名師論教：鼓勵年輕人去科研一線創新

研招新聞來源：中國教育報 2016-04-25　

開欄語

如果由麻省理工的畢業生和教師創辦的公司組成一個獨立的國家，其創造的收入將使該國成為全世界第二十四大經濟體。如果將麻省理工換成北大、清華或者其他大學，那么，其創造的收入又能夠排到第幾呢?

決定這一排行榜的關鍵性因素，是教師，尤其是名師。正如哥倫比亞大學教授安德魯·德爾班科指出，大學存在的偉大目的，不是幫學生為就業做準備，而是點燃他們的思想。本版特開設專欄，邀請名師論教，暢談他們“點燃年輕人思想”之道。

名片：李德仁，中國工程院和中國科學院院士，首創國際測量學界“李德仁方法”、創下德國斯圖加特大學博士論文得分最高紀錄，指導的博士生論文5次入選全國百篇“優博”。

在我的讀書時代，教育理念是延續了幾千年的傳統模式，強調傳承，“熟讀唐詩三百首，不會做詩也會吟”。但現在的教育尤其是高等教育，所處的時代是“后摩爾定理”時代，該定理揭示了信息技術進步的速度。

“摩爾定理”在教育上同樣適用。在農業經濟時代，學科發展速度緩慢，人才培養方法是漸進式的，注重傳承，年輕人跟在導師后面，一步一個腳印朝前走。但進入工業革命和后工業革命時期，學科發展呈現出碰撞、交叉、融合趨勢，人才培養更注重傳承基礎之上的創新。

傳承和創新相輔相成，不能厚此薄彼，傳承是基礎，創新是目的。舉個例子，電子技術的變革經歷了“電子管——半導體——集成電路”過程，如果培養學生時，先教“電子管”，再“半導體”，繼而“集成電路”……這是一個緩慢的過程;而且在這個過程中，新技術還在不斷產生。如果只注重傳承，相當于讓年輕人重走一遍導師的學術道路，想要做出有影響力的科研成果，難度無疑是比較大的。

但是，如果導師諳熟學科發展趨勢，能看準學科發展的方向，能預測到學科未來的前沿領域，在把“電子管”“半導體”和“集成電路”的基本原理講透之后，將年輕人帶入“集成電路”之后的新材料領域如石墨烯，他們做出新成果的概率則非常大。

想培養出優秀的年輕人，導師必須能看清學科發展方向，制訂好項目的方向和路線，把最新鮮、最有難度、最有挑戰性的問題交給年輕人，同時激勵他們，嚴格要求他們去創新。我在德國留學時，導師阿克曼教授說過，“像我這個年齡的人，已經老了，我跟我的學生比，在具體的問題上都不如他們。他們在每個學科方向點上鉆研，已經超過我了，我要向他們學習。但是我為什么還要存在呢?因為我在高處看方向、做指揮，看他們怎么走，這是我的本事。”

當下有些導師，滿足于爭取小的橫向項目，把年輕人當作“勞動力”，讓他們整天沉浸在重復的沒有挑戰性的勞動中，沒有成就感的同時又承擔著各種生活壓力，慢慢地科研興趣就淡了，年輕人就此被耽誤了。

還有些導師，學術造詣很深，但只注重自己埋頭用功，年輕人跟著只是打打雜做做下手，學不到高精尖的東西，自然也沒有成長機會。這也是一個誤區，是中國封建科舉制度遺留下來的固定思維。

什么樣的年輕人適合放到科研一線?這需要導師“知才善用”。科研一線挑戰大，出成果的機會多，導師要有意把年輕人推上去。但要注意的是，那些敢想敢為、基本功好的年輕人，導師要鼓勵他們去一線試水;那些盲目自信、心浮氣躁的年輕人，導師要帶他先練好傳承的基本功和踏實嚴謹的學風。

我的學生張過，是一名“75后”教授。他讀博期間是很讓“第二導師”頭疼的問題學生：淘氣，想法多，不好管，不愿意做導師分配的項目。作為“第一導師”，我找張過單獨聊。他告訴我，自己對重復性的、簡單的項目沒興趣，想做創新的、有難度的項目。問清楚他的研究興趣和想法后，成立了單人小分隊，順著他感興趣的研究領域指了一個新方向，不久就取得了創新性成果，連著發表了幾篇高水平論文。

如果把年輕人比作小孩，導師就要像父母一樣，既要善于培養他們的創造力，又要注意幫助他們克服浮躁情緒。
對年輕人而言，寬容的成長環境十分重要。當學生的實驗方法與導師的方法不一致時，不要直接否定學生的想法，可以“拿結果說話”。有些項目的研究周期很長，一時半會出不了成果，在年終考核時，年輕人該有的福利要照發，甚至要向年輕人傾斜，讓他們不為生計發愁才能安心開展科學研究。

【對話】

武漢大學弘毅學堂本科生李溪芮：作為一名對科研有興趣的本科生，學校鼓勵我們大一就進實驗室，接受科研導師的指導和師兄師姐的幫助。這是很好的外部條件，您認為，我自己該怎么做呢?

李德仁：讀書、思維、創新、實踐，要記住這8個字，并在平時的學習和科研活動中反復運用。讀書與思考是科學家的兩大特點。有了讀書和思考的功底，創新才有源頭。而創新可能是一個新概念、新理論、新觀點，所以創新之后就一定要勇于實踐。

武漢大學測繪遙感信息工程國家重點實驗室博士生肖長江：作為博士生，面臨的論文壓力很大，而實驗又總是失敗，挺焦慮的。您有什么好的建議?

李德仁：研究過程中要反復實驗，并且要重視失敗的實驗。假如10次實驗中有2次數據很好，8次數據不好，千萬不能只拿好的2次數據去發文章，而將不好的8次數據給抹掉。一定要重視這8次失敗的實驗，找出失敗的原因并進行優化，也許會發現意想不到的新東西。