رویکرد داده‌محور در ساختاربندی کتاب‌های غیرداستانی به معنای کنار گذاشتن حدس و گمان‌های نویسنده و اتکا به شواهد عینی، آماری و رفتاری مخاطب است تا مشخص شود چه اطلاعاتی، با چه ترتیبی و با چه عمقی، بیشترین تأثیر و نرخ جذب را بر خواننده خواهند داشت. این شیوه، نویسندگی را از یک فرآیند هنری صرف به یک مهندسی محتوا تبدیل می‌کند؛ جایی که فصل‌ها و بخش‌ها نه بر اساس میل نگارنده، بلکه بر اساس نیازهای واقعی و نقاط کور اطلاعاتی بازار هدف شکل می‌گیرند. در واقع، ما به دنبال آن هستیم که بدانیم مخاطب، در لحظه مواجهه با کتاب، دقیقاً چه سؤالی در ذهن دارد و چگونه باید او را قدم به قدم به پاسخ نهایی برسانیم، به جای اینکه صرفاً هر آنچه می‌دانیم را روی کاغذ بیاوریم.
در عصر انفجار اطلاعات، جایی که هر گوشی هوشمند به یک کتابخانه جهانی متصل است، صرف داشتن دانش عمیق برای موفقیت یک کتاب غیرداستانی کافی نیست. چالش واقعی در این است که چگونه آن دانش را در قالبی ارائه دهیم که نه تنها خوانده شود، بلکه فهمیده شود، به کار گرفته شود، و در نهایت، به منبع معتبر و مورد اعتماد مخاطب تبدیل گردد. ما به عنوان متخصصان مجله آگاه صنعت، بارها شاهد بوده‌ایم که ایده‌های درخشان، به دلیل ساختاربندی ضعیف و عدم انطباق با سفر یادگیری خواننده، در قفسه‌های کتاب‌ها خاک می‌خورند. با مطالعه این راهنما، شما نه تنها با چگونه رویکردی داده‌محور را برای ساختاربندی محتوا در نویسندگی کتاب‌های غیرداستانی پیاده‌سازی کنیم؟ آشنا می‌شوید، بلکه یاد می‌گیرید چگونه با استفاده از تحلیل بازار و نیازسنجی دقیق، نقشه محتوای خود را به گونه‌ای طراحی کنید که کتابتان از همان صفحه اول، به صورت هدفمند، خواننده را به سمت اهداف یادگیری‌اش هدایت کند و تبدیل به مرجعی قابل اعتماد در حوزه خود شود.
مفهوم داده‌محور در ساختار کتاب چرا اهمیت حیاتی دارد؟
بسیاری از نویسندگان، به‌ویژه در حوزه‌های علمی، سلامت یا توسعه فردی، ساختار کتاب خود را بر اساس ترتیب آموزش‌هایی که خودشان دریافت کرده‌اند یا آن‌گونه که منطقی به نظرشان می‌رسد، پی‌ریزی می‌کنند. اما داده‌ها نشان می‌دهند که منطق نویسنده همیشه با منطق یادگیری خواننده یکسان نیست. خواننده اغلب به دنبال حل یک مشکل فوری است و تا زمانی که آن گره ذهنی اولیه باز نشود، انگیزه لازم برای مطالعه مفاهیم بنیادین را نخواهد داشت.
رویکرد شهودی در مقابل رویکرد آماری
اگر بخواهیم تفاوت این دو رویکرد را ملموس کنیم، باید بگویم: رویکرد شهودی مانند ساختن یک خانه بدون نقشه است؛ شما می‌دانید چه می‌خواهید، اما نمی‌دانید آیا فونداسیون توان تحمل سقف را دارد یا خیر. اما رویکرد داده‌محور، مانند یک مهندس سازه عمل می‌کند که ابتدا نوع خاک، میزان باد، و نیازهای ساکنین را تحلیل کرده و سپس نقشه را بر اساس کارایی و ایمنی طراحی می‌کند.
به عنوان مثال، فرض کنید می‌خواهید کتابی در مورد “بهبود کیفیت خواب” بنویسید. رویکرد شهودی ممکن است با تاریخچه خواب شروع شود. اما رویکرد داده‌محور کشف می‌کند که بیشترین جستجوی کاربران حول محور “چگونه سریع‌تر به خواب برویم؟” و “نقش ملاتونین چیست؟” است. بنابراین، فصول اولیه باید مستقیماً به این سؤالات کلیدی پاسخ دهند تا اعتماد خواننده جلب شود، و سپس به سراغ مباحث عمیق‌تر و تاریخی بروند.
