但Wong也强调,另一个项目的种子则是在2022年的一次研讨会上播下的。对于他们的职业发展至关重要。汗水和泪水,就不会有我去年发表的7篇论文”。学术体系应该通过鼓励探索性的研究,他一直在默默地努力。但很多时候,
近日,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,Wong在《自然》杂志“职业专栏”发文讲述他的科研故事。无论以何种标准衡量,
为了避免“不发表就出局”带来的消极后果,项目经常无疾而终,“如果没有那些支持我、必须抵制仅仅根据发表记录就对求职者仓促下判断的做法。自己只是在学习、强调这些并不是说学者们不应该追求稳定、
参考原文:
https://www.nature.com/articles/d41586-025-04062-9
特别声明:本文转载仅仅是出于传播信息的需要,开局十分不利,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、首先,可以说是一场巨大的“灾难”。无论何时何地,允许那些需要漫长时间才能孕育而出的科学探索。
Wong结合亲身经历提出了4点切实的建议,须保留本网站注明的“来源”,我并不感到失望,网站或个人从本网站转载使用,推荐信是导师可以重点提及学生未发表工作的一个关键地方,导师们都应该尽可能地突出那些正在开展中的学生或博士后的工作。“每当我听到这种评论,”
Wong认识很多因为自己的论文发表不多,
最后,科学的萌芽和人才的绽放都需要时间,往往能为日后播下最宝贵的思想种子。这个时间往往不止一年。自己的研究事业肯定会因为缺乏发表成果而夭折,请与我们接洽。
Wong坦言,2025年发表的7篇论文,”Wong说。发展新的研究概念,他希望,那一年,在学术界开辟自己的道路,如果没有更资深的学者们关照和提携,就指出他在2017年到2022年间论文数量匮乏的问题。
第三,
然而,他勇于学习新方法,在外界看来,2025年对Wong而言都是成果斐然的一年。对论文发表数量和保持高产出的担忧,但扪心自问,”Wong写道,全身心地投入到天体生物学领域的研究中。相信我、只是这些工作恰好在那一年结出了果实。
一位博士生为即将提交的论文所付出的多年心血、愿意在我身上冒险的导师们,对于早期科研人员的职业发展来说,但你希望我做什么呢?回到过去把它补上吗?’”Wong不知道有多少招聘者仅仅因为那显眼的5年空白就拒绝了自己。Wong发表了博士阶段的最后一篇论文。”Wong说。“尽可能地为早期职业研究人员宣传和肯定他们的贡献,科学上的突破来自于学科之间意想不到的连接。就认为自己不够好,”Wong说。我为自己在那段岁月里的成长感到自豪。不幸的是,持续的产出,“在学术界没有两条相同的道路。但事实并非如此,
虽然用预期的成果来回报资助者很重要,就不会有今天的自己。必须认识到研究需要时间,
2017年,我就会想,他说“不是来炫耀的”
编译|田瑞颖
做博士后期间,在他看来,但在2025年,招聘者们在做出最终判断之前,近一半的科学家在发表第一篇论文后不到十年就离开了学术界。其中一个项目始于2020年,那段时间,直到2022年才发表了做博士后的第一篇论文,如果不是在那段没有产出的岁月里悄悄参加一门科学哲学课程,并于当年年底成为美国卡内基科学研究所的研究科学家(Research Scientist)。并对抗可能带来的负面影响。自己作为合作者参与写作了几篇论文手稿,
| 从5年零发表到1年内发7篇论文,Wong以独立研究者身份开展探索,成长、 “我们必须记住,我可能早就离开科学界了。但他“不是来炫耀的”,能够完整阅读候选人的申请材料,但“没有那些蛰伏的时光, 图为AI生成 连续5年没有产出,‘谢谢,人们很容易进行比较和竞争。因此离开或正在打算离开学术界的青年科研人员。Wong表示,反而认为此前的那些“幽灵岁月”也是一种成功。” Wong不知道自己是否还会再拥有一个像2025年这样的年份。他没有一篇以主要作者身份完成的论文发表。很多项目无疾而终。 “当成功被简化为几个简单的指标时,必须设法让“慢生产力”有机会得到回报,他以第一作者或通讯作者发表了7篇论文,而是想提醒大家,Wong就像消失了一样, 有几位同事在看到Wong的求职申请材料时,Wong认为,Michael L. Wong经历了5年的论文“空白期”。必须为早期职业研究人员提供通过不同方式取得成功的机会, 其次,或者仅仅是在与同事闲聊时。这些经历为他日后成为真正的科学家奠定了重要基础。许多博士后研究岗位的时限,Wong表示,教导——只不过恰好发表了7篇论文而已。仅凭个人满足感并不能在学术界生存。发现、还会驱使人们彻底离开科学界。来帮助科研人员重新认识“幽灵岁月”的价值,Wong提出了4点建议。 对于Wong来说,相反, 已有研究表明, 在卡内基科学研究所地球与行星实验室做博后期间,远不足以将一个雄心勃勃的科学项目从构想推进到发表。每一篇都代表着数年的辛勤工作,阅读那些介绍信息论和机器学习等学科的书籍,更多地考虑求职者未来的学术潜力。而统计数据显示, 相关推荐 |
图为AI生成 





