教你读科研论文（翻译：eileenqiao）

1.了解文章结构

翻开大部分的科学杂志，你会发现里面的论文都遵循一定的格式。论文一般会分为几个部分，每部分都在文章中起到不同的作用。我们首先了解论文的标准格式，然后再看一下在标准格式之下可以做哪些变动。

一篇论文是以简短的摘要开始的。摘要一般会简单介绍该论题的背景，精准的讲述该论文的主要发现，并将其结果和该领域的其他研究联系起来。我们将会发现整篇文章也是按照这样的逻辑顺利展开。

紧随摘要的是引言部分。很多杂志这部分并不单独列出。引言，引言，就是会提供一些背景知识，以便让读者理解这篇文章的新发现走在该领域的前沿。一般，引言首先会介绍某一特定领域的背景，然后会具体到某一特定方向，并介绍其中一些和作者这篇文章有直接联系的发现和结果。如果是为了验证某个假设，作者会在这里说明为什么会这样假设，介绍支持该假设的以往的一些结果，还会对该假设的结果提出预测。很多文章在引言的结尾会描述该文章的一个或几个主要结论，这样读者就能对文章提出的问题的答案心中有数。像NATURE杂志上那些描述细致竞争性强的文章，引言部分会讲作者对某一领域的强烈兴趣或者扩展一下背景。

大部分文章引言之后就直接进入了材料和方法部分。有些杂志会把这部分放在文章的最后。这部分主要是为了告诉读者实验中用到的材料和实验方法。原则上，材料和方法必须详细描述，以便其他的研究者能重复该实验。实际上，这部分的描述高度浓缩，很多材料和方法都是饮用该作者以前的文章的。

文章第三部分是结论。这部分讲述的是实验和结果。一般来说，结果部分的逻辑是顺着引言的来的。也就是说引言提出的问题就是结论部分的开始。除此之外，这部分的结构因作者不同而不尽相同。一些文章中，作者只给出结果而不深入讨论，对结果的讨论则放在了后面的讨论里面。如果前面的实验结果不影响读者理解后面的实验，这样的结构是比较合理的。另外一些文章中，这部分会给出实验结果以及讨论，还可能会把其他的一些结果带进来以便顺理成章地引出接下来的实验。

文章第四部分是讨论。这部分功能多多。首先是解释实验数据，即分析数据展示数据。任何对数据解析的限制都会讲清，实施和猜测会划清界限。其次是将该论文的新发现和该领域的其他发现联系起来。主要是为了秀该论文对该领域的知识贡献或纠正该领域以往工作的谬误。前面已经讲到，一些作者会把某些结果的讨论放在结论那部分讲以便能顺利的讲清为什么要做接下来的实验。也许你会觉得这种情况下，讨论应该放在引言部分，但是大部分情况下如果你不给出实验结论部分你就很难把握讨论的重要性。

最后，论文通常有致谢部分，作者在这里感谢其他人员对该论文的贡献。紧接着的是参考文献，列出参考的文章和该论文中引用的其他的工作。

论文还包含一些图表。文章中讲到的数据将以图表的形式展现。图表中有图例，图例是为了讲清楚特定实验的细节。如果某个实验流程在文中只提到了一次，通常实验细节会在材料和方法中讲述，图表中的图例会引用材料和方法中的。如果某实验流程在该论文中不停的重复出现，这时，材料和方法中只讲个大概，细节会在图表的图例中给出。

论文结构变换

大部分科学杂志上的论文都是按照上面讲到的格式来写的。但有时侯，结论部分和讨论部分合成一部分，主要为了逻辑上的通顺，让读者在有前行数据解释的前提下理解整个实验研究过程。正前面所说，一些杂志上的论文会把材料和方法部分放在讨论后面写。一些旧文献中，作者还会把摘要放在论文的最后。

Science 和 Nature 这两个最顶级的杂志格式跟上面讲到的论文框架截然不同。它们拥有众多读者，而且很多都想成为它们的供稿者。所以版面限制就很多，文章通常高度浓缩。这两本杂志上的文章，除了简短的摘要和参考文献之外，其他部分没有明确的界限。在Science上，摘要就是摘要，而在Nature上摘要还充当文章的引言。实验细节在Science上则展现为尾注，在Nature上则是在图表图例中或者简短的方法部分提到。作者们都会极尽所能的在豆腐块大小的地方放更多的信息。而且越来越多的人把不是很重要的材料和大部分的实验方法作为补充数据放在网上。

其他很多杂志也有长度限制，这样就要求文章精确简洁。比如Proceedings of the National Academy of Sciences (PNAS)要求文章在6页以内，Cell编辑会把大部分文章变短摘要有字数限制等等。

为了顺应对简洁的要求，作者只能压缩论文，一般会省略文章的逻辑连接。而且，作者把背景压缩了或者省略了，没有了背景门外汉就很难看懂文章，这样非专业读者只能借助综述或以前的相关论文才能理解作者讲的东西。最后，作者为了节省篇幅，只能把重要的细节都放在了图表的图例中

2.读科研论文

虽然我们都倾向于像读其他文章那样把科研论文顺下来，但组织一下阅读的路子能省很多时间。通常，为了理解作者这项研究工作的意义我们会先读摘要。就像上面讲到的那样，因为作者的原因和杂志要求的原因，背景也是不同的。

读科研论文一个极端的习惯是读完题目和摘要就在心里想一下关于这样主题你知道哪些。这样做有很多好处。首先，这样你就能清楚你是否具备足够的背景知识去读这篇文章。如果不具备，你最好读一些综述或教科书来补一下背景知识。

其次，这样能让你对这个主题记忆犹新。最后最重要的是能让你这个读者把这个主题的新信息整合到你以往的只是里面。这是一个自学的过程，任何专业人士都要在整个职业生涯中用到。

如果你对该领域非常熟悉，就可以扫读一下引言或者直接跳过引言。如前所述，大部分文章的逻辑顺序是从引言到结论的。所以我们就按这个顺序读，就是说可以跳过材料和方法部分，等到需要这部分的时候再返回来读它。一个熟悉该领域并对文中某新发现感兴趣的读者会直接跳到结论中的相关部分，然后读讨论中的对该发现的解析。如果文章组织的很好，这样读就很简单了。

密语

很多文章包含不明短语，它们意思不明但却有言外之意，我们称之为“密语”。一些论文中并不是所有的实验数据都给你秀出来，有一些是见“（未秀数据）”。这通常是由于篇幅原因。如果该作者在以前的文章中显示了有足够的能力胜任现在的实验，这是可以接受的。两外两个密语是“未发表数据”和“初步数据”。前者是说数据还不够发表资历或者这个工作只是将来要发表的大文章中的一部分。后者不同的人有不同的解释，但有一个解释是说这个实验只做了一次，没有重复。

3.读科研论文会遇到的困难

读科研论文会碰到很多困难，尤其是当你对该领域不熟悉的时候。如前所述，不管论文写的多么好，在读之前做些准备是有必要的。不过，虽然读者面前会有很多困难，但大部分都是作者造成的。

科研论文难读的主要问题是大部分文章都写的很烂。一些科学家写作很差，还有一些科研工作者不愿意写，不想花费时间和精力来保证文章的逻辑清晰。而且作者对要写的东西实在太熟悉了，他们很难从读者的角度看问题，虽然对一知半解的读者来说这些确实像一堆大山一样需要慢慢啃。

拙劣的文笔带给读者很多问题。第一个问题就是文章没逻辑。文章仅仅是简单的讲了实验，而没有说为什么要做这个实验或者这个实验是为了验证什么样的想法。其次，论文里面充斥的一连串的专业术语。第三，作者文路不清晰，主次不分。主要问题和次要问题在逻辑线上平分秋色。但是这样读者就拎不清了。一篇好的文章应该是把次要问题放在图表图例里或者直接说明这是枝节问题与主题关联不大，这样读者就不会迷糊了。

读科研论文的另一个问题是读者总是纠结于实验。论文里，作者时不时的参考以前的文章，这个参考链可就长了去了。这个链会连到描述很多实验方法的文章上去，而且到底哪个方法是作者参考的，读者也拎不清。再或者这个链很不幸的连到了一篇篇幅简短的文章上，实验描述超级浓缩，怎么做的完全不清楚。更有甚者，作者根本就不好好写实验方法，读者只能云里雾里，实验到底怎么做的知道才怪。

科研论文的另外一些问题是由于作者对待实验不加区别造成的。但是如果他们对某一特定的实验情有独钟，对于其他的可能的实验来说，这种做法就很狭隘，这些可能的实验不被证实，甚至不会在讨论部分提到。还有一个问题是很多作者分不清事实和猜测，尤其是在讨论部分。这样读者就很难明白讨论里面事实是多重要。

科研论文的最后一个问题源于科学的社会性。很多作者野心勃勃勇气可嘉，都想在一流杂志上发文章。于是，他们就夸大自己研究结果的重要性，为了让文章看起来像好文章，他们把猜想也加在了题目里面。这种做法的一个例子就是“肯定句标题”，它用一个陈述句总结整篇文章（比如“LexA是基因recA和lexA的抑制因子”）。这样的方式蔚然成风，看看最近几期的Cell就知道了。如果这样的肯定句标题能够很好的证实（比如给出支持的例子），这倒也不错。但是几乎所有的这种肯定句都是猜测，仅仅就是猜测。急性子的读者会认为文章提出的问题已经很好的解决了，事实上并没有。

作者把猜测用肯定句式放在标题里，表明了该领域内的出版竞争。这样的方式倒也可以理解。但是如果作者没有讲清楚哪些是被证实了的，哪些是猜测，读者就会被误导，尤其是新手，他们就很难明白哪些问题解决了哪些问题仍待解决。所以下面我们就有必要讲一下对文章的评估。

4.评判论文

对文章的完全理解和评估需要回答一下几个问题

A 作者讲了什么问题？

B 这篇文章的主要结论是什么？

C 哪些证据支持了结论？

D 那些数据真的能得出这些结论吗？

E 证据是否有说服力？

F 这些结论为什么重要？

A作者讲了什么问题？

在解决这个问题之前，需要说一下，生物化学和分子生物学的研究分为几种不同的类型，如下：

描述型研究通常是在我们对一体系认识的早期开始的。我们必须先搞清楚这个体系是什么体系，然后才能对它是怎么运转的，它是怎样相互连接的提出假设。分子生物学里的典型的描述型方法是DNA测序和DNA生物芯片。生物化学中则是X射线晶体法。

比较型：当我们想知道某一结果的普适性的时候就涉及到了比较型研究。这个发现是只适用于我研究的这个特定的生物还是放之生物界皆准呢?典型的比较型研究方法是比较两个不同生物的基因。比如，通过这样的方法我们知道人类的actin基因和酵母的actin基因具有89%相同性、96%的相似性。

分析型：当我们对某一体系懂的足够多了，我们所做的就是利用分析型方法去假设这个体系是如何运转的、体系中不同的部分是怎样连接的、里面的因果关系是怎样的。典型的分析型方法是对某一体系的运转方式做两种或多种假设。这些假设要符合现有的关于该体系的认识。理想状况是，能设计不同的实验来区分这些假设。分析型研究的经典例子是Meselson-Stahl实验（该实验证明了DNA复制的半保留性质）。

很多文章都是把以上方法合起来用。比如，研究者可能会对他们的模型生物体测序，比较该基因产物和其他生物相应基因的差异或相似，然后在比较结果的基础上提出该基因功能的假设，利用基因定点突变来证明假设并提出问题：突变会怎样影响该物种的表型、突变会不会影响基因产物的生化功能，如果会影响，是怎样影响的。

