学术研究
昆士兰大学医学院博士候选人，在 Springfield Healthy Hearts 项目中研究低钠盐替代品在心血管疾病预防中的健康经济学，关注政策如何真正落地。
查看研究研究者 · 系统构建者 · 跨界领域思考者
用跨学科思维 拆解复杂问题
昆士兰大学医学院博士候选人，AI 领域内容创作者。在 Springfield 研究低钠盐替代品的心血管疾病预防经济学，同时探索 AI 如何重塑研究与创作。
Writing / Latest
最新文章
-
Welcome — Why This Site Exists An introduction to what you'll find here: research updates, education insights, and reflections on thinking clearly. - 科研到底是不是为了找一个正确答案？ 我以前把菲尔兹奖这个数学奖理解成游戏通关。 数学家面对一道很难的题，最后找到正确答案，通关了，于是拿奖。大概就是这样。 王虹关于三维挂谷猜想的工作，证明足足写了 127 页。看到这，我发现原来的说法解释不了这项工作。 一个猜想是对还是错，最后可能只需要一句话。可要让这句话成立，中间有 127 页。研究者用了什么方法，前一步怎样推到后一步，遇到原来的工具处理不了的问题时又做了什么，这些才是整个工作的主体。 菲尔兹奖还会看数学家在证明中用了什么方法，做出了什么新工具。这些方法和工具后来还能解决哪些问题，也会进入评审。 所以我后来就在想，科研到底是不是为了找一个正确答案？ 做科研当然要有结果。 一项研究做完了，研究者要说清楚自己发现了什么，原来的假设有没有得到支持，结果在什么条件下成立。如果连结果都没有，研究也没有结束。 问题是，只交结果还不够。 别人要知道，你为什么研究这个问题。这个问题以前有哪些人做过，哪里还没有说清楚。你用了什么数据，变量怎么定义，为什么选这个方法。结果出来以后，有没有另一种解释。换一批数据、换一个条件，这个结论还成不成立。 一项研究要让别人检查，样本怎么选，分类标准怎么定，都得写明。分析方法为什么这样用，也要留下理由。统计结果算对，只能说明计算这一步没有出错。分类标准如果提前把答案放了进去，数字照样可以很好看。换一批数据，结果可能就没了。 实验开始前，研究者先写下假设和预期。跑完以后，把实际结果放在旁边。两边对不上，就记下哪里猜错了，下一步准备怎样改。原来的记录要留着，不能等到写论文时再补成一个从头到尾都很顺的故事。 某个假设没有验证，前一步推不到下一步，研究者自己先能看见。同行再来问数据、方法和结论时，他知道每个决定是在哪里作出的，也能说清后来为什么改。 过程写得完整，结论仍然可能错。至少错误留在纸面上，别人能指出它，后面的研究也知道该从哪里接着查。 数学证明每一步推理都在那里，有一步不成立，后面就接不上。 医学研究面对人的差异，社会科学还要处理环境、制度和人的选择。它们的结论经常带着条件，也会随着新证据修改，很难写成数学证明。研究者仍然要交代问题为什么值得做，方法为什么这样选，证据目前支持到哪里。 同行有不同意见，研究者就补数据、换方法，或者把原来的结论收窄。他接受哪一条意见，保留哪一条判断，也要讲出理由。科研很多时候就是这样往前走的。 现在 AI 可以帮研究者检索和整理文献，也能清洗数据、跑统计分析。执行这些工作快了，研究者可以早点看到材料。 材料摆在面前，研究者还要决定为什么选这个理论，为什么放下那个变量。什么算证据，哪种说法已经超过材料能支持的范围，也得有人判断。工具给出十个方向，最后愿意用几年去做哪一个，仍然由研究者承担。研究者要交代为什么做、怎么做，每一步怎么成立。答案重要，过程决定这个答案能不能被相信，也决定别人能不能继续检查。 如果一个答案说对了，却没人知道它是怎么来的，这能算科研吗？
-
从三本小镇青年到留澳全奖医学博士，这条路我走了十年 作者回顾从小镇三本学生到澳洲医学院全奖博士生的十年经历：大学谋生、自学雅思、经历至亲离世、进入科研，并在一次次受挫后继续前行。 -
280字看懂，剩下的复制给Claude Code，你的AI第二大脑就搭好了 用 280 字说明基于 Claude Code 与 Obsidian 的个人第二大脑，并提供可直接交给 AI 执行的 12 维系统架构与完整搭建指令。 -
写在澳大利亚房地产市场崩溃的前夜 用供给、信贷和需求三条件框架分析 2026 年澳洲房地产市场，区分系统性崩盘与长期实际阴跌，并评估利率、移民和住房短缺的影响。