我是碩士機器學習的學生,本月即將完成我的論文。我的顧問希望我親自見他,以在他的控制下重現我的結果。顯然,此操作的主要原因是要確信我沒有操縱圖表等。
我沒有做任何作弊,對此我也沒有任何問題。但是我的顧問不信任我,這讓我有點煩。我想知道這是學術界的常態還是我的顧問對我有點懷疑?
我應該提到我是唯一的碩士。我幾乎可以確定,顧問不會對實驗室的博士生那樣做。
我是碩士機器學習的學生,本月即將完成我的論文。我的顧問希望我親自見他,以在他的控制下重現我的結果。顯然,此操作的主要原因是要確信我沒有操縱圖表等。
我沒有做任何作弊,對此我也沒有任何問題。但是我的顧問不信任我,這讓我有點煩。我想知道這是學術界的常態還是我的顧問對我有點懷疑?
我應該提到我是唯一的碩士。我幾乎可以確定,顧問不會對實驗室的博士生那樣做。
正如許多評論(Nate Eldredge,Dan Romik,Per Alexandersson等)所指出的那樣,重點並不是要抓住您的作弊手段(就像您故意操縱結果一樣),而是要進行驗證您獲得此類結果的過程。我們都應該非常幸運,以至於有一位顧問可以花點時間來驗證我們的流程。
我還要補充一點-這是假設您的論文可以/將導致到期刊或會議上的學術出版物上-通過將顧問的名字附加到此類文檔上,可以潛在地提高顧問的聲譽。換句話說,通過成為[未來]出版物的合著者,您的顧問實際上是在說:“是的,我幫助完成了這一工作,並且確定其中包含的方法和結果。”
最重要的是(tl; dr),您不應該將此視為人身攻擊。您應該感謝有個人可以投入必要的時間來確保您所做工作的正確性。
您的導師想要這樣做的另一個原因是:也許將來另一位學生可以繼續進行這項工作,而您的導師希望能夠向那個(潛在的)未來學生解釋細節。
無論如何,我認為您的顧問給您的讚美之情。
在機器學習領域,有很多方法可以錯誤地做錯事情,從而使您的結果看起來比實際情況更好。一個簡單的例子就是交叉驗證:如果您根據驗證數據集的結果進行模型選擇,那麼您將在驗證結果中向下偏移誤差。
鑑於此,您的顧問可能會對您的結果感到有些驚訝。在完全接受您所做的工作之前,他們想驗證這不是混淆的結果。如果您的顧問觀察您的工作,並且一切正確,那麼那太好了,您可能會得到一些不錯的結果。如果您做的事情不太正確,那麼您的顧問可能會幫助您修復錯誤。
您不應將此視為批評,而應視為批評。批判是使科學可靠的要素,並且對學術過程至關重要。
我會說你很幸運!
科學的主要目標是為他人提供有見識的東西!因此,當發現某些東西時,使他們可以重現這些結果。否則,這只是對他們的“意外”。科學是關於理解原因和原因,因此是關於過程的可重複性。由於目標是使其能夠被其他人復制,所以最好的測試是嘗試其他人是否可以復制它。 ,只需提及: http://reproducibleresearch.net/, https://reproduciblescience.org/,以及一般的開放科學)。確保其他人可以再現您的效果,確認您已通過紙傳遞了對實現目標至關重要的所有工件。交流(也通過論文)總是依賴大量的假設。一個人可能不得不跳過一些對她/他來說很明顯的細節,步驟,而實際上卻對其他人不那麼明顯,然後使整個工作不幸地丟失並且對其他任何人都沒有用。因此,如果某個具有所需受眾技能/知識水平的人不能重現它,那麼該論文可能應該包含更多/更好的參考文獻,或者更多地介紹所使用的概念/過程/工具。再者,所有人的目的都是為了把紙傳給他人,傳給人類,如何做一些較早完成的事情,從而使整個人類前進。檢查它是否可以被其他人復制是檢查它是否可以被其他人復制的最好方法:)。恕我直言,甚至增加了紙張的價值。最好由其他人做筆記(甚至是博客文章)。
願意花時間在你身上的人們幾乎永遠不會壞。它證明您或您所做的事情很重要。嘗試了解被檢查是不好的,並嘗試查看它,因為您對某人足夠重要。只有當不再有人在乎的時候,您才應該關心自己,而不是反過來!對於某些個人品格高尚的人,這種肯定會造成混淆。
在某種程度上,您是正確的,但很可能是其他許多因素。一旦您離開大學大門,無論是您的同事,同事還是您的專業社區。如果有任何新的或具有重大價值的要求,則必須進行審查。因此,一定要習慣於最初持懷疑態度的人。
部分是為了確認您的結果。也可能是為了將來的研究或教育而模仿結果。歸根結底,他的聲譽取決於您對工作的認可為“有效”。或者至少要確保您所做的工作不會模仿您對領域的微不足道的工作。另外,如果您的研究成果不錯,他可能會嘗試幫助您找到一些嚴肅的補助金,或者可以幫助私人研究基金。
雖然我同意其他評論者的說法,這可能是出於其他原因,但我們不能使該人只是在檢查您沒有作弊而作廢。想想最近發生的邁克爾·拉庫爾(Michael LaCour)醜聞:他偽造了數據,而他的資深合著者(格林)卻沒有抓住他;
在那之後,我敢肯定,很多高級學者已經仔細研究了他們的被監督者數據/過程。