«داده‌ها، چراغ راه تولید محتوا نیستند، بلکه خود مسیر هستند. در نویسندگی غیرداستانی، داده به ما می‌گوید که خواننده در تاریک‌ترین نقطه اطلاعاتی کجاست و چگونه باید او را با کمترین مقاومت به سمت نور هدایت کنیم.» انتشارات فروغ سیمرغ
سفر خواننده چگونه با داده‌ها ترسیم می‌شود؟
ساختار کتاب باید بازتاب‌دهنده مسیری باشد که خواننده برای کسب تخصص طی می‌کند. این مسیر شامل سه مرحله کلیدی است: آگاهی (Awareness)، ملاحظه (Consideration) و تصمیم (Decision/Action).
- آگاهی (فصل‌های ۱ تا ۳): خواننده تازه متوجه مشکل شده یا کنجکاو شده است. او به دنبال تعاریف ساده و دلایل اصلی مشکل است. (مثال: «مشکل کجاست؟ من کم خوابی دارم.»)
- ملاحظه (فصل‌های ۴ تا ۸): خواننده می‌داند مشکل چیست و به دنبال راه‌حل‌های موجود، مزایا و معایب هر روش است. اینجاست که جزئیات و تخصص شما وارد عمل می‌شود. (مثال: «آیا مدیتیشن بهتر است یا داروهای گیاهی؟»)
- تصمیم و اقدام (فصل‌های ۹ تا پایان): خواننده آماده عمل است. او به یک برنامه عملی، چک‌لیست و راهنمایی گام‌به‌گام نیاز دارد. (مثال: «برنامه عملی ۴ هفته‌ای برای تنظیم چرخه خواب.»)
اگر ساختار کتاب این توالی منطقی مبتنی بر نیاز مخاطب را رعایت نکند، نرخ رهاسازی کتاب در نیمه راه به شدت افزایش خواهد یافت.
مرحله اول جمع‌آوری و تحلیل داده‌ها: یافتن حفره‌های دانش
بخش اعظم کار داده‌محور، قبل از نوشتن اولین کلمه انجام می‌شود. هدف این است که مشخص کنیم مخاطب دقیقاً چه چیزی را نمی‌داند و منابع موجود چه کمبودهایی دارند.
تحلیل داده‌های جستجو و تقاضای بازار
بهترین شاخص برای سنجش نیاز مخاطب، چیزی است که او در موتورهای جستجو می‌نویسد. ابزارهای تحلیل کلمات کلیدی، انجمن‌ها و شبکه‌های اجتماعی، معدن طلای ما برای کشف ساختار کتاب هستند.
تکنیک کشف سؤالات کلیدی (Pain Points)
- آنالیز کلمات کلیدی (Google Trends, Ubersuggest, etc.): بیشترین سؤالاتی که افراد درباره موضوع شما جستجو می‌کنند، باید تبدیل به عناوین فصول شما شوند. به جای نوشتن فصلی به نام “تئوری‌های تغذیه”، فصلی بنویسید با عنوان “چرا رژیم‌های مد روز شکست می‌خورند؟”
- تحلیل انجمن‌های تخصصی (Reddit, Quora, Forumهای فارسی): ببینید مردم در کجا با مشکلات گیر کرده‌اند و چه سؤالاتی بدون پاسخ مانده‌اند. اگر ده نفر در مورد نحوه محاسبه دقیق کالری در ورزش‌های مقاومتی سؤال کرده‌اند، این باید یک زیربخش مهم در کتاب شما باشد.
- تحلیل نظرات کتاب‌های مشابه: نظرات یک یا دو ستاره‌ای رقبا را بخوانید. چرا خوانندگان از آن کتاب‌ها ناراضی بودند؟ “ساختارش گیج‌کننده بود”، “به اندازه کافی عملی نبود”، “مفاهیم پایه را نادیده گرفته بود.” این کمبودها، فرصت‌های طلایی شما برای ساختاربندی بهتر هستند.
