博士之日

文/马进彪近日，不少媒体刊发了《寒门博士之死》一文，并引发舆论关注。其实早在十天前，此事就在社交媒体上被热议。溺亡博士杨宝德女友曾在微博上发长文，声讨其博士生导师周某是酿成此悲剧的罪魁祸首，并贴出二人聊天记录作证。杨宝德与其导师的聊天记录显示，周教授对杨宝德明确提及或暗示的要求还包括：浇花、打扫办公室、拎包、拿水、去停车场接她、陪她逛超市、陪她去家中装窗帘等。（新浪新闻1月19日）杨宝德之死令人惋惜，但从目前调查进展来看，还不足以证明杨宝德之死与其导师有直接因果关系。虽然周某对杨宝德提出了很多私人方面的要求，但这离杨宝德的自杀死，并不构成任何首尾相接的逻辑链条。换言之，从二人的聊天记录来看，虽然周某有些“过分”的地方，比如：“老师喝多了，你也不搭理老师”“我穿那一身衣服还不太老吧”这样的话，但却并没有在聊天中施实过使人致死的精神暴力，或给予过巨大的精神压力。从二人聊天中可以看出，“过分”的地方虽然很多，但“过分”本身就是一个模糊的概念，从法律层面讲，很难成为杨宝德自杀的原因，但背后到底还隐含着哪些未知的东西，目前还没人能给出依据。而从社会舆论角度来说，探讨的边界，并不应当因主观想象而无限扩大，否则，对当事者就会构成“有罪推论”的前提，这对任何一方的名誉都会产生巨大的伤害。因此，目前在探讨这个问题时，也就划定了必要的范围，那就是二者之间到底应当有着怎样的师生关系？在中国，师生关系常常被定义的非常亲密，其中最高境界莫过于被喻为“父子”型的师生关系，即一日为师，终生为父。而从这个角度来说，周某要求杨宝德为其浇花、打扫办公室、拎包、拿水，这并不算过分，因为这体现的就是一种被提倡的传统意义上经典型的师生关系，从古至今，都能找到这样的佳话。而且，在中国传统教育中，也早已融入了这样的人文氛围，应当说，这一种中国教育传统的人文色彩根基。但在现实中，也出现了很多不如人意的地方，甚至还出现过不少道德失范和犯罪的情况，比如，在一些地方的中小学，就发生过老师对学生的性侵案件，而如果追溯案件发生之前的情况，就会发现其中很多都充溢着“父子”型的师生关系。一开始，老师确实对学生很关心，而且也是发自真心，但随着关系的深入，一些老师会突破道德的底线，而发生令人难以想象的情况，但在这个生发的过程中，无不显示着“父子”型师生关系的轮廓。因此，就有必要思考这样的问题：即在现代伦理之下，应当有着怎样的师生关系？显然，师生之间的关系过于松弛，那也是不对的，由其是在一些偏远地区的学校，很多学生的家长都在外面打工，而此时，老师的角色有了家长的某种性质，关心学生就可以多一些，程度也可以大一些。但是，从诸多性侵学生案件可以看出，这种关心，恰恰也是发生后面问题的重要原因，这时“父子”型师生关系的轮廓，已经成了某种犯罪的外衣。而这种关系并不仅仅存在于中小学校，近期被曝光的北航大学性侵案就是典型的一例，但它非常容易令人得出这样的结论：即那位导师本来就没安好心。其实这样的结论并不恰当，因为从其与学生的关系发展过程来看，其间并没有处心积虑地设下“埋伏”，而只是双方关系发展过程中的一种越位，而这种关系的雏形，也正是基于传统教育所提倡的“父子”型师生关系，而后来的“越位”，只是一种循序渐进不能自控的结果而已，尽管这里面有道德的问题，但道德却不能决定一切。社会的发展，必然会伴随着伦理的更新，而师生之关的关系，也是其中必不可少的更新部分。老师与学生之间的关系，当然是越纯粹越好，然而，这种纯粹，其实也意味着必须做出某些精简，“父子”型师生关系包含的模糊成分太多，它自身无法分离出本质的东西，相反，它还会使师生关系衍生出更多尴尬。因此，对于西安交大博士自杀事件来说，其实提醒社会的是，在现在社会伦理之下，到底该有怎样的师生关系。当然，这本身就是一个宏大的命题，它需要从发展中的社会文化的方方面面，梳理一些传统的概念，该提倡的还应当提倡，不该提倡的，就要给予精简分离。

机器之心转载作者：陈天奇陈天奇是机器学习领域著名的青年华人学者之一，本科毕业于上海交通大学ACM班，博士毕业于华盛顿大学计算机系，研究方向为大规模机器学习。上个月，陈天奇在Twitter上宣布自己将于2020年秋季加入CMU任助理教授，成为加入CMU的年轻华人学者之一。在本文中，陈天奇回顾了自己做机器学习科研的十年。十年前，MSRA 的夏天，刚开始尝试机器学习研究的我面对科研巨大的不确定性，感到最多的是困惑和迷茫。十年之后，即将跨出下一步的时候，未来依然是如此不确定，但是期待又更多了一些。这其中的变化也带着这十年经历的影子。起始： 科研是什么我从大三开始进入交大 APEX 实验室，有幸随着戴文渊学长做机器学习，当时的我觉得「机器学习」这个名字十分高大上然后选择了这个方向，但是做了一年之后依然摸不着头脑，心中十分向往可以做科研，独立写论文的生活，却总是不知道如何下手。文渊在我进实验室的一年后去了百度。当时还没有得到学长真传的我，开始了我科研的第一阶段，从大四到硕士的第二年，期间一直自己摸索，不断地问自己「科研是什么」。和课程作业不同，学术研究没有具体的问题，具体的方法，具体的答案。文渊的离开让我一下子不知道该怎么做，当时的我的想法很简单，快点寻找一个具体的方向，完成一篇论文。因为 ACM 班的机会暑假在 MSRA 的短暂实习，虽然学会了很多东西，但并没有给我答案。MSRA 回来之后，在实验室薛老师的建议下，我选择了一个现在看来正确而又错误的方向 -- 深度学习。那是 AlexNet 出现之前两年，深度学习的主流热点是非监督学习和限制玻尔兹曼机。没有导师的指导，没有工具，当时我靠着实验室的两块显卡和自己写的 CUDA 代码开始了死磕深度学习的两年半。实验室的学长问我，你准备要干啥，我说：「我要用卷积 RBM 去提升 ImageNet 的分类效率。」这一个回答开启了图书馆和实验室的无数个日日夜夜，为了给实验室的老机器多带一块高功率的显卡，我们打开了一台机器的机箱，在外面多塞了一个外接电源。我的生活就持续在调参的循环中：可视化权重的图片, 看上去那么有点像人脸，但是精度却总是提不上来，再来一遍。从一开始 hack 显卡代码的兴奋，到一年之后的焦虑，再到时不时在树下踱步想如何加旋转不变的模型的尝试，在这个方向上，我花费了本科四年级到硕士一年半的所有时间，直到最后还是一无所获。现在看来，当时的我犯了一个非常明显的错误 -- 常见的科学研究要么是问题驱动，比如「如何解决 ImageNet 分类问题」；要么是方法驱动，如「RBM 可以用来干什么」。当时的我同时锁死了要解决的问题和用来解决问题的方案，成功的可能性自然不高。如果我在多看一看当时整个领域的各种思路，比如 Lecun 在很早的时候就已经做 end to end，或许结局会不那么一样吧。当然没有如果，赌上了两年半的时间的我留下的只是何时能够发表论文的紧张心情。焦虑的我开始打算换一个方向，因为 RBM 当时有一个比较经典的文章应用在了推荐系统上，我开始接触推荐系统和 kddcup。