从在著名期刊上发表文章到获得诺贝尔奖、菲尔兹奖和其他科学荣誉，最近的研究表明，最令人向往的成功指标往往停留在狭窄的社交网络中：最有可能取得成就的学生和博士后研究人员是由做过同样事情的科学家培养出来的。

“我们发现，在同一个地方接受教育的人，去了不同的机构后，有不同的发展轨迹。”

来源：Getty

这是2019年12月发表在《美国国家科学院院刊》（PNAS）上的一项研究的结论，该研究表明，虽然可获得的科学奖总数在增加，但只有一小部分精英科学家获得了一个以上的奖项。

“越来越集中，”作者写道，“似乎与科学的包容性和平等精神相悖。”

同样，在《自然》和《科学》等著名的跨学科期刊上发表文章也是一种技能，它似乎在PI及其学生之间代代相传。

根据在同一期PNAS上发表的另一项研究，年轻的研究者因为“有人罩着”，所以当他们自己成为PI后，在这些期刊上发表文章的机会更大。

推广：

自然科研论文编辑服务

《自然》旗下优质、高标准的文稿编辑服务

authorservices.springernature.cn

语言润色

NO.1 英语为母语的专业编辑团队

母语为英语的编辑纠正文稿中的语言错误，调整句式表达，提升行文流畅度，改善行文风格。

NO.2 提供质量保证和编辑证书

如果您的论文经过我们编辑后仅因为语言质量问题而被期刊拒绝，将免费获得一次重新编辑服务。

科学编辑

NO.1 特定领域研究背景的编辑专家

润色稿件的编辑均为在特定领域拥有博士学位的专业人士，确保编辑结果符合《自然》旗下服务的质量标准。

NO.2 全方位提升您的论文层级

对文稿进行全面检查，包括：贯穿全文的评论、新颖性及影响力评估、策略性报告、语言润色和投稿期刊建议。

【团体优惠】

欢迎科研团体（机构、实验室、协会等）为团体成员购买自然科研论文编辑服务，享受团体优惠和专业售后服务支持。联系邮箱：naturecn@nature.com

▲ 点击此处进入施普林格·自然作者服务官网查看各项服务详情和报价

〔 导师的价值 〕

研究发现，虽然有些研究人员能够在没有“被罩着”的情况下以资深作者的身份发表论文，但随着时间的推移，这种类型的资深作者发表的论文比例有所下降。

这些关于复杂的科学职业发展机制的洞察——对于处在“大人物”网络之外的任何新晋研究者来说，肯定是不利的——也只有在大数据时代才真正能一探究竟。

虽然在科学生涯的成败中，仍然无法将因果关系肯定地联系起来，但是最近将学术出版物、教职招聘、导师资格和奖项联系起来的数据大幅增多，这有助于数据科学家探明能够塑造研究人员发展轨迹的技能和策略——以及无形的结构性因素。

有观察发现，著名奖项和出版物都是以一脉相承的方式进行的；波特兰俄勒冈健康与科学大学的神经科学家Stephen David对此发问：“你到底从导师那里学到了什么？发生的知识转移，或者说培训，真正影响你工作的是什么？”

为了了解这种种问题，他和几位合作者分析了近19000名研究人员的数据库，重点分析了学生、研究生导师和博士后导师的数据集。

研究人员根据学生是否走上独立的研究岗位以及自己训练了多少学生来衡量成功与否，结果发现博士后训练对未来成功的影响似乎比研究生训练更大。

他们还发现，如果研究人员受教于具有不同专长的研究生导师和博士后导师，他们更有可能成功，他们可以将这些专长融入自己的工作中。

David说，他推测建立以前不存在的联系可能是成功的关键。

“有一个以前没有真正被占领的知识空间，”他说，“如果你能借鉴两个不同的专业领域，并把它们各自独有的东西整合成一个自己的问题，那么你就能开拓出一些以前没有探索过的领域。”

机会不均造成的结构性力量也可能对科学的成功起到作用。

在2015年《科学进展》发表的一项研究中，科罗拉多大学博尔德分校的计算机科学家Aaron Clauset和Daniel Larremore以及科学家、作家Samuel Arbesman发现，计算机科学、商业和历史领域的少数精英研究生项目对下一代助理教授的产生作出了相当大的贡献。

具体来说，研究人员发现，在这三个学科中，25%的机构培养出71%至86%的终身轨教职员工。

“你的博士头衔确实很重要，但仅限于帮助你找到一份更有声望的工作。”