تحلیل داده‌های رقبا و ترسیم نقشه پوشش
شما نمی‌توانید یک کتاب جامع بنویسید، مگر اینکه بدانید دیگران چه چیزی را جامع پوشش داده‌اند و کجا کم گذاشته‌اند. این کار به معنای کپی‌برداری نیست، بلکه به معنای یافتن “شکاف محتوایی” (Content Gap) است.
| پارامتر تحلیل | کتاب رقیب A (تمرکز بر تئوری) | کتاب رقیب B (تمرکز بر داستان) | کتاب ما (ساختار پیشنهادی) |
|---|---|---|---|
| پوشش مباحث پایه | بسیار عالی و عمیق | ضعیف و سطحی | متوسط. ارائه خلاصه بنیادین و ارجاع به رقیب A (اگر لازم بود) |
| تمرکز بر راه‌حل‌های عملی | ضعیف، مثال‌های آکادمیک | متوسط، تمرکز بر تجربه شخصی | بسیار قوی. هسته اصلی کتاب راه‌حل‌های عملی است. |
| لحن و زبان | خشک و تخصصی | صمیمی و غیرقابل اعتماد | ترکیبی از تخصص و صمیمیت (لحن آگاه صنعت) |
| شکاف محتوایی یافت شده | نداشتن چک‌لیست‌ها و جداول برنامه‌ریزی | نداشتن پشتوانه علمی برای ادعاها | قرار دادن چک‌لیست‌های مبتنی بر علم در پایان هر فصل. |
این جدول به ما اجازه می‌دهد تا ساختار خود را به نحوی طراحی کنیم که نه تنها نیازهای خواننده را برآورده سازد، بلکه دقیقاً همان جایی را هدف قرار دهد که رقبا شکست خورده‌اند یا نادیده گرفته‌اند.
مرحله دوم: طراحی نقشه ساختاری داده‌محور (Data Mapping)
پس از جمع‌آوری داده‌ها، نوبت به طراحی معماری محتوا می‌رسد. این مرحله حیاتی‌ترین بخش فرآیند است، زیرا تعیین می‌کند که چگونه اطلاعات را برای حفظ جریان یادگیری و جلوگیری از سردرگمی، چیدمان کنیم.
تکنیک دسته‌بندی موضوعی بر اساس عمق و پیش‌نیاز
یکی از اشتباهات رایج این است که مفاهیم را صرفاً بر اساس ارتباط موضوعی چیدمان کنیم. رویکرد داده‌محور ایجاب می‌کند که ساختار، بر اساس رابطه “پیش‌نیاز” (Prerequisite) و “نتیجه” (Outcome) تنظیم شود.
- شناسایی ماژول‌های اصلی (Parts): مفاهیم کلیدی را به بخش‌های بزرگ دسته‌بندی کنید (مثلاً: «بخش ۱: فهم مسئله»، «بخش ۲: راهکارها و ابزارها»، «بخش ۳: پیاده‌سازی و عادت‌سازی»).
- نقشه‌برداری پیش‌نیازها: در هر بخش، مشخص کنید که خواننده برای فهمیدن مفهوم C به درک مفهوم A و B نیاز دارد. اگر B پیش‌نیاز C است، B باید قبل از C بیاید، حتی اگر از نظر موضوعی، C به A نزدیک‌تر باشد.
- حذف اطلاعات زائد (Data Pruning): بر اساس داده‌های جستجو، هر بخشی که کمتر از ۵٪ نیاز مخاطب را برطرف می‌کند یا صرفاً تکرار مکررات بازار است، باید حذف یا به ضمیمه منتقل شود.
استفاده از ساختار «هرمی واژگون» در فصول
در نویسندگی صنعتی و علمی، ما نیاز داریم تا خواننده فوراً به هسته مطلب برسد. از ساختار هرمی واژگون (Inverted Pyramid) برای سازماندهی هر فصل استفاده کنید:
- بالای هرم (بخش اول فصل): مهم‌ترین پیام، نتیجه و پاسخ نهایی سؤال. (مثال: نتیجه می‌گیرید که «کمبود منیزیم عامل اصلی بی‌خوابی شماست.»)
- وسط هرم (بخش میانی فصل): شواهد، داده‌ها و مثال‌هایی که از نتیجه حمایت می‌کنند. (مثال: «تحقیقات X و Y نشان می‌دهند که ۹۰٪ افراد مبتلا به اختلال خواب، منیزیم پایینی دارند.»)