比较幸运的是，这一次我并没有把 RBM 作为唯一的一个方法，而是更加广泛地去看了推荐系统中的矩阵分解类的算法，并且在实验室搭建了一个比较泛用的矩阵分解系统。推荐系统方向的耕耘逐渐有了收获，我们在两年 KDDCup11 中获得了不错的成绩。KDD12 在北京，放弃了一个过年的时间，我完成了第一篇关于基于特征的分布式矩阵分解论文，并且非常兴奋地投到了 KDD。四月底的时候，我们收到了 KDD 的提前拒搞通知 -- 论文连第一轮评审都没有过。收到拒搞通知时候的我的心情无比沮丧，因为这是第一篇自己大部分独立推动完成的文章。转折在五月，KDDCup12 封榜，我们拿到了第一个 track 的冠军，我依然还记得拿到 KDDCup12 冠军的那一个瞬间，我在状态里面中二地打了 excalibur，仿佛硕士期间的所有阴霾一扫而尽。那时候的我依然还不完全知道科研是什么，但是隐隐之中觉得似乎可以继续试试。第零年： 可以做什么我对于科研看法的第一个转折，在于我硕士临近毕业的时候。李航老师来到我们实验室给了关于机器学习和信息检索的报告，并且和我们座谈。在报告的过程中，我异常兴奋，甚至时不时地想要跳起来，因为发现我似乎已经知道如何可以解决这么多有趣问题的方法，但是之前却从来没有想过自己可以做这些问题。联系了李航老师之后，在同一年的夏天，我有幸到香港跟随李航和杨强老师实习。实验室的不少学长们曾经去香港和杨强老师工作，他们回来之后都仿佛开了光似地在科研上面突飞猛进。去香港之后，我开始明白其中的原因 -- 研究视野。经过几年的磨练，那时候的我或许已经知道如何去解决一个已有的问题，但是却缺乏其他一些必要的技能 -- 如何选择一个新颖的研究问题，如何在结果不尽人意的时候转变方向寻找新的突破点，如何知道整个领域的问题之间的关系等等。「你香港回来以后升级了嘛。」-- 来自某大侠的评论。这也许是对于我三个月香港实习的最好概括的吧。香港实习结束的时候我收获了第一篇正式的一作会议论文 (在当年的 ICML)。因为 KDDCup 的缘故，我认识了我现在博士导师 Carlos 的 postdoc Danny，Danny 把我推荐给了 Carlos(UW) 和 Alex(CMU)。我在申请的时候幸运地拿到了 UW 和 CMU 的 offer。在 CMU visit 的时候我见到了传说中的大神学长李沐，他和我感叹，现在正是大数据大火的时候，但是等到我们毕业的时候，不知道时代会是如何，不过又反过来说总可以去做更重要的东西。现在想起这段对话依然依然唏嘘不已。我最后选择了 UW 开始了我六年的博士生活。感谢博士之前在 APEX 实验室和香港的经历，在博士开始的时候我似乎已经不再担心自己可以做什么了。第一年： 意外可以收获什么如果给我在 UW 的第一年一个主题的话，或许是「意外」。在交大时候因为兴趣的关系一直去蹭系统生物研究员敖平老师的组会探讨随机过程和马尔可夫链。到 UW 的第一个学期，我无意看到一篇探讨如何用 Lagevin 过程做采样的文章，我想这不就是之前组会上探讨过的东西么，原来这些方法也可以用到机器学习上。我直接借用了原来的交大学会的知识完成了第一篇高效采样 HMC 的文章。我后来并没有继续在这个方向上面耕耘下去，不过另外一位同在组会的学弟继续基于这个方向完成了他的博士论文。同样的在这一年，我和导师开始「质疑深度学习」-- 如果别的的机器学习模型，有足够大的模型容量和数据，是否可以获得和深度学习一样的效果呢？当时 Carlos 看好 kernel methods，而我因为过去的一些经历决定尝试 Tree Boosting。虽然最后在 vision 领域依然被卷积网络打败而尝试挑战失败，但是为了挑战这一假说而实现高效 Tree boosting 的系统经过小伙伴建议开源成为了后来的 XGBoost。在第一年暑假结束的时候，因为偶然的原因，我开始对 quantile sketch 算法感兴趣。这里主要的问题是如何设计一个近似的可以合并的数据结构用来查找 quantile。这个方向有一个经典的方案 GK-sketch 的论文，但是只能够解决数据点没有权重的情况。经过一两天的推导，我在一次去爬山的路上终于把结论推广到了有权重的情况。有趣的是新的证明比起原来的证明看起来简单很多。这个结论没有单独发表，但是后来意想不到地被用到了分布式 XGBoost 算法中，证明也收录在了 XGboost 文章的附录中。研究并不是一朝一夕，做想做的事情把它做好，开始的时候兴趣使然，而在几年之后意想不到的地方获得的收获，这样的感觉走非常不错。第二年和第三年： 选择做什么在新生聚会上，Carlos 对我说，你已经有论文的发表经历了，接下来要静下心来做发大的，「只做 best paper 水平的研究」。和很多 nice 的导师不同，Carlos 对于学生的要求非常严格，说话也是非常直白甚至于「尖刻「。很多的老师不论我们提出什么样的想法，总会先肯定一番，而 Carlos 则会非常直接地提出质疑。一开始的时候会非常不习惯，感觉到信心受到了打击，但是慢慢习惯之后开始习惯这样风格。到现在看来，诚实的反馈的确是我收益最大的东西。我进入博士的一年之后，主要在想的问题是做什么样的问题，可以值得自己深入付出，做扎实有影响力的工作。在博士的第三年，Carlos 在建议我把 XGBoost 写成论文，用他的话说：「写一篇让读者可以学到东西的文章」。和传统的写法不同，我们在文章的每一个章节插入了实验结果验证当章节提出的观点。而他对于做图的处理也成为了我现在的习惯，直接在图里面插入箭头注释，减少读者的阅读负担。经过几次打磨论文终于成为了我们想要的模样。博士前对于深度学习遗憾让我又逐渐把目光转回到深度学习。这个时候，我选择了不再一个人作战，在博士的第二年和第三年，我和兴趣使然的小伙伴们合作，一起开始了 MXNet 的项目。项目从零开始，在短短的一年时间里面做出完整的架构。我第一次看到集合了大家的力量齐心协力可以创造出什么样的东西。研究的乐趣不光是发表论文，更多还是可以给别人带来什么，或者更加大胆地说 -- 如何一起改变世界。博士第二年暑假，我在小伙伴的介绍下进入 Google Brain 跟随 Ian Goodfellow 实习。当时 GAN 的论文刚刚发表，我也有幸在成为 Ian 的第一个实习生。实习的开始，我们讨论需要做的问题，Ian 和我把可能要做的项目画在一个风险和回报的曲线上，让我选择。到最后我选择了自己提出的一个课题，在这个曲线里面风险最高，回报也最高。我一直有一个理想，希望可以构建一个终身学习的机器学习系统，并且解决其中可能出现的问题。这个理想过于模糊，但是我们想办法拿出其中的一个可能小的目标 -- 知识迁移。如果一个机器学习系统要终生学习，那么在不断收集数据之后必然需要扩充模型的规模来学习更广或者更深，按照现在的做法我们在模型改变之后只能抛弃原来的模型重新训练，这显然是不够高效的。是否有一个方法可以从已经训练好的网络上面进行知识迁移也就成为了一个重要的问题。我先花了一个半月的时间尝试了比较显然的 Knowledge distillation 的方法一直没有得到正面的结果。