Others | 工具还是理论？

“把计量和工具学好了，以后写论文就快了。”

本科的时候，周围总是传递着这种信号，学好计量和工具就很有市场。事实也如此，学好技术和工具会带来一些机会，比如大家都忙着上课的时候，你能拥有参与科研和调研项目；遇见心地善良的老师还会给点劳务费，在大家都忙着找兼职要“自食其力”时，课题劳务费给人一种“脑力劳动”的错觉。于是那个时候，很容易认为学好技术和工具，就是做研究该努力的方向。

“在吗？能不能帮我看看这个命令该怎么写？”

硕士后，大家会面临各种作业、Presentation 和做论文，需要计量和 Stata 的地方也多了起来。这时，本科学的东西会有一点先行优势，但是很容易就失去研究的焦点。2019 年上半年，在项目组做了四个月数据管理，9 月份开学后，我总是琢磨着怎么将代码写的美观、简洁和高效，我总是在思考和对比处理一个问题最高效的方式。这样虽然很好，但是很容易失去了研究设计和完成论文这个焦点。

“技术层面的东西可替代性太强了，应该更关注理论框架。”

这是我暑期做研究助理后的感受，这里大家背景多元，化学、计算机、机械等等专业都有，何况在这里内外有那么多学理工科的，劳务费相较经费又几乎可忽略不计，相较文科出生的，代码和数据处理能力简直和人不在一个层级。而且，这时候的项目数据处理往往很难一个人处理，一是任务复杂度高，二是进度要求快，三是数据只是每个人工作中的一小部分。所以，很容易让人感到没时间处理数据，技术总是不够用。

“你感兴趣的研究领域是什么？你的研究计划是什么？”

这是申请 PhD 时个人陈述离不开的话题。我的研究计划和研究领域是什么？回忆过往的经历，我能够从做过的事情中总结出一条暗线，那些投入大量时间实习、助研和调研组成的经历，似乎缺乏一条明晰的线，将它们串成平面。

工具和理论似乎总是处在一种结构性的失衡，在学术能力和科研条件有限的环境下，掌握工具是稀缺的，所以会带来许多机会；但是在更庞大团队中，横向来看，其他专业背景的人、同专业其他的人，总会有人比你更擅长技术，纵向来看，对新技术的把控、学习的热情和精力也会衰退。

所以最好的状态也许是，“目的是工具的导向，工具是目的的支撑”。如果是以做学术为追求，在投入时间学新技术前应该多问问：“对我做研究有什么帮助？能够和我感兴趣的研究话题联系起来吗？”；如果想转行学技术，应该摄入更多计算机、统计和数据科学的知识，注重经济学理论的商业逻辑和实战价值。说到底，还是一个想明白想做什么，注重将经历转化为比较优势的过程。可是这个过程中，总是充满了曲折和诱惑。