如何了解某一研究领域的大牛

1、懵懂年代

我读研究生时的老板是院士,笔杆子出了名的好。他的文章在当时国内本领域可谓是出类拔萃的,除了科研思路自成体系之外,很多结果经他一写就会让人觉得新颖而又具有说服力。当时我们组的习惯是学生自己先写好初稿,然后拿给老板。所谓的修改实际上是老板整个重写一遍。回想起来,当时的自己还完全没有摸到写文章的道,守着这么一个能干的老板只想偷懒,想反正有老板重写,自己只是简单把实验结果分析一写就交上去了。我们组的文章经老板写完后,投出去的命中率很高,包括JACS这种杂志,我印象中当年投了几篇只被拒过一篇。可惜的是自己当时根本没有静下心来好好研究一下老板是怎么写文章的,只知道做实验交结果,忽略了这方面的锻炼。当为后来者鉴。

2、人走茶凉

博士毕业后出国做博后,待了两个地方,期间虽然研究方向随着实验室的变动总有变动,但总算也有不少结果。遗憾的是自己对于文章的及时整理注意不够,很多结果还是简单地整理一下就上交老板,然后往往要等自己离开实验室后老板才能腾出手来整理,偶尔还会让后来的学生补些数据。很多好的结果,经老板分拆重装后,都出现在其它学生第一作者的文章里了,我自己最后只落了好几篇第二作者。在此奉劝那些埋头做试验的同学们,一定要及时整理自己的实验结果。如果觉得够一篇文章的框架了,赶紧把该补的补齐,尽早整理出文章来。

3、据理力争

以前在坛子里看到过一个帖子,谈让自己印象最深的一篇文章的投稿经历。我印象最深的一篇文章是投往一篇影响因子二点几的杂志。那个结果本来不算很出彩,也没对它有很大期望。等了一个月后,编辑转来的审稿意见让我大为光火:审稿人对文章的很多细节提出质疑,甚至在审稿意见里还用到了”thrilling(令人毛骨悚然的)”这样的词。不难想象,审稿人最后的意见是拒稿。幸运的是,当时处理我这篇文章的编辑是剑桥大学卡文迪许实验室的R. Friend教授(做聚合物电致发光的同学对这个名字应该都不陌生吧)。他没有简单拒稿,而是让我给审稿人回一封信。后来静下心来,我针对审稿人的质疑和意见,写了满满四大篇回复,逐条用我们的实验事实来回答他的质疑,把每一步的实验操作都清清楚楚地写出来,并在某些地方参照他的意见对稿件进行了修改。寄出回复和修改稿之后,又过了一个月,审稿人意见返还,只有很简短的一句话,无条件接收。

当时面对审稿人意见的时候,心里只觉得受委屈后急于辩白的急切和愤怒,现在想想,当时那个审稿人之所以产生那么多疑问,除了他自己可能对我的研究领域不是很了解之外,主要原因还在我自己文章的表达上。文章没有让别人觉得清楚可信,出现那样的审稿意见也就不足为怪了。要说这篇文章的最后发表,只能庆幸自己遇到了一个尽职的好编辑。很多同学遇到完全无法接受的负面审稿意见时,可以先努力静下心来,别忙着沮丧或愤怒,而是要看自己的文章是否真存在审稿人说的问题。如果有,那赶紧照着去改进,审稿人意见对你来说就是不可多得的良药,改完后还可以再投其它杂志;如果没有,就想办法组织证据,一定要回信据理力争,用充分的实验事实告诉编辑你是对的,审稿人是错的。可千万别小看这个,我在国外的一个实验室同事曾经力争回来一篇Phys. Rev. Lett.!

