译文首发于唧唧堂，译者：唧唧堂研究人wen
更多：研究人必读｜可重复计算研究的十大黄金准则／研究人必读｜论文作图的十大黄金准则／研究人必读｜论文评审的十大黄金法则／研究人必读｜获得基金支持的十大黄金法则／研究人必读｜博士毕业生职业选择的十大黄金法则/研究人必读｜创建一个数据管理计划的十大黄金法则/研究人必读｜顺利获得博士学位的十大黄金法则／研究人必读｜建立国际合作的十大黄金法则
对于科学研究而言，跨学科合作越来越重要了。尤其是面对那些紧迫的、世界级的挑战—比如绿色科技、可持续发展食物产业、药物研究时，跨学科合作尤为重要。管理者和政策制定者也都意识到了合作的力量。比如在投入了800亿欧元的“地平线2020”欧洲研究与创新项目中就是如此。这个项目重点强调了“打破壁垒，为知识、研究和创新创造真正简单的市场”。（该项目网址：
法则一：享受进入新研究领域的过程
与来自其他领域的科学家合作，这是个直接从专家那里了解尖端科学的好机会。充分利用作为新手的种种优势吧。没有人期待你了解这个新领域的任何事情。也就是说，没有必须尽快理解所有事情的压力，所以你完全可以问“傻”问题。表述你自己的兴趣和热情比假装已经了解了所有知识更有价值。一个感兴趣的听众会让合作群体中的信息分享变得更加容易。
你应该为一大堆新的观点和取向做好准备。阅读相关课本和综述是很好的锻炼，而你的合作者们通常也能够推荐这类书目和文章，从而帮助你尽快了解新领域的专业术语和关键的论点。这样做能让你和合作者们更容易地谈到一块儿去，并且站在同一平台上继续合作。
你应该试着和来自互补性的领域的科学家讨论你的工作。你将获得一些能够帮助你发现合作机会的反馈。即使是那些不会直接带来合作的接触，也会对你将来的事业有所助益。
法则二：去看看正在运作的实验室
理解数据究竟从何而来是非常关键的。比如数学和计算模型，每个实验都有它们自己的假设、优势和劣势，而你需要充分理解这些内容。数据收集的真实过程是怎样的？在给定的时间线内能够完成多少实验、这些实验的花费如何？有哪些实验设计方面的限制？你将如何解释这些问题？如果你打算使用得到数据进行模型计算或参数拟合，就得尽可能地获得足够多的与实验过程有关的信息。不同领域的论文有着不同的角度，所以或许不会包含你要找的那些数据细节。亲自参观实验室是获取信息的最有效的方式。对于计算科学而言，对实验的充分理解通常也意味着合适的“测试用例”。尽量和实验室里的初级和高级工程师谈谈，他们会提供不同的观点。
在实验室里谈人生不仅有学术方面的作用，也有社交方面的好处。作为计算科学家，你很可能会低估获得实验数据所需要的付出和资源。参观一个实验室，对实验收集的过程产生兴趣，也是了解和感谢同事们付出的努力的方式，这是对他们的数据和专业技能的价值的肯定。
法则三：不同领域有不同的术语：学会说话
科学世界充满了使用不同的、并且正在发生演变的术语的亚文化。要形成成功的跨学科合作关系，就需要充分理解你的合作伙伴。就期刊和研究的分类方式和方法论而言，跟上自己所在学科的发展节奏就已经很难了，何况是全新的领域。例如，术语的更迭对于计算科学和生命科学而言非常常见，新的术语会随着新的方法、工具和知识的出现一同诞生。在合作初期就学习其他领域的术语吧，可以询问一些关于词语意义的基本问题。
比如：
模糊词：“model”可能是科学世界里最模糊的词了。数学模型、统计模型、实验模型、观察模型、理论模型、计算模型、分析模型、词语模型、法律模型、心理模型、图像模型、几何模型、结构模型、甚至工作表模型都有不同的意思。而几乎所有的领域都有自己对“model”的解释，而其语义则存在着巨大的差异。
同义词：例如，在免疫学上，去掉上限以上和下限以下的内容被称作“积极选择和消极选择”，而在符号转换中，这被称作“滤波”。
语境非常重要，所以尽量理解使用这些术语时的细微差别。建立理论词汇表是很有用的。通过向新同事展示你使用术语的方式来测试你对这些术语的理解，并且记得观察你对哪些术语的使用仍需改进。
最后，在项目开始的阶段，和你的同事在联合的命名方式上达成共识。用同样的方法写下等式和代码，将数据文档标准化，使用一致的图标模板。然后，通过你自己的成果来和同事们讨论如何理解和参与的问题。好的合作建立在双方互相理解的交流方式智商。
法则四：不同的领域进展速度不同，保持耐心
不同学科的研究和出版方式存在巨大的文化差异和期望上的差异。在跨学科合作中，这些差异会带来一些压力，所以应该在较早的阶段就这一问题进行有效的交流。接受不同领域的不同速度是很重要的，好好交流，并且保持耐心。