知道了不是所有的文章都用相同的方法可以知道我们认清文章讲的主要问题。

这些问题到底是什么?如上所述，一篇好论文的引言，一个好的开头，是从普通到特别，然后提出一个或几个问题。而且作者会试图回答实验结果引出的其他问题。这些问题通常会在结论部分成为论据。

B 这篇文章的主要结论是什么？

通常研读一下论文的摘要就知道这个问题的答案了。作者会在摘要里重点讲述他们认为的重点。但只看摘要还不够，因为摘要有严格的字数要求。摘要只是一个起点，读整篇文章的时候要时刻想着这个问题。

C 哪些证据支持了结论？

总体来说，你可以从结论部分得到这个问题的答案。对结果的描述会涉及到相关的图表。如果没有先行实验，这将是最轻松的。但是，通常一个结论是有几个不同的实验和方法一起支持的。比如，第一个实验可能有不同的解释，这就需要设计后续实验来区分这些解释。

理想的状况下，讨论部分这样开头：“有3个证据支持这个结论……第一，……第二，……等等”。但如果文章写的不好，阅读难度就来了（见上述）。作者通常不会选择这种简洁的方式，它需要你自己去找。怀疑论者可能会说这种情况下，作者故意省略逻辑框架。不管怎样，你要保证你能理解数据和结论的关系。

D 那些数据真的能得出这些结论吗？

做这一步的好处是你能评判结论是否站得住脚。假设数据是可信的（见下一部分），有可能这些数据并不能证明作者想要得出的结论。这里至少有两种情况：

i. 数据和结论之间的逻辑关系不合理。

ii. 数据可能有其他的解释，得出其他的结论。

一个重要的方法是看作者是不是有很多不同的方法来回答问题。他们是否有多重不同的证据从不同的方面来支持结论？如果作者只有一个方向的证据，很可能这个证据还能得到其他的结论。多重方法可以让论证更可信。

另一个方法是找作者解释数据时所用的隐含的假设。除非你对该领域了如指掌，这个做起来很难。

E 证据是否有说服力？

这是最难的问题了，不论是对新手还是专家来说都很难。但同时，对于年轻的学科家来说，这也是最重要的技能之一。你需要重新定位自己，这需要数年的时间才能从一个被动的信息和观点的消费者变成一个积极的创造者和批判的评估者。新手科学家总是会想：“我是谁啊，赶来质问这些权威？毕竟这篇文章是发表在一流期刊上的，作者也一定是一流的，而且这项研究也一定被专家们评阅审核过了。”。不过权威并非总是对的。不管怎样，要成为一名批判性的科学家和读者，培养自己评判文章的能力是最难也是最重要的一方面。

你怎样评判证据？

首先，你要完全明白文中所用的实验方法。通常，这部分都写的很烂或者根本就没写（见上文）。一般没有细节，更严重的是作者想当然的认为读者对该领域的常用实验方法有大致的理解，像什么免疫印记，克隆，基因技术，DNA酶足迹法之类的。如果你不懂这些，你需要多加努力掌握些基本方法才能对数据作出正确的评判。

有时你需要去图书馆或者实验室去查询一些过期刊物和一些重要的实验方法的细节。网上期刊让这项工作变得轻松很多。学校里的任何一台电脑上都能查询Science Library做的与这门课相关的综合期刊列表上的大部分期刊。另一个列表是在Arizona Health Sciences Library上，上面列出了一些其他的期刊，也是从学校电脑登录。

第二：你要知道实验方法是有限制条件的。每个实验方法都有，如果实验做得不得当就相当于没做。

比如，免疫印记实验就是不能量化的实验。一些蛋白的信号会增强（至少这些信号是大致曾线性），但是蛋白量多到一定的程度后，信号不再增强。所以，要正确运用这个方法，你要做出一条标准曲线来表明胶上的各道大致曾线性。通常，作者不会秀这条标准曲线，但他们至少要说明一下他们做了这条标准曲线。如果你没有看到这样的说明，那可能是写作的失误或者作者根本没做标准曲线。如果没有标准曲线，一条带可能表示这就是这个量的蛋白也可能表示这条是无限多的蛋白。

第三:你要分清楚哪些是数据告诉你的哪些是作者告诉你的。后者是作者真正的意图，虽然看上去并不是作者的解释。文中一般会这样说“图X中的数据表明……”这是作者对数据的解释。你要问自己你也是这样解释这些数据的吗？你需要仔细分析一下数据确保作者的解释是对这些数据的正解。如果你理解了实验方法和限制条件，这一步做起来很快的。

第四：看原版杂志或者电子版的比看复印版的要好的多。尤其是文章中有亮度梯度图的时候，比如跑胶的照片或者放射自显影片，如果看的是复印版的，图上的对比度会扭曲一般会上升，这样的图片会对数据解析造成麻烦。

第五：你应该看一下是否有合适的对照组。对照组告诉我们在这个实验条件下，自然是按照我们期待的方式运转的。如果没有对照组，你很难自信的说实验结果就是这样的。你应该养成寻找对照组的习惯。

F 这些结论为什么重要？

这些结论对该领域的知识是不是一个重大的进步？这些结论有没有给我们带来新的见解，有没有指明新的研究方向？

当然，你要对这个领域有相对深的理解才能回答这些问题。

How to Read a Scientific Paper

1. Organization of a paper

In most scientific journals, scientific papers follow a standard format. They are divided into several sections, and each section serves a specific purpose in the paper. We first describe the standard format, then some variations on that format.

A paper begins with a short Summary or Abstract. Generally, it gives a brief background to the topic; describes concisely the major findings of the paper; and relates these findings to the field of study. As will be seen, this logical order is also that of the paper as a whole.

The next section of the paper is the Introduction. In many journals this section is not given a title. As its name implies, this section presents the background knowledge necessary for the reader to understand why the findings of the paper are an advance on the knowledge in the field. Typically, the Introduction describes first the accepted state of knowledge in a specialized field; then it focuses more specifically on a particular aspect, usually describing a finding or set of findings that led directly to the work described in the paper. If the authors are testing a hypothesis, the source of that hypothesis is spelled out, findings are given with which it is consistent, and one or more predictions are given. In many papers, one or several major conclusions of the paper are presented at the end of this section, so that the reader knows the major answers to the questions just posed. Papers more descriptive or comparative in nature may begin with an introduction to an area which interests the authors, or the need for a broader database.

The next section of most papers is the Materials and Methods. In some journals this section is the last one. Its purpose is to describe the materials used in the experiments and the methods by which the experiments were carried out. In principle, this description should be detailed enough to allow other researchers to replicate the work. In practice, these descriptions are often highly compressed, and they often refer back to previous papers by the authors.

The third section is usually Results. This section describes the experiments and the reasons they were done. Generally, the logic of the Results section follows directly from that of the Introduction. That is, the Introduction poses the questions addressed in the early part of Results. Beyond this point, the organization of Results differs from one paper to another. In some papers, the results are presented without extensive discussion, which is reserved for the following section. This is appropriate when the data in the early parts do not need to be interpreted extensively to understand why the later experiments were done. In other papers, results are given, and then they are interpreted, perhaps taken together with other findings not in the paper, so as to give the logical basis for later experiments.

The fourth section is the Discussion. This section serves several purposes. First, the data in the paper are interpreted; that is, they are analyzed to show what the authors believe the data show. Any limitations to the interpretations should be acknowledged, and fact should clearly be separated from speculation. Second, the findings of the paper are related to other findings in the field. This serves to show how the findings contribute to knowledge, or correct the errors of previous work. As stated, some of these logical arguments are often found in the Results when it is necessary to clarify why later experiments were carried out. Although you might argue that in this case the discussion material should be presented in the Introduction, more often you cannot grasp its significance until the first part of Results is given.

Finally, papers usually have a short Acknowledgements section, in which various contributions of other workers are recognized, followed by a Reference list giving references to papers and other works cited in the text.

Papers also contain several Figures and Tables. These contain data described in the paper. The figures and tables also have legends, whose purpose is to give details of the particular experiment or experiments shown there. Typically, if a procedure is used only once in a paper, these details are described in Materials and Methods, and the Figure or Table legend refers back to that description. If a procedure is used repeatedly, however, a general description is given in Materials and Methods, and the details for a particular experiment are given in the Table or Figure legend.

Variations on the organization of a paper

In most scientific journals, the above format is followed. Occasionally, the Results and Discussion are combined, in cases in which the data need extensive discussion to allow the reader to follow the train of logic developed in the course of the research. As stated, in some journals, Materials and Methods follows the Discussion. In certain older papers, the Summary was given at the end of the paper.

The formats for two widely-read journals, Science and Nature, differ markedly from the above outline. These journals reach a wide audience, and many authors wish to publish in them; accordingly, the space limitations on the papers are severe, and the prose is usually highly compressed. In both journals, there are no discrete sections, except for a short abstract and a reference list. In Science, the abstract is self-contained; in Nature, the abstract also serves as a brief introduction to the paper. Experimental details are usually given either in endnotes (for Science) or Figure and Table legends and a short Methods section (in Nature). Authors often try to circumvent length limitations by putting as much material as possible in these places. In addition, an increasingly common practice is to put a substantial fraction of the less-important material, and much of the methodology, into Supplemental Data that can be accessed online.

Many other journals also have length limitations, which similarly lead to a need for conciseness. For example, the Proceedings of the National Academy of Sciences (PNAS) has a six-page limit; Cell severely edits many papers to shorten them, and has a short word limit in the abstract; and so on.

In response to the pressure to edit and make the paper concise, many authors choose to condense or, more typically, omit the logical connections that would make the flow of the paper easy. In addition, much of the background that would make the paper accessible to a wider audience is condensed or omitted, so that the less-informed reader has to consult a review article or previous papers to make sense of what the issues are and why they are important. Finally, again, authors often circumvent page limitations by putting crucial details into the Figure and Table legends, especially when (as in PNAS) these are set in smaller type.

2. Reading a scientific paper

Although it is tempting to read the paper straight through as you would do with most text, it is more efficient to organize the way you read. Generally, you first read the Abstract in order to understand the major points of the work. The extent of background assumed by different authors, and allowed by the journal, also varies as just discussed.

One extremely useful habit in reading a paper is to read the Title and the Abstract and, before going on, review in your mind what you know about the topic. This serves several purposes. First, it clarifies whether you in fact know enough background to appreciate the paper. If not, you might choose to read the background in a review or textbook, as appropriate.

Second, it refreshes your memory about the topic. Third, and perhaps most importantly, it helps you as the reader integrate the new information into your previous knowledge about the topic. That is, it is used as a part of the self-education process that any professional must continue throughout his/her career.

If you are very familiar with the field, the Introduction can be skimmed or even skipped. As stated above, the logical flow of most papers goes straight from the Introduction to Results; accordingly, the paper should be read in that way as well, skipping Materials and Methods and referring back to this section as needed to clarify what was actually done. A reader familiar with the field who is interested in a particular point given in the Abstract often skips directly to the relevant section of the Results, and from there to the Discussion for interpretation of the findings. This is only easy to do if the paper is organized properly.

Codewords

Many papers contain shorthand phrases that we might term ‘codewords’, since they have connotations that are generally not explicit. In many papers, not all the experimental data are shown, but referred to by “(data not shown)”. This is often for reasons of space; the practice is accepted when the authors have documented their competence to do the experiments properly (usually in previous papers). Two other codewords are “unpublished data” and “preliminary data”. The former can either mean that the data are not of publishable quality or that the work is part of a larger story that will one day be published. The latter means different things to different people, but one connotation is that the experiment was done only once.

3. Difficulties in reading a paper

Several difficulties confront the reader, particularly one who is not familiar with the field. As discussed above, it may be necessary to bring yourself up to speed before beginning a paper, no matter how well written it is. Be aware, however, that although some problems may lie in the reader, many are the fault of the writer.

