Nature新研究 | 科学家的职业巅峰可以被预测吗

作者|Philip Ball 选文|aileen

翻译|王婷 校对|范玥灿

视频字幕翻译|陈少伟 校对|魏子敏

希望你的下一篇论文能够一鸣惊人?

这真是很可能发生的。

无论你正处于事业发展的什么阶段,下一篇文章成功的概率几乎是和以往一样的。

这是由东北大学(位于马萨诸塞州波士顿)的Albert-László Barabási领导的团队进行的研究。研究人员分析了上千名来自不同学科科学家的论文。以论文公开发表的记录作为研究序列,他们发现引用频次最高的论文等同地分布在序列的起始,中间和结尾各个阶段。

本视频由大数据文摘翻译呈现,点击收看视频:

我们科学家是随机的”Barabási说:“我们每次发表一篇论文,我们都有和发表其他论文时大获成功存在相同概率。

这似乎与已有研究相冲突。已有研究认为,科学家们的重大发现和最具有影响力的作品往往出现在科学生涯的早期。但其实这并不矛盾,因为新研究也表明,科学家的产出能力,即每一年发表论文的数量,在他们固定的科学生涯中是缓慢降低的。科学家大获成功的概率随着时间推移而减少仅仅因为他们发表文章的次数减少了。

图片:Kim Albrecht。 数据图片:Roberta Sinatra。

每一个圆代表一个科学家的科学生涯,圆的凸起代表论文的影响力。如果将科学生涯看作一个由论文组成的序列,那么正如研究人员所言,成功是在序列中随机波动。

◆ ◆ ◆

与生俱来的潜力?

但研究人员也进行了一项更具争议的计算。他们设计了一个简单的模拟论文成功可能性的数学模型。这个模型只取决于两个因素,一个因素是运气,另一个因素是一定的品质,或者说Q因子,来衡量一个单独的科学家提高任何项目影响力的能力。

使用2,887名物理学家论文发表记录来测试这个模型,研究团队发现,运气因素在所有科学家身上是相同的。Q因子出自一位研究者的引文记录:它与科学家在一定时间内获得的引文数的对数成正比。

研究人员本以为Q因子会随着个体在科学生涯中经验的增长而增加。但是意外的,他们发现它基本上是恒定的。

更令人震惊的是,这似乎暗示了,Q因子,这个能够让人利用运气而大获成功的指数,在一个科学家刚开始投入工作时就被决定下来了,之后轻易无法改变。

“我讨厌承认这是与生俱来的”Barabási说:“但这似乎就是你的能力和教育水平的综合体现。当你开始你的科学生涯时,你就拥有了它,而它也将一直伴随着你的整个科学生涯。”

它似乎具备了预测值:根据高Q值选出的诺贝尔奖获得者或者其他奖项的获奖物理学家,相比使用其他标准更可靠。比如目前广泛使用的,用以衡量累积产出能力以及刊物影响力的h指数。(一个h指数为20的科学家发表了20篇论文,其中每一篇文章至少有20次被引用。)

团队说明Q因子甚至在科学生涯的早期也是有预测功能的。在被研究的74%科学家中,计算发表20篇论文后的Q值能够精确预测他们发表40篇论文后的h指数。

但是高Q值本身并不能保证科学生涯的辉煌。科学家们需要不断付诸行动:论文成功的概率不仅取决于Q值和运气,也取决于论文产出能力。

“这项研究的独到之处在于,在一个人的事业初期,就可以通过衡量潜能来判断他是否能够获得巨大成功。”来自印第安那大学伯明顿分校专攻信息学的物理学家Santo Fortunato这样说道。

◆ ◆ ◆

预测影响

Barabási和他的同事曾经设计过另一种模型,能够根据之前的引文历史来预测一篇论文将获得的引文数量。但是在预测科学家未来表现时出现了不同结果。

那么,Q因子,注定要加入到指标组中来对科学家进行排名和预估,这些指标中最显著的当属h指标,

Barabási对这是否是件好事抱有复杂的情感,但说它取决于社会决定Q因子怎么被应用。如果所有指标全部可以应用,从某种角度来说,指标多样性是件好事,至少可以避免对超出限制的部分指标过渡依赖。“h指数并不总是能被很好的利用。”他说。

