Mi investigación de doctorado tiene un resultado negativo. ¿Cómo puedo graduarme con ella?

Un antiguo estudiante de doctorado de nuestro laboratorio tuvo esta idea de un algoritmo para resolver un problema de ingeniería que tiene muchas soluciones conocidas. El estudiante desarrolló resultados preliminares, pero terminó aplicando el algoritmo a otros problemas de ingeniería más simples y se graduó. "Heredé" el proyecto y siempre ha sido un proyecto para el que mi asesor ha tenido grandes ambiciones. Mi asesor en realidad terminó cambiando mi proyecto de investigación a este después de 6 meses a pesar de que me opuse fuertemente. El proyecto no está financiado. I TA para pagar las facturas.

En este punto, ya avancé a la candidatura y estoy en lo que planeaba que fueran mis últimos 6 meses. Mi investigación ha consistido básicamente en construir otros algoritmos basados ​​en el que se le ocurrió al otro estudiante. Todos son para una aplicación en un sistema de medición. Derivé todas las soluciones matemáticas que estarán en el corazón de mi algoritmo y estoy en proceso de validarlas con nuevos datos experimentales. Los datos anteriores con los que trabajé fueron proporcionados por el primer estudiante que trabajó en el proyecto.

Recientemente descubrí que hay algunos problemas con el algoritmo original que crean errores en la solución. Los errores son mayores que los de los métodos anteriores (bien establecidos). Esto no sucede en todas las condiciones, sin embargo, todos los datos experimentales que me quedaron fueron casos en los que este error no aparece (no estoy completamente seguro de que esto haya sido una coincidencia).

¿Cómo puedo salvar este proyecto y graduarme sin retrasar mucho mi graduación? Tengo obligaciones familiares que requieren que me gradúe pronto y estoy devastado por haber descubierto esto tan tarde. Esto es en parte mi culpa por confiar demasiado en la investigación del estudiante anterior (fue fácil de hacer ya que mi asesor no puede dejar de elogiarlo).

Personalmente, siempre he sido de la opinión de que los proyectos de investigación no necesitan tener resultados positivos y los estudiantes de doctorado deben estar seguros de que las cosas estarán bien para ellos, incluso si la investigación tiene malos resultados. Siento que investigar para demostrar que algo tiene un mal resultado sigue siendo igualmente valioso. También siento que debido a la presión de tener buenos resultados, muchos investigadores exageran sus resultados por miedo a las posibles consecuencias y termina haciendo más mal que bien cuando las personas intentan usar sus publicaciones.

¿Crees que tengo un buen caso de poder graduarme dada mi situación? ¿Y cómo abordaría convencer a mi asesor?

Si entiendo correctamente, descubrió que un algoritmo que está en la literatura (al menos en la tesis del estudiante anterior) a veces no funciona. Me parece que esta información, ampliada para mostrar cuándo funciona el algoritmo y cuándo no, y para explicar exactamente qué falla, sería un cuerpo de investigación razonable. Si es suficiente para su tesis, por supuesto, lo debe decir su asesor. Sería aún mejor si pudieras reparar el algoritmo defectuoso.
Sí. Está solo en su tesis (nunca publicó ningún artículo). De hecho, me gustaría centrarme un poco en eso en mi tesis. Supongo que estoy un poco preocupado por cómo reaccionaría mi asesor. Todavía no le he contado mi descubrimiento y dada su falta de dominio del material y la alta opinión que tiene del otro estudiante, temo que piense que estoy utilizando su método incorrectamente.
¿Cuánto tiempo dedicas a tu doctorado? ¿Te enfocaste solo en este enfoque en particular o has probado otras direcciones?
Los resultados negativos son una motivación en la investigación, al menos así lo siento.
@MikeyMike, estoy en mi cuarto año. La mayor parte de mi trabajo tiene este enfoque, aunque es posible que parte de mi trabajo no se vea afectado por los errores. Sin embargo, las partes más significativas de mi investigación definitivamente se han visto afectadas.
Las tesis y disertaciones son por definición publicadas .

Respuestas (3)

Se atribuye a Einstein que dijo (parafraseado) "Si supiera lo que estaba haciendo, no se llamaría investigación". Estoy completamente de acuerdo en que un resultado negativo sigue siendo un resultado y, de hecho, ¡muy útil! Los otros comentarios abordan los méritos técnicos, por lo que me concentraré en interactuar con su asesor.

Tienes que proporcionar un buen lanzamiento. Como académico, es probable que se deje convencer por buenos datos, así que dedique algo de tiempo a verificar su resultado.

