分类： 科学研究

Scientific Reports的文章”do scientists trace hot topics“)得到nature news专栏作家的采访（评论发表在nature期刊上Fashion rules in physics）。问了几个问题。其中有对于年轻科学家从你的研究结果看来，你认为是否应该在热点领域工作，还有为什么中国科学家更倾向于追踪热点一些？

最近看文献了解到英国的学术与基金评价机构开始建立一个研究工作评价系统，问一个研究工作的科学的影响和社会影响的问题。这个问题很有意思，可以从外在形式和内在内容两个方面来讨论。需要从文章发表记录与文章内容的结构化数据出发。学术问题先不谈，主要是说明研究工作的影响力的衡量问题，有可能可以成为一个严肃的学术问题。当然，在此之前，唯一的衡量方法，就是有人来阅读原始文献。

最近随便浏览科学网的时候，看到了一个有意思的帖子。博主宣称做了一辈子的研究，大部分都是案例研究（case studies），进而指出大部分的中国科学家都在做这个层次的研究。回帖之中就有人指出，这个论断抹杀了中国科学家的工作的创新性。

当然，case studies也有在它这个层次的创新性，可是与开辟方向，提出问题，找到分析计算方法这样的工作确实是没法比的。大概来算，开辟方向的可以算0.5流科学家，其余的依次加上1流，直到跟踪性的case studies这个不入流。所谓跟踪性的case studies大概就是说方向、问题、技术、主要例子都解决了，没办法只好做几个更多的例子了。

回到记者的问题，我的回答是加入热点问题确实现实上有利，原因是评价制度不健全。而这一点在中国尤其严重。可是更重要的不是现实是否有利，而是问自己为什么选择来做学术研究？每一位科学家都是因为痴迷科学才成为科学家的。想想自己最初的冲动，想想自己的梦想，case studies要做，但是更深远的问题更要思考。

其中，好的制度的要求之一就是研究工作影响力的度量方式，没有更好的方法之前，就请决策者以及其参谋们读文章。当然，我们也会努力研究好的可以偷一点点懒的计量方法，绝对不是简单数个数，算IF。当然，后者平均来看也有参考价值，任意个案则完全不适用。

第一、项目简介：
1、对自然科学、社会科学、人文学科的典型课程的典型教材的核心概念的教学顺序的对比：针对某一学科的某一门课程，首先收集整理核心概念，制作概念地图；接着依赖概念地图计算分析各个经典教材的概念的学习顺序的效率；做跨学科的对比。
2、利用google ngram viewer以及背后的数据分析历史、文化中关键词汇的演化发展：google电子化了很多的书籍，并且按照一个字、两个字、三个字作为整体等等做了切分。有了这个切分数据以后，我们就可以讨论某一个词的时间演化（有一个剑桥的科学家做了历史上 “Curiosity”各个年代出现的次数的统计，揭示了一些很有意思的事情。例如，思想、潮流的变化），不同时期，处于使用量前列的词的变化，以及这个变化反应的历史、文化现象。目前已经有学生陈约翰在思考这个问题。
3、恩格尔系数的重定义：以前（小农经济的时候）活着的主要成本是食物，所以恩格尔系数的定义主要是总消费中食物占的比例。现在生活必须品的消费更多了，例如住房（房租或者月供）。这时候如何修改恩格尔系数？目前已经有学生史依颖在思考这个问题。

第二、对学生的要求：
1、已经具有：一颗好奇的心，热爱探索，想尝试科学研究；良好的微积分、线性代数、概率论基础；C语言或者Python一定的熟悉程度；
2、要学会的：概念地图的技术和学习方法、研究性学习的学习方法、C语言或者Python的熟练使用、数据库的运用、复杂网络分析方法。

1. 学会欣赏，欣赏定理、结论、推理过程、计算技术、思考方式，欣赏他人的工作
2. 学会计算，基本的解析（分析代数微分方程）数值计算（数值线性代数、Monte Carlo）
3. 学会思考，第一步王氏三板斧（做了什么、有什么好的地方和缺陷、我能做什么）；第二步，跳出问题，价值判断
4. 有独特的分析计算技术体系，例如对微分方程、随机微分方程特别熟悉，数值线性代数认识特别深刻
5. 有非常熟悉的具体系统的知识背景，例如量子物理学、语言学、情报学、经济学等等
6. 学会研究型学习：
1. 了解基本的问题是什么；
2. 目前和将来这个领域主要大家在思考什么，自己去实现去回答，可以参考经典教材；
3. 翻阅教材和综述文献，对自己的答案给一个批判性检验；
4. 阅读研究论文、综述论文开展具体问题的研究
7. 学会团队学习：
1. 选择好的学习材料（参考工具、课程与学习资料），好的团队成员；
2. 分配好各位成员的学习内容；
3. 做好自己需要讲授的部分的阅读（这个时候可能需要阅读材料的其他部分），并讲解；
4. 在学习他人讲解内容之后，阅读学习材料相应的部分
8. 学会写作，逻辑、内容、文法同样重要，参考工具、课程与学习资料
9. 学会做学术报告，深入浅出，启发思考

Helbing 学数学、物理学，研究社会学的，如何思考问题，很大的问题，并提出框
架以及完成细致的工作。Helbing的工作涉及统计物理学、社会学、博弈、金融风
险、复杂网络、知识工程，但是他的基础就是数学、物理学。

下周确定谁来讲这篇文章。博弈小组的几位同学，这个文章对你们也很重要。Helbing还关心科学学、知识工程的问题，科学学小组的，也因该注意他的工作。

顺便推荐大家养成看文献的习惯。第一、主流期刊的RSS订阅。一般来说订阅可以选择分类，不要全选，看不完的。按照自己的兴趣选择。我一般留意Science、Nature除了生物学之外的所有文章的摘要，PNAS的物理学、博弈论，PRL的统计物理学、量子力学基本问题、量子信息，PRB的非平衡统计，AER的博弈，Game and Economic Behavior没有订阅，想起来会去浏览。加上arXiv上基本上所有关心领域的摘要，这个可以快一步，还是不错的。第二、个别科学家的工作跟踪。这个挑选更加要仔细。我一般留意Prosen和Saito（非平衡的），Helbing, Vespignani（大数据的那个）, Newmann（网络的，统计物理出身）。过几个月就上他们的网页上去看看他们的工作。我一直不屑Nowak，现在慢慢地发现他也做一些地道的博弈论，而不单纯是网络上、空间上的博弈。以后也应该跟踪一下。

当然，再强调一下，用运用研究性学习方法，文献和书不是根本，思考，独立思考，才是根本。