One major problem is that many papers are poorly written. Some scientists are poor writers. Many others do not enjoy writing, and do not take the time or effort to ensure that the prose is clear and logical. Also, the author is typically so familiar with the material that it is difficult to step back and see it from the point of view of a reader not familiar with the topic and for whom the paper is just another of a large stack of papers that need to be read.

Bad writing has several consequences for the reader. First, the logical connections are often left out. Instead of saying why an experiment was done, or what ideas were being tested, the experiment is simply described. Second, papers are often cluttered with a great deal of jargon. Third, the authors often do not provide a clear road-map through the paper; side issues and fine points are given equal air time with the main logical thread, and the reader loses this thread. In better writing, these side issues are relegated to Figure legends or Materials and Methods or clearly identified as side issues, so as not to distract the reader.

Another major difficulty arises when the reader seeks to understand just what the experiment was. All too often, authors refer back to previous papers; these refer in turn to previous papers in a long chain. Often that chain ends in a paper that describes several methods, and it is unclear which was used. Or the chain ends in a journal with severe space limitations, and the description is so compressed as to be unclear. More often, the descriptions are simply not well-written, so that it is ambiguous what was done.

Other difficulties arise when the authors are uncritical about their experiments; if they firmly believe a particular model, they may not be open-minded about other possibilities. These may not be tested experimentally, and may even go unmentioned in the Discussion. Still another, related problem is that many authors do not clearly distinguish between fact and speculation, especially in the Discussion. This makes it difficult for the reader to know how well-established are the “facts” under discussion.

One final problem arises from the sociology of science. Many authors are ambitious and wish to publish in trendy journals. As a consequence, they overstate the importance of their findings, or put a speculation into the title in a way that makes it sound like a well-established finding. Another example of this approach is the “Assertive Sentence Title”, which presents a major conclusion of the paper as a declarative sentence (such as “LexA is a repressor of the recA and lexA genes”). This trend is becoming prevalent; look at recent issues of Cell for examples. It’s not so bad when the assertive sentence is well-documented (as it was in the example given), but all too often the assertive sentence is nothing more than a speculation, and the hasty reader may well conclude that the issue is settled when it isn’t.

These last factors represent the public relations side of a competitive field. This behavior is understandable, if not praiseworthy. But when the authors mislead the reader as to what is firmly established and what is speculation, it is hard, especially for the novice, to know what is settled and what is not. A careful evaluation is necessary, as we now discuss.

4. Evaluating a paper

A thorough understanding and evaluation of a paper involves answering several questions:

a. What questions does the paper address?

b. What are the main conclusions of the paper?

c. What evidence supports those conclusions?

d. Do the data actually support the conclusions?

e. What is the quality of the evidence?

f. Why are the conclusions important?

a. What questions does the paper address?

Before addressing this question, we need to be aware that research in biochemistry and molecular biology can be of several different types:

Descriptive research often takes place in the early stages of our understanding of a system. We can’t formulate hypotheses about how a system works, or what its interconnections are, until we know what is there. Typical descriptive approaches in molecular biology are DNA sequencing and DNA microarray approaches. In biochemistry, one could regard x-ray crystallography as a descriptive endeavor.

Comparative research often takes place when we are asking how general a finding is. Is it specific to my particular organism, or is it broadly applicable? A typical comparative approach would be comparing the sequence of a gene from one organism with that from the other organisms in which that gene is found. One example of this is the observation that the actin genes from humans and budding yeast are 89% identical and 96% similar.

Analytical research generally takes place when we know enough to begin formulating hypotheses about how a system works, about how the parts are interconnected, and what the causal connections are. A typical analytical approach would be to devise two (or more) alternative hypotheses about how a system operates. These hypotheses would all be consistent with current knowledge about the system. Ideally, the approach would devise a set of experiments todistinguish among these hypotheses. A classic example is the Meselson-Stahl experiment.

Of course, many papers are a combination of these approaches. For instance, researchers might sequence a gene from their model organism; compare its sequence to homologous genes from other organisms; use this comparison to devise a hypothesis for the function of the gene product; and test this hypothesis by making a site-directed change in the gene and asking how that affects the phenotype of the organism and/or the biochemical function of the gene product.

Being aware that not all papers have the same approach can orient you towards recognizing the major questions that a paper addresses.

What are these questions? In a well-written paper, as described above, the Introduction generally goes from the general to the specific, eventually framing a question or set of questions. This is a good starting place. In addition, the results of experiments usually raise additional questions, which the authors may attempt to answer. These questions usually become evident only in the Results section.

b. What are the main conclusions of the paper?

This question can often be answered in a preliminary way by studying the abstract of the paper. Here the authors highlight what they think are the key points. This is not enough, because abstracts often have severe space constraints, but it can serve as a starting point. Still, you need to read the paper with this question in mind.

c. What evidence supports those conclusions?

Generally, you can get a pretty good idea about this from the Results section. The description of the findings points to the relevant tables and figures. This is easiest when there is one primary experiment to support a point. However, it is often the case that several different experiments or approaches combine to support a particular conclusion. For example, the first experiment might have several possible interpretations, and the later ones are designed to distinguish among these.

In the ideal case, the Discussion begins with a section of the form “Three lines of evidence provide support for the conclusion that… First, …Second,… etc.” However, difficulties can arise when the paper is poorly written (see above). The authors often do not present a concise summary of this type, leaving you to make it yourself. A skeptic might argue that in such cases the logical structure of the argument is weak and is omitted on purpose! In any case, you need to be sure that you understand the relationship between the data and the conclusions.

Back to Evaluating a paper

d. Do the data actually support the conclusions?

One major advantage of doing this is that it helps you to evaluate whether the conclusion is sound. If we assume for the moment that the data are believable (see next section), it still might be the case that the data do not actually support the conclusion the authors wish to reach. There are at least two different ways this can happen:

i. The logical connection between the data and the interpretation is not sound

ii. There might be other interpretations that might be consistent with the data.

One important aspect to look for is whether the authors take multiple approaches to answering a question. Do they have multiple lines of evidence, from different directions, supporting their conclusions? If there is only one line of evidence, it is more likely that it could be interpreted in a different way; multiple approaches make the argument more persuasive.

Another thing to look for is implicit or hidden assumptions used by the authors in interpreting their data. This can be hard to do, unless you understand the field thoroughly.

e. What is the quality of that evidence?

This is the hardest question to answer, for novices and experts alike. At the same time, it is one of the most important skills to learn as a young scientist. It involves a major reorientation from being a relatively passive consumer of information and ideas to an active producer and critical evaluator of them. This is not easy and takes years to master. Beginning scientists often wonder, “Who am I to question these authorities? After all the paper was published in a top journal, so the authors must have a high standing, and the work must have received a critical review by experts.” Unfortunately, that’s not always the case. In any case, developing your ability to evaluate evidence is one of the hardest and most important aspects of learning to be a critical scientist and reader.

How can you evaluate the evidence?

First, you need to understand thoroughly the methods used in the experiments. Often these are described poorly or not at all (see above). The details are often missing, but more importantly the authors usually assume that the reader has a general knowledge of common methods in the field (such as immunoblotting, cloning, genetic methods, or DNase I footprinting). If you lack this knowledge, as discussed above you have to make the extra effort to inform yourself about the basic methodology before you can evaluate the data.

Sometimes you have to go to the library, or to a lab that has a lot of back issues of common journals, to trace back the details of the methods if they are important. One new development that eventually will make this much easier is the increasing availability of journals on the Web. A comprehensive listing of journals relevant to this course, developed by the Science Library, allows access to most of the listed volumes from any computer at the University; a second list at the Arizona Health Sciences Library includes some other journals, again from University computers.

Second, you need to know the limitations of the methodology. Every method has limitations, and if the experiments are not done correctly they can’t be interpreted.

For instance, an immunoblot is not a very quantitative method. Moreover, in a certain range of protein the signal increases (that is, the signal is at least roughly “linear”), but above a certain amount of protein the signal no longer increases. Therefore, to use this method correctly one needs a standard curve that shows that the experimental lanes are in a linear range. Often, the authors will not show this standard curve, but they should state that such curves were done. If you don’t see such an assertion, it could of course result from bad writing, but it might also not have been done. If it wasn’t done, a dark band might mean “there is this much protein or an indefinite amount more”.

Third, you need to distinguish between what the data show and what the authors say they show. The latter is really an interpretation on the authors’ part, though it is generally not stated to be an interpretation. Papers usually state something like “the data in Fig. x show that …”. This is the authors’ interpretation of the data. Do you interpret it the same way? You need to look carefully at the data to ensure that they really do show what the authors say they do. You can only do this effectively if you understand the methods and their limitations.

Fourth, it is often helpful to look at the original journal (or its electronic counterpart) instead of a photocopy. Particularly for half-tone figures such as photos of gels or autoradiograms, the contrast is distorted, usually increased, by photocopying, so that the data are misrepresented.

Fifth, you should ask if the proper controls are present. Controls tell us that nature is behaving the way we expect it to under the conditions of the experiment (see here for more details). If the controls are missing, it is harder to be confident that the results really show what is happening in the experiment. You should try to develop the habit of asking “where are the controls?” and looking for them.

f. Why are the conclusions important?

Do the conclusions make a significant advance in our knowledge? Do they lead to new insights, or even new research directions?

Again, answering these questions requires that you understand the field relatively well.

相关日志

• 施一公：如何将写作技巧应用到极致发表高水平科研论文
• 《让子弹飞》观后感——让Paper/论文飞（科研版）
• 博士毕业后的幸福生活
• 清华大学施一公教授：如何提高英文的科研写作能力
• 【PDF下载】科研利器SCI（选题、写作、投稿）
• 写英文论文摘要的葵花宝典：PARI

作者： zuyeye

第一不要太迷恋TECHNICAL的东西。从自己和周围一些朋友的例子，我发现很多中国学生对TECHNICAL的东西特别感兴趣。什么新的东西都想学，不管究竟对自己的RESEARCH有没有帮助。所以很多中国学生的通病是，前两年上基础课的时候都很优秀，经常是全A。但到了三四年级时，进入RESEARCH很慢。很多人的毕业论文都是匆忙上阵，甚至迟迟不能毕业。当然我并不是说TECHNICAL的东西不重要。博士课前两年是积累一些GENERAL TECHNICAL SKILLS很重要。剩下的时间主要集中在开始RESEARCH和学习与自己RESEARCH相关的TECHNICAL SKILLS。

第二要在三年级就开始选定一到两个具体的TOPIC。我觉得从什么报纸，杂志或网站上找灵感都是瞎掰。如果自己不是JOHN NASH那样的奇才，老老实实从文献里找灵感。看看自己的导师在作什么，看看自己领域的大牛(如自己领域TOP JOURNAL的EDITOR)在作什么。作研究都是大牛挖坑，小牛灌水。对于JUNIOR RESEARCHERS，我感觉最有效的研究方法就是紧跟大牛挖坑的步伐。认准一个题目后，静下心好好清理一下LITERATURE的脉络。不要朝三暮四，这山望着那山高，整天试图去追逐所谓的HOT TOPIC。

