|
本科毕业生要想在国外大学读研（无论是本科是在国内读的还是国外读的），都需要写Rresearch Proposal（研究计划书，简称PR）。为什么很多人会觉得RP难写呢？首先，必须承认，申请研究式研究生MPhil/PhD，RP占很大的比重，也是极其难的一项任务。尤其对于本科生来说，大学期间充其量只学了一些课程，即便是专业课也只是这个领域最基本的知识。所以，一般情况下，本科生是很难写出优秀的RP的(不要challenge这句话，如果你是本科毕业生你能写出好RP，OK，你牛呗~)。你可以为RP抓耳挠腮，却无须因RP自惭形秽，更不用觉得自己很挫。其实绝大部分的大家都一样。这也解释了某些大学的某些课程并不要求申请者写RP，只要求写个research plan。因为教授们也知道，你们根本写不出靠谱的RP。 1、怎样才算是好的RP? 个人认为，一份好的RP甚至相当于一个project的instruction，完全提供了每一步应该怎么做,有step 1，step 2。。。。expected results等等。唯独的两点“不足”就是 1、按照这个RP做，不一定能成功。可能做到哪一步就做不下去了。 2、一些细节问题还有待边做边设计 但这些“不足”不是RP本身的不足，而是RP的一个典型的正常的特点：research本来就有不确定性，你知道一定能做出来就不是RP了。 有些同学，脑袋一拍想出一个新注意，觉得三句话描述一下就是一个RP。事实上这充其量只能算是一个crazy idea，离RP还差很远。因为具体怎么贯彻你这个idea，需要哪些设备，哪些实验条件等，都是RP里必不可少的 2、怎么写好的RP? 再说说怎么写RP。个人认为RP分两类(是我个人的分类方法，而不是说学术界有这么个分类定义)，一类是你先identify一个问题，这个问题有足够的学术意义，会引起这个领域专家学者的好奇心(举个不一定确切但是足够通俗的：为什么人会衰老)。然后写怎么一步步做研究，来解决这个问题(称为第一类RP，同上，也是我自己定义而非学术界公认的叫法)。另一类是，比如说现在做成功某件事的效率是这么多(比如某技术分离红细胞率达到80%，某技术传输数据的速度是100kb/s等)，然后你提出一种新方法，可以改进现有方式的效率(比如分离率可达到90%，或者传输速率可以翻倍等)(称为第二类RP)。其区别是，第一类RP里有一个“问号”在里面(为什么？能不能？会怎样？)，而第二类RP只是提出新技术，以求改进现有的东西。个人认为第一类RP很难，不对这个领域有极其深入的了解，是不可能提出问题的。而第二类RP则相对简单，你甚至可以“异想天开”propose一个新方法，然后说这个方法有什么好处，我预期可以改进现有的performance，然后装模作样的拿出几个数学式子讲一下，只要可以自圆其说即可。个人认为第一类RP是用来拉funding的，是教授或者科研人员等级的人写的，非常难。第二类RP则是我们研究经验有限的申请者可以写的。现在来说说第二类RP的写法。 首先，还是要读一定数量的paper (尤其是近年的review paper)，知道这个领域的热点是神马(但不必及其深入，深入到第一类RP的深度)。注意，如果时间有限，那么你并不是一定要读英文的paper。虽然国外研究起点比较高，但是国内也一小部分有人专门关注这些热点，发一些装神弄鬼的低级paper。尽管这些paper内容很次，但是对于快速了解国际研究热点和走向，对于求扫盲的人，还是很有帮助的(我见过国内的某学校把人家国外2001还是03年发的paper逐字逐句翻译过来，发在国内2010年的某期刊上的。虽然恶心，但是对于想快速了解该领域的读者来说，其实是个价廉物美的快餐)。其次，看完这些paper后，完全没有idea，怎么办？没关系，教你一个简单实用的方法：排列组合法。具体描述为：从读过的x篇paper里面选出y篇paper，将这y种技术合并在一起，看看是否可行。y取值依次从2到x。呃？看不懂，不会吧，都申请研究生的人了=。=|| 举个例子给你看吧：假设你读过3篇paper，分别为A, B, C。然后，把A里面提到的新技术/新概念和B里面的新技术/新概念结合起来，看看是否有理论上的可行性。然后依次结合AC, BC, ABC。这样一来，你看的paper越多，可列出的排列组合就越多，出来new idea的可能性就越大。当然，paper看多了，不仅仅是idea组合，idea的排列也很重要，比如ABCDEFG的顺序和ABCEFGD的顺序可能出来完全不同的idea。有了idea，怎么表述就看你英语的功底了，这里不赘述了。 3、一个例子 这里以理工科的背景举个例子。读EE/CS的朋友都知道，neural network是Artifical Intelligence的一个重要组成部分。neural network在数据处理和未知数据预测方面有相当广泛的应用。于是，怎么样把neural network用在生物数据的预测就可以是一个很好的topic。这个topic又可以细分成很多实用的RP。比如，用neural network测试基因序列，用neural network预测微生物的生理特性等，都可以作为idea。当然，这只是个例子，关键就是想说明怎么把A领域的技术应用到B领域。一旦定下大方向，就开始有针对性的看paper。 |
 |
|||
| 网站地图 |