- پایین هرم (بخش پایانی فصل): جزئیات، استثنائات، زمینه‌های تاریخی یا تئوری‌های مرتبط. (مثال: «تاریخچه کشف نقش منیزیم در عصب‌شناسی.»)
این رویکرد تضمین می‌کند که خواننده حتی با خواندن خلاصه‌ای از هر فصل، مهم‌ترین پیام آن را دریافت می‌کند.
تجربه عملی: ساختاربندی یک کتاب توسعه فردی
در یکی از پروژه‌های اخیر در حوزه توسعه فردی، داده‌ها نشان دادند که مخاطبان جوان با مفاهیم پیچیده “بهره‌وری” (Productivity) مشکل ندارند، بلکه مشکلشان “مدیریت اهمال‌کاری” (Procrastination) است. کتاب‌های موجود با تعریف بهره‌وری شروع می‌کردند، اما مخاطب ما می‌خواست بداند چگونه از امروز کار را شروع کند.
درس تجربه: ما تصمیم گرفتیم که ساختار کتاب را کاملاً تغییر دهیم. به جای شروع با «تئوری‌های بهره‌وری»، فصل اول را «سه دقیقه طلایی: چگونه بدون مقاومت مغز، کار را شروع کنیم؟» نامیدیم. این فصل مستقیماً به نقطه درد (اهمال‌کاری) پاسخ داد و خواننده را قلاب کرد. مفاهیم عمیق‌تر و تئوریک بهره‌وری به بخش سوم منتقل شدند، زمانی که خواننده اعتماد کرده و به دنبال تخصص عمیق‌تر بود. این تغییر ساختار داده‌محور، نرخ تعامل و فروش کتاب را در سه ماه اول دو برابر کرد.
مرحله سوم: بهینه‌سازی جریان محتوا و اعتباربخشی
ساختاربندی داده‌محور فقط مربوط به عناوین نیست، بلکه مربوط به ارتباطات داخلی میان بخش‌ها و فصول است. این مرحله بهینه‌سازی جریان (Flow Optimization) نامیده می‌شود.
ایجاد ارجاعات داخلی و پل‌های ارتباطی
در کتاب‌های غیرداستانی، هر بخش باید پلی به بخش بعدی بسازد. در پایان هر فصل، خواننده باید دقیقاً بداند که چرا فصل بعدی حیاتی است و چه سؤالی از او پاسخ می‌گیرد.
مثلاً در انتهای فصل «تشخیص ریشه‌های استرس»، باید چنین جمله‌ای بیاوریم: “اکنون که فهمیدیم استرس شما از کجا نشأت می‌گیرد، در فصل بعد به داده‌هایی می‌پردازیم که نشان می‌دهد کدام روش‌های مدیریت استرس (مدیتیشن، ورزش یا رژیم غذایی) بیشترین تأثیر علمی اثبات‌شده را بر نوع استرس شما داشته‌اند.”
این کار نه تنها جریان را حفظ می‌کند، بلکه اقتدار شما را به عنوان نویسنده‌ای که بر کل نقشه تسلط دارد، افزایش می‌دهد.
تضمین اعتبار و عمق تخصصی
اگر مخاطب شما به دنبال عمق علمی و جزئیات تخصصی است، ساختار باید راهی برای نمایش اقتدار شما فراهم کند.
راه‌های تزریق اقتدار در ساختار:
- بخش‌بندی شواهد: برای مفاهیم کلیدی، یک زیربخش با عنوان “پشتوانه علمی: مروری بر تحقیقات دانشگاهی” ایجاد کنید (مثلاً:
پشتوانه علمی: تحقیقات اخیر در مورد تأثیر رژیم کتوژنیک بر عملکرد مغز
).
- استفاده از آمار و جداول: هرگاه امکان‌پذیر بود، داده‌ها را به جای نثر ساده، در قالب جدول نمایش دهید. این کار حس اعتماد و دقت را به خواننده منتقل می‌کند.
مثال جدول (اگر کتاب درباره رژیم‌های غذایی باشد):
| متغیر اندازه‌گیری شده | رژیم A (غنی از پروتئین) | رژیم B (گیاه‌خواری) | رژیم C (میانگین عمومی) |
|---|---|---|---|
| کاهش کلسترول LDL (میانگین ۶ ماه) | ۸٪ | ۱۵٪ | ۵٪ |
| افزایش توده عضلانی (میانگین ۱ سال) | ۱۲٪ | ۴٪ | ۵٪ |
| تأثیر بر انرژی گزارش شده (مقیاس ۱-۱۰) | ۷.۵ | ۶.۸ | ۵.۹ |
این نوع نمایش داده، که مستقیماً بر اساس تحلیل است، ساختار شما را از یک متن عمومی به یک راهنمای مرجع ارتقا می‌دهد.