4、盲目试探

在很多场合、通过很多渠道,我都间接地或直接地接收过这样的信息,说中国的很多科研工作者有了科研结果,不管质量是否真的有那么高,就把稿件往国外杂志从高到低投个遍,总想着哪天撞大运,中个头彩,全然不管国外编辑面对铺天盖地的MADE IN CHINA稿件会有什么想法。最早听到这种说法时,自己应该也是对此持否定和不屑态度的。可后来自己投的一篇稿件,想想其实也多少抱了这样的侥幸心理。那篇文章的结果自己觉得还不错,翻了翻JACS最近两年关于本领域的一些文章,觉得自己的也不算差,于是就写好投了出去,没想到没过一周就直接让编辑打回来了。最后沉下心来好好修改,顺利发表在Langmuir上。反思一下,找出以下几个值得借鉴的地方:

1)很多国际知名的大牛,他们的某篇文章能登在某个杂志上对我们来说并没有多少参考价值,因为有很多隐性的东西在里面起作用;

2)自己的工作是否真有足够创新性?更重要的是,杂志档次越高,它在创新性之外,还要求你的工作能够对足够宽的研究方向的读者们有借鉴价值(或者可以大概理解为“可推广性”)。这也就是为什么有时候结果明明很漂亮也没有人做过,但编辑却会建议你转投其它更专业的杂志。

3)文字表达,这个放在后面一起说。我现在看当时投给JACS的初稿,完全只能算一个半成品,面对这种顶级杂志的编辑不被直接拒才怪。

5、宝剑锋从磨砺出

今年春节前,我一个学生的一篇稿件投到Adv. Mater.上,只过了一个多月就接收了。一个审稿人说不修改,另一个说小修,而且只是针对几个文字错误和一篇引用文献的问题。学生当然很高兴,才入室一年半就有了好文章出来。我也很高兴,因为这篇文章也同样是我非常需要的。其实想想,这篇文章的问世绝不仅仅是运气好而已。

早在学生入室之前,我就先看过大量的相关文献,觉得这个方向有意思而且比较可行。然后自己做过两次试验尝试了一下,觉得有戏。再后来主要就是学生自己在做,但中间也遇到很多很多问题,每次都及时拿来一起讨论。其实初步的结果差不多一年前就出来了,中间不断地让学生把实验结果系统化,补上一些更清楚漂亮的电镜图,然后从文章讨论的角度也去尽量丰满它。写这篇文章的时候,尽量做到来龙去脉交待清楚,让人从前言部分觉得你这篇工作的重要性和新颖性,讨论完全建立在实验结果之上,文章架构争取做到清晰顺畅,而且前后有一个很明显的顺承关系,语言表达尽量准确规范,所以最后才一举中的。

说起写文章,说实话,我个人认为,英语这门国际通用语言对于中国人来讲是一个与生俱来的弱点。我们没有办法做到如英语母语的人一样去自由表达、畅所欲言。我们的很多从教科书学来的标准句式组装起来,自己读起来都觉得生硬干瘪。怎么办?其实功夫不怕有心人,有很多关于科研论文写作的参考书籍,还可以在平时阅读高水平文献时多搜集整理,把一些精彩的或固定的表达方式记下来,关键时候就能派上大用场。在坛子里曾见zhenmafudan老师推荐过一本书,书里有一种说法,就是说要像讲故事一样来把你的工作写成文章讲给别人听。我现在的一个学生试验做得很不错,但每次他写文章初稿就像我当年一样,只能算是简单的结果分析,图1是什么什么,曲线A是什么什么,完全没有把来龙去脉讲清楚。我现在也把“像讲故事一样去讲工作”送给他,同时也希望和这里的坛友们一起共勉。而且如果有条件的话,请专门的英文修改公司或认识的老外帮着修改一下,这样出来的稿件,起码语言的准确度和表达习惯方面会在审稿人和编辑面前加分不少。

整个文章从开始做试验到最后出来,我最大的感受就是不能急,要在自己这边尽量把它完善,无论是从实验结果还是文章表达上都做到你能做到的最好。相信付出总会有相应的回报。而有时候不管什么原因,急着把一些不系统的实验结果随便整整就投出去,被一拒再拒也就毫不稀奇了。前些天北大物理化学学报让我审一篇稿件,我能看出文章应该是学生匆匆忙忙自己整理出来的,水平不高,错误不少。前言完全没有交待清楚我为什么要做这个工作,这个工作的意义何在?实验结果也不能完全支撑起他的讨论,最后的结论有太多不确定的部分,甚至有些从根本上不能够成立。虽然是中文文章,但其中表达不准确的地方,甚至错别字都有好些。虽然我很理解学生发表文章的急切心情,但这篇稿件我还是毫不犹豫给拒了。这样一篇低劣文章的出炉,其中有学生毛糙求成的原因,也有老师放任不管的可能。希望大家今后不管往什么档次的杂志投文章,都能够先让它成为自己心目中的最好。

