給科學家的科學思維

這本書應該把書名改爲：給科學家的統計學思維，似乎更加合適。 坦率講，這本書真的很棒，用無可辯駁的統計學事實，給出了科學研究的一些方向和方法，同時也指明瞭科學研究一些不足和謬誤。對於科學工作者，會是一本很有參考價值的書。 當今的科學研究，看似繁華似錦，如火如荼，在各個方向上突飛猛進。其實在我看來，越來越陷於瑣碎和無聊，距離真正的創造性很遠很遠。諾貝爾獎獲獎項目，也很少能夠讓人激動。全球每年誕生的論文超過100萬篇，但真正有價值的有多少呢？全球這麼多科學家，做出了多少真正有意義的研究呢？我們必須追問造成這樣的現狀的根源。 實證科學研究，在笛卡爾和培根的奠定的基礎上，發展了幾百年，的確巨大地改變了這個世界。但到了今天，科學共同體的貢獻就顯得蒼白無力了。人類似乎積累了很多知識，但這些知識對人類的進步真正起到了多大的作用呢？我們真的比幾百年前的人類活得更有價值了嗎？ 當今的實證科學建立在沙灘上，知識不過是用一種新的錯誤替代舊的錯誤。知識最終不過是資本的助手，而資本越來越主體化，它統治着人、支配着人、奴役着人……