整理文献时先作一个LITERATURE TREE：谁提出了这个TOPIC，LITERATURE里都从什么方向研究了这个题目，它们的关系是什么。对每个分支只包括最重要的1到两个文章。把大牛和中牛抓住就行了，剩下的小鱼小虾就算了。参阅一些LITERATURE REVIEW的文章，如果有的话。然后对经典的文章，如提出TOPIC的文章要进行复制。每个公式，每个结果都试图从新作一边。如果有问题可以向原作者请教。我感觉他们大部份还是很NICE的。复制的工作量其实很大，但也可以学到很多东西。很多东西不靠亲自作是无法体会的。看看自己的导师和领域的大牛最近的研究在LITERATURE中的定位。复制自己感兴趣的文章。
有了这些准备工作之后就可以进行自己的RESEARCH了。有没有什么办法把导师或大牛的文章与其他研究联系起来，有没有什么EMPIRICAL STUDY可以做来支持导师和大牛的论点，这些都是不错的研究方向。另外，一般文章中都会提出一些自己的不足和未来的研究方向。这些都是不错的研究题材。我这里一直强调要跟大牛走。说白了，学术界其实就是被这些人控制着。大家都说中国有学霸，学阀。其实什么地方都一样。论文就是观点之争，不党结派怎么在江湖上混啊。对刚出道的人，最好还是厚道点。多作CONSTRUCTIVE的工作，少批评。我前面给的都是这方面的例子。江湖险恶，只是很多人在作学生的时候不知道罢了。比如说JOURNAL EDITOR的权力其实很大。他们很清楚什么人持有什么观点。他们喜欢的东西就发给持相同观点的审稿人，不喜欢的就发给不同观点的审稿人。结果可想而知。以前的导师不久前让我审一篇稿子。作者声称发现数据支持我导师一篇很重要的JPE文章。看了看文章的统计方法没什么大问题，我当然举双手双脚赞成发表了。

当然也可以指出大牛文章的不足。但是不能为批评而批评。能找出改进方法解决问题的文章才是好文章。比如可以这样写，我复制了A的模型，发现有什么地方和数据不符，原因是什么。我对原模型作了一些改动后，现在模型和数据MATCH了。写作过程一定要注意，多POSITIVE，少NEGATIVE。如在指出A模型和数据的冲突时，不要过多强调这种冲突可能引起的问题。而应该强调解决问题后带来的好处。这样其实已经是对原作者的间接批评了。如果A是领域大牛或作EDITOR，这篇文章十有八九能通过。想跟上大牛步伐，看JOURNAL ARTICLES是不够的。这些JOURNAL上的东西至少是3-4年前的东西了。要多留意WORKING PAPER。列出自己领域20大牛人。经常看看他们在干什么，和自己目前的RESEARCH有什么联系。参加一些WORKING PAPER的EMAILING LIST，比如NBER等。常看看TOP10 DEPARTMENT本领域的SEMINAR LIST。我想再强调一次，这样作的目的并不是要去追逐本领域的HOT TOPIC，而是看看别人的研究和自己目前的RESEARCH有什么联系，能不能给自己点灵感。至少在自己CAREER的前3-4年把RESEARCH INTEREST
限定在两个方向，每个方向整出2篇像样的文章，再考虑换方向。少而精要比泛泛涉猎几个不同方向更容易引起别人注意。就先谈这么多，以后有时间了再补充。

另外，要专心作RESEARCH就要减少在MITBBS的灌水时间。每天减少一小时灌水时间一年能多读多少篇论文啊。没有BBS北美广大WSN能平均提前1年毕业。：-)
再好的RESEARCH IDEA，如果不能很好交流也是白搭。 口语重要，有机会就要多练习。当TA是很好的锻炼。中国人之间也可以说。只有多说才能有进步。坚持说一个学期，你会发现本质的进步。口语不好也不用气馁，除了多练之外，口语其实不象传说中的那么重要，当然想去TEACHING COLLEGE的例外。口语的最低标准是UNDERSTANDABLE。个人认为语言交流有两种不同境界。一种人是滔滔不绝型。想成为这种人除了要思维活跃外，口语一定要能跟的上。另外一种人说的虽然不多，但句句点题。一句废话也不说。这两种人都能给人很深的印象。口语不行的可以建议向这种类型发展。在开口说话之前，先把思路想清楚。无论如何说到底，多练是根本。

关于写作，我同意有人的说法，能写汉语就会写英语。如果总觉得意思没有表达出来，不要找自己英语的问题。一定是思路还没有理清楚。换了让你用汉语写，一样表达不清楚。论文写作，精炼是KING。MANKIW和COCHRANE都有关于这方面的短文，如果你还没看过，不妨从他们的网站上找出来读读。文章最重要的是摘要和简介部份。如果REFEREE看了这两部份之后感觉一头雾水，十之八九要据掉文章。至少我审稿时是这样。从AER，JPE上找几篇文章一看你就对什么是好的写作有个大概了解了。我觉得好的INTRODUCTION上来第一段就要说明你这篇文章研究什么问题，得出什么结论。然后开始介绍这个问题是怎么引起的，你的文章在LITERATURE中是出于什么地位，你研究的贡献在什么地方。接下来稍微详细介绍你怎么实现你的结果的，如你的MODEL SETUP有什么不同，通过什么渠道实现了你想要得到的结果。最后指出论文中不足的地方及未来的研究方向。当然关于写作仁者见仁，智者见智。只要达到有效沟通的目的，形式有多种。

怎么提高写作？同样，多练习。从和导师的沟通练起。多给导师写一些关于自己RESEARCH PROGRESS的NOTES。不要太依赖从导师那里获得IDEA，如果你的导师能每个星期花一个小时执导你的研究，你就很幸运了。当然比较小的经济系情况可能好些，老师也往往更NICE一点。就算NICE的导师，一般也是你要先显示你作研究的潜力，老师才肯花更多时间和精力辅导你。
不要和导师空谈IDEA。如果跑去给导师说，我有一个IDEA，INTUITIVELY，应该可行，你觉得怎么样。从我的经验，导师一定说，SOUNDS PROMISING，不过你要把模型作出来我才知道。他不可能告诉你具体该怎么作。但你弄个30页的PAPER给他看，他也一定不看。为什么，成本太高。他的成本是一小时80多美元，能花2-3个小时看你的文章么。

那怎么办？我的策略是化整为零，多给导师写一些简短的NOTES。一个NOTES大概3-4页左右(DOUBLE SPACE) ，20分钟左右能看完为好。这样作有几个好处。第一，给老师充份时间考虑，得到的指导质量更高。第二，在PROJECT进行过程当中，你能及时得到一些FEEDBACK。如果开始有什么问题，做得越多就错的越多。更重要的是，在写作工程中，你的思路也被组织起来，当然也锻炼写作。

把每个NOTES都当一篇小论文来看待。上来先来个概括，如我最近作了什么工作，得到什么结果，有什么问题需要解决。然后展开谈。下面是我的一些教训，希望能对大家有所帮助。

1。不要以为导师比你更了解你的TOPIC。第一篇NOTE一定要给导师作一个背景介绍。例如你的研究是基于哪几篇文章，他们之间的关系是什么，你想从什么地方下手等。要有思想准备给他重复几遍之后，他才能开始记住你到底在作什么。

2。不要浪费时间在空谈。没有具体结果支持自己的ARGUMENT之前不要说什么I BELIEVE BLAH BLAH， I THINK BLAH BLAH。把有限的空间用在具体问题和结果上。看看自己以前的NOTES，发现很多NAIIVE的论断。太多这种东西让导师感觉你在浪费时间，而且会觉得你思维不严谨。我觉得和导师在交流的过程当中，很大一个目的就是要让他感到你作研究很严谨。

3。每个NOTE都包括读者所需要的所有信息。不要写什么SEE EQUATION (2) OF MY LASTNOTE。导师没时间去找你上一个NOTE。把信息从新列一遍。如果实在需要很多上次的信息，就把上次的NOTE附在后面。

4。把NOTE要反复阅读几遍再给导师。

5。多用公式或者一些简单的例子帮助导师理解你的结果。

6。措辞上一定要和LITERATURE保持一致，大牛用过的表达方法自己再用。不要自己发明新的术语如果LITERATURE中已经有现成的了。在写作上，多把自己写的东西和大牛写的比较比较，看看同样的意思，别人怎么表达的。
说了这么多废话，提高口语和写作，就两个字：多练。

今天就写到这罢。下次有空了给大家介绍一些NET WORKING的体会。

所谓NETWORKING就是建立自己的关系网。关系网越大，REFEREE是自己朋友的可能性就越高。评TENURE时还需要校外人员对你RESEARCH进行评估。朋友多了自然好办事。当然NETWORKING和自己的研究能力是相辅相成的。不拿出点干货光靠NETWORKING是行不通的。学经济的精着呢。

NETWORKING分内部资源和外部资源。内部指你导师和读博士所在系的其他老师及同学。剩下的就是外部资源了。今天先说说内部的。

NETWORKING的第一步，也是最关键一步就是找导师。导师是你在关系网中的入口。不夸张的说，选对导师你就成功了一半。如果有教父级人物，象SARGENT，LAR HANSEN这种人作你导师，你赚大了。到什么地方都有人罩着。大家都明白导师并不是越有名越好。那好导师的标准是什么呢。首先年纪不能太大，50岁左右最合适。很多系都有一些熊猫级的人物，如年纪偏大的NOBEL PRIZE WINNER。这些人对你的发展帮助不大。只能回中国忽悠国人。首先他们基本已经不在学术前沿了。而且应酬特多，经常被邀请到亚非拉国家去讲座，没时间指导你。没办法，发展中国家就认牌子。更关键的是，你和导师的关系不能到你毕业就终止了。一定要想办法让他把你扶上马再送一程。至少再罩你个3-4年。年纪太大的导师不现实。学术界就这样，人走茶凉，没办法。

其次，导师要PRODUCTIVE。每年有2-3篇TOP FIELD JOURNAL以上的论文。不少教授被称作DEAD WOOD。一看就知道什么意思了罢。找了个DEAD WOOD你毕业时就DEAD了。另一个很重要的标准就是导师要肯花时间指导学生。导师对学生是否CARE， PLACEMENT是检验真理的唯一标准。有些导师把自己以前学生的信息放在自己的网站甚至简历上。一般这样的导师对学生都很CARE学生。老师的人品不要只道听途说。同一个导师对不同的学生也不一样。我在选导师前听说他曾经当面把学生的论文扔进垃圾筒。不过看他学生的PLACEMENT都很好就选了。其实有时候导师显得很MEAN也是被逼的。如果自己是大牛，对学生又“滥爱” ，所有人都会找你作导师。你不被学生烦死才怪。我们系有几个NICE的FACULTY就是这样被BURNED OUT的。学术界本身就是一个JUNGLE，再牛的人如果2-3年没什么像样的文章也会很快FADE OUT。所以你一般开始和这些人接触时，往往他们有点带理不理的。特别是你去找他们空谈一些什么IDEA，他们恨不得一脚把你踹出去。对导师期望不要太高。如果他一星期花一个小时指导你，已经很好了。

但不要因为困难就找JUNIOR FACULTY作导师。除非你自信能毕业前在TOP FIELD JOURNAL以上的刊物发表独立作者的文章。等毕业时你就知道导师的NETWORKING有多重要了。从我去年RECRUITING的经验看，没人会花时间把所有3-400份申请认真看一边。我们直接到TOP 15的网站，看看大牛有什么弟子。只要和要招的方向沾边的，统统面试。就算你是TOP 15，但导师是个JUNIOR，又没有PUBLICATION，一样不睬你。然后从15到30的网站上看有没有什么中牛的弟子看起来PROMISING的。如果有，把导师的推荐信找出来读。如果导师强烈推荐，也面试。这样下来，至少有30多个CANDIDATES了。让秘书把在LIST上人的申请拿出来，其他直接存档了。然后再大家传阅这30多个申请，从里面挑出25-30个人面试。如果你导师没有一定知名度，你又没有论文发表，你的申请被看的概率基本为零。