6、取舍有度

有时候和单位的老师们聊天交流,经常说到一个问题:不少学生做实验时,遇到问题后只简单尝试一下,然后就放弃了,白白浪费了大量的时间,非常可惜。其实就像打井,有时候就差最后一铲子水就出来了,所以一定要坚持。什么时候放弃呢?如果从理论上你那个设想就根本不可能实现,或者设定好的实验路线在现有条件下也不可能实现,这时候才能抱一个肯定的态度去放弃。

其实我个人觉得,这个不能简单归咎于学生。从实验立题开始,就要顾及到它的可行性。无疑,这对于研究生,尤其是那些刚进入实验室的研究生来讲是很难准确把握的。这个毫无疑问应当由老师来把关。我认识一个实验室的老板,曾给他的一个学生布置了一个题目。说实话,题目很有意义,如果做出来的话是可以在Nature、Science上发文章的。问题是这个课题在国外有几个著名的工作组前后奋斗了很多年都还在一步一步地改进,而且他们实验室自己之前并没有多少基础,就这样让一个学生独立上马挑战如此艰巨的任务,下场无疑比堂吉诃德还要悲壮。

实验中间遇到问题也是,学生的经验必然不足,这时候老师应当发挥他的作用,及时调整试验方案,看如何解决当前关卡或者换一条路,殊途同归。几乎没有一帆风顺的科研探索之路,有困难是正常的,有时候一切太过顺利你才反而要当心了:这么简单就出来的结果怎么之前会没有人做过?

举个例子,还是我那个发Adv. Mater.文章的学生,这个学生主观能动性很强,他经常有自己的想法,这点非常好。在今年春节的假期里,他又把一篇自己整理好的文章初稿给了我。说实话,第一眼看,我也很惊喜,这是他在我给他布置的题目之外自己找的一个方向做,结果很漂亮。惊喜过后,我开始犹豫了,无论从实验方案还是从试验操作来讲这个应该都不难想到,难道真的以前从来没有人碰过,就被我们检漏了?

一查文献,果然,好几年前就有人做过了。但故事并没有到此结束。看过那几篇文献后,结合我学生的实验思路和实验结果,我帮他做了些调整,跟我最先给他布置的题目进行了一些融合,等于用旧方法来做新东西,目前已经有了一些很好的结果。

所以,从学生的角度来讲,鼓励大家多动脑多尝试,不要轻言放弃,有问题多查文献多问老师。从老板的角度来讲要及时跟进学生试验,遇到问题及时解决,让学生尽量少走弯路。

时间: 2024-10-11 08:33:22

如何了解某一研究领域的大牛的相关文章

计算机图形学研究领域分哪些

计算机图形学各个领域的目标或许不同,但最终的形式都是渲染(即绘制)在二维的显示设备上的图像.下面是一个简单(可能并不完全)的分类: ?计算机图形学-领域及分支: ?1 绘制1.1 真实感绘制(非实时)1.1.1 光线追踪(Ray-tracing)1.1.2 全局光照(Global Illumination)......1.2 实时绘制1.2.1 Shading(BRDF, Programmable Shading等)1.2.2 纹理(Texture Synthesis, 反走样, 采样等)1.2

如何成为一名成功的博士生

这是一篇翻译,原文是How to Be a Successful PhD Student (in Computer Science (in NLP/ML))http://people.cs.umass.edu/~wallach/how_to_be_a_successful_phd_student.pdf 读博这件事既有益.有趣,又辛苦.和生活中的每件事情一样,前人的经验和教训能让你掌握方法,少走很多弯路.本文内容很适合自然语言处理和机器学习方向的博士生一.成为一名博士生为什么要拿博士学位?我们要

