的文章的目的。那么，面对市面上众多的论文检测系统如：中国查重（pmlc），万方论文检测，维普查重，PaperPass等，先不说这些本科论文查重的网站是否安全无泄漏和准确度多少。本科论文检测系统哪个最靠谱？哪个论文检测软件最好用？笔者觉得，可以从以下几个方面来进行判断：一、看资历根据公开的资料加上笔者的搜索，是国内最早进行论文检测、论文查重业务的最权威机构，并且的本科论文检测系统是pmlc可以检测到大学生论文联合比对库，就是本科学长论文，其他检测系统都是检测不到这个库的。早在2008年，就已经开始推出相关产品并进行推广应用，国内另外两家老牌的数据厂商：万方和维普，在论文检测产品的推出时间上较晚。虽然做得早不代表一定做得好，但在数据的积累、产品的迭代升级、用户体验的把握上，显然时间更长的会更有优势。二、看学校认可这个最简单，能得到众多学校认可的论文检测系统至少说明它的可靠性，目前国内高校普遍官方认可的论文查重系统主要是中国查重，其他系统高校市场占有率较低，例如paperpass之类更多地是学生用来自查的工具，但往往会出现两家查重系统检测结果相差甚远的情况，最后还得再用学校认可的系统再查再修改，费心费力。值得说明的是本科论文检测系统使用最为广泛达90%以上使用pmlc。高校认可度达99%！三、看系统体验一个好的本科论文检测系统，用户体验也同样十分重要，打开几个比较常见的论文检测品牌官网，从直观感受来说，的最复杂，且因为没有公开的针对个人用户的检测入口，所以使得学生自查变得很不方便，往往要通过学校和机构入口进行检测或者在淘宝购买代理等方式来进行检测，万方、维普的检测入口也需要至少3到4次点击才能到达论文提交检测的界面，不过好在界面设计还比较简单明了，中国查重的pmlc本科论文检测系统的整体界面都很简洁大方，用户可以很方便地找到TA想找的内容，检测入口基本也是1-2次点击就能到达，方便快捷。在这点上，笔者认为pmlc最适合本科生进行毕业论文自查自检。四、看资源优势毋庸置疑，在论文文献资源上，无疑是数据量最大最全的，但从资源角度上来说，所谓的最大最全都是相对的，因为资源的无限性，所以谁也不能说他的资源是最全的。所以，资源的丰富性永远只能是相对的。我们从检测报告的分析中可以得出，、万方等在文献数据库中的查重率是较高的，从本科生写作论文的实际场景出发，不少学生还是会首选互联网搜索作为其论文写作的主要信息来源，所以，互联网资源检测在未来的论文检测中会占据越来越重要的位置。pmlc不仅有互联网对比库和互联网文档，还可以检测到学长本科毕业论文！又快到每年毕业论文写作的时候了，本科毕业生朋友们，你们知道如何选择最适合你们的本科论文检测系统了吗？建议本科毕业的同学们在选择论文检测系统的时候，要针对自己的实际情况来选择，比如学校如果官方合作的是学术不端网的“查重入口”，那么，在初稿和修改期间可以使用分解，最后提交给导师要定稿的时候再使用本科论文检测系统专用的pmlc做最后一次检测，这样避免了一开始就使用检测系统，会节省很多费用。本科论文检测系统哪个最靠谱？个人觉得有条件的同学还是选择pmlc最靠谱，毕竟90%以上高校本科论文检测系统采用的就是pmlc！

现在市面上查论文的网站很多，有新出的论文查重网站，对于一些老牌的查重网站，相信大家也已经耳熟能详。挑选一款最适合检测自己写作阶段不同论文的查重网站是非常有帮助的，例如初稿论文、第二稿论文、n稿论文以及直到最后完成的论文。不过市场上大多数的查重网站都是需要收费的，那么哪个网站能免费查重论文呢？

在某些老网站，如权威、维普、万方和Turnitin等，这些网站查重论文的收费标准都比较高，但查重质量相对较高，比较适合大家不同类型论文的定稿检测，更适合大家更加放心。而且对于免费查重论文的网站，市场上也有存在和能够找到的，比如papertime的免费论文查重网站，适合大家进行初稿、二稿论文和二稿的修改。

