该不该盲目做技术炫酷的研究？怎么才是好的认知神经科学研究？

本文转载自路同学公众号，仅供分享学习参考。

我们该不该盲目做技术炫酷的研究？怎么才是好的认知神经科学研究？

这些问题主要针对心理学，尤其是认知神经科学领域，针对很多平时观察到的现象，本文仅是一些观察到的现象陈述与自己的一些感想。

【申明自保一下，仅发表一下自己的感想，无任何偏见，留言区可以积极讨论！】

什么才是对自己来说有意义的研究？

Cognitive Neuroscience的本质还是Science，既然是一个科学学科，我们势必需要从问题的角度出发。然而，很多时候很多研究的萌发并不是从想解决一个具体问题开始的。往往仅有一个粗略的想法就认为可以去做一个实验，就去扫个核磁，事后再基于结果来编一个故事来“圆”这个结果。尽管有些时候这样的研究能收获好的成果、能编出精彩的故事，但这样的研究一定是对自己来说有意义的研究吗？往往只有做整个研究的人才知道这样一个故事背后各种基于数据驱动的尝试的辛苦。一方面，它不能有效地去培养学生的科研思维；另一方面，事后“尝试性与探索性”的分析往往是一个极度容易消磨自己科研兴趣的过程。

真正对自己来说有意义的研究首先必然是自己感兴趣的，必然是想回答一个自己渴望了解人类行为的背后机制缘由的问题。其次是基于这个问题给出自己的推断，这些推断可以对应成自己对这个研究问题的种种假设。然后就需要设计必要的实验来验证自己的假设，那这里的实验设计一定需要用脑成像的方法才更优吗？其实不然，一方面，实验的设计与你所要回答的问题是紧密相关的，只要能回答你的问题，可能一个非常简单的行为学实验就足矣；另一方面，当我们想去了解一个机制的时候，往往需要一个层层递进的过程，从行为、到皮层、到底层的神经，在这个过程中如果直接跳过行为机制就尝试去理解神经层面的机制往往会缺失对问题很多基础的理解。

培养思维优先还是掌握高级技术优先？

私认为对科研能力的培养，培养思维是永远高于学习技术的。其实，技术层面只要认真学是一定可以掌握的，甚至，只要有人给你讲解清楚你一定能学会。但是，思维层面往往并不是可以直接教给你的，这是一个需要不断积累与大量自我思考以及与他人交流的过程。“我会各种技术，从核磁到脑电到MEG到TMS，从GLM到Decoding到reinforcement learning，那我就比你厉害吗？可是我都没想清楚我自己该做什么研究该在什么时候使用这些不同的技术。”

那为什么很多时候大家会产生一种学习技术更难的假象呢？一方面，对心理学背景的偏见，主观认为自己是心理学专业背景的就学不会那些看起来“厉害而炫酷”的方法，所以需要保持自己的自信，要相信自己静心一定可以。另一方面，客观来说，自己没有意识到自己的科研思维很差，以为自己做不出漂亮的研究是因为技术能力的不足，所以往往是那些对做研究更迷茫的或是过于乐观的人会更喜欢找“技术不足”的借口。

炫酷的方法一定强于传统的研究手段？

使用什么样的研究手段完全取决你想回答的问题是什么以及你的实验设计。当然，同样的问题往往可以用不同的手段来回答，不一定一定要用脑成像等更“高深”的方法，有时候往往简单而精妙的行为学实验就能清晰地回答你的问题。比如以“客体的特征-位置绑定”为例，我们想知道被试在注意/记忆一个物体的某个特征时是否同时编码了物体的物体信息，第一反应会觉得这个问题很难用行为学证明，因为位置不是任务相关特征，很难在行为学指标上去考察，所以我们可以选择以脑成像的手段来尝试证明，通过MVPA的方法来解码被试在注意/记忆物体某个特征时物体对应的位置信息。但是，其实我们是可以设计更精妙的实验来证明特征-位置绑定这个问题的，例如spatial congruency bias范式，我们依次呈现两个物体让被试判断两个物体某一个特征（比如形状）是否一样，在实验中操纵依次呈现两个物体的位置相同或不同，行为学上可以基于信号检测论计算bias来证明被试在依次呈现的两个物体出现在同样的位置时更可能判断它们两的形状是一样的。

所以，核心依然是是否能回答你的研究问题，不一定方法要炫酷，如果传统的研究手段也能有效地回答你的问题，那它也是好的方法。

写在最后，本文并没有想强调或刻意比较孰优孰劣，只是想谈谈自己对科研过程的一些浅薄理解。希望每个正步入或者正在认知神经科学圈里的小伙伴能找到自己感兴趣的科研问题、去尝试一层一层地去理解与回答这个问题，并在这个过程中逐渐清晰自己需要研究的问题的本质、去设计精妙的实验、去找到最适合的方法来回答它！

/END/

记得点关注、点在看哦！也欢迎给作者打赏！