比如，实验生物学研究通常需要长期的、费力的实验，或许需要几个月或者经年的努力。动物和组织需要培养，在细胞领域，在实验室耗费许多个周末和夜晚已经形成了一个文化，而重复的实验更是必须的。许多项目都是这样，理论研究者可能已经完成了他们的工作，而等到实验方面的合作者完成任务、正式发表研究还需要好几年的时间。反之，计算科学通常比简单地按下按钮要复杂得多，而可计算的资源通常又饱受限制。
不要仅仅基于合作者们把结果反馈给你的时间来推断他们工作的努力程度。在这方面，交流尤为重要。
同样地，不同学科的期刊从接收到发表的周期也可能不同。这对于描述你的研究结果或许会有连锁反应（参看法则五）。
在合作早期关于你完成自己的部分所需的时间、以及为什么需要这么多时间的讨论是必须的，这有助于让你们的合作更加顺利。
法则五：不同领域有不同的回报规则：了解你该期望些什么
认识到生命科学，尤其是实验生物学的文章出版文化与许多理论科学领域有所不同是很重要的。这些不同可能包括：
1）出版速度差异很大。在实验生物学方面，出版可能需要许多年，而某些理论性质的文章可能只需要相当短的发表周期。
2）许多机构都使用影响因子之类的指标来评判你的研究。注意不同的领域可能有不同的影响因子数据范围。期刊的影响因子通常取决于领域内的平均引用列表长度。比如，一个数学学科（295种刊物，影响因子中位数0.57，最大影响因子3.57）影响因子数值为3的期刊，可能比细胞生物学（184中期刊，影响因子中位数3.2，最大影响因子37.16）影响因子为30的期刊更有声望（影响因子数据基于2012版汤森路透期刊引用报告）。
3）在包括信息技术在内的一些领域，在期刊发表之前现在同行评议的会议上发表研究是一项规范。
4）手稿上的作者顺序也取决于学术环境。第一作者可能是贡献最多的科学家，也可能是姓氏在字母表上靠前的科学家。最后一位作者可能是实验室的主管，贡献最少的作者，也可能仅仅是姓氏在字母表上靠后。通讯作者可能是被认为“对这篇文章负责”的人，可能是实验室主管，也可能是自愿负责通讯的人。
5）在生物学的某些领域，有些研究是需要许多作者的。而在一些理论领域，人们发文章的时候希望作者越少越好。所以，在不同领域，在手稿上标记付出“显著”贡献的科学家的方式可能是不同的。
重视这些不同是很有必要的。确保你在引起不满和误解之前和合作者们说清楚这些问题。好好计划过的发表文章策略是满足每个人期望的基础，也是适应理论/实验科学的研究时间表上存在的不一致的基础。
你的领域是更重视偶尔一发、但却颇具影响力的文章，还是重视一系列影响不那么大的文章呢？有个不错的选项是从方法论文章（理论和实验都包括在内）开始，而最终的出版物则用来描述重大突破、把所有结果放在一起，以便读者理解。早期的方法论文章也可以强调合作的好处，比如，它可以是拥有强大的可实验的假设和参数的理论工作，或者具有可靠的数据分析的实验工作。我们建议，在设计最早的文章时不要忘了合作的长远发展。不过，注意，如果早期发出的文章能够预期你后来的某些工作结果，这些文章可能会让你后来发的主要出版物影响力变弱。
法则六：不同领域对“数据”的定义
做好准备，实验科学北京的科学家们对数据和术语的定义可能跟你不同。对于计算机科学北京的科学家来说，最低的数据管理等级就是电子表，每行每列都有精确的定义。对于非技术背景的科学家而言，这种工作表却可能代表着最高等级的数据。
可能的话，要求你的合作者提供一份标准化的数据文件。永远要求电子格式的数据，并且保留一份原文件的附件。你可能需要考虑写些关于会面和数据的内容，从而避免之后的误解。
不要盲目地相信实验数据，坚持对你收到的数据（包括图表、频率表、共同排除的数据、不自然的分布等等）执行“清醒的检查”，这会帮助你正确解释数据，有疑问的时候也能问出问题来。
法则七：检测服务性工作的优势和劣势
在跨学科项目组，理论科学家可以为实验科学家提供收集数据的计算工具、预测性的方法、超前的统计模型等巨大的帮助。理论科学家常常也要在合作中做大量的“服务性工作”，比如维持计算机基础结构和数据库的正常运行，及时更新机构内的代码和统计分析过的数据。
服务性工作是建立合作的好方法，能让合作者相信你的能力和专业素养，并且能够充分了解其他学科做出的直接贡献，于此同时，也能完成高质量的文章。服务性的工作能够表现出你正慎重地对待合作，并且帮助你建立可靠的、热忱的、能够快速生产结构化的正确结果的科学家形象。
不仅如此，服务性的工作也是有风险的，而且会花费比你预期的更多的时间。所以，确保评判过服务性工作的工作量，并且在投入服务性工作之前，你和你的合作者应该在服务性工作的回报问题上达成一致。为了更好地理解你在服务性工作上的“付出”，记录你在服务性的任务上花费的时间。这样不仅能够防止你的合作者轻视你的贡献，还能让你明确在这项工作上投入是否有意义。