在最后的一个月，我改变了思路。实习结束的前一个星期，我打开 Tensorborard 上最近一组实验的结果：实验表明新的思路正面的效果。这最后几步的幸运也让我的这一个冒险之旅有了一个相对圆满的结果。这篇论文最后被发表在了 ICLR 上，也是我最喜欢的结果之一。博士的第三年，我和小伙伴们开发了一种可以用低于线性复杂度就可以训练更深模型的内存优化算法。当时我非常兴奋地把这一结果写下来然后把稿子后给导师看。他和我说：Hmm, 这个结果如果投到 NeurIPS 的话或许可以中一篇 poster，但是这并不是特别有意思。在我沉默之后他又补充了一句：论文并非越多越好，相反你可能要尝试优化你的论文里面最低质量的那一篇。最后我们只是把这篇论文挂在了 Arxiv 上。Carlos 的说法或许比较极端（这篇论文依然影响了不少后面的工作），但也的确是对的，用李沐之前说过的一句话概括，保证每一篇论文的质量接近单调提升，已经是一件难以做到但是又值得最求的事情。选择做什么眼光和做出好结果的能力一样重要，眼界决定了工作影响力的上界，能力决定了到底是否到达那个上界。交大时敖平老师曾经和我说过，一个人做一件简单的事情和困难的事情其实是要花费一样多的时间。因为即使再简单的问题也有很多琐碎的地方。要想拿到一些东西，就必然意味着要放弃一些其他东西，既然如此，为什么不一直选择跳出舒适区，选一个最让自己兴奋的问题呢。第四年之后： 坚持做什么博士第三年，我和小伙伴们参加 GTC，结束后老黄 party 的角落里，我一个人在发呆。深度学习的框架发展已经铺开，可接下来应该做什么，我一下子感到迷茫。第三年的暑假我没有去实习，而是决定一个人在学校尝试开发脑海中显现的抽象概念 -- 深度学习中间表示。暑假结束之后，我完成了第一个版本，可以比较灵活地支持深度学习系统里面的计算图内存优化。但是总是觉得还缺少着什么 -- 系统的瓶颈依然在更接近底层的算子实现上。暑假之后在去加州的飞机上，我尝试在纸上画出为了优化矩阵乘法可能的循环变换，回来之后，我们决定推动一个更加大胆的项目 -- 尝试用自动编译生成的方式优化机器学习的底层代码。这个项目早在之前我也有一些想法，但是一直没有敢去吃这个螃蟹。原因是它的两个特点：从零开始，横跨多领域。因为要做底层代码生成和想要支持新的硬件，我们需要重新重新搞清楚很多在之前被现有的操作系统和驱动隐藏掉的问题，这就好象是在一个荒岛上一无所有重新搭建起一个城堡一样。而这里面也涉及了系统，程序语言，体系结构和机器学习等领域。这让我想起之前在 ACM 班时候重头搭建编译器和 MIPS 处理器并且连接起来的经历。也是那段经历让我觉得为了解决问题去吃多个领域的螃蟹是个让人兴奋的事情。那段经历给我留下的第二个印记是理解了合作和传承的重要性。这门课程设计有一个传统，每一门课程的老师都由上一届学长担任。每一届的同学都会在之前的基础上有所改进。我也曾经为这门课做过一些微小的贡献。演化到现在，这门课程已经从只做简单的答辩，到现在已经有在线评测的 OJ。大家一起的合作塑造了这个课程。推动新的机器学习系统和塑造这门课程一行，需要各个团队的同学合作，足够时间的耐心关注和不断地改进。我的合作者们也被「卷入」到了这个项目中。我的体系结构合作者一直想要设计新的 AI 硬件，我在雏形完成之后花了大量的时间讨论如何协同设计新的硬件的问题。我们开始讨论怎么管理片上内存，怎么可以比较容易地生成指令集，甚至怎么调度内存读写和计算并行的问题都暴露出来。有一天，我和合作者说我们需要引入虚拟线程的概念来隐藏内存读写开销，然后他很快和我说，这是体系结构里面经典的超线程技术，发明人正是我们的系主任 Hank。我们也在不断地重新发现经典的问题的解决方法在新场景的应用，让我觉得上了一堂最好的体系结构课程。两年间的不少关键技术问题的突破都是在有趣的时候发生的。我在排队参观西雅图艺术博物馆的 infinity mirror 展览的途中把加速器内存拷贝支持的第一个方案写在了一张星巴克的餐巾纸上。到后来是程序语言方向的同学们也继续参与进来。我们争论最多的是如何如何平衡函数式语言和经典计算图做让大家都可以搞懂的中间表达，这一讨论还在不断继续。经过大家的努力，TVM 的第一篇论文在项目开始的两年之后终于发表。两年间参与项目的同学也从两个人，到一个团队，再到一个新的 lab 和一个社区，这两年也是我博士期间最充实的两年。因为做了不少「跨界」的工作，我常被问起你到底属于哪个领域。过去半年一直在各地给报告，报告这样开头：算法突破，数据的爆发，计算硬件的提升三者支撑了机器学习的变革，而整合这三者的，则是机器学习系统。这也是为什么我要做机器学习系统的原因。曾经一个教授问我这样的问题，如果明天有一样新的化学反应过程可能带来机器学习的变革，你会怎么做。我答道：「我投入会去学习研究这个化学过程」。虽然我不知道遥远的未来会需要什么，到底是系统，算法，还是化学，从问题出发，用尽所有可能的方法去最好地解决机器学习问题，应该这就是我想要坚持的研究风格吧。总结在写这篇总结的时候，心中有不少感叹。我常想，如果我在焦虑死磕深度学习的时候我多开窍一些会发生什么，如果我并没有在实习结束的时候完成当时的实验，又会是什么。但现在看来，很多困难和无助都是随机的涨落的一部分，付出足够多的时间和耐心，随机过程总会收敛到和付出相对的稳态。每个人的研究道路都各不相同，我的经历应该也是千万条道路中其中一条罢了。博士的经历就好像是用五年多时间作为筹码投资给自己，去突破自己做自己原来想不到的事情。中不管坎坷曲折都是无可替代的一部分。科研从来不是一个人的事情，对于我来说特别是如此。我在交大的时候和一群年轻的同学一起摸索推荐系统的算法，而在博士期间搭建的每一个系统都包含了很多合作者一起的努力。也正是大家一起的努力才带来了现在的成果。我个人在这十年间受到了不少老师，同学，家人的鼓励和帮助，感谢他们他们给予了我这无比珍贵的十年时光。原文链接：https://zhuanlan.hu.com/p/74249758?utm_source=wechat_session&utm_medium=social&utm_oi=36286488379392&from=timeline&s_s_i=0Adl1SNt%2FB3gEe0APUZZYAVRCRw%2F801frkyc0v%2BsfIo%3D&s_r=1

