95 个回答
1. 以为成绩好就能做好科研。他本科普通211,我本科985,所以我肯定科研比他好。他经常考70多分,我门门90以上,所以我科研肯定做的比他好,他能发5篇SCI我就能发10篇。实际上在同样的平台上,在同等条件下,科研做的好不好与你的分数并不必然正相关,因为科研与本科学习本质不同。本科学习只需要把书本知识记住,但科研需要你创造新的知识。与学习相同的是,科研需要入门,入了门,掌握了套路,科研进度就快了,没入门,考试分数再高也没用。
2. 以为发文章是一件很高大上的事。如果你能发领域顶刊,那确实了不起。发文章就像KPI考核,企业有企业的考核,公务员有公务员的考核,科研人员的考核标准就是发文章。也就是说,你发了文章,特别是普通期刊,这不是什么了不起的事,这是你的基本要求。如果连这都做不到,说明真的不适合搞科研。不过能发顶刊还是很厉害,能像张益唐那样不发文章一生只解决一个问题也很厉害。
3. 以为科研是比其他职业更加高尚。科研的确有其特殊之处,要创造知识,引领人类科技、思想的进步,为国家做贡献,同时还要教书等,但是,对于绝大多数人来说,做科研就是一份职业,最主要的目的是有口饭吃。但这并不是一件丢人的事,毕竟每个人首先要解决自己的生存问题才能追求理想。他们首先要做的,就是先把工作稳定下来,然后多赚钱。所以,年轻老师为了tenure像博士生一样拼,年纪大的老师会接一些横向项目。还有一些老师不追求钱了,追求理想。科研就是一份普通职业,与公司职员、公务员一样,不过因为其一些特殊支持,人们对科研人员多了几分尊重。
4. 以为做科研之前一定要打好基础,所以花很多时间打基础。打好基础很有必要,但是如果花很多时间用于打基础,这就不是时间高校利用了。实际上在博士期间,你很有可能几年时间只做一个细分方向的一个具体的问题。这时,如果你花了很多时间用于了解整个大的学科,这会占用很多时间,同时了解的这些东西用不上,以后给本科生上课也许用得上,但是对写论文没什么帮助。所以一定要聚焦,聚焦到一个细分领域,甚至一个具体问题,在这个问题上深挖。
5. 以为要大量看教材。这一点与本科不同,做科研,如果你想对整个领域有个大概了解,有必要看看教材,但不知道指望从书中找到idea。你可以看看众多大佬每人一章的对某个问题的书,但即使把教材背的滚瓜烂熟,你也不可能对某个具体问题有什么了解。做科研要看文章,包括 经典文章、最新文章、综述等,这样才能聚焦到具体问题。
6. 以为科研圈比其他圈子干净,里面的人都在探索真理、追求真知。科研人员也是普通人,也会有一些其他任何圈子有的问题,找关系、花钱等,其他圈子有的,科研圈也有,不过程度不同而已。
7. 以为科研是拼时间,每天工作时间越长,最后成果越多。这和学习是一个道理,学习需要掌握套路,掌握规律,这样时间长才能让自己学的更多,进步更大。对于科研,如果始终不得要领,没有明确思路,只是每天忙,比如忙于看教材,漫无目的看文章,这样作用不大。有了明确目的、具体思路,知道每一步怎么做,这时有必要每天工作的时间长一点。
8. 与上一个误区相对应的是,以为科研不是拼时间,所以每天只花很少时间在科研上,寄希望于突然获得灵感,idea等。如果你还没有具体的思路,这时需要大量看文献,找gap,整理思路,然后跑数据/做实验,如果结果还行就要开始写了,写文章同样需要花大量时间。科研并不是数学竞赛,需要你有很高的天赋,只要智商正常,对科研的步骤有了大概了解,第一个问题有了思路,你就可以开始了。这时拼时间就很有必要了,那些科研大牛,或者博士期间就有多篇顶刊的人,绝大多数都每天花很多时间科研。
9. 总是听导师强调idea, 以为idea最重要。实际上,与其他工作一样,科研最重要的是执行力。有好的idea,但你没有写,其他人写出来了,科研成果也不是你的。学界评价科研工作者不是看这个人会不会提idea,而是看其publication。所以,执行力最重要。没有执行力,就没有paper,就相当于什么都没做。
10. 以为(大牛)导师能为你搞定大部分事。不管你导师是大牛还是小牛,基本上,最主要靠自己,自己看文献、整理思路、写文章,这其中需要和导师讨论,他会教你一些东西,但主要还是自己完成。你导师基本上不可能把他写的文章让你挂一作。博士就是这样,这是一个博士应该经历的过程,这是成为独立科研工作者必不可少的。因此,可以与导师讨论一些问题,但不要对其做太大指望。
11. 以为一项科研一定要完美才是成功的。举个例子,文章一般需要好的motivation、好的framework,好的结果,以及理论贡献。如果每一点都能达到,那可以试试顶刊了,但绝大多数文章不能发顶刊,就是因为总有一些毛病,比如motivation不算太好,创新性不算太好等。所以,不要总想着各方面完美才动笔写,才觉得能发表。不完美是科研的常态。
12. 被一篇文章的外表迷惑。当你在顶刊上看到一篇文章,你发现motivation、framework、创新性、理论贡献、理论基础、分析结果等各方面都好,然后你以为作者一开始就做出了这么好的结果。实际上,你不知道的是,他之前跑了很多次结果都不好,这是他跑的最好的结果了,这个framework、motivation改了无数次,这篇文章花了他好几年时间。其实这才是科研的常态,做一次实验,连夜写好,第二天投出去,那时极少数超级大牛才能做到的事。
