[本文2月23日就上传了,但不知道为什么消失了]
将信息变为情报的过程常常被称为“信息分析(从原料说)”或“情报分析(从产品说)”,但是需要注意的是许多被认为是信息分析方法的工具、软件和图表本身并不能直接生成情报,中间还要有一个人脑(分析人员)思考过程。在看杂志文章时常常发现有些文章的分析与结论基本没有关系,分析是蛮“科学”的,有时会有复杂公式加可视化,但是结论包括建议却完全来自作者的主观设想,不做前面的分析也会得出。即使是文献综述,也有机械地提取别人观点合成,和从别人的各种观点中得出新见解的差别。
几个月前我第一次给一个重要项目打了“不合格”,除了发现作者对所研究的问题缺乏知识基础和前期研究经验,遗漏了最关键的文献资料外,还有个重要原因在于其中的两个貌似“技术性”的问题。项目是涉及评价指标的。问题之一是个错误,某项指标的两个地区的数值颠倒了(我查了统计年鉴),地球人都知道的最差地区之一变成了首位,而应该是老大的却落到了低谷;问题之二是出现一个明显的“异常(不一定是错误,也可能是重大发现)”,没有解释没有说明,研究者也许根本没有注意到。我的评语中承认研究者投入了足够的工作量,做了许多数据收集整理,也按照科研的规范给出了出处(所以我才发现了问题的原因),模型也不错(不过没有什么创新)但是基本是做了个简单模型收集数据,在“操作”,而丧失了做研究的本质。
对两个技术性问题为什么要打那么重的扳子(不过还有几位评审的,估计其他人不会像我那样冷酷,所以项目最终被处以极刑的概率很小)?原因是我并不认为那仅仅是技术性错误,而是涉及研究本质是什么这个我认为的核心价值问题。研究的核心价值不是收集文献资料和运算,而是思考。一旦看到了根据常识判断是“异常”的情况,研究者应该会兴奋起来,这才是研究需要的素养,会做研究的“操作”而不会科学思维的算不上合格的研究者。所以那个项目里数据搞错尽管是个问题(常见。本人就经常犯错,不仅在平时讲话和博客这类随笔里,而且还在一本正经的研究报告的论文里,任意多看一遍几乎肯定会看出问题来),而忽略了研究的思考环节才是大问题:那个公认首位的地区为什么落到了几乎末尾?按常理在某关键领域不在前列的地区为什么独占鳌头?出来荒谬或不合常规的结论无动于衷才是真正的悲剧。大胆假设,深度思考,加上小心求证,才有可能得出比较接近科学的结论。说实话我自己做研究最苦恼的就是找不到兴奋点,只能满足于平铺的文献综述或某种模型或方法的演算报告。