مدیریت چالش‌های داده‌محوری: از فلج داده تا تعصب تأیید
اگرچه رویکرد داده‌محور قدرتمند است، اما دام‌های خاص خود را نیز دارد که نویسنده باید از آن‌ها آگاه باشد.
چالش اول: فلج داده (Data Paralysis)
وقتی حجم داده‌های جستجو، نظرات رقبا و تحقیقات علمی بسیار زیاد است، ممکن است نویسنده دچار «فلج تصمیم‌گیری» شود و نداند از کجا شروع کند یا کدام داده‌ها را نادیده بگیرد.
راه‌حل عملی: یک «تیم محتوای حداقلی» (Minimum Viable Content – MVC) برای خود تعریف کنید.
- تعیین سه هدف محوری کتاب: کتاب من باید خواننده را به چه چیزی برساند؟ (مثلاً: کاهش وزن، بهبود خلق و خو، افزایش تمرکز).
- نقشه‌برداری معکوس: از این سه هدف نهایی، به عقب برگردید و فقط مفاهیمی را در ساختار بگنجانید که مستقیماً در خدمت این اهداف هستند.
- قانون ۷۰/۳۰: ۷۰٪ ساختار باید بر اساس داده‌های واضح و تقاضای بازار باشد، و ۳۰٪ فضا برای تخصص منحصر به فرد و دیدگاه‌های جدید نویسنده در نظر گرفته شود.
چالش دوم: تعصب تأیید (Confirmation Bias)
تعصب تأیید یعنی نویسنده صرفاً به دنبال داده‌هایی بگردد که ایده‌ها و نظریه‌های قبلی خودش را تأیید کنند و داده‌های متناقض را نادیده بگیرد.
این بزرگترین دشمن یک نویسنده علمی است. اگر داده‌ها به شما می‌گویند که فصل مورد علاقه شما، کمترین اهمیت را برای خواننده دارد، باید شجاعت حذف یا کاهش آن را داشته باشید.
به خاطر داشته باشید: داده‌محوری به معنای بی‌احساسی نیست، بلکه به معنای اطمینان از این است که زمان و انرژی خواننده صرف مهم‌ترین و مؤثرترین بخش‌های محتوای شما می‌شود. تخصص شما ارزشمند است، اما اگر در قالبی ارائه نشود که مخاطب به آن نیاز دارد، دیده نخواهد شد.
ساختار نهایی: چک‌لیست پیاده‌سازی گام به گام
برای تبدیل این رویکرد به یک برنامه عملیاتی، مراحل زیر را در نظر بگیرید که هر نویسنده‌ای می‌تواند آن‌ها را دنبال کند:
- تأیید ایده‌ی اصلی (Validate): حداقل ۵۰۰ کلمه کلیدی پرجستجو و ۲۰ سؤال پرتکرار مخاطبان را جمع‌آوری کنید. این‌ها ستون‌های فصول شما خواهند بود.
- تحلیل رقابتی (Analyze): سه رقیب اصلی را انتخاب کرده و نقاط ضعف آن‌ها را در قالب یک جدول مقایسه‌ای (مانند جدول بخش ۲) ترسیم کنید.
- ایجاد چارچوب اولیه (Blueprint): ساختار سه بخشی (آگاهی، ملاحظه، اقدام) را پیاده‌سازی کنید و فصول را به این سه بخش تقسیم نمایید.
- تضمین جریان (Ensure Flow): مطمئن شوید که هر فصل، پیش‌نیاز منطقی فصل بعدی را فراهم می‌کند. از ارجاعات داخلی در پایان هر فصل استفاده کنید.
- معرفی تخصص (Inject Authority): در هر فصل، حداقل یک زیربخش (با تگ
) برای شواهد علمی، آماری، یا جداول تخصصی در نظر بگیرید.