這本書的書名一看感覺高大尚。讀後感覺有點像“標題黨”？😄當然從內容上，用大白話講它似乎更多關注是“科學研究者們所發論文相關大問題”。例如，如何評價論文質量內容，如何發在更好雜誌上，如何建立好的合作團隊，如何理解詮釋文章的 H index 等。它當然還更多介紹一下統計學及與互聯網相關算法，例如一些計算預測模型方法或者構架一些具體科學參數，包括特殊圖表格式或者圖形方法。文字量化分析等應該是本書特殊貢獻亮點特徵等。 本書第二部分重點是與科學研究個人或者單位合作研究相關領域研究成果有效性方面及合作背後複雜網絡問題數學基礎。其中涉及許多科學家，高水平論文作者們的有趣八卦故事，成功團隊組建技巧量化測試，作者如何排名積分提升影響力，研究人員工資水平及趨勢，文章引用量及數學規律，專利及媒體影響力，科學時間維度，熱點文章，學科之間不同分佈趨勢特徵，最後還介紹一些人工智能新時代科學技術應用創新問題考慮等……書附錄中有引用數學建模文章。 簡言之，作者整體上介紹與各研究領域發論文相關大領域的各種專業考慮分析及相關統計學研究，它似乎並沒有從詮釋解釋什麼是哲學或者科普角度認知的“科學學”？ 因此，下面是個人在讀書過程中，附上補充家庭作業，是從網上分別收集讀書筆記參考： 第一部分：“科學學的定義：科學學是研究科學本身的一門學科，旨在通過科學方法和理論對科學的產生、發展、組織、傳播和應用進行系統的研究。它跨越了自然科學、社會科學與哲學的界限，關注科學活動的內在規律、社會影響以及其在知識體系中的地位。 科學學關注的核心內容：科學學的研究領域十分廣泛，其核心內容包括以下幾個方面： 1. 科學的本質與特徵：探討科學的定義、本質及其與其他知識體系（如宗教、藝術、技術）的區別。 2. 科學的發展規律：研究科學如何從一個階段發展到另一個階段，如科學革命、範式轉變（庫恩理論）、科學進步的累積過程等。 3. 科學知識的結構與傳播：分析科學知識的分類、邏輯結構、知識增長機制，以及科學成果在學術界和社會中的傳播路徑。 4. 科學活動的社會屬性：研究科學與社會的互動關係，包括科學政策、技術倫理、科學資源分配、科學教育等。 5. 科學共同體：探討科學家作爲一個社會羣體的行爲規律、科學規範、學術文化等。 6. 科學與技術的關係：分析科學作爲理論探索與技術作爲應用實踐之間的相互影響及協同發展。 7. 科學評價與科學政策：制定評價科學成果與科學家貢獻的方法，研究如何制定促進科學發展的政策。 科學學的核心邏輯； 1. 綜合性：科學學連接自然科學、社會科學與人文學科，通過多學科交叉的方法揭示科學活動的複雜性。 2. 動態性：強調科學發展的歷史性與動態性，研究科學從知識積累到科學革命的各個階段。 3. 系統性：視科學爲一個系統，分析其內部邏輯與外部環境之間的互動。 4. 社會性：科學不是孤立的活動，而是深刻嵌入社會、經濟和文化背景之中。 科學學對科學發展和社會科學的特殊貢獻： 對科學發展的貢獻： 1. 揭示科學發展的規律：科學學通過分析科學發展模式（如庫恩的範式理論），幫助科學家和管理者理解科學進步的邏輯與瓶頸。幫助預測科學未來發展的方向與可能性。 2. 優化科學管理與資源分配：提供科學評價體系（如論文計量指標、引文分析），促進科研資源的高效分配。幫助制定科學政策，如科研資助機制與優先領域選擇。 3. 推動學科交叉：通過分析不同學科的相互作用，促進跨學科研究，推動新興領域的發展。 4. 技術倫理與科學責任：科學學幫助科學界認識技術發展對社會的倫理挑戰（如AI、基因編輯），引導負責任的科學研究。 對社會科學的貢獻： 1. 提供科學社會化的視角：科學學研究科學如何嵌入社會結構中，揭示科學技術對社會進步、經濟發展及文化演變的深遠影響。 2. 提升科學政策科學性： 爲政府與社會制定合理的科學政策、教育政策與技術法規提供理論支持。 3. 構建科學與公衆之間的橋樑： 通過科學傳播研究，提高公衆的科學素養和對科學的信任，促進科學與社會的和諧互動。 4. 推動社會科學方法論革新： 通過科學學的邏輯方法（如定量分析、網絡分析等），爲社會科學提供新的研究工具與理論框架。總之，科學學通過揭示科學活動的規律與社會影響，成爲理解科學發展的重要工具。它不僅爲科學家和政策制定者提供理論支持，還通過優化科學資源配置、推動技術倫理研究和加強科學傳播，爲現代社會的發展和科學的持續進步提供了重要的理論基礎和實際應用價值。” 第二部分：在人工智能時代，科學學對於研究科學的個體具有以下意義和價值： “1. 優化研究方向：幫助科學家理解科學發展的規律，識別前沿領域與熱點問題，避免重複性研究。 2. 科學評價與提升：通過科學計量、引文分析等工具，量化科研影響力，優化研究成果的質量與傳播。 3. 促進跨學科合作：揭示學科交叉的價值，推動AI與其他領域結合，促進創新。 4. 提升技術倫理意識：引導個體在人工智能應用中關注技術倫理與社會責任，確保研究對社會有積極影響。 5. 增強科學傳播能力：幫助科學家通過有效的傳播方式與公衆、政策制定者溝通，提高科學研究的社會影響力。” 總之，科學學爲個體研究提供理論指導和實踐工具，使其可能更高效、規範地應對AI時代的科研挑戰與機遇？😄🤭😂🙌💪⛽️！

