科研的道路是一步慢步步慢吗？ 第1页

长文 多图，及残酷真相预警

在成功的科学生涯背后有没有可循的实证规律？有。

#先上结论

1. 学者一生中的“高峰研究”出现的时间点是随机的
2. 存在稳定而难以改变的“学术基因”，其几乎决定了科学家一生中能得到的声誉增量
3. 大多数人没有学术基因，而且许多后天努力并不能改变人们创造高影响研究的能力

（如果你打算或者已经进入学术界，那么，我希望提醒你：阅读本文需要较好的耐心、对追求真相的认真，以及良好的心理承受和自我安慰能力）

打算用近年分别发在Science和PNAS上关于科学家职业生涯的两篇研究来一答，精读文献分享如下。

1 “学术基因”

Sinatra等人（2016 Nov. 4th on Science）发现，科学家职业生涯中的“高峰研究”（影响力最大的一篇研究）出现的时间点基本是随机的，但出现概率受到发表生产力和一个与个体科学家相关的常数“Q”影响。

首先，在科学家生涯中，高峰研究出现的时间和次序是均匀随机分布的。对于整个科学家群体而言，高峰研究既可能是科学家学术生涯的第一篇文章，也可能是最后一篇文章（图E），并且在高峰研究之前或之后也几乎没有任何征兆（图B和图C）。

举个例子，弗兰克·维尔切克在其职业生涯发表的第1篇研究使其在2004年获得了诺贝尔物理学奖，而约翰·芬恩在职业生涯的非常晚期（在他被强制退休后）发表的研究才使其获得了2002年的诺贝尔化学奖。

而且，不仅对于物理和化学，这种规律对于各个学科都是成立的。

这其实是一件“恐怖”的事情，因为在“高峰研究”出现后，学者通常能够得到更好的待遇和资源，但是，待遇和资源是持续的，而运气则是完全随机的。换言之，可能“维尔切克们”在整个职业生涯中都倍受尊敬、坐享各种资源，而“芬恩”们则在职业生涯的末期之前都平凡无奇——即便这两人都有获得诺奖的水平。

其次，除了运气外，“高峰研究”的发表也受到一个科学家个体常数Q的影响。这个常数Q代表了科学家的一种稳定而系统地将研究项目转换为高影响力文章的能力。

模型发现，虽然高峰研究发表的时间是随机的，但是其影响力却不是。研究发现，一篇文章的影响力由运气和能力决定。用数学语言表达就是： ，其中 代表科学家 发表的文章 在发表10年后的被引量（即影响力）， 代表科学家所发表的某篇文章的潜在影响力。Q也就是 一个人能够把一个随机的项目做成一个高影响力文章的能力。

也就是说，我们可以用这个学者大多数文章的影响力来预测其高峰研究的影响力。他们的对数符合线性关系。这很容易理解，毕竟学术大牛的文章绝大多数都是比菜鸟的影响力要高的，而不是随机的。

这不仅对物理或化学成立，对很多其他学科也是同样成立的。

或许更为重要的一点是，之所以称Q为学术“基因”，是因为Q在大多数科学家的一生中都是稳定不变的。

终其职业生涯，大多数人并不能够提高自己做出突出贡献的潜力。

这更加令人细思恐极——或许当你踏入学术界的那一刻起，你的“天赋”就已经是注定的。在前半生和后半生都是一致的。

或许有人会问，Q是不是真的比其他因素更能预测高影响力的科学家？换言之，Q就是“天赋”最好的指标吗？

事实上，相比其他指标（h指数，高峰研究的被引量，总被引量和总产出），Q确实能够更好地预测诺贝尔奖得主，将诺奖得主与非诺奖科学家分开，也可以（只利用20篇文章就）很好地预测科学家的h指数。

不知道你有没有从这个图里看出另一些细思恐极的事情：发表文章的数量虽然对预测诺奖有用，但是其预测能力也只是比随机猜要稍微好一点。换言之，发表了很多文章并不太能说明一个人获诺奖的概率提高了。

当然，对Q的预测准确度基于发表的文章数量，文章数量发表得越多，模型对Q的预测就越稳定。在不同的学科，对Q预测的偏差大小也不同。不过，总体而言，当文章越发越多，或许你就越能够准确地了解自己的潜能。

