[论文解读] HEP Software Foundation Community White Paper Working Group - Training, Staffing and Careers
本文提出了一套协调一致的、面向整个社区的高能物理(HEP)软件工程师培训与职业发展框架,旨在解决早期研究人员在现代软件技能方面日益扩大的差距。该框架倡导实施标准化培训项目、正式认可软件工作,并设立专门的职业发展路径以留住人才,同时提出了将培训整合进资助经费的切实建议,并利用现有倡议(如 Software Carpentry 和 DIANA-HEP)。
The rapid evolution of technology and the parallel increasing complexity of algorithmic analysis in HEP requires developers to acquire a much larger portfolio of programming skills. Young researchers graduating from universities worldwide currently do not receive adequate preparation in the very diverse fields of modern computing to respond to growing needs of the most advanced experimental challenges. There is a growing consensus in the HEP community on the need for training programmes to bring researchers up to date with new software technologies, in particular in the domains of concurrent programming and artificial intelligence. We review some of the initiatives under way for introducing new training programmes and highlight some of the issues that need to be taken into account for these to be successful.
研究动机与目标
- 解决现代 HEP 研究对软件技能的需求与大学提供的培训之间日益扩大的不匹配问题。
- 为软件专家建立正式的职业发展路径,以减少该领域的人才流失。
- 建立激励机制和认可体系,以鼓励软件开发与培训活动的长期参与。
- 协调跨实验和跨国的培训工作,避免重复并确保标准化。
- 将培训整合进研究资助模式,以确保可持续性与机构支持。
提出的方法
- 基于 Software Carpentry 和 Data Carpentry 等现有框架,提出一种全面的、跨实验的培训模式。
- 倡导在学术与研究评估中正式认可软件开发与培训工作。
- 建立由社区主导的培训材料同行评审与内容整理系统,包括“每月教程”和用户反馈机制。
- 将培训整合进资助申请与经费周期,以确保长期可持续性。
- 鼓励资深研究人员与早期职业开发者牵头培训工作,并给予与科研论文相当的认可。
- 推广使用开放、可定制的培训材料,以适配 HEP 领域与不同技能水平的需求。
实验结果
研究问题
- RQ1HEP 社区如何确保早期研究人员能获得现代软件工程实践的充分培训?
- RQ2可以实施哪些激励机制与认可体系,以鼓励长期投身于软件开发职业?
- RQ3如何在实验与国家之间实现培训项目的标准化与协调,以避免重复?
- RQ4资助机构与机构政策在支持可持续培训计划方面可发挥何种作用?
- RQ5如何有效将培训整合进研究资助申请与职业发展路径中?
主要发现
- 现代 HEP 研究所需的软件技能与通常在物理学博士训练中获得的技能之间存在显著差距。
- 当前的学术体系更重视数据分析而非软件开发,导致软件专家缺乏认可,职业激励不足。
- 现有的培训项目(如 Software Carpentry 和 Data Carpentry)已奠定坚实基础,但需针对 HEP 的特定需求进行调整与扩展。
- 对培训贡献(如教程与文档)的认可,应与科研论文同等对待,以激励参与。
- 将培训整合进资助申请(如 DIANA-HEP 和 AMVA4NewPhysics 所示)是确保持续资金与机构支持的可行模式。
- 必须开展全社区范围的协调工作,以实现培训的标准化、减少冗余,并确保 HEP 领域中熟练软件开发人员的长期留存。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。