Научная карьера: падение по плану
#metascience
Перед началом рабочей недели поговорим о продуктивности на примере научных сотрудников. Ещё с середины XX века был выявлен “каноничный нарратив продуктивности”, в соответствии с которым учёные достигают пика в своих достижениях достаточно быстро, а затем наблюдается постепенный спад вплоть до завершения деятельности. Этот спад может объясняться возрастным снижением когнитивных функций и запасов энергии, повышением административной нагрузки, а также тем, что в начале карьеры учёные обладают более свежими и актуальными знаниями и навыками. Но является ли этот каноничный нарратив универсальным?
Одно из исследований на выборке ~2500 исследователей из области компьютерных наук в Польше установило, что лишь 20 процентов траекторий продуктивности, оцениваемой посредством количества публикуемых статей, соответствовали описанному выше раннему скачку и постепенному спаду. Показатели продуктивности около половины выборки соответствовали либо постоянному уровню, либо монотонным трендам спада или роста. Наиболее часто пик продуктивности приходился между 5-6 годами с начала найма. Также переход от роли первого автора к роли последнего автора, отражающий переход от роли исследователя-исполнителя к роли научного руководителя, в среднем происходил на 8-ом году карьеры.
В другом исследовании авторы решили покрасоваться навыками анализа данных и натравили всевозможные методы обработки временых рядов, снижения размерности, сетевого анализа и кластеризации на показатели продуктивности 8500 бразильских учёных из более чем 50 дисциплин. Такой подход позволил выявить десять траекторий продуктивности (см. рис и выберите свой муд на сегодня), к которым помимо стандартных относились периодические (кластер 4) и U-образные (кластер 2). “Каноничные” траектории также наблюдались (кластеры 7 и 10) и оказались самыми распространёнными для этой выборки, но, в отличие от исходных предположений, пик продуктивности наблюдался не на ранних этапах, а в середине карьерного пути.
При этом каноничные траектории были характерны скорее для опытных учёных, а у молодых исследователей наблюдались траектории с монотонным ростом показателей продуктивности. С одной стороны, это может объясняться “инфляцией продуктивности” — увеличением числа коллабораций и повышающимся давлением на исследователей с целью повышения публикационной активности (“publish or perish”). С другой стороны, эти паттерны роста для молодых учёных могут являться лишь началом траектории, которая со временем станет каноничной. Анализ начала траекторий продуктивности опытных исследователей показало, что лишь у 9% из них первоначальный рост продуктивности сохранялся далее и не преобразовался в каноничную траекторию. Таким образом, независимо от изменяющихся требований к молодым учёным, велика вероятность, что и они достигнут пика продуктивности, за которым последует каноничный спад.
Траектории продуктивности также могут зависеть от дисциплин. Каноничные траектории встречаются в ~9 раз чаще монотонного роста среди опытных математиков. А среди опытных биохимиков — всего лишь в ~1.5 раза чаще.
Что ж, пусть график продуктивности изображает свои каноничные изгибы. Главное — не выйти за рамки области определения. И, наверное, не бояться спада, если за ним стоит закономерный итог долгого движения вперед.
