山东大学教授建议:让博士生先回学校

2020 年 3 月 11 日 CVer

点击上方“CVer”,选择加"星标"或“置顶”

重磅干货,第一时间送达

来源:冯大诚科学网博客
本文转载自:双一流高校

新冠肺炎猖獗,给全国各行各业都带来了巨大的损失,各类学校都推迟了开学上课。


随着各地抗击新冠肺炎取得的成绩,人们纷纷期盼着什么时候能够让学生回到学校学习。


2月28日的《中共教育部党组关于统筹做好教育系统新冠肺炎疫情防控和教育改革发展工作的通知》中对于高等学校的开学有明确的指示。


该通知说:“落实分区分级精准防控策略,原则上疫情得到有效控制前大学生不返校、高校不开学。”


“各地要错峰安排高校开学时间,合理安排学生返校时间段。医学专业和医学类院校学生、毕业年级学生可先返校。各高校学生返校方案须报经当地省级教育部门同意。各省级教育部门要在当地党委和政府领导下,加强属地高校学生返校工作统筹,研究制定本地区所有高校学生返校总体方案,于方案实施前10天报教育部备案。”


到目前为止,关于学校新学期延迟开学的通知中,包括上面所说的教育部通知中,都是把大中小学一起说的,在所有的大学生中,博士生、硕士生和本科生也都没有区别。


但是,实际上这些学生之间的差别很大,无论是人数上、学习性质上以及对学校工作的重要性上,都相差很大。


而研究生特别是博士生与其他学生的差别又特别大。其他的学生一般都只是在课堂学习,是教师讲授为主的教学。而研究生特别是博士生是以学术研究为主的学习。


博士生的人数比其他学生要少得多,但是对于学校工作主要是科研工作的影响却是很大的。博士生不能进行工作,很多由他们参与的研究工作便停止了运行。因为许多做了一半的工作并不是换人能够做得下去的。


由于博士生的不能返校工作,不但对研究生本人的工作进程有影响,给研究组的整个科研工作带来的影响也将是不小的。


在这个意义上,博士生实际上相当于一个工作人员,而且在某种程度上是相当重要的工作人员。


现在,企业事业单位都已经复工,大家加紧工作,挽回因新冠疫情带来的损失。学校的研究工作也应当及早恢复正常。


博士生人数并不多,而且绝大多数博士生的工作是分散的,并不聚集在一起。对于他们返校后在生活上的管理,只要提出相应的要求,应当比各个工厂的工人容易得多。


因此,在可能的情况下,应当及早把博士生特别是二年级以上的博士生召回学校。如果说,文法类的博士生在离开学校的情况下,还能够做一些工作,那么理工科的博士生在家里是难以做研究工作的。


现在大中小学学生都在网上授课学习,而正在从事学术研究的研究生却无法很好的学习和工作,这是不正常的。


在很多问题上,应当把博士生、硕士生与本科生区别对待。在返校学习的问题上,也是如此。我们现在讲究要“精准防控策略”,既然要精准,那么就应当具体问题具体考虑,各类学生的差别很大,不应当“一刀切”。


我主张,各地的领导在考虑学生返校的问题上,一定也要考虑得细致一些。在可能的情况下,先让博士生特别是正在进行研究工作的理工科博士生先行回校,很多地方现在就应当并可以这样做了。


本文转载自冯大诚科学网博客,原文首发于2020年3月7日,标题为《应当让博士生先回学校》。


推荐阅读

2020年AI算法岗求职群来了(含准备攻略、面试经验、内推和学习资料等)


重磅!CVer-学术微信交流群已成立


扫码添加CVer助手,可申请加入CVer大群和细分方向技术群,细分方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流等群。


一定要备注:研究方向+地点+学校/公司+昵称(如目标检测+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群

▲长按加群


▲长按关注我们

麻烦给我一个在看!

登录查看更多
0

相关内容

【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
128+阅读 · 2020年5月26日
 第八届中国科技大学《计算机图形学》暑期课程课件
专知会员服务
55+阅读 · 2020年3月4日
周志华教授:如何做研究与写论文?
专知会员服务
153+阅读 · 2019年10月9日
清研实践|清华深研院师生赴澳洲墨尔本六所高校开展数据科学访问
今年高考志愿,选个好专业比选个好学校更重要!
深度学习世界
4+阅读 · 2018年6月10日
大学数学不好,或许是数学教材的锅?
算法与数学之美
15+阅读 · 2017年8月1日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
Meta-Transfer Learning for Few-Shot Learning
Arxiv
8+阅读 · 2018年12月6日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Arxiv
3+阅读 · 2018年3月22日
Arxiv
15+阅读 · 2018年2月4日
VIP会员
Top
微信扫码咨询专知VIP会员