哪些网站可以免费论文查重？

papertime论文查重网站支持免费的论文检测，但不能说可以无限次的免费检测论文，因为它并非一个完全免费的论文查重网站。一般运作情况下，所有提供查重服务的网站都是要收费的，papertime自然也不例外，这很容易理解，运营好网站给大家提供优质的查重服务必然要支出运营成本。

papertime论文查重网站之所以能对论文进行免费查重，是因为网站内有几个活动，这些活动奖励一定数量的免费论文查重字数。每个人成功参加活动后，就可以获得相应的免费查重字数，参加的奖励字数就越多，在上传论文后提交查重检测的时候，就可以使用这些奖励的查重字数，进行免费查重检测后，可使用这些奖励查重字数。

本科毕业论文不显著

看看数据是否出现了错误，可以先认真的核查一遍，看看自己的计算过程是否正确，如果没有错误，那就更换下实验的数据的，把数据修改一下。

进行科研，少不了做实验。得到实验原始数据后，要进行分析处理，来判断所得结果是否具有统计学意义上的显著相关性，是否支持研究设想，然后对数据结果进行解释，最后得出结论。无论是期刊论文还是学位论文，在引言或前言(Introduction)中提出本研究的目的(aim/purpose)，和研究假设(hypothesis)，完成一系列的实验后，在报告方法(Materials and Methods)一节中，要进行数据分析。通过数据分析，发现得出的结论具有相关性，从而验证了你的研究设想，实现了你的研究目的。但也有可能实验结果的相关性不显著，得出的结果和研究设想不一致，甚至相反。你的第一反应也许是不理会那些数据，甚至想到要剔除掉它们。这是错误的做法。一个科研人员应具备科研素质，尊重科学，严谨治学。其实相关性不显著，就是你实验的科学结论，只不过不支持你的研究设想罢了。你的实验结果证明你的设想不成立，从而否定了这一假设，这本身就是一结论。一般情况下，如得出实验结果相关性不显著时，作者还要分析一下其原因，如样本不够大、变量不易控制、人为因素等。下面以一篇SCI文章为例，来看看如果处理“不完美”的数据。 ❶We met with mixed success in our objectives. ❷We had believed that our results would indicate that trust was best described as a concept with two distinct dimensions. ❸Instead, we found an overall trust dimension that best characterized the data. ❹At least two plausible reasons may explain this difference, each providing rich areas for further research. ❺In part, some of the inconsistency may exist because of cross cultural variations. ❻In addition, some dissimilarity in results may exist because of methodological differences. 第一句话直接指出了部分结果与设想不一样，第二句和第三句分别阐述了原来的设想和实际得到的实验结果。第四句写出有两个原因，第五、六句具体分析了两个原因。