現代的科學研究是一種複雜的工作項目，其中涉及科學家個人的能力，也離不開團隊協作。所以，如何優化科研的效率，怎樣提升科研成果的質量，需要進行深入探究。 本書作者是王大順（美國西北大學科學學與創新中心創始人）與艾伯特-拉斯洛·巴拉巴西（美國物理學會院士）。二人以大量的數據爲基礎，從科研評價體系、科研從業者、科研團隊三方面分析了現代科研體系的運行方式。 （1）科研評價體系 如今，對於科研成果的評價是以“論文”和“引用量”爲核心。 論文是學術圈的硬通貨。在學術期刊上發表的論文，要經過嚴格的“同行評審”。一項研究成果只有變成論文的形式，才能得到學界的認可。 評價“論文”影響力的指標是“引用量”。“引用”是指在一篇論文中，作者會列出其參考的先前研究。一篇論文被其他人引用的次數就是其“引用量”。通過引用量這個指標，可以量化分析論文的影響力。不同論文的引用量差距極大。2014年，有人整理了5800萬篇論文，發現其中近一半都沒獲得過引用，而極小比例的一部分論文卻被引用了成千上萬次。 論文的引用量跟其自身品質和發表時間等因素有關。在論文品質方面，有兩類論文特別容易獲得大量引用：一類是極具突破性的學說，另一類是對特定科學問題的清晰解釋。從時間維度來看，一篇論文發表的越早，它獲取的引用量就越多；一篇論文存在的時間越長，就越有可能被讀到，從而有可能成爲經典之作。 在論文和引用量的基礎上，誕生了名爲“H指數”的方法，以綜合評價科學家的影響力。 一名科研人員的H指數，是指他至多有H篇論文分別被引用了至少H次。比如，某位科學家的H指數是20，這意味着他有20篇引用量不低於20的論文，而他的其他論文，引用量都小於20次。有人估算過美國物理學會院士的H指數，普遍是在45以上。 一個人發表的論文越多，而且每一篇論文質量又都很高，纔有可能取得不錯的H指數。所以，這個指標能夠相對準確地反映出一個學者的學術貢獻，並被用在求職者評價和科研經費審批等領域。  （2）科研從業者 對於科研人員來說，其職業生涯一般分爲三個時期。 在18到30歲的職業早期，科研從業者要完成本科、碩士、博士等漫長的教育和訓練，才能算是真正入行。當其並獲得職位後，就會逐漸進入一個成果多產期。研究表明，在創造性領域，一個人最優秀的成果往往出現在30到40歲之間。一旦過了這段多產時期，那麼，科研人員繼續取得重大突破的可能性就會逐漸下降。因爲對於40歲以上的學者，他們會面臨來自家庭或者管理崗位的壓力。 爲了在多產期取得更優秀的成果，科研人員需要做出多方面的努力，比如合理構思課題和積累學術聲譽。 在構思課題時，要平衡好創新和傳統之間的關係。相關證據表明，論文或者專利發明中，如果出現不同領域的概念組合，確實能讓這個科研成果更具創新性，從而有可能獲得高影響力。然而，新穎的創意同樣也可能導致較高的不確定性。相比於普通論文，那些既能推出創新組合，同時又能繼承傳統研究成果的論文，其成功的概率至少高出兩倍。 除了做好創新的平衡，科研從業者們還要儘可能去積累學術聲譽。對於已經成名的學者，其科研成果更容易被髮表、也更容易被引用。而且，在知名學術機構中的工作人員，同樣可以享受這種聲譽帶來的便利。 （3）科研團隊 現代科研越來越依賴於團隊的通力合作。 科研團隊之所以重要，是因爲如今的知識領域分工越來越細化。爲了解決現代科學所面對的複雜問題，就需要不同領域的科學家們聚合起來，將不同技能和知識融爲一體。只有團隊合作，才能集中力量辦大事。 比如，爲了得到引力波信號，一個國際團隊花了40年時間搭建整置，所投入的資金高達11億美元。當宣佈成功觀測到引力波的論文發表時，其中列出了來自世界各地的1000多位作者。 在組建科研團隊時，要注重成員間的能力平衡並且合理安排團隊規模。 在成員選擇上，並不是“精英人才”越多越好。20世紀80年代後期的杜克大學英語系，是一隻全由學術明星組建的團隊，但這個科研團隊很快就失敗了。當團隊中全是精英時，成員可能會爲爭取主導權而內鬥，這樣的團隊往往表現不佳。組建一支成功的科研團隊，不僅要天賦異稟的天才，而且還要挑選合適的隊員，讓他們在個性特徵上取得恰當的平衡。 在確保多樣性的同時，還要合理規劃團隊的規模。 較大團隊產出的科研論文和專利，其影響力比小團隊的要高很多。因爲大團隊往往有着最先進的設備、最充足的經費，是推動科技進步的主力軍。但是，隨着團隊成員數量增加，團隊成果的顛覆性就會明顯下降。與之相比，小團隊有着自己優點，這種隊伍可以快速地驗證最新的想法或者最顛覆的構想。總體來看，大型團隊發展科學，小型團隊顛覆科學。 本書所探討的內容有助於幫助科學家們更好地做出職業規劃、更充分地發揮團隊優勢、更具創造性地探索未知，從而取得對全社會更有價值的科研成果。

