Die Herausforderung des modernen Wissenschaftlers soll vermeiden Karriereselbstmord (Op-Ed)

Dieser Artikel erschien ursprünglich in The Conversation. Die Publikation beigetragen Artikel Leben Wissenschaft Experten stimmen: Op-Ed & Einblicke.

Schließe deine Augen und Bild eines Wissenschaftlers. Was siehst du?

Vielleicht ein Albert Einstein, starrte aufmerksam auf eine Tafel in unverständlichen Formeln oder von Alexander Fleming, gebeugt über dem Labortisch brütete über eine Petrischale abgedeckt?

Die Wahrscheinlichkeit ist, dass man den Wissenschaftler als Einzelperson des großen Geistes, kämpft heldenhaft mit die Geheimnisse der Natur und auf der Suche nach der "Heureka!"-Moment, der unser Verständnis des Universums verändern wird.

Die Idee der individuellen Anstrengung ist implizit in die Alltagssprache der Wissenschaftler selbst. Wir sprechen von Newtons Gesetze der Bewegung oder Mendelian Erbschaft. Wir haben die jährlichen Äußerungen des Nobel-Komitees, die für höchstens drei lebende Personen in jeder Kategorie Wissenschaft Preise vergibt.

Zeitgenössischer populären Kultur präsentiert uns mit Figuren wie Big Bang Theory Sheldon Cooper, zielstrebig und im Alleingang auf der Suche nach einer Theorie von allem.

Aber die Praxis der Wissenschaft im letzten Jahrhundert erlebte eine deutliche Verschiebung vom einzelnen zur Gruppe, wie wissenschaftlicher Forschung mehr spezialisiert hat und die Art der Forschungsprobleme sind komplexer geworden, erfordern zunehmend anspruchsvolle Ansätze.

Der einsame Wissenschaftler scheint fast ein Mythos zu sein.

Der Aufstieg des "Big Science"

Viel der Wissenschaft, ist wie sie heute betrieben wird Big Science, geprägt von großen internationalen Kollaborationen von Multi-Regierung Milliarden Dollar Investitionen unterstützt.

Beispiele hierfür sind die Bemühungen um die nächste Atom-Smasher auf die Jagd nach dem Higgs-Boson, ein Teleskop aufzudecken die erste Generation von Sternen oder Galaxien und die Technologie, um die komplexen Geheimnisse des menschlichen Genoms zu entwirren zu bauen.

Eines der wichtigsten treibenden Kräfte hinter dieser wunderbaren Wachstum in der Wissenschaft wurde die ähnlich spektakuläres Wachstum in Computer-Rechenleistung und Speicherplatz. Big Science jetzt gleich Big Data – z. B. wenn das Square Kilometre Array beginnt beobachten des Himmels im Jahr 2020, es werden mehr Daten an seinem ersten Tag als im Internet zu dieser Zeit bestanden haben wird.

Leistungsstarke Supercomputer sind die Werkzeug-Forscher verwenden, um durch die Fülle an Daten, die durch Beobachtungen des Universums, große und kleine zu sichten.

Zur gleichen Zeit sie werden genutzt, um Einblicke in komplexe Phänomene in simulierten Welten – von der Art, wie Atome und Moleküle ordnen sich auf der Oberfläche von neuartigen Materialien, um die Komplexität der Faltung von Proteinen und die Entwicklung der Struktur in einem Universum von dunkler Materie und dunkler Energie dominiert.

Big Science führte ein spektakuläres Wachstum in unserem Verständnis des Universums, aber seine Abhängigkeit auf innovative computing präsentiert eine Reihe von neuen Herausforderungen, nicht nur in der Kosten- und laufende Kosten von Supercomputern und massive Datenspeicher, sondern auch im Umgang mit dieser neuen Kraft zu nutzen.

Big Science-Engpass

Im Gegensatz zu allgemeinen Computer-Nutzer – Wer möchte können einfach e-Mails, social-Media oder durchsuchen Fotos – müssen Wissenschaftler oft Computer Dinge tun, die noch nicht zuvor getan wurde. Es könnte alles von Vorhersage die komplizierten Bewegungen der dunklen Materie und der Atome in einer Umformung Galaxie, oder Bergbau die Fülle von genetischen Daten im Bereich der Bioinformatik.

Und im Gegensatz zu allgemeinen Benutzern Wissenschaftler selten Standardlösungen und Software-Pakete, ihre Probleme zu lösen. Sie erfordern neue, einheimische Programme, die von Grund auf neu geschrieben werden müssen.