每天早上起来第一件事，就是打开电脑查看网页、邮箱，看看有没有数据需要更新更正。然后全天随时监控疫情数据，动辄还要以近乎7×24（每周每天连续24小时）的方式连轴转……新冠疫情暴发几个月以来，这是约翰·霍普金斯大学博士生董恩盛和杜鸿儒每天的常态。全球政府、媒体、专业人士奉为圭臬，日点击量超过10亿次的约翰·霍普金斯大学全球新冠疫情数据地图，就诞生在这所学校两名中国博士生的个人电脑上。故事，还得从两个多月前的一杯咖啡说起。全球疫情数据No.1，从一杯咖啡开始董恩盛1月20日星期一是美国的马丁·路德·金纪念日。法定假日与周六日连成了一个小长假，这使董恩盛和杜鸿儒导师劳伦·加德纳原定每周一的组会推到了周二上午10点举行。24个小时之前，钟南山院士刚刚通过央视直播画面向全世界确认了新冠病毒人传人和医护人员感染的情况，美国也在同日确诊了首例新冠肺炎病例。周二一早，董恩盛已从新闻得知武汉可能即将“封城”的消息，对国内的情况有些担心。杜鸿儒但在约翰·霍普金斯大学，刚刚结束假期的师生正一身轻松。假期里举行了博士资格考试，董恩盛和杜鸿儒都顺利通过。导师加德纳教授给每人买了一杯咖啡，大家边喝边聊，从假期生活聊到下学期的研究计划。师生三人所在的是约翰·霍普金斯大学土木和系统工程系的系统科学和工程中心，加德纳教授在学校的传染病学院挂职，他们的研究方向包含系统工程、数学建模、网络分析和流行病学。劳伦·加德纳教授喝着咖啡，加德纳教授问董恩盛：“你知不知道最近中国的新冠肺炎很严重？”2019年5月，董恩盛就曾设计过一个美国麻疹风险的地图，被纽约时报、美国有线电视新闻网（CNN）等媒体报道。这次，加德纳教授向董恩盛建议，针对中国的新冠疫情再做一个数据地图。“因为有做美国麻疹地图的经验，基本上我只要把麻疹换成新冠肺炎的数据就可以完成基础工作了。”当天晚上，约翰斯·霍普金斯大学全球新冠疫情数据地图便在董恩盛手中应运而生。不过这时的地图默认视角还只限于东亚地区。2月1日，杜鸿儒也正式加入了这项工作中。每天起早贪黑维护疫情地图，关于中国疫情的数据，两人主要通过中国国家卫健委和丁香园网站获得。“随着确诊病例在更多国家出现，一个明显的对比是，中国方面的数据在呈现形式和及时性上都要好非常多，为数据获取和录入带来很大便利。”董恩盛告诉北京日报客户端记者，起始阶段，其他国家的疫情数据主要来自媒体，直到现在，全球疫情已非常严重的情况下，美国具体到一些郡县的疫情数据都难以从公开渠道获得，“但是中国的话，从各县、市的卫健委基本都能相对容易地找到相关数据。”这张图，缘何成为全球关注中心医学和公共卫生是约翰·霍普金斯大学的强项，其公共卫生学院历来在美国高校排名第一。2月底，美国的新冠肺炎确诊病例悄然达到数十例，伊朗和意大利疫情呈现出暴发态势，董恩盛和杜鸿儒制作的疫情地图也受到越来越多关注。“大概是在这个阶段，美国地方卫生部门联系到了我们，表示希望在地图看到美国的情况。”董恩盛说，如果再单做一个美国的地图，工作量太大。除此之外，不同国家的用户也找到他们，提出一些建议和需求，甚至有人希望能做一个本国语言的版本，“我说这我们可万万做不到了。”既然无法满足每个人特定的需求，团队决定干脆把疫情地图的默认范围扩大到全世界。其实，鉴于新冠肺炎前所未有的破坏力和威胁性，这样面向全球的“疫情数据地图”系统，约翰·霍普金斯大学并不是独一家。哈佛大学与牛津大学合作，美国疾控中心（CDC），以及微软的必应搜索（Bing）都设计发布了类似的系统，供全球公众使用。CDC发布的美国疫情地图能显示各州疫情数据，因其官方性质，具有权威性。但董恩盛表示，与他们的地图相比，CDC地图有两个明显缺点，更新不及时，且精度有限。“可能今天更新的是还前一天的数据，而我们基本是实时更新。他们的数据只能精确到州一级，我们可以精确到州下面的郡县。”事实上，也正是由于发现CDC数据精度不足，董恩盛和杜鸿儒才起意对自己地图的美国部分进行了精度“升级”。哈佛和牛津和合作设计的疫情地图，更新速度和数据详尽程度也不如约翰·霍普金斯大学。有一个明显的区别是，前者用颜色深浅来体现疫情的严重程度，后者是用点的大小。杜鸿儒介绍，哈佛、牛津的地图有动画显示新冠疫情发生以来全球发展过程的功能，这是他们没有的。董恩盛对微软Bing设计的疫情地图称赞有加。记者发现，Bing的地图在某些方面可以提供比约翰·霍普金斯大学更精确的数据，例如俄罗斯、印度、印尼等国的地方疫情数据，而约翰·霍普金斯大学的地图在这几个国家还只显示全国数据。不过，后者能用曲线、柱状图等形式体现疫情发生以来每个国家的疫情发展趋势，功能更丰富，而且数据公开，为学术研究提供了便利。数据的更新、功能的完善都须耗费大量时间和精力。对新冠疫情在全球范围的发展进程，作为团队的第一个“援兵”，杜鸿儒坦言出乎意料。“加德纳教授和恩盛开始只是想追踪一下疫情在中国的发展，没想到后来需要的人力越来越多，也没想到两个月以后美国的情况会比中国严重得多。”两个多月下来，约翰·霍普金斯大学全球新冠疫情数据地图早已成为全球最权威的疫情数据平台。起初，在团队只有七八个人的情况下，连续工作一周，每人每天要承担15小时到20小时的工作量，压力巨大。这在3月23日地图数据更新模式升级为全自动后得到了改观。团队现在已有三四十名成员，来自美国各地和其他一些国家，通过网络共同对地图进行维护和相互沟通。董恩盛说，自己的角色也发生了转变，“现在有点像个产品经理了。”虽然师生三人并不属于公共卫生院系，但约翰·霍普金斯大学从各方面给予他们很大支持。和导师加德纳教授一起，董恩盛和杜鸿儒可以经常参与传染病学院的讨论，获得学术建议；学校已停课并封闭半个多月，但专门给他们办了出入证，以便他们进校继续必要的科研活动；校长办公室更直接给他们安排了一名行政助理。这些都成为疫情地图得以发展至今的坚强后盾。疫情数据有真伪？他们这么看董恩盛赴美学习已有七八年，杜鸿儒有三年。自疫情在湖北暴发以来，大洋彼岸的他们经历了从担心到被担心的过程。截至当地时间4月8日，约翰·霍普金斯大学所在的巴尔的摩已有571个确诊病例，这对200多万人口的巴尔的摩来说不是个小数。同时，巴尔的摩出了名的混乱治安也加重了两人和家人的担忧。董恩盛告诉北京日报客户端记者，从1月到现在，自己出门买菜的次数不超过5次，更多情况下通过外卖购入物资。“巴尔的摩挺不安全的，经常发生枪击。当地人对病毒的防护意识也还是不强，我们出门基本上只去防护比较好的亚洲超市。”中国成功的疫情防控令世界瞩目，出自中国留学生之手的约翰·霍普金斯大学全球新冠疫情数据地图，自然也带有了中国元素。杜鸿儒直言：“地图能这么快做出来，跟我和恩盛来自中国有一定关系。相较其他人来说，我们对疫情的重视程度更高，在地图建设起始阶段的投入也更大。”丁香园网站是地图最初的主要数据来源。“丁香园只有中文，语言的先天优势让我们可以最快地转换丁香园的数据，并把资料翻译成英文给导师参考。”杜鸿儒说。对近来国际上围绕中国疫情数据产生的“质疑”，董恩盛也有自己的见解。在他看来，中国疫情数据的增长曲线在达到一定水平后就很和缓，可以证明疫情得到了控制。想要进一步证明数据的真伪，很多国家都很难做到这一点，特别是在疫情蔓延全球之后。2月13日，湖北突然通报新增了13000多例临床诊断病例。董恩盛觉得这是一个比较合理的统计方式的变化，但国际上却因此对中国疫情数据有很多批评。“其实美国也有类似问题，还有像意大利有段时间只报重症病例。美国有的州县不报外地的病例，比如缅因州挨着波士顿和纽约，如果有一个在大城市注册了身份的感染者回到当地被确诊，可能不会被纳入当地确诊病例进行通报。但他本来所在的大城市也可能不把他列入确诊当中，因为他已经离开了。这就给数据的精确统计造成干扰。”作为全球疫情数据“中心”的制造者，对美国日益严重的疫情状况，两人都表示“不容乐观”。杜鸿儒说，虽然从确诊病例所占人口比例来说，意大利和西班牙的情况比美国严重，但美国确诊病例的确已呈现为指数型增长。“自从美国颁布居家隔离政策后，已经能看出个别地区出现好转，但能否迎来‘拐点’还不太清楚。目前我们能做的分析只有判断哪些地区风险比较高，未来的确诊、死亡增长趋势没法预测，如果预测只能预测3天到5天的。”董恩盛则说，最让他担心的还是美国普通民众对疫情的重视程度，因为只有每一个人都真正关心自己和身边人的安全，“全民战疫”，才能真的把病毒控制住，而不是政府说你要怎么做，才去应付。两人告诉北京日报客户端记者，接下来，地图的功能还要做进一步的优化和升级，他们可能将加入美国各州的病毒检测数据，以及确诊病例在人口中的比例，“都是很关键的数据。”来源：北京日报客户端 | 记者 白波流程编辑：TF015