关于发表的文章量还有另一个重要的发现：对于Q不同的学者而言，他们的发表数量和终其一生得到的引用量基本是呈线性关系的。

换言之，对大多数人而言，每一篇文章得到的平均引用量基本是相同的，而决定这个平均引用量的几乎唯一的因素就是“天赋”。

这很好理解，因为对于任意一篇文章，都有，而基本上是靠运气，所以，文章的平均影响力基本就取决于一个人的Q。

不过，学者们最后获得的终生影响力并不是线性的。因为，Q指数越高的学者还越高产。

虽然在职业生涯早期，高低Q学者的发文量没有太大差异，但是从第4年开始，高Q指数的学者的生产力斜率要大大高于低Q指数的学者（下图C）。残酷的事情是，终其职业生涯，许多低Q学者的生产力也仅能维持在年均1篇，与此同时，高Q学者的生产力是他们的2至3倍（下图E）。

或许你也看出了其中的马太效应，就和贫富差距一样：厉害的人会越来越厉害，而弱的人则并不会变强。

2 (残酷的)对数正态分布

值得一提的是，影响力、发表的数量和Q都服从右偏的对数正态分布，也就是具有很小的均值和很大的方差

换言之，很少的人发表了大量的文章，很少的文章得到了大量的影响力，很少的人具有很高的“天赋”。

[分布参数]影响力： 1.93， 1.05。发表量： 3.6， 0.57。Q： 0.93， 0.46。可以看到，影响力的方差要比发表量和Q的方差都大，在对数轴下，这一差距可能更显得触目惊心。

从对数正态分布我们可以得到另一件残酷的事情：对大多数人而言，终其一生，也做不出太大的成就。更残酷的是，这在其生涯的一开始就注定了。

对于低Q的学者而言，其职业生涯一生中的高峰研究的影响力不太可能超过50次，而高Q学者则轻松超过100次。

“世界的发展是由天才推动的”，这句话一点也不假，至少在学术界如此（或许，在大多数和学术界类似的地方可能也成立）。

4 什么决定了Q？

一个令人关切的问题是，什么决定了Q？特别是，有哪些外部因素能够影响Q？

可惜的是，之前的研究发现，Q的变异与以下因素都没有关系：职业生涯的长度（career length），时代（decade），团队效应（team effects）和领域（disciplines）。

换言之，无论在哪个时代、哪个领域，处在职业生涯的哪个阶段，和谁一起发文章，或许都不能改变一个人的Q。

以团队效应举例。下图是对于任意不同 的科学家 ，其与科学家 合作后，其的变化：几乎对称地集中于0，也就是 没有变化。（ 表示剔除与的合作后的）

5 院校的作用 (?)

那么，还有哪些外部因素能够决定一位科学家的“学术天赋”？毕业的院校和就业的院校可以吗？

毕竟，除了合作、生产力和时代等，我们能想到的最能影响学者声誉的因素或许就是其受教育的质量、所在的环境、研究团队的大小和性别等因素了。

不过，辨析这些因素的独立作用可不容易，一个原因就是学术界长期存在马太效应，即“好的更好，差的更差”。在更好的院校能拥有更好的资源和平台，这进一步促进了学者的产出和资源。通常而言，声誉更好/排名更高院校毕业的学生，也更有可能到那些同样声誉和排名更高的院校就业，因而有时难以分清“毕业院校”和“就业院校”的影响。

下面这幅图很能说明“一步慢，步步慢”的现象：

就规律而言，很少有人能够在博士毕业后去到比原来的院校更好的地方，大部分都前往更低层次的院校任教。但是，从首次任教的院校到另一个地方时，许多人都能到更有声誉一些的地方去。（能够连续“晋升”的人少之又少，连续“滑落”的人反而不在少数。）因此，最终绝大多数人都会回到比自己博士毕业院校排名稍微低一些的地方。（从斜率也可以看出）

不过，也不是所有人都会留在学术界。学界的竞争是惨烈的：即便在著名的院校得到暂时的教职，不少人也会最终离开学术界（当然，也可能是因为业界有更好的机会）。

更不用说，博士生和教员们还面临着巨大的精神和生活压力：研究生患抑郁和焦虑的可能性比一般人群高六倍。调查表明，41%的研究生在GAD07焦虑量表中的得分达到中度至重度，而此前调查显示在一般人群中这一比例仅为6%。