Aber die Ausbildung von modernen Wissenschaftlern bereitet ihnen schlecht für solche zukünftigen High-Tech. Studium für einen traditionellen Science, die sich auf Theorie und Experiment, bekommen sie begrenzte Exposition der Berechnung und datenintensive Methoden, die modernen Wissenschaft zu untermauern.

Dadurch ändert sich beim Betreten ihrer postgradualen Jahre – diese Wissenschaftler in der Ausbildung jetzt auf dem allerneuesten Forschung sind, aber die bleeding Edge Berechnungswerkzeuge oft nicht vorhanden und so haben sie zu entwickeln.

Das Ergebnis ist, dass viele Wissenschaftler in Ausbildung schlecht ausgerüstet sind, Software (oder Code in die Alltagssprache eines Forschers) zu schreiben, die ist Fit for Purpose. Und genau wie Autofahren und Kindererziehung, werden sie wahrscheinlich sehr Kreuz erhalten wenn Sie versuchen, ihre Bemühungen zu kritisieren, oder schlagen, gibt es ein besserer Weg etwas zu tun.

Diese systemische Versagen wird durch einen Blick verschärft, dass das Schreiben von gutem Code ist nicht so sehr ein Handwerk als eine triviale Übung in die wahre Anstrengung der Wissenschaft (eine Haltung, die uns zur Verzweiflung treibt).

Aus diesem Grund ist es wohl nicht verwunderlich, dass viele Felder sind überflutet mit Armen, ineffiziente Codes und Daten-Sets zu umfangreich, richtig erkundet zu werden.

Codierung der Zukunft

Natürlich gibt es diejenigen, die effiziente und innovative Codierung natürlich viel mehr kommt. Schreiben sie die Programme simulieren das Universum und nutzen die Vorteile der neuen GPU-basierte Supercomputer oder multi-dimensionalen genomischen Datenbanken effizient zu verhören.

Solche Codes schreiben kann ein größeres Unterfangen, verbrauchen die gesamten drei bis vier Jahren eine Doktorarbeit sein. Für manche sind sie in der Lage, ihre Codes zu verwenden, um neue wissenschaftliche Ergebnisse zu erhalten.

Aber allzu oft die alles verzehrende Art der Code-Entwicklung bedeutet, dass eine einzelne Forscher nicht die wichtigsten wissenschaftlichen Ergebnisse entdecken kann, zu verpassen, die Publikationen und Zitationen, die die Währung der modernen Wissenschaft sind.

Diejenigen, die kann code sind arbeitslos

Andere Forscher, diejenigen, die einfach zu verwenden anstatt zu entwickeln solche Codes sind in der Lage, die Früchte zu ernten, und damit besser die weichen in eine akademische Laufbahn. Die Belohnungen geht an diejenigen, die versuchen, die Fragen nicht zu beantworten, dass diejenigen, die es machen passieren.

Mit weniger Veröffentlichungen auf dem Buckel benötigt diejenigen, die die Werkzeuge entwickeln sich schob den Markt heraus, und aus der Wissenschaft von der wissenschaftlichen Gemeinschaft finden.

Einige hochrangige Wissenschaftler erkennen diesen Weg zum Karriereselbstmord und junge Forscher in Projekte mit eine stabilere Zukunft angesteuert werden (so stabil, wie akademische Karriere sein können).

Aber dann stehen wir vor einer wachsenden Herausforderung auf, die die notwendigen Werkzeuge für Big Science, gedeihen weiterhin entwickeln wird.

Gewusst wie: einen frühe Wissenschaftler wachsen

Wie lautet die Antwort? Wissenschaft muss klar, machen einen kulturellen Wandel im Verständnis darüber, was einen guten moderneren Wissenschaftler macht.

Wir müssen sowie Düngung Links mit unseren Computer-Wissenschaftler-Kollegen frühe Wissenschaftler auf mehr als ihre Papier-Ausgabe und Citation Count zu beurteilen. Wir müssen ihren Beitrag in einem viel breiteren Kontext zu untersuchen.

Und in diesem Zusammenhang müssen wir eine Karriere-Struktur zu entwickeln, die diejenigen, die die Tools, mit denen Big Science belohnt machen geschehen. Ohne sie Supercomputer werden mit ineffizienten Code Stöhnen, und wir werden einfach in die entgegenkommenden Datenflut zu ertränken.

Geraint Lewis erhält Mittel von der Australian Research Council und hält ein ARC-finanzierte Zukunft Fellowship.

Chris Power erhält Mittel von der Australian Research Council und hält ein Stipendium der Zukunft.

Dieser Artikel erschien ursprünglich auf das Gespräch. Lesen Sie die