气宇轩分享 http://blog.sciencenet.cn/u/yufree

博文

科研民工与全栈科学家 精选

已有 12397 次阅读 2019-1-24 23:21 |系统分类:科研笔记

IT领域有一种职业叫做全栈工程师,指那种运用多领域知识完成产品的工作类型。其实科研领域也需要类似的概念,姑且就叫全栈科学家吧。

国内研究生培养的一个短板就是综合性不强,或者说科研民工,走出自己专业就不太敢想了,国外的研究生则对不懂的部分也有自信,最终能攒出一个结果。而这个结果可能要同时用到电子工程、材料、分析化学、机械及数据分析等多个方面的技术,即使没学过,他们也会通过学校找到合作的人。反观国内,研究生选课都很保守,不是自己以后研究领域的东西不选或直接让导师选,国外也会这样,但真遇到需要跨学科解决的问题从导师到学生都会想办法而不是觉得这东西不是我的领域就不研究了。

打比方我设计一个算法,效果不错,但问题是别人不会用,那么就应该把算法打包成函数甚至设计一个简易图形界面让明白用途但不想理解算法的人用。但这个过程就不能靠分工了,得有人全流程都明白并进行整合,这种综合性有点类似工程师思维,甲方是同行,你得让同行解决实际问题而不是看你炫技术。基础学科肯定是有发展空间的,但目前基础学科要解决的问题已经都很像工程问题了,所以这类综合能力的问题化聚焦是实验学科研究生很重要的竞争力,痴迷于单一技术而看不到要实际解决的科学问题培养的只能是专家而不是科学家。

然而专家在团队里并不总是起正面效用,分工促进效率在面对可分解为具体步骤的行业或学科是好使的,但面对真实问题例如实验研究,实验者与数据处理者是不能脱节的。这里团队中指望两拨人放下成见平等交谈是很不现实的,因为占据理论高度的数据处理者或者说统计学家总会觉得做实验的是啥都不懂的。不过你不可能不湿鞋就过河,不了解实验具体操作就在那边对实验设计指指点点只会让实验者与统计学家的隔阂越来越大。所以我觉得解决实际问题需要培养全栈科学家,就是那种从采样到样品分析再到数据分析都有概念的科学家,即使以后实验可以外包也必须要进行所谓脏活的训练,数据科学家需要洗数据,全栈科学家可能连样品都要亲自采集,纸上谈兵绝对不行,养出一堆赵括天天跟你扯术语用的对不对完全就是浪费资源,全部开掉完全不影响进度,他们只是想通过凸显自己的专业性来找面子,根本就不打算解决问题。

现在实验学科一篇好文章挂名越来越多,围绕实际问题是需要不同领域专家的,但不能说全篇找不到一个理解所有概念的人。绝大多数情况下,这个人需要是一作,如果一作只是照着发表过论文照猫画虎或者合作者压根就用错了验证方法,那么即使过了同行评议别人也因无法重复或看懂而无法引用,成为实质上的垃圾文章。不要总是感激导师给你统筹全稿改文章,这样的后果是老板越来越牛,学生越来越民工。至于导师,研究生指导与科研是存在区别的,指导有度才能培养出可以为学科发展出力的科学家,传承对很多知名实验室都是个问题。你可以一将功成万骨枯,但社会与职业责任也是要考虑的。10年学徒,20年发展,10年指导,40年的职业生涯要考虑进入退出机制,形成良性循环,保证团队的年轻活力。

现在的科研民工要有意识地训练自己成为全栈科学家,就算以后不做科研了,对实际问题解决的全流程理解也会让你很容易转行并与其他领域的人交流。更重要的是,这是所谓团队领导力的重要能力基础,几乎所有行业都对管理层培养有着基层轮岗的要求,公务员、医生、厨师、工程师还有律师等行业精英的训练过程都有着严格的全流程培训要求,搞空降或许会带来创新,但不了解步骤的空降几乎都是灾难。所以科研人员可以依赖专业人员,但心里要有问题解决的路线图与原理层的认识。不要过分依赖专家,他们都是为自己发声,只有你自己为你的项目负责,被专家牵着鼻子走对全栈科学家是一种耻辱,保证兼听则明就可以了。

专业的人喜欢谈差异与术语,解决问题的人更关注问题背后的共性。做数据的不要拿起实验设计不够随机与混杂因素工具变量啥的一堆术语去居高临下教育别人,这些问题要是都解决了一个t检验不就天下太平了,还需要统计学家做什么。扎根实际问题然后抽象出可测量的统计量,然后在模型中进行控制或考察,让结果具有可比性与重复性才是更重要的。我觉得统计学家不能固步自封,新技术一直在出现,新理念也一直在出现,自己不懂就去打击是很幼稚的行为。同样的问题也对做实验的人有效,不要觉得出苦力做实验就是长经验,数据分析去照搬别人的分析方法就完了。这跟上面一样都是思想懒惰,自己用制定课题给自己划定了一个边界,觉得团队合作能解决一切。团队合作是有胜于无的策略,流水线论文也许可以,但整个团队找不出一个有全局观的人是很可悲的,这说明你的工作“没有灵魂”。


现在教学与技术手段已经足够发达了,培养一个全栈科学家可能并不比培养一个专家更困难。学生不能停在自己的课题安全区里给自己设限,导师可能自己就要有这样的意识去培养学生。有个10000小时成专家的说法,我觉得如果只是机械重复不去探索几万小时也没用,培养需要动脑子。所谓细致分工精益求精更多是行业水平的,培养个人成为专家是另一个话题,不是说分工细致了个人受教育时间就要延长。相反,分工越细的行业往往自动化水平也越高且前人的坑都可以跳过去了。从业人员要搞清楚高技术跟专业洞见之间关系可能不大,行业发展高技术需要螺丝钉但专业洞见需要不断的试错与全流程的了解。


最坏的情况是,研究生将宝贵的时间用在了简单重复的指定课题上,而导师也仅仅根据把研究生当成廉价劳动力而不进行培养,毕业后研究生的学位没有表现出应有的能力而作为螺丝钉输送到业界,业界其实还不如用本科生或高中生。最坏中的最坏则是这样的研究生继续留在学术界做研究带学生,然后形成小圈子自娱自乐,把持研究资源拒绝引入新思想,最后把一个学科带到死胡同里。


上世纪科研界花费了大量精力去构建术语体系与专业学科的墙,这个世纪我们该尝试打破这些意义不大的墙去解决一些复杂而现实的问题了




https://blog.sciencenet.cn/blog-430956-1158945.html

上一篇:研究生教育的灰犀牛
下一篇:全栈科学家自测题
收藏 IP: 146.203.130.*| 热度|

18 王安良 梁洪泽 黄永义 何亮 姚远 马德义 陈楷翰 杨冬 崔锦华 薛亮 张庆费 孟佳 徐耀 方唯硕 晏成和 苗英豪 张鹰 shenlu

该博文允许注册用户评论 请点击登录 评论 (8 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-25 12:58

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部