Un buen científico se guiará por la experiencia, pero también tendrá una perspectiva abierta. En mi primer proyecto de investigación, estaba mirando algunos gráficos. Había algunos picos gigantes que estaba mirando, tratando de entender lo que significaban. Un estudiante graduado que me estaba asesorando estaba revisando los datos conmigo más tarde. “Acércate allí”, dijo, señalando un rango de datos que me pareció bastante plano. Sin embargo, cuando nos acercamos, hubo un pequeño pico. Me dijo que el pequeño pico era evidencia de algo más interesante. Ni siquiera lo vi; Era como un hormiguero mientras miraba un paisaje de verdes colinas. Las colinas verdes eran interesantes, agradables a la vista y fáciles de ver, pero había criaturas vivientes en la colina de hormigas que podíamos diseccionar y estudiar. Por supuesto, él estaba mucho más experimentado que yo, lo que le permitió ver todo el conjunto de datos.
Más tarde, en el mismo proyecto, estaba presentando algunas diapositivas al profesor para el que estaba trabajando. Esperábamos proponer un modelo para los datos, pero estaba atascado en tratar de que nuestro modelo se ajustara y aún tuviera sentido físico. Mientras estaba parloteando sobre cómo vemos este fenómeno, y vemos esa propiedad, él me detuvo. “Hablemos de lo que no vemos”, dijo, y comenzó a recitar las características que faltaban en nuestros datos, lo que ayudó a dilucidar qué podía y qué no podía aplicarse en nuestro modelo. En ese momento, nunca habría considerado la ausencia de datos como una forma efectiva de analizar nuestros datos.
Hay muchas otras formas de ser analíticamente sólido. Una buena intuición física es útil. Si está midiendo un transistor midiendo corriente y cambiando el voltaje de la puerta, pero está generando corriente sin aplicar un voltaje de puerta, su muestra podría estar conduciendo. Eso requiere una comprensión básica de la ciencia detrás de su trabajo. También debes entender las estadísticas. La investigación que descubrió la gran debacle a principios de la década de 2000 que vio a Jan Hendrick Schön implicado por mala conducta científica por la fabricación de datos fue iniciada por uno de sus colegas, que notó que los datos de Schön eran perfectamente gaussianos. Esto se ajusta a la teoría al 100%, pero una curva gaussiana es estadísticamente improbable debido a las variaciones en la recopilación de datos. Un buen científico entendería qué significan el ruido y el error y cómo interpretarlos. Estas son solo algunas habilidades que deben perfeccionarse si desea convertirse en un buen científico, pero hay muchas más formas de interpretar los datos de manera efectiva.
- ¿Qué pasaría si los científicos gobernaran el mundo?
- ¿Qué científico de la historia se hubiera beneficiado más de una computadora (y un libro que describa cómo usarla, programarla y un generador para suministrar electricidad y combustible suficiente para 5 años)?
- ¿En qué medida deberían los científicos renovar la forma en que se comunican?
- ¿Cómo pueden los científicos determinar cuántos años luz una estrella o un planeta está lejos de nosotros?
- A pesar de producir una gran cantidad de ingenieros y científicos médicos, ¿por qué la India ocupa un lugar tan bajo en el Índice de Innovación Global?