13. 以为其他人,比如师兄师姐,有义务教你什么。师兄师姐肯教你一些东西,是他们的情分,而不是本分,因此,对那些热心帮助你、指导你的师兄师姐,要怀着感恩之心。因为他完全可以以自己很忙、不知道为理由拒绝你的求助,毕竟,他只是你的师兄师姐,你学会了什么对他并没有什么好处。
14. 以为做科研就可以不必考虑与人打交道。科研只是一份普通工作,任何工作都需要与人打交道,即使你科研成果多,以后进了一所好的学校当老师,你也需要和很多人打交道,申请项目、评职称等,这些都不是只看文章,还要看你的为人处世怎么样。即使你天赋异禀,家里有矿,跟着大牛导师,文章多多,还是要与人打交道。所以,不要清高,不要孤僻,不要冷漠,对身边的人友善点,见面微笑打个招呼,学习那些会做人的老师怎么做人,怎么说话,这些很有必要。
15. 以为自己和别人不一样,比别人聪明。如果不能认识到自己是个普通人,会有许多烦恼,会让你从事被一些事情困惑。承认自己是个普通人,并不意味着随波逐流,相反,这会让你冷静思考自己的追求与人生,以平常心对待一切。同时,也会认识到,通过自己的努力,自己还是能做出一些成就的,如果没有做出来,遗憾,但也没关系。认识到自己是个普通人,也认识到其他人也是普通人,但是你却依然积极、努力,读文献、找思路、写文章,做出一些成就,这是一种比较好的状态。认为自己和别人不一样真的不好。
原创不易,觉得有帮助,就点个赞吧(*^▽^*)
写几个我自己感触比较深刻的,有一些是我自己的问题,也有一些是研究中发现的别人的问题。
一. 追求完美
科学的本质是不一致性,世界错综复杂,我们难以充分挖掘出所有的规律。另一方面,由于抽样我们可能会观测到不是规律的规律。Earl Babbie把这个称之为" Pattern happens"。同时,随着量子力学的发展,越来越多的科学家、哲学家开始质疑科学的可预测性。
同一个时间节点,我们难以完美的归纳一个现象,相反,我们只能刻画一个现象的一个或者几个方面。更不要说完全挖掘出背后的机制。从时间序列来看,我们现在认为正确的,可能会在以后被证伪。
我们站在前人的肩膀上,我们会发现一个现象的背后,有非常多的moderator和mediator,或者不同的因素都会导致同一个现象。我们在进行实验设计的时候,总是难以把这些confounding factors和边界效应都考虑进去。
所以,不要追求完美。不要期望一篇文章,一系列实验,一个博士阶段的研究会把整个课题研究透彻。一个问题的研究,往往需要各国的学者,几十年的研究。但是,不追求完美不代表可以放松水平和要求。每一个文献该看还要看,对每个实验的思考该思考还是要思考。不仅如此,要广开言路,涉猎广泛,厚积而勃发。
从小处来,一点点去描述现象,分析问题,一步步理论进行推到,用实证去支撑。要一点点去证伪,一点点去发掘背后的机制和动态。不过分追求顶刊,但求每一个实验都尽可能严谨,每一份数据都务必真实,每一次报告都客观和全面。不追求完美,但是要保持敬畏。
二. 迷信实验数据和作者的解释分析
我在博士的第一年,接触了大量神经科学和认知心理学方面的研究,我经常看到一篇文章的结果,就认为其能够支撑我的理论。但是,事实上正是由于世界的复杂性,同一个现象可能有不同的原因。同一个原因可能有不同的边界。同一个原因还可能有更长的中间量。所以,单一的实验数据往往不能够提供非常强有力的证明。 相反,要去寻找重复和证伪。不要盲目相信作者的实验设计和结果解释,要去思考其中的问题(比如效度的问题)和其他择备解释。有时候也要看看其实验结果是否还能说明其他的问题。这一点往往涉及从另一个学科的角度去解释这个学科的实验,方法论上我们称之为paradigm 。
三. 忽略conception的差异
概念的本质,是指代一类事物。这些事物可以是liberal的,即客观存在有实体的。也可以是抽象的。尽管我们共同的agreement让我们拥有一些相对一直的概念,让我们能够在生活中沟通。但是这在学术研究中往往是不可行的。对于同一个概念,不同的学者会有不同的理解,基于这些不同的理解,会进行不同的实证,得出的结论也仅仅适用于这篇研究。 所以每次在看论文的时候,请务必注意去看theoretical framework里面对概念的界定,必要时,列出一个表格,对比不同的研究者对同一个问题的不同定义以及不同定义下的不同研究内容。
四. 迷茫和挫败
研究的某一个阶段,随着你对这个领域了解的加深和提高,你会发现原本一个简单的问题,会变得非常复杂。但是,不要气馁,不要过度的挫败。不要过度去在意谁谁谁发了顶刊,不要在意谁谁谁一年发了几篇。统计学告诉我们,当一个事件由多有因素所影响时,其结果的分布理论上符合正态分布。 所以,我们大多数人都是普通人,可能我们在本科的时候,可以轻松的拿到满绩点,可以在课上指点一二,但是当我们步入学术圈,我们大多数都是数学期望左右的点,再努力一点,也少有人能跑出2倍的标准差。要学会仰望大神,日日勤勉,但是要接受自己的普通。
最后, 要保持动力,不忘初心 。前些天,和我一个新加坡的基友聊天,他跟我说,既然选择了出国,就要努力工作,不忘初心。
想起一句话,送给大家,也送给自己。
"Keep seeking, don't settle." - Steve Jobs