一本有趣的書 原本覺得翻譯成《給科學家的科學思維》不合理，可能跟大部分人的期待都不一致。在我的期待裏，科學思維是類似《這纔是心理學》之類的作品，內容主要講的是可證僞原則、操作性定義、隨機對照實驗之類的原則或方法論，但這本書完全不是，也許翻譯成《科研行爲的研究發現》或《給科研工作者的職業指南》會更貼合一些？好像也還是不太準確。 簡單的說，這本書是通過數據分析挖掘科研行爲裏一些有趣的現象，例如科學家存不存在創作力高峰期？科研是單兵作戰還是團隊作戰？兩種作業方式哪種得到的科研成果影響力更大？科研成果影響力如何界定？諸如此類。 這本書於我有獨特的滿足感，一方面是作者巴拉巴西本身是網絡科學的奠基人之一，用網絡科學的視角，如科研成果影響力的冪律分佈、論文引用時的鏈接偏好和適應優勢等，來詮釋科研行爲裏的一些規律，很有啓發；另一方面就是數據烹飪了，用科研數據分析來回答很多科研日常裏有爭議的非科研問題，這件事本身足夠有趣。

我一般喜歡讀一些“道”或者大框架的書，很少讀完“術”或者扣細節的書。這本書是例外，它處於我決定職業生涯的時候，我覺得從一個廣角看一看這個職業的全貌可能會有幫助。 通篇講了很多內容，如果把細節補起來可以算得上科學學101課了。印象最深的是index的有用性、馬太效應、指數現象及其背後原因（優先鏈接什麼的）、合作、成功的pattern。 我們身處其中的人其實都挺抱怨指數的，什麼i10之類的，不過如果跳出來從一個客觀廣闊視角去想，指數是量化的第一步，但所有指數永遠都有空子，即如果用指數衡量“成功”或者“突破”，以成功或突破爲目的的人在指數意義下不會高於以指數爲目的的人。所以指數應該時常更新並不應該透明到讓人可以掌握。也許AI是個比人手設計指數更好的方法。但如何訓練（如何定義成功或突破）是個問題。 馬太效應、large scale的規律及其背後原因就不說了，我覺得這些屬於更廣闊的內容，應該拔到更高的角度理解。馬太效應應該放到人類學社會學心理學框架下再闡釋，large scale的規律應該放到廣義的複雜系統裏面去思考。 合作以及科學成功的pattern是更細的、指導我職業選擇的點。從這裏我們看出，合作是有利的，而且都是天才的合作很難成功，這其實和我之前在同事行爲裏總結的規律並不一樣，怪不得我之前的合作都非常艱辛：社會要求個人想象的“好”的樣子其實有時候並不對。另外，科學上成功依靠天賦和運氣（和施一公演講有所吻合）的成分比積累更多，一次成功可以開啓一個高產期、每個人一生的高產期很難超過一次。這些和我對自己的合作的negative evaluation都算是我想轉行的一小部分原因吧。 總之，算是一本工具書和科學學入門書。之後也許在某個點會入坑科學學也不一定，畢竟複雜系統真的很有意思，而如何做好科學、如何利用新的工具更宏觀的理解科學也是很有用的。我之前LLM剛火的時候其實想做一個自動整理文獻、把握學科脈絡和人際關係的app不過還沒空搞，如果有這種方便易用的app我覺得會方便很多。