找到原因，重新做实验。如果做出的结果不显著，要分析一下，找出原因，重新做实验得结果。

显著性目标检测毕业论文

一、程明明等人的论文：Salient Object Detection: A Surve（简单归纳了文章中的我认为比较重要的部分）该论文旨在全面回顾突出显示目标检测的最新进展，并将其与其他密切相关领域（如通用场景分割，目标建议生成以及固定预测的显著性）相关联。主要内容涉及i）根源，关键概念和任务，ii）核心技术和主要建模趋势，以及iii）显著性物体检测中的数据集和评估指标。讨论并提出了未来的研究反向等开放性问题。 1.介绍 1．1 什么是显著性物体提到一般认为，良好的显著性检测模型应至少满足以下三个标准：1）良好的检测：丢失实际显著区域的可能性以及将背景错误地标记为显著区域应该是低的；2）高分辨率：显著图应该具有高分辨率或全分辨率以准确定位突出物体并保留原始图像信息；3）计算效率：作为其他复杂过程的前端，这些模型应该快速检测显著区域。显著物体检测历史（1）Itti等人提出的最早、经典的的显著模型。例如[24]一文掀起了跨认知心理学、神经科学和计算机视觉等多个学科的第一波热潮。（2）第二波热潮由刘等人的[25]，[55]和Achanta等人的[56]掀起，他们将显著性检测定义为二元分割问题，自此出现了大量的显著性检测模型。（3）最近出现了第三波热潮，卷积神经网络（CNN）[69]，特别是引入完全卷积神经网络[70]。与基于对比线索的大多数经典方法不同[1]，基于CNN的方法消除了对手工特征的需求减轻了对中心偏见知识的依赖，因此被许多科研人员所采用。基于CNN的模型通常包含数十万个可调参数和具有可变感受野大小的神经元。神经元具有较大的接受范围提供全局信息，可以帮助更好地识别图像中最显著的区域。CNN所能实现前所未有的性能使其逐渐成为显著性物体检测的主流方向。 2. 现状调查本节主要回顾三部分内容：1）显著性物体检测模型；2）应用；3）数据集。经典模型（非常详细）具有内在线索的基于块的模型有两个缺点：1）高对比度边缘通常突出而不是突出物体；2）凸显物体的边界不能很好地保存。为了克服这些问题，一些方法提出基于区域来计算显著性。两个主要优点：1）区域的数量远少于区块的数量，这意味着开发高效和快速算法的潜力；2）更多的信息功能可以从区域中提取，领先以更好的表现。具有内在线索的基于区域的模型（图4）基于区域的显著性模型的主要优势：1）采用互补先验，以提高整体性能，这是主要优势；2）与像素和色块相比，区域提供更复杂的线索（如颜色直方图），以更好地捕捉场景的显著对象；3）由于图像中的区域数量远小于像素数量，因此在生成全分辨率显著图时，区域级别的计算显著性可以显著降低计算成本。具有外部线索的模型（图5）其他经典模型（图6）局部化模型、分割模型、监督模式与无监督模式、聚合和优化模型基于深度学习的模型基于CNN（经典卷积网络）的模型 CNN大大降低了计算成本，多级特征允许CNN更好地定位检测到显著区域的边界，即使存在阴影或反射。但CNN特征的空间信息因为使用了MLP（多层感知器）而无法保留。基于FCN（完全卷积网络）的模型该模型具有保存空间信息的能力，可实现点对点学习和端到端训练策略，与CNN相比大大降低了时间成本。但在具有透明物体的场景、前景和背景之间的相同对比度以及复杂的背景等情况无法检测显著物体。元素： PI=像素，PA=补丁，PE=区域，前缀m和h分别表示多尺度和分层版本。假设： CP=中心先验，G=全局对比度，L=局部对比度，ED=边缘密度，B=背景先验，F=先验焦点，O=先验物体，CV=先验凸度，CS=中心环绕对比度，CLP=先验颜色，SD空间分布，BC=边界连通之前，SPS=稀疏噪声。聚合/优化： LN=线性，NL=非线性，AD=自适应，RI=分层，BA=贝叶斯，GMRF=高斯MRF，EM=能量最小化，LS=最小二乘解线索：GT=地面真值注释，SI=相似图像，TC=时间线索，SCO=显著性实现，DP=深度，LF=光场。对于显著性假设： P=通用属性，PRA=预注意线索，HD=高维特征空间中的判别性，SS=显著性相似性，CMP=显著性提示的互补，SP=采样概率，MCO=运动相干性，RP=重复性，RS=区域相似度，C=相应，DK=领域知识。其他： CRF=条件随机场，SVM=支持向量机，BDT=提升决策树，RF=随机森林 4 数据集和评估措施显著对象检测数据集早期的带有包围框的突出物体图像：MSRA-A和MSRA-B 使用像素方式的二进制掩码来注释显著对象：ASD和DUT-OMRON 具有复杂和杂乱背景中的多个对象的数据集:[22]、[23]、[26] 评估措施（5个）用S表示归一化为[0,255]的预测显著图，G是显著对象的地面正式二进制掩模（1）精确召回（PR）。