||
上回从射雕戏说了下寻师,这回正儿八经说下找导师的事情。
找导师是开始研究生生涯的重要一步,它对未来三年硕士或五年博士研究生的发展有重要作用 。那如何选择呢?
我认为可以从四个维度来考虑:1)论文;2)项目;3)学术活跃度;4)指导学生情况
要了解这些情况,最简单的办法就是找拟求学学校相关学院的主页,从主页上去了解各位老师的情况。然而,学院主页实际可了解的信息并不会太多,国内国外情况都类似。更好的办法是根据老师的名字再搜索其个人或研究小组的主页。比如我研究小组的主页是http://www.pami.fudan.edu.cn ,虽然成果不那么多,但还能凑合做下参照。
图1 示例:我的研究小组主页
我在主页中涵盖了研究小组的近期活动、成员和学生未来去向、项目支持情况、论文列表、学术活动、接触信息等。当然,我也有点虚荣心,还特意做了个奖状墙,用来贴为数不多的学生们的奖状,就象家长喜欢在自己家墙上贴小朋友的奖状一样。我还放了个个人爱好的彩蛋,只是藏得比较深。
不过,并非所有老师都有建个人主页和更新维护主页的习惯。此时,可以通过学术google、DBLP、百度等搜索老师的科研情况,尤其是发表论文的情况。然后,通过论文档次、数量、署名情况来综合判断老师的科研水平。
论文的档次最能反映导师在科研上的水平。发表档次越高的论文越能反应导师在其研究领域的先进性,而近三年的发表情况则能反映其是否与时俱进了。比如人工智能领域,可以看看有没有模式识别著名期刊TPAMI上的或机器学习顶级会议ICML、NeurIPS上发表的论文。在这些期刊和会议上,即使存在专家看走了眼的论文,其相对质量也还是一分钱一分货。
需要注意的是,在一个方向上的顶尖水平,并不意味着在整个大的学科方向上理论和算法成果也是顶尖的。比如人工智能学科就有一个鄙视链,学纯数学的看不起学应用数学的,学应用数学看不起学统计的,学统计的看不起学机器学习的,学机器学习的看不起学多媒体的,学多媒体的看不起学数据库的。当然,不要把这个鄙视链完全等同于在学科方向上的谁持牛角,只能反映学者在研究方向上的偏好。更何况,数学好也未必能在人工智能方向上产生更大的创新性,擅长数据库也未必不能在人工智能领域产生大的创新,因为各有利弊。所以,学生不需要在意自己在鄙视链的哪个位置,而应该以自己的研究兴趣、能力为主导来做选择导师。
看论文选导师的另一线索是署名次序。通常情况下,论文的署名次序反映了作者对文章的贡献率。比较有意思的是,论文的署名次序往往与导师的社会影响力或知名度成反比。导师的名字越靠前的,越有可能表明其仍然处在事业上升期。当然也有例外,因为有些方向作者的署名是按姓氏字母次序排的。所以如果作者是安徒生的后人的话,每次看着自己参与发表的论文一定会比较爽,因为总能排第一。还有一种例外是学校政策导向引起的,比如约定论文导师必须第一作者。除此以外,当论文作者较多时,要找出谁是真正起作用的。比如Nature,Science上有些关于基因测序的文章,动不动就上百号作者。在此情况下,不妨看看论文的通讯作者(Corresponding author)是谁,因为他等价于论文的实际主导者,且反映出了论文成果的实际承担单位。
论文的数量也是一个比较有意思的指标,多了少了都有其各自的特色。多了、甚至顶级论文多了,也需要看看,到底是A, B, C的成果组成,还是A.1, A.2, A.3的组合。不过大多数情况,老师们的论文都是这两种情况的加权组合,既有一个方向的逐点突破,也有狡兔三窟、探索式的齐头并进。
少了则可以看看引用率。它也可以帮助了解老师成果的影响力。比如学术谷歌上提供的引用率及H指数(h-index),还有ESI指标。H指数能反映老师长期在学术生涯的影响力。他的构成是一篇论文被引用一次,H指数等于1。六篇文章被引用至少6次,则H指数等于6。如果H=100,则绝对是个神级人物了,因为意味着他至少发表了100篇均各被引用过至少100次了。这样的神级人物,估计想认其当导师的已经挤破门槛了。而对于博士研究生来说,如果毕业的时候,能够达到H=6,我认为就可以引以为傲了。
图2:学术谷歌指标示例
