出版学术研究论文的一些小技巧

动动发财的小手，点个赞吧！

本文的目的是与研究生分享一些关于在期刊和会议上发表文章的指南。这是基于我过去作为博士生的经验。我的一篇 AI（深度学习）论文最近在 Google Scholar中被引用了 1000 次。根据 Web of Science™ 数据库，只有约 0.026% 的论文被引用次数超过 1k。虽然很高兴看到论文发表后的影响，但论文被接受之前经历了大量的反复试验。这篇论文被拒绝了多次，花了几年时间，在接受之前经历了多次迭代。我试图将我在这里的学习提炼成一个有指导的过程。希望以下指南对您的出版之旅有所帮助。

问题

发表论文很难，特别是如果你的学校要求提交给高影响力的期刊/会议。大多数博士课程都有发表要求，这甚至可能成为推迟毕业的原因。

目标

1. 缩短发论文的时间
2. 放大论文的影响力

路线

以下是我的一些经验，您可能会发现它们有助于减轻出版带来的压力。打个比方，我认为创办一家初创公司和博士论文发表过程有一些共同点。两者最初的未来都不确定，但最终都可能在各自领域做出新的贡献。就像初创公司一样，您的发布过程需要调查、愿景、战略、迭代和发布。我的想法按照相同的顺序组织如下。

调研

阅读您要发布的领域的最新技术。请记住，您正在尝试添加到已经存在的内容中。许多出版物都是开放获取的，因此查找有关最新研究的论文应该不是问题。另外，你的大学也应该能够为你提供必要的访问权限。 Google Scholar 和 ResearchGate 是很棒的开源资源。鉴于技术和科学研究发展如此之快，我也会在 LinkedIn、Twitter 和类似网站上关注您研究领域的顶尖研究人员和公司，以获取最新动态。如果适用，我还会探索统计数据和数据存储库以进行探索性分析。根据调查的进度，建议的数量从每周阅读 1 到 7 篇论文以准备文献综述和在调查中包含/引用 30 到 200 篇论文不等。

愿景

调查结束后，制定您想要发布的主题的愿景。初创公司从它打算解决的问题开始。创始人制定了与他们以及他们打算解决的问题一致的愿景。为了帮助找到适合自己的匹配项，请从以下问题开始：

1. 您的学习/专业领域有哪些未解决的问题？例如，这个是一个很好的参考列表，用于解决各个学科中未解决的问题。
2. 调查论文中讨论了哪些活跃的研究领域？
3. 在资格预审课程中，哪门课程最让您兴奋？
4. 您的顾问的专业领域是什么？

尝试从上面维恩图中至少有三个重叠的区域中选择主题。撰写摘要并从您的顾问那里获得反馈。确保它包括您的主要目标和拟议的论文大纲。反馈越关键，这个阶段需要的调整就越多。

策略

在初创公司的初始阶段，其主要目标是进行实验、最大限度地学习并着手构建市场实际需要的新颖产品，即找到难以捉摸的产品市场契合点。在您的情况下，这将登陆出版物，即纸质出版物适合。两者都需要策略。

在制定策略之前，请考虑以下事项：

1. 您可以为出版工作投入多少时间和精力？您将如何平衡其他承诺？
2. 你的顾问有多少时间来指导你？尝试看看您是否可以与您的顾问建立经常性的接触基础。
3. 您获得必要的出版物毕业的目标时间是什么时候？确保这是现实的。
4. 你如何管理压力？请注意，北美约有 50% 的博士候选人在获得学位之前就辍学了。您将需要某种类型的生活技巧才能获得博士学位。

一旦你弄清楚了这些问题并做了一些回顾，想出一个出版策略，包括：

1. 论文题目/问题
2. 文章类型

迭代

一旦你和你的顾问在战略/重点上达成一致，就开始你的研究并尝试达到你有东西可以展示的地步（也就是 MVP 或创业术语中的最小可行产品）。一旦你有了 MVP 论文，就可以提交给难度范围较高但审稿周期较短的期刊/会议。更短的审查周期让您可以更快地迭代和合并反馈，并在需要时更快地调整策略。

不要因拒绝而灰心，而是使用批评（或严厉）的反馈来对您的论文和/或策略进行大胆的更改。确保您正在评估、回应和整合审阅者提供的反馈/差距。拒绝反馈是一种祝福，也是该过程的重要组成部分。将其视为训练 AI 模型。人工神经网络的权重根据训练过程中标记/训练数据的反馈进行调整。如下图所示，这些调整最初较高，当您接近论文发表拟合（或 AI/ML 中的全局最小值）时逐渐减少。

选择与您的论文研究相符的期刊/会议，并仔细阅读投稿指南。没有什么比等待几个月的反馈更糟糕的了，结果才知道你提交的论文不能被考虑，因为它不符合期刊/会议的主题，或者你错过了一个重要的提交步骤。如果适用，这将有助于研究您提交给期刊/会议的过去论文，并从这些论文中引用相关工作。此外，如果您的合著者（例如，顾问）在某些期刊上发表过成功的论文，也请尝试一下。

调整

随着拒绝原因变得不那么重要，您将逐渐掌握使您在几次迭代后更接近发表的过程。到达那里可能需要很长时间。请注意，您的第一份出版物很可能是最困难的并且花费的时间最长。

在机器学习中，有一种称为迁移学习的技术，您可以将解决一个任务中获得的知识应用到另一个相关任务中，同时减少学习工作量。就像那样，从您的第一个出版物中获得的所有经过验证的学习将非常有助于加快您的第 2、3 次和后续出版物的速度。

更快的反馈周期和迭代是关键。利用它来获得必要数量的出版物。坚持适合您的方法，并继续学习和调整流程以获得更有影响力的出版物。祝你好运！

本文由mdnice多平台发布