2017年12月25日，西安交通大学药理学博士生杨宝德于溺水身亡，警方认定为自杀。且不说身为一个男人，一名博士，匆匆结束自己生命的对与错，仅仅说说，一名研究生导师的定位之错与失责之罪。罪一，没履行传道解惑之责。杨宝德的硕士阶段成绩是不错的，有研究成果，很顺利。作为一个农家孩子，他比别的同学更上进，更刻苦。但是到了博士阶段，研究却停滞不前。我们都知道，到了研究生阶段，最重要的是自己，但是导师往往是四两拨千斤的作用，杨宝德很迷茫，不知道如何把握研究方向，导师周筠缺位严重。罪二，高高在上之罪。本科的学生评价周筠“喜欢我们夸她”，建的学生群，叫“粉丝群”。公然对学生说，“我要把你培养成我的博士，好替我挡酒”。私聊发微信问学生自己的穿搭如何。字里行间，学生只是她的粉丝，是她的拥护者，而她在这个群体里高高在上，是个女王。罪三，干涉私生活严重。说，“我觉得你现在没有什么太忙的事，一周如果给她辅导3次，每次2个小时，100元/次，这样对你来说轻松也能挣些钱补贴一下。”几乎是强迫着让杨宝德去当家教。罪四，奴役学生之罪。陪逛超市，陪买衣服，洗车，擦玻璃，这是一个导师应该让学生做的事么？师德丧失至此，却非要学生的以命来警醒，谁之责？

寒门难出贵子。这是近些年坊间和舆论中，一个特别值得注意的论调。也是有一定数据支撑的，通过北大、清华等名校学生调查情况看，看似支持这一结论。比如，两年前清华大一新生张小林的知乎答问，一度刷屏。很多媒体也跟进补充，一时讨论激烈，却也莫衷一是。她非空口无凭，信口胡诌，依据的是该校老师多年社会调查，如该校学生普遍家境和入学前活动半径，优于一般院校学生，乍看有理有据，因此更具争议。“一个人家庭环境会对其产生非常大的影响，决定你来到清华、北大的不仅是自己努力，还有家庭环境，包括父母教育理念，愿意及能够付出的时间、金钱，你的眼界视野，你能接触到的一些资源的机会。”不抬杠的话，必须承认这是句大实话。一边还在挣扎求存，努力温饱，为学杂费愁白头时，一边生来就已占尽最优质公立教育资源，又能高薪聘一对一私教，或是四处游学，广开眼界。这本就是不对等的，再加上那句堪称“鸡精”（鸡汤界精华）的“比你优秀的还比你努力”所言，并非家境优渥的皆不学无术的纨绔之流，所以，寒门进阶之难，不算虚言。或正因如此，今日那个“寒门博士之死”（1月17日《中国青年报》）才又引发别样关注。其实，早在十天前，这事儿已经上网引热议了：“离开学校失联一天后 西安交大在读博士溺亡灞河中”（1月8日封面新闻）。当日，其女友以网名“追寻杨宝德”发布长微博：《名校博士不堪导师奴役自杀身亡，导师冷漠无情不闻不问》一文，杨宝德自杀的新闻，走进公众视野。与一般随手拍，始终隔着一层的“网友曝”新闻不同，这是除了逝者本人外可能最知情的发帖者了。当时帖子只是指出其导师先答应帮联系出国事宜，随后就借故批评，出尔反尔，翻脸倾向明显。“出国无望，学术无果，导致巨大精神压力所以轻生”。而杨的家人最诧异的是，发现失踪求助导师时，导师反应冷淡，不但未施援手，反将求助者拉黑。仅以普通人情世故而论，自己学生无故失踪，家人忧心如焚，仓皇无措，千里外求援，就算无能力寻人，至少出言安抚慰藉才符合常情。所以，导师事后反应不能不算反常。校方也是略带卸责的官样表态，学校无责，成人当为自己安全负责。假如纯属个人私事，一时想不通走极端寻短见，其实导师和校方也只有人道主义的道义抚慰之责。但十来天后，中青大半版“博士之死”又显示或许校方和导师在此事中的角色，并非之前自称的那么超然。他硕转博后换了导师，噩梦也就从此开始。之前他学术成绩斐然，自转换门庭后，停滞不前。虽然不能说全怪现导师，但“浇花、打扫办公室、拎包、拿水、去停车场接她、陪逛超市、去家中装窗帘、给熟人女儿做家教、在导师家做卫生，还得擦车……”如此当杂役一样使唤学生，就算不如爆料贴中所说“奴役”程度，却也显然是超纲超范围使用了。包括最后彻底压垮其精神的出国受阻，同学也一语道破“你这么好用，导师怎么会舍得放你走呢？”名校博导，不说自己和学生如何醉心最新科研学术，至少不能如此捡着一个软柿子就捏到底，直至捏爆吧？不能不承认，“博士之死”一定程度是自身性格悲剧所致：有求必应，从不说不，逆来顺受，谁张口都办，“所有合理不合理的”全自己抗。如此自我施压，终有承受极限，最后精神崩溃，生无所恋。这是性格缺陷，但却也不一定致命。就比如之前的导师手下，一心向学，用其所长，则学有所成。可见还是后来导师只当“杂役”用顺手后，就无督促辅导其学术精进之心。精神施虐到，谁都能看出他已抑郁成疾，导师还只知加压，不加疏导。这算重大的失察失职责任，校方难辞其咎。包括学院导师间也是山头林立，站队明显，换导师几乎从无先例，“没人敢收”，如此“潜规则”，不但妨碍学术研究，甚至在这种极端了一个绝望求生的最后机会。这还不算学术督导失范么？而那个他曾求救的前任导师，似乎也未进行及时有效心理干预，所有的事先性机制防范和临时的个体救助，都诡异地失效，最终悲剧发生。其实，无需特意强调他身出“寒门”，也别像跟帖里那样附和讥讽，说是因寒门无识，不像自小游历开过眼见过世界的，所以才会将自己困死于“死读书”。这是极端个案，但如何监督高校导师的学术操守和职业伦理规范，如何将学生当成一个个随时可能面临心理危机的鲜活个体，并及时提供足够有效干预救济指导，是每个学校都该从悲剧中反思的。【如果您有新闻线索，欢迎向我们报料，一经采纳有费用酬谢。报料微信关注：ihxdsb，报料QQ：3386405712】