這本書可以算是科學學（專門研究科學家產出的學科）的文獻綜述類的專著，但是讀起來語言又比較有趣。作者是物理學背景，讀起來和經濟學家寫的東西還是有很不一樣的感覺。裏面有很多覺得很巧妙很有趣的自然實驗，比直接看政策的外生衝擊有趣多了 這本書分別從科學家個體的產出和影響力，科學家團隊的產出、合作、榮譽分配，科學產出的指數增長，以及目前科學學研究面對的樣本選擇性，因果識別等四部分展開。 第一部分描述如何衡量科學家的產出，主要是基於論文引用量構造的指標，如H index（一個科學家發表過n篇引用量超過n次的論文，h index=n）；Q因子，衡量科學家持續產出的能力。科學聲譽存在馬太效應（強者恆強）。科研成就與年齡的關係，根據成功隨機規律，中年科學家成功概率更高只是因爲這個年齡段發表的論文更多；知識的負擔，隨着知識的積累，後代的年輕科學家需要花更多的時間來學習前人的知識，用於自身探索創新的時間客觀上縮短。 第二部分講的是科研團隊的產出。 目前發表的論文很少像之前那樣是獨作，大部分都是多人合作。科學家之間互相高度依賴（如院系僱一個明星科學家，最大的貢獻是未來幾年內會招聘更多優秀的年輕科學家）；科學家之間存在複雜的合作網絡，如數學領域的厄爾多斯指數（鄂爾多斯一生與500多個數學家合作發表論文，平均每兩個月發一篇，其本人該指數爲0，與其直接合作的數學家爲1，間接合作的爲2等，該數值越少，其數學成就越高的概率越高）；如何組建團隊才能更成功，團隊國籍，性別，年齡等多樣性，團隊大小。團隊之間改如何分配功勞。集體榮譽分配算法很好的識別出多人合作論文中最主要的貢獻者。 第三部分講如今論文發表指數增長，如何使用模型很好的擬合預測一篇論文引用數量。 除了論文本身的特質適應度，媒體的宣傳也會增加論文應用。（使用紐約時報罷工期間沒有公開發行論文作爲自然實驗，研究像公衆宣傳與否，對同一時期柳葉刀上論文引用量的影響）。但是媒體宣傳通常沒有持續追蹤，很多早期報道的科研成果有可能有誤，後續更正卻很少報道。導致錯誤的一些科研成果在大衆之間廣泛傳播。 第四部分指出目前科學學研究存在的倖存者偏差問題（可供分析的數據大部分都是已經發表的論文，失敗的論文不可得）；因果問題很難識別，即使借鑑經濟學的因果識別策略，但也都是固定在特定的樣本，其結論不像是工程學領域，很難進行一般性擴展。再就是在目前人工智能發展下，對不同學科科研之間的影響如何。一些樣本領域比較窄的領域，應用很成功，如醫學影像。 總之，挺有趣，值得一讀。

作爲討論“科學學”的書，筆者視角很獨特：把科學家放在“創意工作者”的位置上，討論如何衡量作者的影響力、作者“名氣”對作品影響、作者的“花期”與大作產出規律、創造力是否真的青睞年輕作者、共同作者的貢獻怎麼“分贓”、作品的長久性如何評價……許多統計分析表明長期流傳的科研迷思其實真的存在，而且甚至不侷限於科研領域；不過幾篇（非原作的）序寫得不太好，感覺科哲底子不太紮實。

也許給四星！和上一本基於網絡的成功學有一些重複的內容，感覺講故事的功力比那本差一點。書裏很多現象學的描述，有一些implications但是不多？比如科學家的合作應該怎樣進行，科研明星的出現，等等，都還是對於已有數據的統計學分析。不過好的事情是在這樣大規模的對於已有的二手數據分析之後，能有更多感興趣的人開始關注科學生產這一過程本身。

對於科學學的研究是從沒有規律性之中發現規律，如同我們對於科學的研究類似，科學研究本身也許受到了海量數據的影響，簡單的實驗和思路已經不能滿足發表的要求了，自己也是在不斷比較富勒烯的發現論文，在當下能否發表，這個就是所謂共同通訊作者和第一作者的原因吧，因爲每個人人專業和認知都不足以完成一個優雅或者深入的工作了，當然灌水之類的除外吧，所以如同自己認爲傳統醫學和現代醫學的分水嶺，在人類基因組測試前後進行劃分，現代科學與傳統科學的組織形式的分裂時間野獸在那個時間前後吧，這裏面也是比較了不同時間作者的數量問題，展現的非常清楚，現代科學需要一種有組織的行爲，而不完全是學者個人的行爲，這個發展的過程使得科學學有事情可做並且進行了思考。對於全新的組織形式，我們採用什麼樣子方式來進行或者採用什麼樣子的狀態來進行科研基本單元的變化和指導是科學本身的需要還是社會學的需要，所謂的師從天才是不是完全的，其實當下科學的分析舉例子在2010年之前的演化也許是意義不大的，隨着論文數量的增加類似於人類產生並被存儲的信息一樣的模式在改變着社會組織和形態的變化。

我不知道連續寫兩個評論的話會不會讓一個覆蓋另一個，不過這是我寫的第二個 這本書的翻譯非常專業，非常棒