多数人最担心的事情就是职业发展（职位空缺数量、经费、价值不确定等）和生活压力（与大多数想象的“清闲”生活完全不同，学术生活的压力和工作时长完全可以媲美互联网公司的996，甚至更甚）

稍微扯远了点，回到院校的影响上

(`・ω・´)

Way等人（2019 Apr. 2nd on PNAS ）发现了一些值得注意的线索：

• 研究者毕业后的工作环境能够最大的预测其未来的发文量(productivity，产出)
• 就业和受训的所在机构都能够最大预测研究者的每年增加的被引量（prominence，声誉）

他们收集了在1970-2011年间，2453位从美国和加拿大所有205个计算机博士项目毕业，并进入常任轨制（tenure-track）的博士生的早期毕业和文章发表数据（加起来超过20万份文章和740万次引用），进行了一次匹配准自然实验分析(matched-pairs quasi-natural experiment)。

分析发现：

• 即便在不同地方受训，但就业院校(placement)相同的博士生们在发文量上没有差异。不过，从更好院校毕业的博士生，能在工作的前5年平均多收获301份引用（在63.9%的匹配中，更好学校毕业的博士生得到了更多的引用）。
• 另一方面，即便在同一院校受训，但去到更好就业院校的博士生在新的工作环境里更加多产（平均多5.1篇文章），且能得到更多的引用量（平均多344份引用）。对比而言，去到前20%的院校的博士生比去到排名最低20%院校的博士生们平均多17篇文章和824份引用，又比中间20%院校的博士生平均多9篇文章和543份引用。

不过，这是为什么？为什么就业的院校更能预测研究者的产出和声誉？

研究者猜测这可能与就业院校所能提供的环境资源和声誉有关，因为其能够促进(facilitate)新晋教员的产出、声誉和合作网络。

于是，他们列了一大堆和院校有关的因素，想看看这些因素对各项我们所关心指标的影响，总结如下图。

关键发现：

• 学院声誉能够促进绝大多数产出和被引指标，而院校的私立性仅能促进职业生涯前期的产出。
• 教职人均博士数量和适当的院系规模可以促进产出指标，且非常任轨制研究员亦能在模型2中促进产出
• 有更多女性（或者，性别比例更平衡）博士生的院校能促进院系外合作
• 但是，几乎没有院校特征能够预测学者长期的被引用量，仅有适当的院系规模可能具有促进作用

换言之，这个研究告诉我们，很有可能学院的大多数特征并不能够预测那些高Q的学者。至于院校“声誉”，其甚至并不太是一个“外部”因素，因为对大多数学校而言，声誉并不太会随时间发生什么变化。所以，就长期的影响力而言，似乎我们并没有发现什么稳定的可以用来干预或提高长期影响力的外部因素。

既然这么多重要的外界环境都不可以改变Q，那么，基于以下证据，我的猜测是：或许很有可能不同的Q真的是“天生”的。换言之，主要取决于个人能力特质而非环境。

• 绝大多数人对学界的贡献并不大，真正巨大的创新几乎都是由“天才”做出的
• 大多数人创造重要文章的能力在整个职业生涯中几乎不会发生变化，极少有人能突然“变成天才”
• 仅靠努力的工作，发更多的paper似乎并不能“锻炼”自己制造出更好的研究
• 与更厉害的他人合作亦不能提高自己的品味
• 博士毕业后到一个很好的院校接受训练和工作似乎也不能培养出这种能力

现在，恭喜你，了解到了学术界“残酷”的真相。

当然，如果你希望寻求安慰的话，这里有许多可以用于安慰自己的话：

• 我们不能穷尽一切可能影响Q的外界因素，所以谁知道没有其他因素呢？
• 统计规律也可能不适用于每一个具体的人，谁知道我不是那个例外？
• 虽然人数极少，但谁知道我不属于高Q的人群呢？
• 也许只是时间未到，运气未来，所以我迟迟没有做出“高峰研究”呢？

对于以上问题，答案都有可能是“是”。不过，我强烈建议你降低预期，因为“奇迹”并不总会发生。当然，这些问题的肯定回答可能的确会让你好受一些，但或许并不能帮你做出明智的决定。