来源：北京日报客户端原标题：独家 | 日点击10亿全球疫情图背后，是俩中国博士生每天早上起来第一件事，就是打开电脑查看网页、邮箱，看看有没有数据需要更新更正。然后全天随时监控疫情数据，动辄还要以近乎7×24（每周每天连续24小时）的方式连轴转……新冠疫情暴发几个月以来，这是约翰·霍普金斯大学博士生董恩盛和杜鸿儒每天的常态。全球政府、媒体、专业人士奉为圭臬，日点击量超过10亿次的约翰·霍普金斯大学全球新冠疫情数据地图，就诞生在这所学校两名中国博士生的个人电脑上。故事，还得从两个多月前的一杯咖啡说起。全球疫情数据No.1，从一杯咖啡开始董恩盛1月20日星期一是美国的马丁·路德·金纪念日。法定假日与周六日连成了一个小长假，这使董恩盛和杜鸿儒导师劳伦·加德纳原定每周一的组会推到了周二上午10点举行。24个小时之前，钟南山院士刚刚通过央视直播画面向全世界确认了新冠病毒人传人和医护人员感染的情况，美国也在同日确诊了首例新冠肺炎病例。周二一早，董恩盛已从新闻得知武汉可能即将“封城”的消息，对国内的情况有些担心。杜鸿儒但在约翰·霍普金斯大学，刚刚结束假期的师生正一身轻松。假期里举行了博士资格考试，董恩盛和杜鸿儒都顺利通过。导师加德纳教授给每人买了一杯咖啡，大家边喝边聊，从假期生活聊到下学期的研究计划。师生三人所在的是约翰·霍普金斯大学土木和系统工程系的系统科学和工程中心，加德纳教授在学校的传染病学院挂职，他们的研究方向包含系统工程、数学建模、网络分析和流行病学。劳伦·加德纳教授喝着咖啡，加德纳教授问董恩盛：“你知不知道最近中国的新冠肺炎很严重？”2019年5月，董恩盛就曾设计过一个美国麻疹风险的地图，被纽约时报、美国有线电视新闻网（CNN）等媒体报道。这次，加德纳教授向董恩盛建议，针对中国的新冠疫情再做一个数据地图。“因为有做美国麻疹地图的经验，基本上我只要把麻疹换成新冠肺炎的数据就可以完成基础工作了。”当天晚上，约翰斯·霍普金斯大学全球新冠疫情数据地图便在董恩盛手中应运而生。不过这时的地图默认视角还只限于东亚地区。2月1日，杜鸿儒也正式加入了这项工作中。每天起早贪黑维护疫情地图，关于中国疫情的数据，两人主要通过中国国家卫健委和丁香园网站获得。“随着确诊病例在更多国家出现，一个明显的对比是，中国方面的数据在呈现形式和及时性上都要好非常多，为数据获取和录入带来很大便利。”董恩盛告诉北京日报客户端，起始阶段，其他国家的疫情数据主要来自媒体，直到现在，全球疫情已非常严重的情况下，美国具体到一些郡县的疫情数据都难以从公开渠道获得，“但是中国的话，从各县、市的卫健委基本都能相对容易地找到相关数据。”这张图，缘何成为全球关注中心医学和公共卫生是约翰·霍普金斯大学的强项，其公共卫生学院历来在美国高校排名第一。2月底，美国的新冠肺炎确诊病例悄然达到数十例，伊朗和意大利疫情呈现出暴发态势，董恩盛和杜鸿儒制作的疫情地图也受到越来越多关注。“大概是在这个阶段，美国地方卫生部门联系到了我们，表示希望在地图看到美国的情况。”董恩盛说，如果再单做一个美国的地图，工作量太大。除此之外，不同国家的用户也找到他们，提出一些建议和需求，甚至有人希望能做一个本国语言的版本，“我说这我们可万万做不到了。”既然无法满足每个人特定的需求，团队决定干脆把疫情地图的默认范围扩大到全世界。其实，鉴于新冠肺炎前所未有的破坏力和威胁性，这样面向全球的“疫情数据地图”系统，约翰·霍普金斯大学并不是独一家。哈佛大学与牛津大学合作，美国疾控中心（CDC），以及微软的必应搜索（Bing）都设计发布了类似的系统，供全球公众使用。CDC发布的美国疫情地图能显示各州疫情数据，因其官方性质，具有权威性。但董恩盛表示，与他们的地图相比，CDC地图有两个明显缺点，更新不及时，且精度有限。“可能今天更新的是还前一天的数据，而我们基本是实时更新。他们的数据只能精确到州一级，我们可以精确到州下面的郡县。”事实上，也正是由于发现CDC数据精度不足，董恩盛和杜鸿儒才起意对自己地图的美国部分进行了精度“升级”。哈佛和牛津和合作设计的疫情地图，更新速度和数据详尽程度也不如约翰·霍普金斯大学。有一个明显的区别是，前者用颜色深浅来体现疫情的严重程度，后者是用点的大小。杜鸿儒介绍，哈佛、牛津的地图有动画显示新冠疫情发生以来全球发展过程的功能，这是他们没有的。董恩盛对微软Bing设计的疫情地图称赞有加。记者发现，Bing的地图在某些方面可以提供比约翰·霍普金斯大学更精确的数据，例如俄罗斯、印度、印尼等国的地方疫情数据，而约翰·霍普金斯大学的地图在这几个国家还只显示全国数据。不过，后者能用曲线、柱状图等形式体现疫情发生以来每个国家的疫情发展趋势，功能更丰富，而且数据公开，为学术研究提供了便利。数据的更新、功能的完善都须耗费大量时间和精力。对新冠疫情在全球范围的发展进程，作为团队的第一个“援兵”，杜鸿儒坦言出乎意料。“加德纳教授和恩盛开始只是想追踪一下疫情在中国的发展，没想到后来需要的人力越来越多，也没想到两个月以后美国的情况会比中国严重得多。”两个多月下来，约翰·霍普金斯大学全球新冠疫情数据地图早已成为全球最权威的疫情数据平台。起初，在团队只有七八个人的情况下，连续工作一周，每人每天要承担15小时到20小时的工作量，压力巨大。这在3月23日地图数据更新模式升级为全自动后得到了改观。团队现在已有三四十名成员，来自美国各地和其他一些国家，通过网络共同对地图进行维护和相互沟通。董恩盛说，自己的角色也发生了转变，“现在有点像个产品经理了。”虽然师生三人并不属于公共卫生院系，但约翰·霍普金斯大学从各方面给予他们很大支持。和导师加德纳教授一起，董恩盛和杜鸿儒可以经常参与传染病学院的讨论，获得学术建议；学校已停课并封闭半个多月，但专门给他们办了出入证，以便他们进校继续必要的科研活动；校长办公室更直接给他们安排了一名行政助理。这些都成为疫情地图得以发展至今的坚强后盾。疫情数据有真伪？他们这么看董恩盛赴美学习已有七八年，杜鸿儒有三年。自疫情在湖北暴发以来，大洋彼岸的他们经历了从担心到被担心的过程。截至当地时间4月8日，约翰·霍普金斯大学所在的巴尔的摩已有571个确诊病例，这对200多万人口的巴尔的摩来说不是个小数。同时，巴尔的摩出了名的混乱治安也加重了两人和家人的担忧。董恩盛告诉北京日报客户端，从1月到现在，自己出门买菜的次数不超过5次，更多情况下通过外卖购入物资。“巴尔的摩挺不安全的，经常发生枪击。当地人对病毒的防护意识也还是不强，我们出门基本上只去防护比较好的亚洲超市。”中国成功的疫情防控令世界瞩目，出自中国留学生之手的约翰·霍普金斯大学全球新冠疫情数据地图，自然也带有了中国元素。杜鸿儒直言：“地图能这么快做出来，跟我和恩盛来自中国有一定关系。相较其他人来说，我们对疫情的重视程度更高，在地图建设起始阶段的投入也更大。”丁香园网站是地图最初的主要数据来源。“丁香园只有中文，语言的先天优势让我们可以最快地转换丁香园的数据，并把资料翻译成英文给导师参考。”杜鸿儒说。对近来国际上围绕中国疫情数据产生的“质疑”，董恩盛也有自己的见解。在他看来，中国疫情数据的增长曲线在达到一定水平后就很和缓，可以证明疫情得到了控制。想要进一步证明数据的真伪，很多国家都很难做到这一点，特别是在疫情蔓延全球之后。2月13日，湖北突然通报新增了13000多例临床诊断病例。董恩盛觉得这是一个比较合理的统计方式的变化，但国际上却因此对中国疫情数据有很多批评。“其实美国也有类似问题，还有像意大利有段时间只报重症病例。美国有的州县不报外地的病例，比如缅因州挨着波士顿和纽约，如果有一个在大城市注册了身份的感染者回到当地被确诊，可能不会被纳入当地确诊病例进行通报。但他本来所在的大城市也可能不把他列入确诊当中，因为他已经离开了。这就给数据的精确统计造成干扰。”作为全球疫情数据“中心”的制造者，对美国日益严重的疫情状况，两人都表示“不容乐观”。杜鸿儒说，虽然从确诊病例所占人口比例来说，意大利和西班牙的情况比美国严重，但美国确诊病例的确已呈现为指数型增长。“自从美国颁布居家隔离政策后，已经能看出个别地区出现好转，但能否迎来‘拐点’还不太清楚。目前我们能做的分析只有判断哪些地区风险比较高，未来的确诊、死亡增长趋势没法预测，如果预测只能预测3天到5天的。”董恩盛则说，最让他担心的还是美国普通民众对疫情的重视程度，因为只有每一个人都真正关心自己和身边人的安全，“全民战疫”，才能真的把病毒控制住，而不是政府说你要怎么做，才去应付。两人告诉北京日报客户端，接下来，地图的功能还要做进一步的优化和升级，他们可能将加入美国各州的病毒检测数据，以及确诊病例在人口中的比例，“都是很关键的数据。”