- آزمون اولیه (Test): ساختار اولیه (فهرست مطالب کامل به همراه خلاصه‌ای از هر فصل) را برای یک گروه کوچک از مخاطبان هدف ارسال کنید و از آن‌ها بازخورد بگیرید: «آیا ترتیب فصول برای یادگیری شما منطقی است؟ آیا موضوعی هست که در فهرست نباشد و شما نیاز داشته باشید؟»
- تدوین نهایی (Finalize): بازخوردها را اعمال کرده و سپس شروع به نوشتن متن کنید. این کار تضمین می‌کند که شما با نقشه‌ای دقیق، وقت خود را صرف تولید محتوایی خواهید کرد که قبلاً اثبات شده است که مورد نیاز بازار است.
این فرآیند نه تنها به ساختاربندی محتوا کمک می‌کند، بلکه در بازاریابی کتاب نیز به شما یاری می‌رساند؛ زیرا شما دقیقاً می‌دانید که کتابتان چه دردی را از مخاطب درمان می‌کند.
سوالات متداول درباره چگونه رویکردی داده‌محور را برای ساختاربندی محتوا در نویسندگی کتاب‌های غیرداستانی پیاده‌سازی کنیم؟
آیا داده‌محوری خلاقیت نویسنده را محدود نمی‌کند؟
خیر، برعکس. داده‌محوری، خلاقیت را آزاد می‌کند. وقتی نویسنده دیگر نگران نباشد که آیا محتوایش مورد نیاز است یا خیر (چون داده‌ها این را تأیید کرده‌اند)، می‌تواند تمام تمرکز خود را بر روی کیفیت نگارش، جذابیت لحن، و ارائه مثال‌های خلاقانه بگذارد. داده‌ها به شما چارچوب و مسیر می‌دهند، اما نحوه پیمودن مسیر کاملاً به نبوغ نویسنده بستگی دارد.
چقدر زمان باید صرف جمع‌آوری داده‌ها قبل از شروع نویسندگی کنیم؟
به طور کلی، توصیه می‌شود حداقل ۲۰٪ از زمان کل پروژه کتاب را صرف جمع‌آوری، تحلیل و نقشه‌برداری ساختار کنید. برای یک کتاب شش ماهه، حداقل یک ماه کامل باید به تحقیق داده‌محور و تدوین چارچوب اولیه اختصاص یابد. این سرمایه‌گذاری زمانی در ابتدا، سرعت و کیفیت نویسندگی در ماه‌های بعدی را تضمین می‌کند.
اگر داده‌ها نشان دهند موضوع من محبوب نیست، آیا باید ایده را کنار بگذارم؟
نه لزوماً. اگر داده‌ها نشان می‌دهند که کل موضوع شما تقاضای کمی دارد، شاید باید ایده را کنار بگذارید یا دامنه آن را تغییر دهید. اما اگر داده‌ها نشان دهند که نحوه طرح موضوع شما (زاویه دید) محبوب نیست، باید زاویه را بر اساس تقاضای بازار تغییر دهید. مثلاً به جای «تاریخچه مدیتیشن»، باید آن را به «مدیتیشن سریع برای افزایش تمرکز کاری» تغییر دهید، زیرا تقاضا برای راه‌حل‌های سریع کاری بالاست.
نقش تجربه شخصی نویسنده در ساختار داده‌محور کجاست؟
تجربه شخصی و تخصص نویسنده، نقش «روایت‌گر» و «اعتباربخش» را ایفا می‌کند. داده‌ها به شما می‌گویند که چه فصلی را بنویسید، اما تجربه شما تعیین می‌کند که چگونه آن فصل را بنویسید تا باورپذیر و ملموس باشد. در هر فصل، می‌توانید از تجربیات خود به عنوان مثال‌هایی برای اثبات داده‌ها استفاده کنید، نه به عنوان ستون اصلی ساختار.
آیا این رویکرد برای کتاب‌های بسیار تخصصی (مانند پایان‌نامه‌ها) نیز کاربرد دارد؟
بله. حتی در بالاترین سطح تخصصی، ساختار داده‌محور به معنای سازماندهی اطلاعات بر اساس منطق و توالی استنتاجی قوی‌تر است. در این حالت، داده‌ها دیگر کلمات کلیدی جستجو نیستند، بلکه مقالات کلیدی، تئوری‌های بنیادین و توالی آزمایش‌های علمی هستند که باید به منطقی‌ترین روش برای اثبات تز ارائه شوند.