在4月29日PNAS发表的一项研究中，Clauset、Larremore与Clauset的博士后Sam Way和研究生Allison Morgan一起，使用了他们之前创建的计算机科学教师招聘网络的数据集，试图更好地了解科学家的生产力在多大程度上是由他们的受教育环境或作为教师的工作环境的声望所驱动的。

“你的受教育环境教会了你如何做研究，并塑造了你可能合作的科学家网络，”Way解释说，“另一方面，你现在所处的位置决定了你可获取的资源和学生。”

研究人员利用配对设计研究，在他们的数据集中搜索“学术双胞胎”，即特定领域的计算机科学研究人员，他们在几年内先后毕业于相似的知名院校，发表的论文数量相似。

他们中的一个人后来成为了一所著名院校的教员，而另一个人则得到了一个不太知名的职位。问题是，他们的职业道路，尤其是在关键的任职前几年，会发生什么？

“我们发现，在同一个地方接受教育，然后去不同机构的人有不同的发展轨迹。”Larremore说。“所以，他们获得工作的环境似乎确实可以预测他们在引用和知名度，以及发表论文总数方面的表现。”

研究人员还反过来做了匹配，将一个拥有名校学位的教师与一个学位逊色的教师进行比较，后者在同一所大学找到了工作。

他们发现，这些教职工在生产力上没有统计上的差异。

“你的博士头衔确实很重要，但仅限于帮助你获得一份更有声望的工作。”Larremore解释说。

 “但我们发现，一旦你进了教员工作的门，那么教育背景就不重要了。”换句话说，一旦进入同一部门，在较著名大学接受过教育的教员和在不太著名大学接受过教育的同事，在生产力上没有区别。

但对于在较著名的大学工作的教师来说，生产力往往更高。研究人员对数据集进行分析后得出结论，这很可能归结为拥有一个有利的工作环境，包括资源的获取、支持人员和优秀的学生。

“有大量文献讨论导师对学生成功的作用。”Clauset说。然而，在这种情况下，他补充道：“如果你把与学生合作当成对导师的好处，那就完全是另一个故事了。可能我的卓越和生产力真的完全是由我与优秀的学生合作所驱动的，这就是我的名字能够出现在一系列优秀论文上的原因。”

Clauset和Larremore说，这在学术界有点像一个公开的秘密，尽管需要更多的研究来了解学生的实力如何推动他们的导师取得成功（而不是相反），以及不同大学的学生实力有何不同。

Clauset说任何配对研究，包括他们自己的，都有一个局限，那就是不可能控制不在数据集中的变量。例如，两个在纸上看起来一模一样的科学家可能在难以量化的方面存在差异：其中一个可能更擅长演讲，更具魅力，或者有更强的推荐信。数据集还缺乏一些人口统计变量的信息，如种族和性取向。

能获得优秀的学生和能获得资金一样，可能是推动生产力的关键因素之一。

“可能存在某些与我们观察到的结果相关的隐藏特征。”研究生Morgan在一封电子邮件中解释道。

尽管有这些局限性，但更充分地理解驱动生产力的因素，如本文所强调的那些，可能会使评价者能够创建更好的空模型（null model），即在他们获得特定水平的资源的情况下，根据该期望来评价教职员工的绩效。

比起看简单的生产力指标，这将是一种更公平的评价教职工的方式，甚至可以比较不同规模和声望的院校的教职工生产力。

Clauset说，所有这些都很重要，因为“当我们在考虑生产力或卓越性的时候，从择优的角度来考虑，那么我们就会对什么政策是公正的有一定的想法和先入为主的看法”。

但是，如果我们从认为可能存在机会不平等的角度出发，那么我们就必须考虑如何努力解决这些问题。例如，众所周知，像双盲审稿这样的做法可以消除声望的影响，得出更公平的结果。

“你不想挤掉体系中勤奋、天赋、技能和学习的部分，而是希望尽可能地消除结构性的不平等。”Clauset说。“但如果人们根本不承认这些东西的存在，那就很难对话了。”

Viviane Callier是美国圣安东尼奥的一位科学作家，其写作涉及生物学、医学、STEM劳动力和教育问题。她的作品曾发表在《科学》《自然》《科学美国人》、Quanta、Wired.com、Smithsonian.com、The Atlantic.com和National Geographic News等平台上。

原文以What matters most on the road to scientific success?为标题发表2019年7月24日的Nature Index上，最初发布于Undark。
原文作者：Viviane Callier，美国圣安东尼奥的一位科学作家

© nature