每天早上起来第一件事，就是打开电脑查看网页、邮箱，看看有没有数据需要更新更正。然后全天随时监控疫情数据，动辄还要以近乎7×24（每周每天连续24小时）的方式连轴转……新冠疫情暴发几个月以来，这是约翰·霍普金斯大学博士生董恩盛和杜鸿儒每天的常态。全球政府、媒体、专业人士奉为圭臬，日点击量超过10亿次的约翰·霍普金斯大学全球新冠疫情数据地图，就诞生在这所学校两名中国博士生的个人电脑上。故事，还得从两个多月前的一杯咖啡说起。全球疫情数据No.1，从一杯咖啡开始董恩盛1月20日星期一是美国的马丁·路德·金纪念日。法定假日与周六日连成了一个小长假，这使董恩盛和杜鸿儒导师劳伦·加德纳原定每周一的组会推到了周二上午10点举行。24个小时之前，钟南山院士刚刚通过央视直播画面向全世界确认了新冠病毒人传人和医护人员感染的情况，美国也在同日确诊了首例新冠肺炎病例。周二一早，董恩盛已从新闻得知武汉可能即将“封城”的消息，对国内的情况有些担心。杜鸿儒但在约翰·霍普金斯大学，刚刚结束假期的师生正一身轻松。假期里举行了博士资格考试，董恩盛和杜鸿儒都顺利通过。导师加德纳教授给每人买了一杯咖啡，大家边喝边聊，从假期生活聊到下学期的研究计划。师生三人所在的是约翰·霍普金斯大学土木和系统工程系的系统科学和工程中心，加德纳教授在学校的传染病学院挂职，他们的研究方向包含系统工程、数学建模、网络分析和流行病学。劳伦·加德纳教授喝着咖啡，加德纳教授问董恩盛：“你知不知道最近中国的新冠肺炎很严重？”2019年5月，董恩盛就曾设计过一个美国麻疹风险的地图，被纽约时报、美国有线电视新闻网（CNN）等媒体报道。这次，加德纳教授向董恩盛建议，针对中国的新冠疫情再做一个数据地图。“因为有做美国麻疹地图的经验，基本上我只要把麻疹换成新冠肺炎的数据就可以完成基础工作了。”当天晚上，约翰斯·霍普金斯大学全球新冠疫情数据地图便在董恩盛手中应运而生。不过这时的地图默认视角还只限于东亚地区。2月1日，杜鸿儒也正式加入了这项工作中。每天起早贪黑维护疫情地图，关于中国疫情的数据，两人主要通过中国国家卫健委和丁香园网站获得。“随着确诊病例在更多国家出现，一个明显的对比是，中国方面的数据在呈现形式和及时性上都要好非常多，为数据获取和录入带来很大便利。”董恩盛告诉北京日报客户端，起始阶段，其他国家的疫情数据主要来自媒体，直到现在，全球疫情已非常严重的情况下，美国具体到一些郡县的疫情数据都难以从公开渠道获得，“但是中国的话，从各县、市的卫健委基本都能相对容易地找到相关数据。”这张图，缘何成为全球关注中心医学和公共卫生是约翰·霍普金斯大学的强项，其公共卫生学院历来在美国高校排名第一。2月底，美国的新冠肺炎确诊病例悄然达到数十例，伊朗和意大利疫情呈现出暴发态势，董恩盛和杜鸿儒制作的疫情地图也受到越来越多关注。“大概是在这个阶段，美国地方卫生部门联系到了我们，表示希望在地图看到美国的情况。”董恩盛说，如果再单做一个美国的地图，工作量太大。除此之外，不同国家的用户也找到他们，提出一些建议和需求，甚至有人希望能做一个本国语言的版本，“我说这我们可万万做不到了。”既然无法满足每个人特定的需求，团队决定干脆把疫情地图的默认范围扩大到全世界。其实，鉴于新冠肺炎前所未有的破坏力和威胁性，这样面向全球的“疫情数据地图”系统，约翰·霍普金斯大学并不是独一家。哈佛大学与牛津大学合作，美国疾控中心（CDC），以及微软的必应搜索（Bing）都设计发布了类似的系统，供全球公众使用。CDC发布的美国疫情地图能显示各州疫情数据，因其官方性质，具有权威性。但董恩盛表示，与他们的地图相比，CDC地图有两个明显缺点，更新不及时，且精度有限。“可能今天更新的是还前一天的数据，而我们基本是实时更新。他们的数据只能精确到州一级，我们可以精确到州下面的郡县。”事实上，也正是由于发现CDC数据精度不足，董恩盛和杜鸿儒才起意对自己地图的美国部分进行了精度“升级”。哈佛和牛津和合作设计的疫情地图，更新速度和数据详尽程度也不如约翰·霍普金斯大学。有一个明显的区别是，前者用颜色深浅来体现疫情的严重程度，后者是用点的大小。杜鸿儒介绍，哈佛、牛津的地图有动画显示新冠疫情发生以来全球发展过程的功能，这是他们没有的。董恩盛对微软Bing设计的疫情地图称赞有加。记者发现，Bing的地图在某些方面可以提供比约翰·霍普金斯大学更精确的数据，例如俄罗斯、印度、印尼等国的地方疫情数据，而约翰·霍普金斯大学的地图在这几个国家还只显示全国数据。不过，后者能用曲线、柱状图等形式体现疫情发生以来每个国家的疫情发展趋势，功能更丰富，而且数据公开，为学术研究提供了便利。数据的更新、功能的完善都须耗费大量时间和精力。对新冠疫情在全球范围的发展进程，作为团队的第一个“援兵”，杜鸿儒坦言出乎意料。“加德纳教授和恩盛开始只是想追踪一下疫情在中国的发展，没想到后来需要的人力越来越多，也没想到两个月以后美国的情况会比中国严重得多。”两个多月下来，约翰·霍普金斯大学全球新冠疫情数据地图早已成为全球最权威的疫情数据平台。起初，在团队只有七八个人的情况下，连续工作一周，每人每天要承担15小时到20小时的工作量，压力巨大。这在3月23日地图数据更新模式升级为全自动后得到了改观。团队现在已有三四十名成员，来自美国各地和其他一些国家，通过网络共同对地图进行维护和相互沟通。董恩盛说，自己的角色也发生了转变，“现在有点像个产品经理了。”虽然师生三人并不属于公共卫生院系，但约翰·霍普金斯大学从各方面给予他们很大支持。和导师加德纳教授一起，董恩盛和杜鸿儒可以经常参与传染病学院的讨论，获得学术建议；学校已停课并封闭半个多月，但专门给他们办了出入证，以便他们进校继续必要的科研活动；校长办公室更直接给他们安排了一名行政助理。这些都成为疫情地图得以发展至今的坚强后盾。疫情数据有真伪？他们这么看董恩盛赴美学习已有七八年，杜鸿儒有三年。自疫情在湖北暴发以来，大洋彼岸的他们经历了从担心到被担心的过程。截至当地时间4月8日，约翰·霍普金斯大学所在的巴尔的摩已有571个确诊病例，这对200多万人口的巴尔的摩来说不是个小数。