本文发表于《大众科学》的前博客网络，反映了作者的观点，不一定代表《大众科学》的观点。
随着经济继续描绘其曲折而不确定的道路，似乎已经进行了相当多的关于新毕业生应该具备何种技能的必要讨论。 这些技能当然必须由市场需求驱动。 正如化学家乔治·怀特塞兹问道，例如，如果大多数有机合成工作都在中国，那么在美国获得有机合成学位有什么意义呢？
即将毕业的学生确实应该关注畅销的专业。 但是从更大的角度来看，尤其是在科学领域，新的技能组合也必然受到当时科学发展方向的驱动。 这种相关性并不完美（因为市场力量仍然经常胜过科学），但一些例子清楚地表明了这种科学驱动的需求。 例如，如果你在二战后的初期长大，获得物理学学位会有所帮助。 由于其声望和大量的政府资助，物理学正处于其最激动人心的时期之一。 新粒子 буквально 源源不断地涌现，巨大的粒子加速器嗡嗡作响，联邦和工业实验室都在热情地招聘。 如果你在过去二十年左右毕业，获得生物学学位将是有用的，因为生物学的黄金时代刚刚进入其最多产的时期。 同样，从 50 年代到 80 年代，有机化学家在制药行业享受了非常繁荣的时期，因为新药以惊人的速度从制药公司涌出，而像 R. B. Woodward 这样的科学家将这门学科推向了新的高度。
对新毕业生的需求显然是由市场驱动的，但也取决于特定时间点某些科学学科的流行程度。 这反过来决定了你应该具备的技能； 例如，以物理学为主的市场将需要数学和电子学方面的技能，而以生物学为主的市场将吸收能够进行蛋白质印迹和 PCR 的人。 基于这种趋势，什么样的技能和知识最能为二十一世纪的毕业生服务呢？
关于支持科学新闻业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻业 订阅。 通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的有影响力的故事的未来。
对我来说，答案部分来自一个不太可能的来源：斯蒂芬·霍金。 几年前，有人问霍金，他对普遍认为二十世纪是生物学世纪，二十一世纪将是物理学世纪的看法。 霍金回答说，他认为二十一世纪将是“复杂性世纪”。 这句话可能比当代学生意识到的更有用，因为它至少指出了在复杂性时代，大学新毕业生必不可少的两项技能：统计学和数据可视化。
让我们从对统计学的需求开始。 二十一世纪许多最重要的研究领域，包括神经科学、合成生物学和系统生物学、材料科学和能源，本质上都是由多层次现象组成的，这些现象在不同的复杂性层次上扩散。 虽然二十世纪的还原论思潮产生了巨大的红利，但我们现在看到一种从严格的还原论转向涌现现象的趋势。 虽然“涌现”这个词经常被当作一个时髦的标语来使用，但事实是，复杂的涌现现象确实需要一种不同的技能组合。
复杂性的标志是大量的数据。 如今，您经常听到将“大数据”分析作为一个独立领域来讨论，并且您也听说了“数据科学家”的出现。 大数据现在已开始在制药和生物技术行业中常规出现，无论是广泛的多维结构-活性关系 (SAR) 数据集，还是大量的基因组序列信息。 它在从选民行为到国土安全等众多不同领域也很重要。 统计分析无疑将是分析这些数据的关键。 在我自己的分子建模领域，统计分析现在被认为是分析虚拟筛选命中的常规方法，尽管它的使用并不像应该的那样广泛。
统计学当然一直是一门有用的科学，但现在它将变得至关重要； 例如，明确寻找“数据科学家”的职位特别要求混合编程技能和统计学知识。 可悲的是，许多正规大学的要求仍然不包括统计学，大多数科学家，如果他们这样做的话，也是在工作中学习统计学。 为了在新兴的复杂性时代蓬勃发展，这种情况必须改变。 统计学现在必须成为理科专业学生的必修部分。 朝着这个方向迈出的适度一步是出版用户友好、流行的统计学书籍，如查尔斯·惠兰的《赤裸裸的统计学》或内特·西尔弗的《信号与噪声》，这些书已被精通科学的读者迅速阅读。 其中一些书足以在大学课程中为非统计学专业的学生推荐。
除了统计学之外，复杂性学生的另一项重要技能将是数据可视化，正规大学课程也应反映这种日益重要的技能组合。 复杂系统通常产生分布在不同层次甚至不同领域的数据。 很好地可视化这些数据是一项相当大的挑战。 爱德华·塔夫特的开创性系列书籍是数据可视化方面经常被推荐的一种资源。 塔夫特向我们展示了如何呈现通常因 Excel 电子表格的限制而变得复杂的数据。 人机交互和图形领域的开创性发展无疑将简化对复杂数据集的视觉访问。 良好的数据可视化不仅对于简单地理解多层系统或问题很重要，而且对于将这种理解传达给非专业人士也很重要。 复杂性时代本质上将涉及来自不同学科的研究人员协同工作。 在我们讨论这个问题时，同样重要的是要强调——特别是对于大学毕业生——能够与其他专业人士和谐共处的重要性。
霍金的复杂性世纪将调用二十世纪解决问题的所有工具，以及更多工具。 统计学和数据可视化将处于复杂系统中数据驱动革命的最前沿。 现在是大学要求反映这些重要范式的时候了。