"我并不赞成仅仅支持最高Q值的科学家"。荷兰莱顿大学进行科学定量研究的Anthony van Raan这样说。但他承认这种优先支持,“会令人关注在当下科学家众多并且资源受限的情况下”。

但也许,Barabási说,Q因子已经成为一种选择因素,一些低Q值人在科学生涯的早期就退出了科学研究。现在的挑战是,要确定到底什么决定了Q值。如果教育确实发挥了重要作用,那么也许知识可以用于评估和改善科学家的培训方式。

来源:Nature doi:10.1038/nature.2016.20926

http://www.nature.com/news/scientists-can-publish-their-best-work-at-any-age-1.20926

References

1. Sinatra, R., Wang, D., Deville, P., Song, C. & Barabási, A.L.

Science 354, aaf5239 (2016).

Show context

2. Wang, D., Song, C. & Barabási, AL.,

Science 342, 127–132 (2013).

Show context

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2016-11-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏目标检测和深度学习

想要入坑机器学习?这是MIT在读博士的AI心得

11510
来自专栏机器之心

想要入坑机器学习?这是MIT在读博士的AI心得

选自mit.edu 作者:Tom Silver 机器之心编译 随着人工智能技术的火热,越来越多的年轻学者正准备投身其中,开启自己的研究之路。和所有其他学科一样,...

29160
来自专栏钱塘大数据

【大咖说】李飞飞:AI会改变世界,改变AI的又会是谁?

导读:2017年1月15日,李飞飞教授出席未来论坛2017年会暨首届未来科学颁奖典礼,发表名为《视觉智能的探索》 (The Quest for Visua...

28270
来自专栏人工智能快报

深度学习可听到机器故障信号

人们绝不想开车开到在路上出故障了才想起要日常保养,但预防性维护检查或定期维护检查经常发现不了可能会出现的问题。一家初创公司提出了更好的办法:利用人工智能去听车辆...

41860
来自专栏专知

【下载】 TensorFlow:实战Google深度学习框架

【导读】“深度学习”这个词在过去的一年之中已经轰炸了媒体、技术博客甚至到朋友圈。这也许正是你会读到本书的原因之一。数十年来,人工智能技术虽不断发展,但像深度学习...

637140
来自专栏CDA数据分析师

如何成为大神级数据科学家 | Kaggle Grandmaster是怎样炼成的

Vladimir I. Iglovikov 是一名 Kaggle 顶级大师(Grandmaster),曾获得过 Carvana 图像遮蔽挑战的冠军,以及 Dst...

24220
来自专栏新智元

【280页JP摩根报告】大数据和 AI 策略——面向投资的机器学习和另类数据方法

【新智元导读】近日,微软 AI 首席科学家邓力加盟对冲基金公司 Citadel 再次引发了人们对于机器学习技术应用于金融投资领域的关注。J.P.摩根最新的28...

513100
来自专栏新智元

【牛津调查:AI 超越人类编年史】柯洁之后,32个AI里程碑全预测

【新智元导读】人类纪元2017年,世界第一柯洁哭了,为自己 0:3 对 AlphaGo 的落败。有人解读说,这预见到了人族衰败的开始,和未来两个族群之间在智力上...

34660
来自专栏机器学习算法与Python学习

一份MIT博士的学习心得,送你入坑机器学习?(可下载PDF)

14660
来自专栏量子位

进阶深度学习?这里有9个给程序员的建议

这名开发者名叫Alexey Gaziev,是一家社交媒体管理创业公司的CTO,原来是一名Ruby开发者,后来自己学习深度学习。

27020

扫码关注云+社区

领取腾讯云代金券