同时，巴尔的摩出了名的混乱治安也加重了两人和家人的担忧。董恩盛告诉北京日报客户端，从1月到现在，自己出门买菜的次数不超过5次，更多情况下通过外卖购入物资。“巴尔的摩挺不安全的，经常发生枪击。当地人对病毒的防护意识也还是不强，我们出门基本上只去防护比较好的亚洲超市。”中国成功的疫情防控令世界瞩目，出自中国留学生之手的约翰·霍普金斯大学全球新冠疫情数据地图，自然也带有了中国元素。杜鸿儒直言：“地图能这么快做出来，跟我和恩盛来自中国有一定关系。相较其他人来说，我们对疫情的重视程度更高，在地图建设起始阶段的投入也更大。”丁香园网站是地图最初的主要数据来源。“丁香园只有中文，语言的先天优势让我们可以最快地转换丁香园的数据，并把资料翻译成英文给导师参考。”杜鸿儒说。对近来国际上围绕中国疫情数据产生的“质疑”，董恩盛也有自己的见解。在他看来，中国疫情数据的增长曲线在达到一定水平后就很和缓，可以证明疫情得到了控制。想要进一步证明数据的真伪，很多国家都很难做到这一点，特别是在疫情蔓延全球之后。2月13日，湖北突然通报新增了13000多例临床诊断病例。董恩盛觉得这是一个比较合理的统计方式的变化，但国际上却因此对中国疫情数据有很多批评。“其实美国也有类似问题，还有像意大利有段时间只报重症病例。美国有的州县不报外地的病例，比如缅因州挨着波士顿和纽约，如果有一个在大城市注册了身份的感染者回到当地被确诊，可能不会被纳入当地确诊病例进行通报。但他本来所在的大城市也可能不把他列入确诊当中，因为他已经离开了。这就给数据的精确统计造成干扰。”作为全球疫情数据“中心”的制造者，对美国日益严重的疫情状况，两人都表示“不容乐观”。杜鸿儒说，虽然从确诊病例所占人口比例来说，意大利和西班牙的情况比美国严重，但美国确诊病例的确已呈现为指数型增长。“自从美国颁布居家隔离政策后，已经能看出个别地区出现好转，但能否迎来‘拐点’还不太清楚。目前我们能做的分析只有判断哪些地区风险比较高，未来的确诊、死亡增长趋势没法预测，如果预测只能预测3天到5天的。”董恩盛则说，最让他担心的还是美国普通民众对疫情的重视程度，因为只有每一个人都真正关心自己和身边人的安全，“全民战疫”，才能真的把病毒控制住，而不是政府说你要怎么做，才去应付。两人告诉北京日报客户端，接下来，地图的功能还要做进一步的优化和升级，他们可能将加入美国各州的病毒检测数据，以及确诊病例在人口中的比例，“都是很关键的数据。”来源 北京日报客户端 | 记者 白波编辑 匡峰流程编辑 刘伟利

一场小手术，风险评估为零，用时28分钟。病人却在8个小时后，因低钾血症死亡。8月29日，山西卫健委已经介入了此事的调查，医患双方都在等待尸检结果和责任认定。网络配图27岁的杨宇（化名）是山西平遥人，2015年毕业于福建师范学院本科，以第一次的成绩考入了西北大学中国史专业研究生。2019年，他又考取了该专业的博士研究生，成绩是笔试面试的双料第一。一年多之前，杨宇觉得自己有点呼吸困难，医院告诉他，做个小手术就好了。今年暑假，杨宇激活了医保卡。8月17日，杨宇在山西晋中市二院住院，准备实施鼻中隔偏曲手术。术前，杨宇的检验报告上，他的钾测定值是3.84，相较3.50到5.50间的参考范围，虽然偏低了些，但仍正常。杨宇8月20日，18点12分，手术开始，28分钟后，手术结束。杨宇和家人以为一切都结束了，但21日凌晨2点，噩梦却开始了。2:00，杨宇的血压、心率下降。2:10，补液。2:39，采血。2:44，血压高压110、低压50。3:03，检验科通知，值班报告称杨宇血钾降到了1.4。3:08，建立静脉通道，微量泵，上氯化钾注射液。4:00，呼吸、心跳骤停。杨宇抢救无效死亡。网络配图据上游新闻报道，杨宇家属怀疑院方存在过错。他们表示，在术后5、6个小时，就向值班医生报告了孩子有无力、出汗、呼吸困难的表现，但医生说可能因为手术没吃饭，打点葡萄糖补充下能量就好了。家属质疑医生为什么不再检查？29日，据澎湃新闻报道，晋中二院医患办的周主任称，事发后杨宇的遗体就被送去尸检。大概要等一个月才能得知结果。对于杨宇化验的结果为何会显示是"低钾"，他们也是百思不得其解。究竟是杨宇自身、药物问题还是其他原因造成的，还要再等一个月才能得到答案。一位院办的工作人员表示，院方正在和杨宇家属沟通，如果真的是医院的问题，他们也会积极承担责任。网络配图据官网消息，晋中市二院1951年创建成立，和多所高校有医学教学合作。这是一家三级乙等医院，职工上千人，曾被评为"百佳医院"。还没来得及在学术上绽放光彩，一条年轻的生命就这样陨落。杨宇的家人也是十分难以接受，小妹妹杨亚（化名）说，这个假期哥哥领她去西安玩，但是还没教她写小说，还没有住在一起，还有许多事情他们还没来得及……来源：上游新闻、澎湃新闻

从校园到职场，这应该是绝大多数人都要经历的一个人生阶段。而在进入职场之前，还有一道“关”要过，那就是面试。有的人通过面试，留在公司发展，也有人在面试过程中表现不佳，只能被淘汰。但不得不说现在有些面试官提出的问题都挺“奇葩”的，大家都云里雾里的。露露前几天去了一家互联网企业面试，这家公司的待遇和环境都是不错的，露露想争取留下来。面试结果出来后，博士文凭的露露居然被淘汰了，而另一位初中学历的求职者却顺利入职，面试官握着她的手说：你才是我们需要的人才！这是咋回事呢？最开始，面试官在房间里转圈，他没有明确表示出什么，只是问了问求职者们一些基础的问题而已。随后，面试官在一张纸上写下两个字：一日。所有的求职者全都蒙圈了。这个一日究竟是什么意思呢？其中一位求职者站了起来，告诉面试官：一日就是一天，一天24小时，24小时每一个小时是60分钟，每一分钟是60秒，莫非是面试官希望我们通过一种运算的方式来运算一天一共有多少秒？面试官听了之后摇摇头说：没有那么复杂，你们数学好与坏，跟你们这一次参加本职工作没有任何关联性，所以不会往数学方面考虑的。另一位求职者站起来说：难道你是想要我们猜字谜？一日，莫非是一加上一日等于什么字！后来又有很多人陆陆续续地给出了不同的答案，但都一一被淘汰了。这时一名求职者站起来说：如果是猜字谜，一日可以组成“旦”字，但这和工作完全没有关系，如果把一竖着放，就是旧字，这说明旧的不去新的不来，公司要新鲜的血液。面试官听了之后特别开心：不错不错，这就是我要求的正确答案。职场就是战场，高情商的人所向无敌。智商决定走多远，情商决定走多宽。就像马云，他的成功很大程度上也是源于他的口才和情商，他的第一笔投资，就是靠自己的三寸不烂之舌拉来的！马云曾多次公开表示：“智商防止失败，情商决定成功！”未来是一个拼情商的社会，综合性的人才自然会更吃香。如果你想努力成为一个高情商的人，练就一个好口才，那推荐大家看看这三本书！教你如何建立良好人际关系，轻松融入朋友圈，收获爱情、友情、事业等。董卿说过：29岁之前逼自己读完这三本书，没有你进不了的圈子。《为人三会》：教你如何说话办事，处理棘手的人际关系；《口才三绝》：教你如何赞美他人、如何幽默、如何拒绝；《修心三不》：教你在面对困境时，如何调整心态，不被情绪所控制。