早在JOB MARKET正式开始前，你的导师已经在给你作宣传了。比较明显的是他可能在自己的WORKING PAPER中CITE你的毕业论文。大牛的WORKING PAPER都是万人瞻仰的被他CITE后你的知名度一下就上去了。还有很多幕后工作你根本不知道。在9-12月之间的SEMINAR和CONFERENCE上，除了讨论RESEARCH之外，一个重要的话题就是推销学生。“老张，今年你们招宏观的人么？我有一学生很好，他的毕业论文研究BLAH BLAH ” 这种宣传对15-30名之间的系非常重要。建议你把自己申请学校的LIST给你的导师。如果你有什么特别想去的地方，让他知道。他会在适当场合有的放矢地给你宣传一下。

对大多数人讲，自己拿博士学位的系可能是自己呆过的最好的经济系了。所以要好好利用。除了自己的导师外，要和系上其他老师保持紧密联系。如果有两个自己方向的牛人在系上，让他们COCHAIR。JUNIOR FACULTY虽然不能作CHAIR，但也要和他们经常交流。这些人往往更NICE，可以成为你COAUTHOR的对象。同FIELD的学生也是很好的资源。不要把他们当作你的竞争对手。如果别人作的比自己好，不要嫉妒。自己当不成明星，就当明星的朋友。想想自己平时还要挖空心思去接近牛人。如果自己的朋友一天成为牛人，自己岂不近水楼台先得月？

内部指你导师和读博士所在系的其他老师及同学。剩下的就是外部资源了。今天我们继续说说外部资源。
建立关系网前，首先对自己FIELD有什么牛人做个大概了解。基本策略和找女朋友一样，要普遍撒网，重点培养。列一个黑名单，包括本FIELD在 TOP 5 JOURNAL 担任EDITORIAL 职务的大牛；在本FIELD TOP JOURNAL里担任EDITORIAL职务的；加上你导师，如果他还没在LIST上。这样一划拉，至少也有二三十个了。怎么和这些人拉上关系呢？还是要从导师入手。找找黑名单上谁和导师合作过，谁和导师的观点比较接近。这些人十有八九和导师是朋友，列为重点发展对象。学术界错综复杂的关系其实完全和中国的关系网有一拼。不少牛人之间大学是ROOMMATE，或者研究生同一个导师。如果你是这种朋友的弟子，自然对你会有所照顾。

另外自己研究TOPIC领域的几个牛人也是重点发展对象。即使和自己导师没什么直接联系，也要想办法接近。第二批发展对象是自己领域里的RISING STAR。每年看看本领域TOP 15 SCHOOL里有什么人在MARKET上，TOP 30 DEPARTMENTS 里哪些AP是和自己一个方向。这些人由于初露头脚，往往更容易接近一些。相对大牛而言，这些人更容易成为自己的REFEREE。大牛一般不屑作我等小虾的REFEREE。他们经常把JUNIOR的SUBMISSION PASS 给别的JUNIOR。在我REFEREE的文章中，JUNIOR FACULTY 占了2/3。

列好了发展对象，什么时候开始建立关系网，怎么建立呢？我前面说过，说到底RESEARCH是KING，NETWORKING只是辅助作用。当自己的RESEARCH还不很成熟时，不要花太多精力去拉关系。这时候可以采用守株待兔的策略。可以积极接近系里的SEMINAR VISITOR 和其他短期VISITOR。如果有黑名单上的人作SEMINAR，一定要把论文提前认真读一遍，想一到两个SMART QUESTIONS。至于什么是SMART QUESTIONS，下面只是我个人看法。一句话，做人要厚道，尤其是刚踏入江湖的人。一定要牢记自己提问题的目的是帮助作者添砖加瓦，如何把论文作得更严谨，更完美，而不是去挖别人墙角。可以看看有没有相关的LITERATURE被作者漏掉了，文章逻辑是不是严谨，THEORY和EMPIRICAL部份是不是对应，有没有什么简单的ROBUSTNESS TEST作者可以考虑一下。总之，这种CONSTRUCTIVE的问题更容易引起作者的认真考虑，容易被采纳。
但是VISITOR不可能对你有什么印象如果你仅仅在SEMINAR上提个问题。要找机会和他们面谈一会儿。VISITOR往往会在系里呆一段时间。到他办公室去介绍一下自己的RESEARCH，自己的RESEARCH和VISITOR的有什么相关的地方。去之前要先作个RESEARCH，看看VISITOR以前作什么，现在正在作什么，这样话题更多一些。不要希望他们能记住你的名字。但一定要自报门户，让他知道你是谁的学生。让他知道你导师有个优秀的学生会在未来的MARKET上，方便导师以后推销你。

有了一篇像样的文章后，就可以加大NETWORKING的力度。把文章发给自己黑名单上的人。但发之前一定要认真考虑，可以征求一下导师的意见。文章要有一定的质量才能起到给自己作宣传的作用，不然会适得其反。尤其是在TOP SCHOOL 的学生，开始大家会很SERIOUS的对待你。如果发现你的论文也就是TERM PAPER的水平，下次你再发文章给他们，恐怕没人再看了。所以对外NETWORKING太早不但不能帮助你，反而可能把你BURN OUT。文章一定要认真修改之后在给大家传阅。找NATIVE SPEAKER纠正语法错误。

发给别人时，不要仅仅说我有一篇论文和你的研究相关，希望你看后给我提提意见。首先，如果自己引用了他的论文，要让他知道。其次，对自己的论文作一个简短的介绍。对于这种骚扰，大部份人不会有什么回应。NICE点的可能回个EMAIL说，感谢发论文给他，有什么COMMENTS会给你说。但能认真给你提建议的应该很少。但不要气馁，至少自己的名字让别人看到了。自己一二年级时对SEMINAR完全听不懂，但还是坚持去。不图别的，就是和老师混个脸熟。同样作为JUNIOR，不要怕热脸贴冷屁股，贴几次就热了。

有人问我读书期间去参加CONFERENCE有没有帮助。我个人感觉帮助不大。很多CONFERENCE有学生SESSION，去这些SESSION的往往是学生。接触的人很有限。但如果决定参加，就要好好利用。认真看看CONFERENCE的PROGRAM，有没有黑名单上的人参加。如果有，要参加他们的SESSION，SESSION结束后要留下来给他们聊几句再走。但这种大型CONFERENCE上大家都忙着SOCIAL，一般不愿意花太多时间和STUDENTS TALK。

真正的NETWORKING我觉得是在上JOB MARKET之后。有很多介绍JOB MARKET的文章里包括了怎么INTERVIEW和FLYOUT，我这里就不罗嗦了。这两个环节都是自己认识人的好机会。
工作后有什么资源可以利用么？第一是系里的SEMINAR，争取当系里的SEMINAR ORGANIZER。实在不行，每个学期争取请1到2个自己的朋友来讲座。这时的主动权就完全掌握在自己手里了。把黑名单上的人排个顺序。自己研究TOPIC的人排在前面，挨个请。以前不认识的也可以。一般这种邀请别人不会拒绝，除非是极牛的人。他们实在太忙。但给他们发个邀请，就算拒绝了他也会对你有个印象。人请来了自然要好好招待，安排旅馆，陪着吃饭自然免不了。吃饭时抓住时机给别人介绍自己的论文。而且要介绍自己正在或者正准备作的PROJECT，很多COAUTHORSHIP就是在饭桌上产生的。别以为这一套只有在中国行得通，其实是世界通用的。别人请来的SEMINAR SPEAKER如果有机会，吃饭也是要同去的。两杯酒一喝，不管中国人还是外国人，关系都感觉更近了一步。

有机会多参加CONFERENCE。在CONFERENCE上要PRESENT或作DISCUSSANT。这样才有暴光度。作DISCUSSANT时要肯花时间。一个好的DISCUSSANT很多时候比PRESENTER给人的印象还深。
刚毕业的JUNIOR一定要避免一个人单干。找导师合作一两篇文章。让他扶你上马后，再送你一程。如果本系有比较出名的SENIOR，想办法和他们合作效果可能更好。
毕业后REFEREE的工作会逐渐多起来。这时一个给EDITOR留个好印象的绝好机会。认真准时完成报告。写报告时要厚道，不要一味批评别人。当然有人写很MEAN的REPORT，这完全是个人选择。我一般即使决定要据某个文章，除了指出它不足的地方外，都列几个CONSTRUCTIVE的COMMENTS。REFEREE是匿名的，EDITOR可是署名的。虽然我们不应该TAKE IT PERSONALLY，但如果你从一个EDITOR手里收到一个很MEAN的REPORT，自然会多少有点迁怒于EDITOR。EDITOR还是希望有一篇中肯，NICE的REPORT。

在REPORT中不要让别人CITE自己的文章，尤其是自己要据的文章。除了给EDITOR留下不好印象外，还得罪了被审稿的。别人一下就可以猜出是你审的。你如果有什么仇人，可以害他一下。写一篇MEAN REPORT，然后让他CITE你仇人的文章。呵呵，开个玩笑而已。
如果文章不错，建议接受，写一篇很NICE的REPORT。写几句很明显的赞扬的话，让作者一看就知道你一定是建议REVISE&RESUBMIT。适当谈谈这篇文章和自己文章的关系。不要明显CITE自己的文章，除非是联系非常紧密。可以把自己文章的IDEA介绍一下，讨论一下这两篇文章的互补之处。作者回去作个LITERATURE SEARCH，十有八九能找到你。
以上只是我个人的一点儿体会，欢迎大家补充。

相关日志

• 青年教师需要什么样的科研环境
• 初涉科研生涯的四个黄金戒律
• 9个网站满足你所有研究的需要
• 【经典语录】24条做科学研究的经验教训
• 我做科研的几点体会
• 给研究生新生的十二个忠告

Intechopen是一个涵盖科学、技术和医学等领域的开放存取出版商，它成立于2004年，研究人员在该平台可以免费阅读、共享和下载学术资源，其目的是为研究者提供免费的高质量的在线学术资源，并为科学界提供了一个自由交流的互动平台。目前Intechopen平台提供超过1210本书籍和数万篇学术文章供用户免费下载。

Intechopen目前拥有书籍分类为：
Physical Sciences, Engineering and Technology (721)
物理科学、工程和技术

Life Sciences (108)
生命科学

Health Sciences (380)
健康科学

Social Sciences and Humanities (5)
社会与人文科学

Intechopen目前拥有期刊分类为：

International Journal of Advanced Robotic Systems
国际先进机器人系统杂志

International Journal of Engineering Business Management
国际工程经营管理杂志

International Food Risk Analysis Journal
国际食品风险分析杂志

Nanomaterials and Nanotechnology
纳米材料与纳米技术

International Journal of Radio Frequency
无线电频率期刊

Identification & Wireless Sensor Networks
识别和无线传感器网络

相关日志

• 2011年EI（工程索引）收录的中国大陆期刊
• 2011年SCI收录的中国大陆期刊 （附影响因子）
• 2010/2011年最新SCI期刊影响因子（Impact Factor ）查询与下载
• 《科学》杂志成功秘诀在哪里
• 医药化学类最具影响力的10种期刊
• 著名科学期刊《自然，Nature》关注博士生的未来

最多留言日志

• 以管窥豹：两组数据看清华离诺贝尔奖到底有多远
• 中国电子行业及其它–从电子行业看中国的科技现状
• 英文投稿过程中的十种状态
• 三聚氰胺/蜜胺/melamine介绍及MSDS
• 学术交流站点–小木虫论坛
• 中国知网（CNKI）下载免费帐号及密码（不断更新中）