以上。

#最近更新

Q可能是什么？

#更新于19.5.12#

虽然尚无全面的调查，但或许一些研究能带来关于“什么是Q”的启发，或许Q和以下因素都有关系：

• 跨领域学习能力：Liénard等人（2018 Nov. 27th on Nature Communication)对生物科学领域的研究发现，那些博后导师与毕业导师文章差异越大、文章和博士后导师更相似、能够从毕业和博士后导师处整合研究的学生（以文章相似度衡量）更可能获得终生教职。另外，导师人脉及与导师的合作度也能促进其获得教职概率。

• 产前激素刺激：Tektas等(2019 Feb. 25th on PLoS One)发现女性科学家的右手食指-无名指的指长比(2D:4D，越低则产前雄激素水平越高)与其学术成就是倒U型的，即产前雄激素暴露水平中等的女科学家更有可能通过教授资格考试。

• 人格和基因：Rimfeld等(2016 on JPSP)发现，至少对英国16岁中学生而言，其（高度遗传的）人格对其学业影响成绩并不算小，特别是“尽责性”和“开放性”。另外，其GCSE考试（中考）成绩基本上2/3都是由基因间接决定的。

• 固定的小圈子：Ma等(2018 Dec. 11th on PNAS)的研究发现，科学奖项（Scientific prizes）更集中地被一个相对较小的且联系紧密的科学精英群体获得。例如，64.1%的获奖者获得了两个奖项，而13.7%的科学家获得了五个或更多的奖项。而且团体的联系紧密度能够预测奖项的获取。

Q模型同样适用于艺术和导演领域

# 更新于19.5.12#

Liu等(2018 July 11th on Nature)发现在学术领域“热手”（hot-streak，在某段时间内小宇宙爆发）的随机性同样适用于艺术和导演领域（之前的研究发现在体育、赌博和金融市场领域亦然）。换言之，高峰成果（hit works）的规律（顺序随机性、短暂性、无征兆性）同样适用于其他领域。

(`・ω・´)关于这篇文章可能值得专门再写一篇回答）

一般的，可以定义： 。考虑到“热手”的短期性，长期来看， 就是 。

同样，艺术和导演领域的N和Q同样服从对数正态分布

后记：“积极偏差”与“明智的决定”

这篇回答从晚上7点写到凌晨3点成稿，一气呵成，可以说是近几周来最想写出的一篇文章。

但是，在希望成果能获得认可的同时，却又矛盾地不希望有太多人看到这回答， 因为 并非所有人都能接受自己很可能是个普通人的事实，也并非所有人都具有“真正的英雄主义”（罗曼·罗兰，1906，《米开朗基罗传》）。

但话说回来，我一向希望自己能在拥抱真相的同时具有“谨慎的乐观主义”。

比如，就本文而言，了解了“学术天赋服从残酷的对数正态分布”之后，我仍然愿意相信自己可能有潜能并愿意选择学术界。

但同时，正如认知神经科学家Tail Sharot所说的，在“企鹅自信地跳崖”之前，或许企鹅们也应该“准备好降落伞”。

换言之，做好以下问题的回答：

• 如果进入学术界后发现自己并无天赋，你的退路是什么？
• 如果发现自己对所学没有兴趣，对科研失去热情，考虑到时间和金钱成本，你最好的选择是什么？
• 如果遇到申请失利/导师变态/资金不足/家庭阻挠等情况，你是否有对应的举措？

然后，就放心而自信地踏上冒险的旅程吧。

祝你幸运，并最终幸福。

参考文献

Quantifying the evolution of individual scientific impact

Productivity, prominence, and the effects of academic environment

研究生患抑郁和焦虑几率比一般人群高六倍|《自然-生物技术》调研

Nature全球博士生调查

男怕入错行，科研更是如此，找错了科研方向，可能会白白浪费你的大好时间。所以现在很多学者都在蹭热点，为的就是借着热点可以发出好文章，研究工作有人关注，这就是要趁早。但是如果你本来不是从事这个的，你兴趣不在这里，为了职称基金什么的才来从事这个行业，那么将来你的进步空间会很小。

其实还是有些学者几十年如一日在自己的领域里面耕耘，可能是基础性研究或者机理研究这种，即便研究出来了也不会发特别好的文章，但是你却可以更好的造福后来人，避免他们走弯路，给他们指导的意义。这也就是大器晚成。

所以我个人觉得在尽快蹭完热点把职称或者基金申请到了之后，好好做自己喜欢做的东西，成为一个大器晚成的人。。。