首先将显著图S转化为二进制掩码M，然后通过将M与地面真值G进行比较来计算Precission和Recall：（2） F值：通常Precission和Recall都不能完全评估显著图的质量，为此提出F值作为Precission和Recall的非负权重的集权跳河平均：（3） ROC（Receiver Operating Characteristic）曲线：是以假正率（FP_rate）和假负率（TP_rate）为轴的曲线（4）ROC曲线下面积(AUC)：AUC越大性能越好（5）平均绝对误差（MAE）：进行更全面的比较。图12，比较流行的显著性对象检测数据集：二、传统显著性检测内容补充（论文中的分类和自己平时习惯不一致，所以重新收集资料整理了一下）常用显著性检测方法： 1. 认知模型几乎所有模型都直接或间接地受认知模型启发而来，其一大特点是与心理学和神经学相结合。Itti模型（使用三个特征通道：颜色、属性、方向）是这一类模型的代表，也是后来很多衍生模型的基础 2. 信息论模型本质是最大化来自所处视觉环境的信息，其中最有影响力的模型是AIM模型。 3. 图论模型基于图轮的显著性模型把眼动数据看成时间序列，使用了隐马尔科夫模型、动态贝叶斯网和条件随机场等方法。图模型可以对复杂的注意机制建模，因此能取得较好的预测能力，缺点在于模型的高复杂度，尤其涉及训练和可读性时。典型模型有：GBVS等 4. 频域模型基于频谱分析的显著性模型，形式简洁，易于解释和实现，并且在注意焦点预测和显著区域检测方面取得了很大的成功，但其生物合理性不是非常清楚。经典模型有：频谱残差的显著性检测模型（纯数学计算方法）。参考资料链接：三、基于深度学习的显著性检测内容补充（论文是2014年所写，关于深度学习部分不够完善，因此在此又补充了一下）基于深度学习的显著性目标检测研究发展初期从物体检测神经网络到OverFeat，一直难以取得理想的效果。2014年R-CNN的诞生成为第一个真正可以工业级应用的方案，其在VOC2007测试集的mAP提升至66%。但R-CNN框架仍然存在很多问题： 1) 训练分为多个阶段，步骤较为繁琐：微调网络+训练SVM+训练边框回归器 2) 训练耗时，占用磁盘空间大：5000张图片产生几百G的特征文件 3) 速度慢：使用GPU，VGG-16模型处理一张图像需要47s 截止目前，基于深度学习的显著性目标检测研究可以分为基于区域建议的深度学习目标检测和基于回归的深度学习目标检测两个类别。基于区域建议的深度学习目标检测方法有：R-CNN、SPP-net、FastR-CNN、Faster R-CNN、R-FCN等。 1) R-CNN(Regions with CNN features)重复计算，时间、空间代价较高； 2) SPP-net(Spatial Pyramid Pooling)强化了CNN的使用，允许输入大小不一致的图片，进一步强调了CNN特征计算前移、区域处理后移的思想，极大节省计算量，但不是端到端的模型且CNN特征提取没有联动调参数； 3) FastR-CNN的出现解决了前两者重复计算的问题，实现了区域建议到目标检测一端的卷积共享，首次提出的RoI Pooling技术极大地发挥区域后移的优势，加快了训练速度，采用VGG-16作为CNN网络模型，联动调用参数提升了实验效果，但是依然没有实现端到端的模型，对SS区域建议依赖严重； 4) Faster R-CNN弃用选择性搜索，提出了RPN网络来计算候选框，使用端到端的网络进行目标检测，无论在速度上还是在精度上，都得到了极大的提高，但在速度上并不能满足实时的需求，对每个建议分类计算量仍较大，功能上没有进入实例分割阶段。基于回归的深度学习目标检测方法有：YOLO、SSD、G-CNN、NMS等。 1) YOLO(You Only Look Once)将目标检测任务转换成回归问题，大大简化了检测的过程、加快了检测的速度，但预测目标窗口时使用的是全局信息，冗余度高，且没有区域建议机制后检测精度不高； 2) SSD（Single ShotMultibox Detector）预测某个位置时使用的是该位置周围的特征，结合YOLO的回归思想以及FasterR-CNN中的候选区域机制，既保持了YOLO速度快的特性，也保证了精确定位； 3) G-CNN着力于减少初始化建议数量，使数以万计的建议变成极少的初始格网，提升了检测速度； 4) NMS(Non Maximum Suppression)则通过迭代的形式去除重复候选框，取置信率最大的框。当前实际应用中，基于区域建议的深度学习目标检测使用更为广泛。当前基于深度学习的显著性检测研究方法： R-CNN系列显著性目标检测框架和YOLO显著性目标检测框架给了我们进行基于深度学习的目标检测两个基本框架。目前研究人员基于这些框架从其他方面入手提出一系列提高目标检测性能的方法。如：难样本挖掘、多层特征融合、使用上下文信息、更深网络学习的特征等。原文链接：