把任务指派给别人是减少工作负担的方法。当你开始为其他人建立分析工具（不论是数学上的还是软件上的）的时候，注意这些工具不仅你自己会使用，你的合作者也会使用。所以，确保你的工具是用户友好型的，比如，提供插图作为例子，或者完整记录你用的代码，都是很关键的。
法则八：建立、管理结构化的联系
跨学科的合作需要和作者之间结构化的联系。只有建立了科学交换的合适框架，才能打破学科之间原有的壁垒，真正实现跨学科合作。这项工作包括日常的会面、工作坊、座谈会，参加对方的组会，联合教课等等。不过，为了保证你们的合作有效，注意不要强加太多义务。保持学科之间的“缓冲空间”是很有必要的，不要因为太多与他们的工作无关的细节惹恼你的合作者也一样重要。所以，把会面次数保持在合适的水平，并且设立清晰的日程安排。
更重要的是，建立这些联系通常需要经济支持，这一点可以通过许多不同方式实现。在开始阶段，种子基金可能是个有用的资源。在初期联系的基础上，还可以共同申请大型资金。许多资金提供方都会特别对待、甚至相当欢迎国内和跨国的跨学科研究。除了上面提到过的欧盟“地平线2020”(人类科学研究前沿(美国NSF/BIO–UKBBSRC先行领导者机构(还有一些大学里创设的促进教工之间合作的内部项目。
一旦找到了基金，共享博士生和博士后就能进一步推动合作双方之间的联系。共享导师能够带来知识上的交换、共同发表的文章、以及跨学科的训练。不过，保证初级的科研人员不要“迷失在跨学科合作之中”还是很重要的。特别是，当听从来自两个完全不同的学科的导师的建议、并且试图满足两边的期望时，这些年轻人常常陷入两难。
法则九：及早发现问题
不像婚姻，合作不一定需要是持续的、甚至永久的。实践性的取向可以给双方带来好处。如果合作中出现了多次尝试也不能解决的大问题，那么你有很多策略都可以用：
1）鸵鸟法则：假装什么也没有发生，默默期盼一切会恢复如常。我们强烈建议不要使用这种方法，因为它可能会造成更多的不满、甚至毁掉这段关系。
2）停顿法则：有时候，合作者之一可能会觉得达成一致比期望中的要难，或者深受其他工作的困扰。如果你的合作者那边也有些负担，最好的方式是暂时中止，而不要过分施加压力。有意的中止可以减少合作双方的压力，并且防止对方对你的工作产生不满。
3）寻找替代方法：合作不是排他的。如果相比起合作者，对你而言这个项目重要多了，你可能得考虑和其他同样重视这个项目的合作者建立新的合作。不过要注意你的行为可能对现有的合作产生的影响。
4）停止合作：如果合作变得无法执行，或者因为自然原因终止了，最好的方法可能是做个了断，一次性结束合作。
许多失败的合作本可以早早避免，在产生更多问题之前就做出行动。在跨学科环境下，这可能只是缺乏理解（法则三）、不耐烦（法则四）、缺少回报（法则五）打来的问题。如果你决定停止合作，确保和你之前的合作者保持工作上的关系。这将帮助你更好地处理现存的结构化联系（法则八），也有利于将来再次和这位合作者进行新的合作项目。
法则十：学会合作
可能合作中最重要的就是双方的共同收益了，尤其对于来自不同领域、但技能互补的科学家而言正是如此。比如说，要在大量的实验数据上应用新型的、高通量的计算机运算方法。尽管这种计算方法本身非常优秀，而且只要在开放的数据库上运行就可以发表了，但如果能够在大型的、未经发表的数据上使用，这种方法将更加大放异彩。同时，使用这种运算方法的大型数据库本来也完全可以得到标准的、半手动的处理，但是这将需要耗费很长时间，而且可能无法得到某些只有新型的运算方法才能解读的重要内容。只有把双方结合起来，才能超过他们各自部分的简单加和。
创造和培养成功的合作关系是重要并且有价值的技能。跨学科合作的成功取决于很多因素，包括双方的取向、合作认同的时间表等。对于长期、有效、共同获利的合作关系而言，重要的是双方在合作过程中和合作结束后都能感觉到自己是赢家。有一本关于如何造就双赢局面的书：Fisher,Ury,andPatton’sGettingtoYes:NegotiatingAgreementWithoutGivingIn。这半年书中的建议包括创造双赢的环境、确保信任对方、像对待自己一样对待他人的兴趣，这样你就能建立成功的、真正是在合作的合作了。
文章原文：
唧唧堂研究人简介：Wen
设置首页-搜狗输入法-支付中心-搜狐招聘-广告服务-客服中心-联系方式-保护隐私权-AboutSOHU-公司介绍-网站地图-全部新闻-全部博文
搜狐不良信息举报邮箱：
推荐：