LECTURAS
Creo que este documento fue el primero que intenté leer en serio. Mirando hacia atrás, fue bastante divertido. Básicamente, hice lo que cualquier estudiante geek, hiper serio y despistado haría: comencé a resaltar cualquier frase que pareciera interesante. Al final, mi artículo se veía así:
No hace falta decir, completamente inútil =)
Me da vergüenza decir que en realidad le mostré este documento (con mis mejores momentos) al profesor que enseña mi clase de visión artificial, y le pedí consejos sobre cómo leer los documentos. Mirando hacia atrás, me sorprende que no se echó a reír en el acto.
- ¿Cómo se compara la cultura académica británica con la cultura académica estadounidense?
- ¿Los posibles estudiantes de posgrado alguna vez leen a Rate My Professors cuando piensan en seleccionar un asesor de doctorado?
- ¿Existe una diferencia significativa en la accesibilidad de las supercomputadoras entre diferentes universidades?
- ¿Cómo me ayudaría Matlab en mi carrera profesional, si no fuera en la academia?
- ¿Cuáles son los pros y los contras de los sistemas de gestión del aprendizaje académico (LMS)?
Desde entonces he acumulado más experiencia. Hoy en día, leo la mayoría de los periódicos con bastante rapidez. Si el documento está en mi área, generalmente omito la introducción / trabajo relacionado (a menos que el documento tenga una visión muy novedosa del área), y voy directamente a la parte técnica del documento. Intento mapear el modelo / las suposiciones en el trabajo con el trabajo que he hecho / encontrado en el pasado, para entender qué hay de nuevo (si es que hay algo).
Leí algunos artículos con más cuidado, generalmente porque son más interesantes / relevantes para mis intereses de investigación en ese momento. En estos casos, lucho como siempre lo he hecho, porque entender el nuevo contenido técnico es difícil y lleva tiempo. Soy capaz de procesar ciertas cosas más rápido que antes, pero comprender cosas realmente nuevas lleva aproximadamente la misma cantidad de tiempo que antes. Hay, por supuesto, tonos de gris entre estos dos extremos.
Para mí, la mayor diferencia entre cuando comencé y ahora es qué tan rápido puedo hacer un pase de alto nivel sobre un papel para descifrar las principales contribuciones y decidir si es algo que quiero entender en detalle. Esto también tiene el agradable efecto secundario de poder escribir rápidamente una introducción y secciones de trabajo relacionadas porque he desarrollado una buena visión global de la investigación en mi área.
PAPELES DE ESCRITURA
En realidad, hay dos cosas a considerar aquí.
1) ¿Cómo aborda un proyecto de investigación?
2) ¿Cómo / cuándo decide qué parte del proyecto empaquetar en una presentación en papel?
Realmente quiero enfatizar esta dicotomía porque ser demasiado impulsado por el papel puede conducir a resultados malos / mediocres. Los papeles en sí mismos no son el objetivo, sino el impacto científico.
Cuando era un estudiante de doctorado junior haciendo mi primer proyecto de investigación, mi asesor decidió 1) para mí, al menos en los niveles macro e intermedio. A nivel macro, quería que trabajara en extensiones interesantes de un enfoque en el que su grupo estaba trabajando (SVM estructurales). En el nivel intermedio, quería que trabajara una extensión específica para una aplicación interesante. Dada la naturaleza bastante estructurada del proyecto, se sintió más como un proyecto de algoritmos para llevar a casa súper glorificado. El proyecto culminó en este documento. Mi asesor tuvo mucho aporte en 2), ayudándome a decidir qué poner en el periódico y qué dejar fuera.
Para mi segundo proyecto, mi asesor me pidió explícitamente que eligiera una dirección de proyecto de nivel intermedio por mí mismo. Básicamente me dijo que escaneara los procedimientos de SIGIR e identificara algún problema técnico fundamental que podría automatizarse mediante el aprendizaje automático. Después de una lluvia de ideas juntos durante aproximadamente un mes, finalmente nos decidimos por un proyecto que condujo a este documento.
Después de esto, mi asesor básicamente comenzó a tratarme más como a un igual, y comenzamos a explorar juntos direcciones de investigación de alto nivel.
Para mí, 1) está muy relacionado con la comprensión de las tendencias tecnológicas y los campos vecinos. Para el aprendizaje automático, las tendencias de ejemplo incluyen conjuntos de datos más grandes, o tener humanos en el circuito a la multitud. Estas tendencias son indicadores con respecto a buenas direcciones de investigación para tomar su propio campo, ya que todos los campos tienen sinergia entre sí. Lo creas o no, escribir propuestas de investigación para solicitudes de becas / subvenciones / premios es realmente muy útil porque te obliga a sintetizar estas ideas en direcciones concretas de investigación.
Una vez que tienes un proyecto y resultados sobre los que vale la pena escribir un artículo, descubrí que 2) se vuelve bastante fácil con la práctica.