一些对数学领域及数学研究的个人看法(转载自博士论坛wcboy)

转自:http://www.math.org.cn/forum.php?mod=viewthread&tid=14819&extra=&page=1 原作者: wcboy 现在的论坛质量比以前差了,大部分都是来解题问答的,而且层次较低.以前论坛中,Qullien很令人印象深刻,但愿他能在国外闯出一片天空.现在 基础数学版代数&数论子版中那几个讨论代数几何的还不错.不期望目前论坛出现很多高层次高手,高层次高手应该站在好课题上高观点讨论数学,出 现这样的网友,看他们的言论非常过

情报分析技术领域主要研究人员

每周看一篇论文. 论文来自于情报领域的大牛写的关于"文本分析"."知识演化"."知识发现"等方面的文章. 大牛的选择方法,从USNEWS发布的美国TOP10个情报学院中选择该领域的研究人员,跟踪其最新文章与之前的经典文献. 下面是搜集到的大牛,名单不断更新中..... 1 印第安纳大学图书与情报学院 所有研究人员 (1 ) Katy B?rner: http://ella.slis.indiana.edu/~katy/ 印第安纳大学情报与图书学院

深入探究递归神经网络:大牛级的训练和优化如何修成?

深入探究递归神经网络:大牛级的训练和优化如何修成? 摘要:不同于传统FNN,RNN无需在层面之间构建,同时引入定向循环,能够更好地处理高维度信息的整体逻辑顺序.本文中,MIT的Nikhil Buduma将带您深入探析RNN的原理.训练和优化等各方面的内容,以及RNN已经获取的一些成就. 在深度学习领域,传统的前馈神经网络(feed-forward neural net,简称FNN)具有出色的表现,取得了许多成功,它曾在许多不同的任务上——包括手写数字识别和目标分类上创造了记录.甚至到了今天,FN

(转载) 图像领域常用资源

跟OpenCV相关的: http://opencv.org/ 2012年7月4日随着opencv2.4.2版本的发布,opencv更改了其最新的官方网站地址. http://www.opencvchina.com/ 好像12年才有这个论坛的,比较新.里面有针对<learning opencv>这本书的视频讲解,不过视频教学还没出完,正在更新中.对刚入门学习opencv的人来说很不错. http://www.opencv.org.cn/forum/ opencv中文论坛,对于初次接触opencv

【转】软件工程研究领域最顶级的两个期刊

[1] IEEE Transactions on Software Engineering (IEEE T SOFTWARE ENG, 简称TSE) 中文名:IEEE软件工程汇刊 出版社:IEEE,1975年创刊 期刊网址:http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=32 http://www.computer.org/portal/web/tse/home 影响因子(Impact Factor):2.588 (2013):JC

(转)大牛的《深度学习》笔记,60分钟带你学会Deep Learning。

大牛的<深度学习>笔记,60分钟带你学会Deep Learning. 2016-08-01 Zouxy 阅面科技 上期:<从特征描述到深度学习:计算机视觉发展20年> 回复“01”回顾全文   本期:大牛的<深度学习>笔记,60分钟带你学会Deep Learning. 深度学习,即Deep Learning,是一种学习算法(Learning algorithm),亦是人工智能领域的一个重要分支.从快速发展到实际应用,短短几年时间里,深度学习颠覆了语音识别.图像分类.文本

三大牛人看外国文献的方法

三大牛人看外国文献的方法 guoxihan 于 2011-6-27 09:22:46发表于生物秀论坛 牛人一 (从Ph.D到现在工作半年,发了12 篇paper, 7 篇first author.)我现在每天还保持读至少2-3 篇的文献的习惯.读文献有不同的读法.但最重要的自己总结概括这篇文献到底说了什么,否则就是白读,读的时候好像什么都明白,一合上就什么都不知道,这是读文献的大忌,既浪费时间,最重要的是,没有养成良好的习惯,导致以后不愿意读文献. 1. 每次读完文献 (不管是细读还是粗读),