  • ¿Cómo sabes que el algoritmo está mal? Encuentre una manera de cuantificar el error. Podría ser solo compararlo con el caso conocido que mencionaste.
  • Una vez que tenga eso, ejecute los datos experimentales antiguos + los datos nuevos a través de su código y haga un gráfico o cuadro del error. Muestre que los resultados del conjunto de datos original coinciden con el trabajo original (para que su código se muestre como una implementación correcta/coherente del trabajo anterior), pero que otros conjuntos de datos producen un error mayor.
  • Proponga una modificación al algoritmo, luego vuelva a ejecutar todos los datos. Muestre que los valores y el error aún son consistentes en el conjunto de datos original, pero con menos error en su nuevo conjunto de datos. Incluso si no es una solución completa real, es importante demostrar que la ha mejorado.

Por razones políticas, es posible que desee evitar el término "defectuoso", para no insultar al alumno anterior, sino para decir que ha extendido el algoritmo a otras situaciones. Definitivamente es material publicable, como dijeron otros.

Creo que esto es factible rápidamente ya que parece que ya tiene la mayoría de estas piezas juntas, solo necesita organizarlas para presentar el argumento a su asesor.

Tenía un antiguo asesor al que le encantaban los gráficos de todo. Podrías influir en él con un buen gráfico. Esperemos que eso sea cierto para su asesor también. Buena suerte.

Gracias. ¡Definitivamente haré esto! Tengo que admitir que normalmente le describo todo y parece que lo desanime. Iré preparado esta vez :)
+1 para "extendido". Ese es el tipo de cosas que suelo ver en los papeles, y parece que el supervisor reaccionaría de inmediato a hablar de "error".

Condiciones bajo las cuales el algoritmo de fantasía ha inflado las propiedades de error por A. Student. Revista de ciencia y cómo hacerlo. 2017.

Este sería un artículo perfectamente aceptable, y uno que debería aparecer en la literatura. Si puede, corregir dicho algoritmo para que no lo haga sería una ventaja, pero no es necesario. Además, es un poco tarde para usted, pero siempre debe preguntarse cuando se embarca en un proyecto de tesis/disertación "¿Qué sucede si la respuesta es "No"?"

Definitivamente veo el mérito en esto. Sin embargo, será una discusión difícil con mi asesor.
@Hadi Por lo que parece, parece que una discusión difícil con su asesor está en juego, pase lo que pase.
@Hadi Si su asesor tiene mucha experiencia en el mundo académico, debería reconocer el mérito de su resultado, si puede enmarcarlo correctamente. Lo que ha hecho es demostrar que un algoritmo conocido con un comportamiento bien establecido en ciertos escenarios en realidad se desvía de ese comportamiento para causar errores significativos en ciertas condiciones. Esto es algo útil para cualquier persona en el campo. Una parte considerable de la ciencia se trata de aprender de los errores de otras personas; la mayor parte del resto se trata de hacer uno propio y dejar que todos los demás también aprendan de ellos.

No puedo comentar sobre tesis doctorales, pero nadie ha mencionado cómo hablar con su asesor.

  1. No critiques inmediatamente a tu asesor diciendo: "El trabajo de tus estudiantes favoritos está mal, quiero escribir sobre lo mal que está".
  2. Empieza diciendo que crees (no seas determinista, todavía existe la posibilidad de que estés equivocado) que has encontrado algunos problemas con el trabajo anterior.
  3. Presente un memorando claramente escrito que detalle los casos extremos y por qué rompen el trabajo existente. Incluya una "salida" para el alumno anterior y el asesor. Tenga la amabilidad de decir que el conjunto de datos de muestra no incluía estos casos extremos, por lo que no se pudo probar que no funcionaba en ese momento. NO diga que sospecha que el tipo anterior falsificó los datos.
  4. Permita que el profesor digiera y saque sus propias conclusiones. (Es posible que ya hayan tenido sospechas sobre estos casos extremos, por lo que pueden aceptar bastante esta noticia).
  5. Escuche los comentarios. Haga una distinción mental de la retroalimentación que es su reacción inmediata y la retroalimentación después de "un tiempo".
  6. Tome con calma los comentarios y dedique un tiempo a revisar para ver si es posible que se haya perdido algo. Dé su refutación después de "un tiempo". (No reaccione de inmediato a su asesor. Dirá algo por lo que se rehusará más adelante. Su principal punto de refutación absoluto debe ser el primero que escuche su asesor porque la gente tiende a bloquear los siguientes argumentos mientras discutir el primero en su cabeza.)
  7. Después de que su asesor haya aceptado que el trabajo anterior tuvo fallas, proponga la posibilidad de un artículo sobre por qué el método anterior es incorrecto.

Esto debería suceder en el transcurso de varios días. Ambos son muy buenos en su especialidad técnica, pero ambos son humanos. Esta es una situación social y debes abordarla como tal.

Me gusta el punto de crear una salida en (3), esto me ha ayudado a lidiar con algunas situaciones horribles y obtener las cosas que quería. También +1 por culpa de los datos.
Mi investigación de doctorado tiene un resultado negativo. ¿Cómo puedo graduarme con ella?
RespuestasAquíPolítica de privacidad1y, 0v