Как можно написать диссертацию по компьютерным наукам, фактически не предоставляя решение, а исследуя его и объясняя, как оно решается прямо сейчас, но не для конкретной проблемы (области исследования), обозначенной исследователем.
Например, представьте, что вы тратите свой первый год на обзор литературы по предмету.
Теперь, на втором курсе, вы должны создать это решение, что, если вы не сможете его создать или оно потребует слишком много кода/времени/инвестиций. Очевидно, я попытаюсь построить решение, но что, если мне это не удастся, потому что для этого потребуется много сложного кода и алгоритмов.
Есть ли способ пережить это? Существуют ли методологии, которые можно использовать, когда вы сделали обзор литературы, а затем попытались построить решение, которое потенциально потерпело неудачу.
Как можно продолжить и исследовать тему, написать диссертацию или даже опубликоваться, не имея всего кода для решения? Будут ли графики/изображения в сочетании с какой-либо методологией способом проведения такого исследования?
Очень беспокоюсь и нуждаюсь в помощи, мотивации и поддержке, чтобы знать, как справиться с тем периодом, когда требуется построение решения.
Для докторской диссертации (тэг я пропустил изначально) выхода, наверное, нет. Я подозреваю, что во всем мире очень мало докторских программ, которые дадут вам докторскую степень за «верную, но неудачную попытку».
Решение, к сожалению, состоит в том, чтобы выбрать другую проблему, возможно, связанную с исходной, но более поддающуюся решению.
Однако, если вы проводите «настоящее» исследование, а не просто выполняете движения, никаких гарантий нет. Исследования касаются неизвестного, а неизвестное бывает сложно раскрыть. Это может быть очень неуловимо.
В дни написания диссертации я работал над тремя задачами (в стиле трех медведей). Первый был слишком простым, и я мог разрабатывать теорему и ее доказательство чуть ли не каждый день. За несколько недель я получил много результатов, но они не прошли тест на значимость. Мило, но заброшено. Второй был слишком твердым, и я не мог поцарапать поверхность алмазно-титанового покрытия, что отрезало меня от малейшего результата. Тоже заброшенный.
Третья проблема была в самый раз. Тяжело, выполнимо, значимо (конечно, для очень маленькой аудитории). Но если бы я ломал голову над второй проблемой, я, вероятно, все еще был бы там почти пятьдесят лет спустя. (Старейший из ныне живущих аспирантов выходит из пыльной пещеры, чтобы еще раз сказать «нет».)
Поговорите со своим советником. Проработайте вариант для другой проблемы. Было бы хорошо, если бы он был достаточно близок к оригиналу, чтобы поиск литературы дал вам инструменты для атаки. Но гарантии нет. Неизвестное остается неизвестным, пока оно не станет известным.
Есть ли способ пережить это?
Да, есть. Даниэль Хаттон намекнул на это, но я уточню.
Во время вашего исследования будет много сбоев и «срывов графика». К счастью, это ожидаемо в академических кругах — в конце концов, вы имеете дело с неизвестным. Однако, если часть, в которой вы потерпели неудачу, на самом деле уже кем-то сделана, она быстро становится намного менее прощающей: можно ожидать, что кандидат биологических наук сможет проводить титрование, какими бы причудливыми ни были материалы, и можно ожидать доктора наук в области компьютерных наук. чтобы склеить какой-то код и написать что-то самостоятельно. Это приведет вас на территорию «без мужества, без славы» — придется идти на некоторые риски, и ваш прошлый опыт поможет вам пройти через это. В вашей карьере очень часто бывает как недооценка, так и переоценка сложности проблем.
Хитрость здесь, конечно, в том, чтобы превратить «неудачи» в «победы». Связанные: это , это , это и это .
Пока вы там имеете дело с большими неизвестными с точки зрения оценки времени, вам все равно за это платят. И ожидается, что они смогут показать некоторые результаты, от начала до конца. Это означает поиск альтернатив и всегда наличие плана Б (В, Г...) . Написание кода оказалось слишком сложным? Как еще вы могли бы показать достоинства ваших результатов? Может быть, вместо великолепного кода «решить все» вы могли бы решить пару упрощенных случаев, которые значительно облегчили бы написание соответствующего кода? Может быть, вместо этого вы могли бы заняться какой-нибудь аналитической работой (вероятно, это займет намного больше времени, чем написание кода, но все же)?
В итоге вы можете сократить свою работу и не охватить все, что было запланировано изначально, но вы все равно должны убедиться, что ваша работа завершена . На самом деле это означает довольно специфический подход к планированию в первую очередь — вы должны искать эти дополнительные выходы, а не просто надеяться, что вы проедете по шоссе от начала до конца за более или менее заданное время. Докторантура в значительной степени является упражнением именно в этом.
Тот человек
Баффи
Дэниел Хаттон