另一个指标是引用数,在短时间内形成比较高引用的往往是值得关注的成果。比如我学生徐峰2017年底发表的微表情论文[1],在学术谷歌至今已有78次的引用(见图2图片最底一行),我觉得就挺不错的。而ESI则是综合比较后形成的高倍引论文,这个指标可以反映单篇论文的影响力。但也需要注意分辨下,比如论文的引用到底是来自何方,自引居多,朋友引居多,还有学术圈的广泛引用居多。再以徐峰这篇为例,有一个引用是来自Communication of the ACM[2]。该期刊相当于计算机领域的science,而该文仅引用了三篇文章,也多少能说明点引用本身或论文本身的含金量。
图3 论文引用示例[2]
这是第一个可以帮助学生选择导师的指标,论文的评价。
第二个,则是项目。因为学生来读书,总是需要有一定的助研费支持,毕竟多数全日制学生在读研期间是没有其他经济来源的。除了国家的正常补贴外,就可以看看导师项目支持的情况。一般来说,项目可以粗分为纵向和横向。纵向是来自国家、省、市,如国家自然科学基金。横向则是来自企业,以实际应用为导向。如果往前推几年,纵向项目是不足以提供充分的经费来支持学生纯粹做科研的。但近年来,纵向项目劳务费支持这块已经开始不设上限。因此如果能够获得大的纵向项目支持,学生也可以获得满意的助研费、安心做基础研究 。但能拿到大手笔纵向经费支持的毕竟是少数,如国家自然科学基金每年的申请与支持比约是10比1,难度可想而知。在此情况下,要保证学生有足够的助研费支持,导师们申请一定数量的横向经费来平衡也是合情合理的。不管怎么说,这两块的比例,大致上能看出导师的主导究竟是以研究为主,还是实际应用为主。学生也需要根据自己的未来规划,是追求学术生涯还是希望就业,来考虑选择哪种项目居多的导师。
第三个维度,是学术活跃度。虽然说酒香不怕巷子深,但这个时代在大多数情况下已经不能这样了。一方面,学者是需要不断充电,参与各种学术活动是了解其领域和相关领域的前沿进展的有效途径。另一方面,参与学术活动也便于宣传自己的工作,让同行了解你的研究成果。不仅如此,在各类学术活动中担任一定的职务,也反映了同行对你学术水平的认可度。尤其是名气大的期刊上担任编委、或国际顶级会议上担任Area Chair和Senior Program Committee Member。这些比发表论文的难度更大,因为它反映了导师的综合能力。一个额外的好处是,如果论文评审不是双盲机制,有一定知名度的学者在论文发表时,评审更倾向于相信其研究成果是可信可靠的,因而倾向于接收论文而非拒稿。
第四个维度是指导学生的情况。这里也需要区分对待。资深的导师往往团队结构完整,金字塔管理,大导师主要负责总体规划、争取项目,下面的小导师负责具体的研究方向和学生指导。而对于单枪匹马的青椒来说,尤其是刚入职的年青老师,则在对具体研究方向前沿、进展、优势和不足都比资深教授更清楚,而因为事业上升期带来的压力,也更愿意投入时间、事无巨细的指导学生。不足可能是项目支持上稍微会欠缺一些,另外宏观层面上可能不如资深导师见得多。所以,愿意从多、快角度在论文上找成就感的,不妨多考虑年青老师做导师,而愿意挑战需要更长时间才能见效的,则可以考虑资深导师。
这大概是我以为的寻师中四个最重要的指标。学生在选择导师时,需要从这四个维度中综合考虑,平衡选择。不过只讲寻师,不讲寻学生似乎不太公平。那如何挑选优秀或合适的学生呢?下回分解!
张军平
2019年10月29日
参考文献:
1. Feng Xu, Junping Zhang, James Z. Wang. "Microexpression Identification and Categorization using a Facial Dynamics Map," IEEE Transactions on Affective Computing, vol. 8, no. 2, pp. 254-267, 2017.
2. Marina Krakovsky. Artificial (Emotional) Intelligence. Communication of the ACM, vol, 61, no. 4, 18-19, 2018.
延续阅读:
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-12-23 22:23
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社