0
雷锋网 AI 科技评论按：Stephen Fleming 在牛津大学读取心理学与生理学硕士之后，又在伦敦大学学院获得了认识神经心理学的博士学位。硕博时期获得了多个奖项和名誉的 Stephen Fleming 决定继续从事学术研究，在伦敦大学学院创立了元认知实验室，领导人类意识、元认知、决策方面的研究。
回顾实验室建立近三年来的种种，Stephen Fleming 感慨良多。他把自己的感受、反思以及对后来者的建议写成了博客，雷锋网对博客内容编译如下。
自我在 UCL 建立元认知研究团队或者叫「元实验室」已经快三年了，我这三年的学习成长曲线可谓陡峭，但我现在的状态跟我这些年学到的东西一样好，现在想给那些也要经历这个过程的后来者写点建议。本文是从认知神经学的视角写的，但对于其他领域可能也有借鉴意义。作为一个元认知的研究者，我必须事先声明一下，以下内容可能存在错误。
● 首先，如果你现在还在读 PhD，或者正在做博后，你可能会考虑要不要去找个教职。但你要知道做一个学者并不是唯一的终极目标，而且也并不一定比其他的发展路线好。对于一个合格的研究人员来说，这个世界还有一堆有趣的职业可供选择——纵横学界、政界、工业界，当然导师首先要让学生知道他们有这些选择。学界只是你选择之一，所以在你进入职场之前请先三思。即使最后选择学界，也有很多发展路线，比如做讲师还是研究员，这两样各有利弊。
● 与同学、同事们交流的状态有两种。一种是向他们寻求有用的建议及支持，另一种就是自感愧不如人而惶恐不安。请你尽量保持前一种状态。这里几个博客里有一些很好的例子，如 Becky Lawson， Tim Behrens， Duncan Astle and Sue Fletcher-Watson， Aidan Horner。
● 教书，这必然是你讲师合同的一部分。即使你是被雇来做研究的（比如研究员，博后等），你也可以自愿教书（比如参加你的机构提供的教学课程）。今年我就在 UCL 和埃克斯-马赛大学教硕士课程，明年我们打算教心理学本科三年级的课程。教书的过程可以很好的确定你会什么，不会什么，还可以为你的大学的核心使命做出贡献，同时你的同事也会感谢你做的这些贡献。
● 记住我这句话，在你起步的时候，你就是你自己的博士后。不能因为你是 PI（学科研究员），就认为你可以坐等你的学生出成绩，等他们准备好论文稿件。在你起步的时候，维持你创造力最好的办法就是像个博士后一样去思考。如果你的博士后有论文要发，你为了指导他自然而然的会进行这种思考。但即使论文已经发了，你最好也要保证手头上有项目，这样新项目会驱使你去想新点子，也会让你的注意力保持在代码和数据分析上。
● 多尝试不同形式的实验室会议和一对一会议，直到确定一个你和你的团队都喜欢的形式（尝试过程中要关注团队的反馈）。
● 在你指导学生的过程中，想要权衡好指导和自由发挥的比重是件很难的事情。这事也没什么秘诀，每个人面临的情况都有所不同，想一直完美处理也不太可能。你可能需要深入项目，把自己搞的灰头土脸——花费数小时写代码或 debug，查缺补漏，重新跑程序。这并不是你没有平衡好「指导学生」和「让他们自由发挥」之间的关系，这就是你工作的一部分。
● 项目的进行永远不是一帆风顺的，这并不意味着你就是个烂科学家，事实上这反而证明你是个好科学家。坚持项目第一说明你和你的学生在爬坑过程中学到了不少，这对你之后的工作有很大的好处。自动驾驶就是个很好的例子，我们通常在设计前进行多个版本的试用测试。如果你觉得设计过程很简单，类似「开箱即用」，那过程应该会令你很沮丧。如果你把这个过程当成是学习的过程，那么压力就会小很多。
● 快速发展是件很难的事。你应该抵制盲目扩大的诱惑，刚起步时实验室小一点其实也还不错。这其实是一种微妙的平衡。提升和未来荣誉通常与你过去的荣誉有关。所以一方面抵制盲目扩大，另一方面如果你有特别想实施的点子，那就去干吧。一般机构都会为刚起步的研究者提供内部补贴，这对于进行新研究有很大帮助。
● 你雇佣的博后、RA（助理研究员）和你实验室的学生会塑造你的团队文化。这可能是你在最开始的那段时间做出的所有决定中最重要的部分。招聘不能急于求成，你最好相信你的直觉——通常不要聘请你不熟悉的人士。博士后和你有相同的研究方向十分重要，因为这样你们才能朝一个方向使力。同时这种选择是双向的，你要知道博士后选择和你一起工作也是种赌博，他们本可以选跟熟悉的人合作。所以你也要为他们努力工作，而不能只期望他们为你努力工作。
● 分享你每一个项目的代码和数据（有关如何做到这一点以及为什么这么做，请查看 Laurence Hunt 的幻灯片）。我们有个实验室 GitHub 账号，每当有论文要发的时候，我们都要花上几天去确认所有上传的代码和数据都附上了注释。我很确信除了我们实验室以外没什么人在乎这个，然而在我们实验室这是个很有用的资源。我可以告诉学生去哪找到代码片段或者分析样例。现在我们按时序上传 PDF 至OSF，这是对我们经验项目中的协议和假设进行预登记。我对纯理论的项目没什么激情，这些项目预注册了也没什么意义，我们实验室的某些经验项目也逐渐成为候选计算模型开发过程中的练手项目。但那些可以预注册的项目的生命周期中总有些闪光点，这对我们的工作是一种鼓舞，这也让学生和 PI 可以认清自己的工作。
● 实验室要有个 wiki，大家一起写，我现在还没搞这个，但我还蛮羡慕那些已经有的实验室。长远来看 wiki 会帮你节省时间。
● 给自己保留思考的时间，不要为忙而忙了。Michael Lewis 的 The Undoing Project 这本书中，Amos Tversky 告诉我们：「做好研究的秘诀就是——偶尔无所事事，才能干成大事」。
● 享受假期和休息时间（同上），同时鼓励实验室的各位学会休息，放心地球不会爆炸的。请尝试关掉 email——设置为不在线，删掉 APP 或者改密码。确保你想工作的时候，唯一能连上网的途径就是用 laptop。然后在假期浪的时候（比如帆船），我从来不带电脑：）。但如果仅仅是在躺在游泳池旁边这种「休息」，我一般带着电脑防止无聊或者记录灵感。千万不要电脑成为焦虑和压力之源。
● 做一个好的 PI 就像是打好网球一样——需要反复练习。你一开始会感到挫败但这不是因为你自己太菜，而是相比于那些已经入行十来年的老玩家来说你经验太少。「水到渠成，不须预虑」，努力吧各位。
via The Elusive Self，雷锋网 AI 科技评论编译整理。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