做实验需要注意的五大细节

唐凌峰

实验的成功率很重要，而要提高成功率，就必须注意细节。以下是做实验需要注意的五大细节：

一，记录

人的记忆力是有限的，在做实验的时候，不可能记住做过的每一步。例如实验记录如果不及时写，第二天就会忘记很多，一周之后就完全忘记了。所以做实验一定要做好实验记录。记录一要及时，否则就会忘记，最好是随时记录。二要详细，因为一个很小的细节可能就是实验失败或者成功的原因，如果没有记下这个细节，实验出问题了就难以找到原因。例如，做实验用的试剂是哪一瓶，什么时候配的（尤其是容易失效的试剂），如果是用PBST配的5%BSA，加了0.02%的Sodium Azide抑制微生物生长，就应该记录为5%BSA.PBST.N3Na，而不是5%BSA。三要整洁，如果过于潦草，看起来很不方便，需要找相关信息的时候就难以找到。配好的试剂做好标签也是一种记录，标签一定要详细：包括试剂名称、配置日期、配置者及其它必要信息。在配试剂的时候，为了防止忘记贴标签的情况，应该先贴标签，再加试剂。电子记录有易于检索的优点，对于某些重要信息，可以记录到电子文档（例如word文档）里面。

二，核查

很多时候，我实验失败的原因是没有仔细核查，例如没有核查果蝇的表型，没有仔细检查试剂的标签，没有核查离心机的转速，没有检查heat block的温度等等。每一个小错误都可能导致实验失败，所以一定要养成仔细核查的习惯。具体来说，在加试剂的时候，一定要仔细核查标签（包括试剂名称、配置日期），是否有沉淀，颜色是否改变等；使用仪器的时候，要核查设置，例如温度、转速、时间设置等；电泳的时候，要核查是否有气泡冒出；使用实验动物的时候，要核查表型等。

三，分装

谚语说：不要把所有鸡蛋都放到同一个篮子里。同样，在做实验的时候，有时也不要把所有试剂都放到同一个容器里。分装有很多好处。第一，保险。可以防止因为污染、变质等原因损失全部试剂或者样品。第二，容易混匀。结冰的试剂需要全部溶解然后vortex才可以混匀，如果很大体积，有时会等不及全部溶解就开始加样，会导致浓度不均。一般溶液都是先溶解溶质浓度高的，就像是结冰的汽水一边融化一边喝，一开始很甜，最后几乎没有甜味了，是因为糖份的存在会降低熔点，含糖量高的先溶解了。分装后，每一管溶液量小，解冻时容易全部溶解。注意在分装的时候一定要全部溶解并充分混匀。第三，延长保质期。很多试剂都要低温保存。如果不分装，每次使用的时候都全部受热一次，变质就会很快。分装之后，每次使用只有少量试剂受热，其它的还可以继续保持于低温，可以延长使用寿命。抗体、体积较大的酶、热不稳定的其它试剂等最好分装保存于-20度或者更低的温度。

四，混匀

实验对很多试剂的用量都有明确要求。要保证实验的成功和可重复性，必须保证试剂用量一致。用量等于体积乘以浓度，如果溶液不混匀的话，浓度就会不同，即使加样体积一样，实际的量也可能不一样。所以，一定要保证试剂是充分混匀。结冰的试剂，必须完全溶解才可以使用。容易沉淀的试剂，使用之前必须充分vortex后再快速离心一下才能使用。

五，备份

在《At the bench》一书里，作者说如果实验室发生起火等危急情况，首先应该抢救的不是试剂，而是实验记录。因为有了实验记录才可以完成论文。其实，为了防止实验记录丢失的情况，可以把实验记录扫描为PDF文档以备份。同时，对于重要的研究数据，最好整理成电子文档例如excel或word文档，并且养成对自己的电脑文件定期备份的习惯。此外，质粒、转化后的细菌也需要备份。最好备份两份以降低丢失的概率。

相关日志

• 十个著名的思想实验（这都是怎么想出来的）
• 化学实验中常犯的21个错误
• 科学实验设计的“三要素”和“六原则”
• 科研论文三步曲——看文献/做实验/写论文
• 常用缓冲溶液的配制方法
• 【PDF下载】正交试（实）验设计方法

显然，能弄来课题“好处”很多，诱惑很大，可是自从上世纪80年代初步入学界以来，在30余年的学术生涯中，我从未申请课题。也许有人会问：原因何在？

第一，我的研究兴趣和关注的问题与课题发布者的意图往往对不上号。我是从事纯粹学术性或“无用”的理论性研究的，对应用性问题缺乏兴趣，而现在的招标课题多数是要有“用处”的。即使剩下的理论课题，也与我的旨趣不大合拍，况且其中还有部分假问题。我研究的问题，既不属于庙堂话语的范畴，也不符合时髦热点的旋律，往往处于大溜之外，而且研究结果不时与传统观点和教条观念唱反调。这样不入时的研究题目，人家怎么会批准呢？所以，我只有在“千山鸟飞绝，万径人踪灭”之处，“独钓寒江雪”了。

第二，课题设定时限太短，我无法在规定的期限内结题。现在招标或申请的课题，有一年半载的，至多也不过三五年。在这样短的时间内，我根本无法完成一个有分量的研究。从我的学术经历看，除了某些枝节性的问题用时较少外，稍微像样的题目，两个三五年也不够。我研究批判学派超过25年，而科学文化、科学论研究贯穿在我的学术生涯中，至今还在继续。为了申请课题，把自己的研究肢解得七零八落，或者只知道围着别人的指挥棒转来转去，小打小闹，打一枪换一个地方，没有自己驻守的“根据地”，怎么能搞好学术研究呢？

第三，不符合我的研究规律。我研究问题，有时单刀直入，有时齐头并进，有时深入堂奥，有时中途转向，忽紧忽慢，有张有弛，完全是按学术研究的规律进行，按我的思维逻辑和突发灵感行事。有要求的课题，就只能局限于人家设定的范围，按人家的章程和日程办事，不能越雷池一步，也没有时间和精力跨越界限或改换门庭。这样，自己就没有固有的专注领域、迷恋的兴趣焦点和长远的目标计划，更不可能跟随灵感的即时闪现迅速转移阵地，只能在一棵树上吊死。

第四，我既无能又无法填写申请表。现在的课题申请表，要求填写诸多内容，但是格式大同小异。一般都要说明预期成果和实施步骤：预期成果必须写得头头是道、纲举目张。总而言之，务必讲得既天花乱坠，又天衣无缝，以便打动审批人，收取旗开得胜、马到成功之效。遗憾的是，我无能亦无法做到这一点。我研究一个学术问题，起初只有大致的范围、混沌的轮廓、模糊的观念，根本不晓得将来会取得何种成果，也不清楚何年何月会进展到何种地步。我只知道先收集资料，接着研读文献，经过多年基本备齐材料之后，再从头到尾通读并熟悉它们，反复思考，此时心里多少有点眉目，方才敢于操觚染翰。要求在着手研究之前就那样搭建空中楼阁，我没有这个能耐，更没有凭空吹嘘的本领。

遗憾的是，中国目前的研究经费，全部掌握在有关机构手中，清一色的申请批准模式，让你毫无选择的余地。在这种境况下，我只好退避三舍，对申请课题“敬而远之”了。（作者为作者为中国社会科学院研究员）

相关日志

• 课题/基金研究报告与工作报告的区别
• 递交基金申请书之前18个自问
• 2011通胀抗压选债基 回避风险强收益
• 【PDF下载】改善国家自然科学基金申请书内容的表述形式 (姚玉鹏)
• 戴世强教授：基金申请十日谈
• 再谈博士生如何夯实成功科研生涯的基础——18个你必碰到的场合之二：确定研究课题

作者：jinhuewe

最近版上常有虫友纠结于国内占坑还是出国薄厚的问题，本人有颇有些感触。下面这篇帖子是一年前，本人在“博后教授”版上发的，兴许对正在纠结中的虫友有点启发。当时“海外薄厚“版还没有出来，这里本人要感谢W版，给大家提供了一个交流信息的平台，也祝愿本版越来越兴旺！原文如下：

鄙人偶尔来贵版转转，感觉贵版气氛有些异常呀。贵版是“博后教授”版，不过版上虫友对“博后”的看法似乎很负面呀，比如说“实在是找不到工作才做博后呀”，“博后就是临时工呀”等等看法不绝于耳。鄙人想结合自己在国外的这几年经历，以及对国外科研制度的理解，说说一点自己的想法。
贵版版主以前搞了一个调查，问为什么这个版叫“博后教授”版。是呀，为啥叫博后教授版？很多虫友觉得，博后和教授有啥关联呀。鄙人有个业余爱好，就是没事的时候喜欢看看自己领域的那些欧美牛教授的网站，看看他们的CV之类的，所谓见贤思齐么。一般来说，这些教授毕业毕业以后，到评上assistant professor之前，都有几年博后（post-doctoral fellow, PDF）或者类似博后（比如research associate或者research fellow）的经历。鄙人也听说过有牛人一毕业就评上米国assistant professor的，但实事求是来说，鄙人在本领域还真没见到。一般欧美学术界的规矩，青年科学家在得到assistant professor之前，做几年博后或者类似博后的独立研究工作，是在学术界进一步发展必须的，其实很多时候也是为了搞人家关系。当然也有例外，比如说很牛的fresh PhD(MIT或者哈佛毕业，或者老板是炸药奖得主之类的)，也可以直接搞到assistant professor的。
再谈谈这几年，国内fresh PhD联系欧美博后的问题。鄙人毕业于中科院一牛所，自己了解到的情况大概是这样的，01年和07年，对联系国外博后来说，是两个分水岭。01年之前，我们所基本上所有博士都博后出来了，从01年以后，逐年不容易了，到了07年，据说能出来的已经不到一半了。鄙人要说明一点的是，其它单位本人不了解情况，鄙人还真没听说我们所的fresh PhD快毕业时有谁没试着联系国外的，只是最后成不成功的问题。事实上，这几年，联系博后难度已经不是一般的大了，尤其是欧美一流大学或者研究所。主要是下面几个原因：这几年国内博士大批发，我用的是“大批发”三字，虫友应该没意见吧。第二是基金委搞的大规模公派博士生计划，每年5000个，加上各个大学，省市自己的公派项目，据说每年2万人出国深造。呵呵，自己想想吧，国外科研容量有多大？如果你是国外老板，你是找个要你自己发工资的博后，还是免费廉价的中国公派？第三，就是这几年金融危机，欧美很多大学研究所经费受到削减了。这三大原因，这几年，fresh PhD想要自己联系国外博后，难度是可想而知了！版上很多虫友觉得博后一无是处，是实在找不到工作的最后选择。说实话，鄙人真是不知道怎么说才好。反正，鄙人接触到的稍微有几篇SCI的，无一例外想尽办法联系欧美博后。既然一些虫友如此鄙视博后，想必都是牛人呀，呵呵。如何个牛法，就自己联系一下欧美的一流大学，看别人要不要你去么，不就清楚了！公派的就不要提了。
再说说是博后还是先工作的问题。这个问题，每个人都有自己的个人情况，不能一概而论。建议诸位fresh PhD听听自己老板的意见。似乎，学术型的老板一般会建议出国博后，行政型的老板，多会建议先占坑。就目前的形势而言，国内博士联系欧美一流科研机构的博后，除了自己要牛（好SCI要多）之外，自己老板的学术人脉也至关重要的，这点我不说大家都明白的。学术做的一般般的行政型老板，哪里认识几个国际大牛呀。
说到占坑，再说说国内大学职称级别的问题。国内大学，一般是助教－讲师－副教授－正教授。以后跟国际接轨那是肯定的，事实上，现在已经有些985大学，在实行tenure track 制度了，新进的人员都从assistant professor开始。如果虫友有兴趣的话，可以看看饶毅老师的博文。估计在以后一段时间内，将是这两套制度并存。虫友们可以想象一下，一个刚毕业的土鳖博士，搞到assistant professor的机会有多大？当然牛人（确切来说，是牛老板的学生）除外，呵呵。以后，在国内大学混，没有几年海外背景，如何混？当然占坑以后，也可以公派。这不，有些985大学和中科院的有些所就说了，那种几个月不到一年的公派国外经历不算数！到了申请基金的时候，这点国外资历，就更不值一提了，牛海龟多得是！各位虫友们，大家讨论是出来做博后还是先占坑的问题，如果你是以后想一辈子在中国学术界混，这个问题还有讨论的必要吗？
以上是鄙人的一点感触而已，说实话，在国内的国外的大家都不容易。有时候，自己做不到的事情，还是不要鄙视别人，酸葡萄是要不得的。一家之言，拍砖请轻点呀，呵呵。

