※ 引述《Bacillus (巴西里斯)》之銘言： : 老實說，我覺得這是PI的想法，每個領域跟單位各有不同。 話是沒錯，可是這系列文章的第一篇談得是生物領域，有競爭力的Lab其研究模式 通常不是靠人力收大量data來跑統計。要發好paper，技術門檻相當高，通常上軌 道的機構，不要說做基因轉殖，連動物中心的技術員都是專職的。 : 以前隔壁實驗室的學長跟學姊，碩士畢業之後就再也沒有到實驗桌前了，只有新進學弟 : 妹要教育訓練，或者是QA/QC，他們才會下來作一下實驗。 : 他們博士論文的資料也都不是自己一筆一筆生產的，而是請助理或是學弟妹做實驗或收 : 集測站資料，跑軟體後他們再把重新整理寫成期刊論文。 能夠這樣做，代表該類型研究的門檻不在技術而在樣本數，因此需要大量人力。 學長姊的價值在實驗設計、結果判讀和統計方法。 : 他們實驗室的PI說如果是實驗技術方面，永遠有迅速的新發展跟方法發表，光靠自己花時 : 間是追趕不上的。而已經成熟的技術，只要請大學部專題生或工讀生，花時間訓練就可以 : 作的好。而資料的可信度與穩定度也可以靠QA/QC完成。 一項技術人人能做、可以快速量產，代表它不怎麼難。舉個反例，外科手術無論換 人工關節或是心臟移植，都可輕易找到術式和圖解，如果技術沒價值，為什麼手術 需要挑醫師？ : 博士班學生需要訓練的是口語表達、文章撰寫及最重要的-想像力及規劃力，而不是把所有 : 的時間都花在實驗桌前，博士後當然也是這樣。 每個PhD都需要頭腦的訓練，但實驗的重要性要看領域。數學、理論物理不需要動手 做實驗，公衛、流行病學也不需要實驗。本系列第一篇文章談的生物領域並非如此， 我可以跟你保證Harvard, stanford, Berkely等校生醫領域的postdoc都做得像狗， 只是看大家project怎麼合作而已。 實驗每一步驟都有很多隱藏性知識(例如某些情況要用試劑A，另一情況要用試劑B) 不做實驗就不會知道這些，不知道這些實驗就做不出來或是要花很多時間optimize。 不是實驗出身的PI，對研究可行性的預估就會出問題，待在異想天開老闆底下，其 悲慘不言可喻。 : 他們實驗室畢業的學生，計畫與論文都寫得不錯，國內外研討會的表現也都還不錯，而最 : 重要的生存指標-SCI，在該領域中也都還可以生存下去然後升等。 : 這聽起來是蠻傷害技術本位的人，因為技術是生產資料的根本，但是可取代性卻是高的， : 在實驗室裡也不被重視。但是他們靠這樣的方式生存及發展，讓每個人做不一樣的部分， : 受到不一樣的訓練，但是確保經費來源與學術產出無虞。 技術其實需要資源做後盾，你會用人力衝樣本數，別人也會，所以只是生存得下去 ，如果不只滿足於產出無虞，而想做世界上第一個研究某項重要議題的Lab，在21世 紀很難逃避技術(和資源)的挑戰。這有點像代工(鴻海) vs 品牌(蘋果)的辯證。 : 想一下今天你是PI，你覺得你的博士後研究員，每年可以幫你申請五百萬計畫，幫忙管理 : 計畫不會出問題，然後每年貢獻5篇該領域前20%的期刊，你會很在乎他是不是都自己做實 : 驗嗎? 在生物領域，如果有一個postdoc對實驗的knowledge超強，實驗做不出來他可以幫你 trouble shooting，他想出的project往往有好的結果、出大paper，我相信每個人都 會心悅誠服地接受他的指揮。而本系列第一篇文章顯然不是這種情形。 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.224.52.183 ※ 編輯: pbs 來自: 61.224.52.183 (09/13 05:46)