论文中显著性水平标注方法：（1）先将平均数由大到小排列（从上到下排列），在最大平均数后标记字母 a 。（2）用该平均数依...

本科生毕业论文水平

1、本科毕业论文的查重率合格标准一般是规定在百分之三十，检测出本科毕业论文在百分之三十以内的话，就表明本科毕业论文是可以通过论文查重的，可以直接参与论文答辩。2、如果本科毕业论文查重率超出了百分之三十，那么本科毕业论文查重率自然是不合格，需要大家对论文进行认真的修改，以便能够将论文的查重率降低至百分之三十之内从而，满足合格标准。3、如果本科生毕业论文查重率超出了百分之五十，那么论文中重复的内容是比较多的，但是为了避免误判，详细的了解论文内容的学术不端行为，高校会组织学者导师组成论文判定小组，如果判定论文中确实存在严重的学术不端行为，那么就会直接取消该毕业生的答辩资格。

1.选题:选题主要看具体的研究方向和目标，根据实际情况选择一个范围比较广或者符合本专业特点的课题进行研究。2.查阅资料:查阅资料是撰写毕业论文非常重要的一步，因为它可以帮助你确定研究内容的基础性、概念性、前瞻性和创新性信息。3.列出框架:论文要按照逻辑思维结构层次进行描述。建议从整篇论文来分析问题，然后总结各部分的工作和意图。4.填充内容:论文内容可以按照逻辑思维结构层次进行填充，也可以从不同的角度进行填充，即从不同的角度筛选出属于本专业的核心观点，这样可以更好地把握论文的核心。5.修改完善:论文初稿完成后，要仔细检查论文的边界和框架，对论文的段落和格式进行修改完善，达到更高的水平。6.降低查重率:通过网上查询发现，有的学校规定30％就可以通过，但是我们需要知道的是，不同学院，不同老师的查重率会有很大的差异。建议你先咨询一下导师，看看自己的论文查重率是否符合学校标准。

本科毕业生论文评定标准 1．优秀（1）论文选题好，内容充实，能综合运用所学的专业知识，以正确观点提出问题，能进行精辟透彻的分析，并能紧密地结合我国经济形势及企业的实际情况，有一定的应用价值和独特的见解和鲜明的创新；（2）材料典型真实，既有定量分析，又有定性分析；（3）论文结构严谨，文理通顺，层次清晰，语言精练，文笔流畅，书写工整，图表正确、清晰、规范；（4）答辩中回答问题正确、全面，比较深刻，并有所发挥，口语清晰、流利。 2．良好（1）论文选题较好，能运用所学的专业理论知识联系实际，并能提出问题，分析问题。对所论述的问题有较强的代表性，有一定的个人见解和实用性，并有一定的理论深度；（2）材料真实具体，有较强的代表性。对材料的分析较充分，比较有说服力，但不够透彻；（3）论文结构严谨，层次清晰，行文规范，条理清楚，文字通顺，书写工整，图表正确、清楚，数字准确；（4）在答辩中回答问题基本正确、中肯，口语比较清晰。 3．中等（1）论文选题较好，内容较充实，具有一定的分析能力；（2）独立完成，论点正确，但论据不充足或说理不透彻，对问题的'本质论述不够深刻；（3）材料较具体，文章结构合理，层次比较清晰，有逻辑性，表达能力也较好，图表基本正确，运算基本准确；（4）在答辩中回答问题基本清楚，无原则性错误。 4．及格（1）论文选题一般，基本上做到用专业知识去分析解决问题，观点基本正确，基本独立完成，但内容不充实，缺乏自己见解；（2）材料较具体，初步掌握了调查研究的方法，能对原始资料进行初步加工；（3）文章有条理，但结构有缺陷；论据能基本说明问题，能对材料作出一般分析，但较单薄，对材料的挖掘缺乏应有的深度，论据不够充分，不够全面；（4）文字表达基本清楚，文字基本通顺，图表基本正确，无重大数据错误；（5）在答辩中回答问题尚清楚，经提示后能修正错误。 5．不及格凡论文，存在以下问题之一者，一律以不及格论：（1）文章的观点有严重错误；（2）有论点而无论据，或死搬硬套教材和参考书上的观点，未能消化吸收；（3）离题或大段抄袭别人的文章，并弄虚作假；（4）缺乏实际调查资料，内容空洞，逻辑混乱，表达不清，语句不通。（5）在答辩中回答问题有原则性错误，经提示不能及时纠正。