以上是本人一年前发在“薄厚教授“版上的，当时大家分为两派，赞成和反对的各占一般，呵呵。其实，我个人觉得，出国薄厚与国内占坑这个问题，与现在国内大家都很关注的买房的问题很相似。其实，大家都知道，中国的房地产泡沫很大，物不所值，当时大家都还是挤破头买房。为啥？其中一个很重要的原因，就是既得利益集团控制了舆论，造成大家心理的恐慌。。。。。。。国内占坑的问题，是不是跟这个似曾相识呢？国内大学生就业难难道是一年两年了么？是什么原因，造成了大家觉得一定要在国内占坑呢？且不问这个坑含金量有多高。。。我总觉得，有个无形的舆论导向，在上空控制这大家，就跟房子问题一样，就是想造成大家的恐慌。其实，我们出来以后，看问题的角度，就跟在国内大不一样了。

本人一年前信手涂鸦的一个旧帖，引来了大家这么热烈的讨论，着实令本人很意想不到。在这里谢谢诸位捧场，本人也想借此总结一下自己的一些观点，兼回复一些虫友的问题。

1. 在我这个旧帖里面，我将博士毕业后的出路限定在学术界。是的，博士毕业了可以当公务员，还可以进入工业界。但考虑到中国大部分博士毕业了首先选择科研界，其次是公务员，再次是工业界，所以本人主要讨论的是在学术界的出路问题。出过国的同学都知道，在欧美，博士毕业后的首选是进入工业界，尤其是那些知名跨国公司。原因是很简单的，所谓屁股决定大脑，工业界优厚的薪水和良好的社会地位决定了的。在德国，如果你有幸能进入象BASF，Siemens，Bosch这样的跨国公司，那么你的薪水基本上是你在科研界同学的两倍，如果算上company car,出差补贴，小孩入托之类的隐形福利，差距会更大。2倍的差距也许在国内不算啥，但欧美的人均收入比较平均，那么这个差距基本上就是住apartment和house的区别。国内呢，我想大家选择的顺序基本上是公务员，然后是大学研究所，最后才是工业界吧。什么原因我就不多说了，大家心里都清楚。以后跟国际接轨恐怕是必然的，工业界必然是国内大多数博士的归宿。

2. 我发现，回帖的虫友，基本上有一半似乎是从来没出过国的。其实，我觉得讨论出国博后还是国内占坑的问题，最好是有出国经历的人来发言。葡萄都没吃过，怎么知道葡萄是酸的还是甜的呢？最好是国内占坑出来的，或者回国占了坑的这些人，他们对这个问题最有发言权，大家说是不？

3. 我发现，很多人拿国内的人跟国外的人比较，总喜欢拿国内混得好的跟国外混得差的比，这个现象很有趣呀，呵呵。我们在国外看到的，且不说商业界有不少混得好的华人，即便是在学术界混到正教授这一级的也有不少。

4. 回国占坑，还是留在国外，完全取决于自己。有人觉得国内两三千的青椒位置很爽，有人米国老千都不愿意回，只要当事人觉得过得好就OK了。兴许这个青椒还BS这个米国老千呢。不过话又说回来，你要是真想看看米国老千在万恶的米国过的是如何的惨，我觉得你还是自己亲自来米国看看才行，老在那里妄自揣测人家也不是个事，你说是不？

5. 回国占坑，还是留在国外的比例的问题，教育部那个统计数据说明不了什么问题。我就关心海外的博士+博后这部分人的出国/回国比例。确切来说，我最关心在国外直接拿到博士学位的这些精英的选择。诸位应该都有PKU和THU的同学考GT来米国读博的，有时间跟这些“人精+精英”们聊聊，他们的选择最能回答这个问题。 回国占坑，还是留在国外的问题，跟是否爱国无关。回国的不见得就是多么爱国，留在国外的不见得是不爱国的。别TMD的拿爱国这个大帽子乱扣！否则，愤青（俺也是）们早把PKU和THU给铲平了。在国外的各大中文论坛，海归与海不归永远都是一个永恒的话题。不过话又说回来，在那里嚷嚷着海归的，又有几个真正的海归了呢？

6. 我们出来了以后，人生又多了一个选择，那就是在国外还是回国的选择。能多有一个选择，那真是太好了。出国以后，我们的视野开阔了，看问题也更加多元了。夜深人静的时候，我们时常思考一下，未来中国的发展方向和趋势。不是关心国家大事，国家大事不是我等屁民所能够关心的，而是希望通过思考这些问题，能够为自己和家人有个更长远的规划。中国的经济真的可以一直保持高速增长？真的有所谓的“中国模式”？这些问题，出国了都会有自己的思考。大家都是从小看新闻联播长大的，CCTV的新闻联播，前10分钟是国家领导人很忙，中间10分钟是全国人民多么幸福，最后10分钟是资本主义国家老百姓生活在水深火热之中。哈哈！

7.博士毕业了， 在决定自己下一步之前，每个人问问自己究竟是喜欢学术呢？还是希望从学术中得到别的？比如财富，学术地位？社会地位？问问自己究竟想要什么？下一步如何发展的问题，答案就有了。科学家只是诸多职业中的一种，一个谋生的职业而已。我知道很多人读到博士了，心里一直有个“教授”的梦想，似乎只有当了教授，才是修成正果。其实，现在在中国搞研究也只是一个谋生手段而已。在哪里干不是给人打工呢？跟谁干不是给人打工呢？你说是不？世上道路千万条，博士毕业了不见得一定呀搞研究是不？我们很多时候，考虑问题都是从利益的角度来思考，我们有没有问问自己的心？echobhb顾问的贴子很有启发，难道不想当老板的博后不是好博后？我们真正地问过自己的心吗？当你开始羡慕L的时候，其实你已经在否定自己了。否定自己，其实是一个很痛苦的事情。做自己不情愿的事情，过自己不愿意的生活，是一件很痛苦的事情。那么我们为何不让自己的心做一回主呢？羡慕L，就义无反顾的赶快回国去。想献身科学，就坚持下来。事情有那么困难和复杂吗？还纠结啥的？赶紧了！

以上是本人的一点个人观点，本人也不是啥牛人，看问题自然是很肤浅。一家之言，拍砖请轻点。还有，本人不喜欢灌水式的回帖。

相关日志

• 2008年RAE英国大学科研能力排行榜
• 【PDF下载】Make the Right Moves: A Practical Guide to Scientific Management for Postdocs and New Faculty
• 2012中国大学杰出校友排行榜100强名单
• 教你读科研论文（中英文）
• 盘点诺贝尔奖得主最多的世界30所大学
• 2012全球大学（高校）声誉排名TOP100

作者：王守业

“Idea”这一简单的英文单词，却似乎很难用一个对应的中文词来翻译，它应该包括了“想法”、“思路”、“点子”等多种意思，所以这个看似简单的单词代表的是相对复杂的意思，更代表了对于科研人员而言非常重要的问题：怎样获得好的idea?

不少人，尤其是刚从事科研的研究生认为，撰写论文是在试验做完之后的事情，事实上，在做试验开始之前就已经开始了，即：怎么想到一个有创新性的idea是论文写作（本文只限于SCI英文论文的讨论）的第一步。年轻的父母们都不希望自己的孩子输在起跑线上，而新的idea就是科研活动的起跑线，它是研究人员拿到经费资助、最后发好文章的基础和重要基石，而idea的创新程度直接决定了以后文章的质量。所以我们即使只是为了自己前途（实际上在当今中国也是“钱”途）计，也不能使自己输在起跑线上。

“磨刀不误砍柴工”，多花几个星期想idea，看似浪费时间，由于生物医学研究的长周期性及高成本，这方面的时间投资绝对是值得的、划算的。这也有点像写议论文的论点，强调的是立意要新、要高，总是陈词滥调，不会有人感兴趣。怎么才算是好的idea呢？科学网知名博主鲁白（现任中国葛兰素史克研发部副总裁）对此有高见，我就不再一一赘述，有兴趣的朋友可以参见他在科学网自己博客上的演讲稿，题目为：“如何在顶级科学杂志上发表论文”。再来看什么是不好的idea，套用鲁白先生对不好的研究工作的评述，分述如下，谈谈自己的粗浅认识：

第一类称为Horizontal growth，所谓横向长。比如有人在某乳腺癌细胞系做出一个新的结果，我现在手头有肝癌细胞系，用类似的方法和思路试试如何？这类的思路，显然没有什么创新性，但是这类似的思路，个人认为也并非完全不可取，比如最近有人在肿瘤学的著名期刊Cancer Research发文报道过量服用鱼油可使老鼠（记不得是小鼠还是大鼠了）增加得结肠癌的风险，但是类似的工作在人身上就从来没有人做过（不一定要给给人大剂量服用鱼油），这样的思路仍然很有意义，也很有希望发表很好的论文，所以做临床的医生多和搞基础的合作、交流，多看基础类的相关论文，就比较容易产生此类的新的科研思路。

第二类为Filling gaps。这种思路在细胞信号传导研究中尤为常见，比如有人已经报道A蛋白是B蛋白的上游蛋白，另外有人报道B蛋白是C蛋白的上游，但是A和C蛋白之间的关系就是个gap，无人报道，所以我就研究A和C的关系，这种结果一般都是可以预测的，创新性不大，尽管如此，这类的发现也照样可以发表文章，只是不大可能入CNS（Cell, Nature, Science）之类的牛刊的法眼。

第三：Working out details，比如著名期刊Cell在2010年曾报道了标题为“GPR120 is an omega-3 fatty acid receptor mediating potent anti-inflammatory and insulin-sensitizing effects”的牛文。虽然欧米伽-3脂肪酸(鱼油的主要活性成分）已经研究了很久了，但是这篇文章是一个里程碑式的突破，发现了欧米伽-3的受体GPR120。但是两者作用的很多细节上不清楚，比如哪些是GPR120作为欧米伽-3的受体关键位点？两者在体外作用的动力学研究等等， 事实上，这类的思路在我们国家（甚至整个世界）的研究中占了很大的比例，我们美其名曰跟踪世界前沿，这样的思路/idea尽管一般不能出第一流的成果，但是也能发二三流的文章，对于研究生而言，这已经是不错的结果了。顺便提一下，我最近恰好听了该文的通讯作者的一个学术报告，从其得知，只有野生的鱼里才富含欧米伽-3脂肪酸，而人工养殖的鱼里含量极少，并且对人体不好的一种脂肪酸(即：欧米伽-6脂肪酸)含量在养殖的鱼里反而很高，所以说：不但“家花没有野花香”，连“家鱼”也没有“野鱼”香啊！

第四，Support existing idea, “me too”。比如钟南山院士在Lancet上报道某种治疗A病的的常见廉价药可以治疗B病（不敢确保他们的具体研究内容），所以我就用这个药的类似物，或者有类似药效的药，看是否也有类似的结果。

第五，Follow up，有人在前面已经发表了，我在后面跟上。这个有点像第三点Working out details，不再赘述。

第六，Incomplete study, preliminary。这种例子在低端期刊比较多，我在帮别人改稿时常看到这类的问题，就是说，一个故事还没有讲完呢就嘎然而止啦，让人很上火，比如有人发现某种激酶在放射辐照的肿瘤细胞中表达水平升高（mRNA和蛋白水平），就完啦，至于机理等一概没有，像这种文章，审稿人要么直接拒稿，要么就是要求补很多实验。

那么到底如何才能获得新的有创意的idea呢？新的idea绝不是闭门造车得到的，尤其是对于一个刚从事科研工作的研究生而言，更不要奢望某天会突然来灵感了，新的idea自己就会从脑海里蹦出来，连牛顿这样的千年不遇的牛人都需要站在巨人的肩膀上，何况你我等凡夫俗子？！更有必要往巨人身上靠，作为一个新手，如何识别业内的巨人或者牛人呢？个人觉得可同时利用ISI Web of Science 采用三种措施：１）结合本实验室，或本科室的研究方向现查一下该领域的被引用次数最高的几篇综述类文章，这类文章一般是必读的经典论文；２）再查该方向的发表的综述类影响因子最高的几篇论文；３）仔细阅读前面查到的一些论文，应该能判断出谁是该领域的领军人物，也就是牛人，找到本领域的为数极少的几位牛人很重要，因为这直接决定了我们要站在谁的肩膀上，接下来，再查这些极个别的牛人的近几年的论著(article, not review，当然自己实验室的近几年的文章也要仔细看)，仔细阅读，在此阶段，没有必要看的太细，比如材料和方法就可直接跳过，重点看人家提出什么问题或者是什么猜想(hypothesis)，然后采用什么技术手段和方法解决这些问题或检验这些猜想的，这部分是属于借鉴牛人的研究思路，另外更重要的是，看看牛人们都已经解决了什么问题，还有什么问题没有解决，结合自己实验室、科室的具体条件提出自己的新的切实可行的idea，想到后，趁热打铁，立刻写下来，并立马写下如何证明自己的idea，需要做哪些实验？先用Powerpoint 或者 Word列出一个大纲来,和老板或同事、实验室其他人员等讨论创新性、可行性，需要补充那些实验？哪些实验是最先需要做的？这样经过几个来回，学生自己对课题就会了然于胸，也会有更大的热情和兴趣做好实验。事实上，上述大纲某种程度上就是以后写论文的蓝本。

对于想出新的idea, 我个人的一个重要体会, 简单的说就是：认牛人、看牛文！经过多年历练，运气好＋个人努力，你也一样可以成为牛人，让以后的新手们站在你的肩膀上。

相关日志

• 教你读科研论文（中英文）
• 科学堂学术科研导航正式上线
• 玩科研的境界和重要误区（外一则）
• 施一公：如何将写作技巧应用到极致发表高水平科研论文
• 国内占坑还是出国博后的问题
• 思维导图软件Mindmanager简介–驾驭思维的工具（PPT+PDF+视频下载）

Active LearningRMw平坦软件园

http://active-learning.net/，这里包括了关于Active Learning理论以及应用的一些文章，特别是那篇Survey。
Transfer LearningRMw平坦软件园

http://www.cse.ust.hk/TL/，包括经典的论文以及附带有源码，很方便。
Gaussian ProcessesRMw平坦软件园
RMw平坦软件园

http://www.gaussianprocess.org 包括相关的书籍（有 Carl Edward Rasmussen 的书），相关的程序以及分类的 paper 列表。这也是由 Carl 自己维护的，他应该是将 GP 引入 machine learning 最早的人之一了吧，Hinton 的学生。
Nonparametric Bayesian MethodsRMw平坦软件园

http://www.cs.berkeley.edu/~jordan/npb.html 这个一看就知道是 Jordan 维护的，主要包括 Dirichlet process 以及相关的其他随机过程在 machine learning 里面如何进行建模，如何进行 approximate inference。主要是文章列表。
Probabilistic Graphical ModelRMw平坦软件园

http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html 是 Kevin Murphy 所维护的关于 Bayesian belief networks 的介绍，含有最基本的概念、相关的文献和软件的链接。罕见的 UCB 出来的不是 Jordan 的学生（老板是 Stuart Russel）。
http://www.cs.berkeley.edu/~jordan/graphical.html 是 Jordan 系关于这个方面的论文汇编。
http://www.inference.phy.cam.ac.uk/hmw26/crf/ 是关于 Conditional Random Fields 方面论文和软件的收集，由 Hanna Wallach 维护。
Compressed SensingRMw平坦软件园

http://www-dsp.rice.edu/cs 这是 Rice 大学维护的论文分类列表、软件链接等。推荐 Emmanuel Candès 所写的tutorial，这人是 David Donoho 的学生。
TensorRMw平坦软件园

http://csmr.ca.sandia.gov/~tgkolda/pubs/index.html 关于 tensor 的一些偏数学的文章。
Deep Belief NetworkRMw平坦软件园

http://www.cs.toronto.edu/~hinton/csc2515/deeprefs.html 是 Geoffrey Hinton 为研究生开设的 machine learning 课程的 DBN 的 reading list。
Kernel MethodsRMw平坦软件园

http://www.cs.berkeley.edu/~jordan/kernels.html 是 Jordan 维护的关于 kernel methods 的文章列表。
Markov LogicRMw平坦软件园

http://ai.cs.washington.edu/pubs 是 UW AI 组的文章，里面关于 Markov logic 的比较多，因为 Pedro Domingos 就是这个组的。

Machine learning theory

http://hunch.net/这个网站主要是一些learning theory的东西比较多，想在machine learning 理论上有所建树的同志们可以去看看。

相关日志

• 机器学习有关的数学书籍推荐
• 论文写作帮助网站集锦
• 免费读书网站–网上读书园地
• 干粉砂浆交流社区–中国干粉砂浆论坛
• 中国连接器论坛–中国泰科
• 9个网站满足你所有研究的需要

国际上，学者们确认迄今为止已有180多篇与SciTS相关的核心文献。其中除了17篇发表于1944年到2000年之间外，其余皆为2001年之后发表的。这一发现充分表明：SciTS作为一个新的领域正在兴起，关于SciTS的研究热潮即将或已经爆发。一百年前，人类经历了一场由几位天才个体物理学家诱发的科学风暴；百年后，我们或许正处在另一场由群体唱主角的科技风暴之前夜，而SciTS正是渡过这风暴所需要的灯塔。

一般而言，知识的产生可分为两类：连续的递增型和离散的激进型。美国学者对从1945年到2008年全世界发表的两千一百万篇论文进行研究，结果发现几乎所有科学分支都呈现出一个根本性和普遍性的变化：在产生高影响、高引用科学成果时，群体比个体科学家越来越居优势；群体变得越来越大；群体越来越超越大学的界线，而非限于某一校园之内。他们还对世界范围内发表的专利进行研究，结论十分相似。

学者们认为：造成这一变化或转移的原因是我们研究的问题越来越复杂，涉及交叉学科知识，超越传统学科边界。因此，解决这些复杂问题必需从许多不同的学科视角去考量，而关键与核心就是跨学科交叉的研究群体，其采用的方法多半是多学科（Multidisciplinary）、交叉学科（Interdisciplinary）、跨学科（Transdisciplinary）的，有时还是它们的综合。数据和趋势皆已表明，跨学科交叉的研究群体将在解决复杂问题、发现高影响科技成果方面发挥越来越重要的作用。为此，我们急需建立关于此类研究群体的科学，也就是SciTS，The Science of Team Science, 以便能够更加有效地组织并发挥研究群体的效率，实现科技的跨越性发展，更好地造福于人类。

SciTS的研究必定要沿着多学科、多层次、多方法的思路和框架进行。首先，其研究必然涉及人文、社会、科学、技术和工程等领域的知识和方法。其次，可以在以群体的集合为对象的宏观层次，以群体本身为对象的中观层次，以及以群体的成员为对象的微观层次展开研究，在不同层次上发现问题、寻找相应的解决方案、常见模式、普遍规律和进一步的挑战等等。最后，在各个层次和不同问题上可采用多种方法，如海量数据挖掘、统计学习、复杂网络、模式分类、问卷调查、背景分析、可视化等等，对群体的形成、活动、过程、结构及功能从时间（When）、地点（Where）、任务（What）、人员（Whom）、如何（How）和为何（Why）等方面进行研究考察。

近年来，美国对与SciTS相关的科技项目大力支持。比如，其国家基金会NSF启动了网络化支撑的发现和创新（Cyber-enabled Discovery and Innovation）项目CDI，围绕：1）从数据到知识、2）认识自然、人工、社会系统的复杂性、3）虚拟组织等主题长期地对优秀的跨学科交叉研究群体进行支持，目的是在计算思维的引导下，通过大胆的跨学科交叉，诱发能够根本性改变科技水平的研究成果。国家卫生研究院NIH对此的支持力度更大，其临床和转化科学基金（The Clinical and Translational Science Awards）CTSAs的主要目标就是培育众多能将“实验室的科学发现转化成临床治疗手段”的跨领域研究者群体。正是CTSAs对以美国西北大学为主的有关群体之资助，才使SciTS具体化成为一个正在兴起且实实在在的跨学科交叉研究领域。2010年四月，CTSAs还资助了首届SciTS国际大会。此次大会是在2006年NIH癌症研究所的SciTS会议之基础上召开的，与会人士来自许多不同的领域，极大地促进了SciTS向一个独立研究领域方向的发展。

在欧美，与SciTS直接相关的几个正在开展且较有影响的大规模群体研究项目包括：1）构建国家甚至国际层面科学家网络的VIVO项目，由NIH资助，以康奈尔大学为主的7家单位、4个群体、120位研究人员参加；2）构建植物科学网络化基础合作设施的iPlant项目，由NSF资助，以亚利桑那大学为主的6家单位、6个群体构成核心，强调项目和环境的开放性；3）通过网络化、虚拟化、社会媒体化，构建能够使知识的产生、传播、评价、维护过程发生“范例转移”般革命的LiquidPub，由欧盟第七框架下的未来与新兴技术（FET）计划支持，以荷兰Trento大学为主的八个机构参与，涉及出版企业、多个国家和国际学术团体。这些项目利用自然语言处理、本体建模方法、语义网技术等，针对科技知识产生过程中的人、物及出版过程，以跨学科交叉群体的方式，从SciTS的视角，正在开展扎实且有成效的工作。

实际上，中国是世界上最早开展SciTS实际工作的国家之一。而且，我国的管理体制更有利于群体的组织与发展，国家自然科学基金委员会的“创新研究群体”就是一个成功的典型案例。与VIVO、iPlant、LiquidPub相似，基于社会计算和平行系统，我们也开始了iCAN、cPlant和AI 3.0等项目，力图在科技情报的获取、科技信息的传播、科技成果的影响、科技知识的产生方式上实现根本性的变化。然而，在跨学科交叉方面，我们明显不足，更没有从研发群体之科学SciTS的视角来组织、评价、管理各种各样的研发群体。与国外相比，我们更强调自上而下的正规性、制度化的群体工作，而国外许多都是自下而上的松散式、兴趣性的群体。中外之间的差别，颇似规范经济学与实证经济学之间的差别。或许，这也为我们切入并深入开展SciTS研究提供了一种思路和方向。

显然，我们目前已面临着科技本身迫切需要现代化的问题。为了提高国家的科技竞争力，确保社会经济的可持续发展，我们应当迅速、系统、持久地开展SciTS方面的研究工作。

2011年3月20日始于CZ3124，3月26与28日续于CZ6716和CA1346，4月2日草成于CA983。

来源：王飞跃的博客

相关日志

• 30年后的世界什么样？
• 科技与金融是一对孪生兄弟
• 两院院士评选2010年国际十大科技进展新闻
• 【PDF下载】漫谈如何写好一篇英文科技论文 by 陈关荣(香港城市大学)
• 中国电子行业及其它–从电子行业看中国的科技现状
• 《连线》杂志:2008年度十大科技突破