把自己的拖延症数据写成论文，MIT天体物理博士小姐姐真做到了
耗时9个月打造
萧箫 发自 凹非寺
量子位 报道 | 公众号 QbitAI
这周搞定1个程序bug、月底就交论文初稿……听起来是不是很熟悉？
没错，你或许也立过这种Flag。
但事实证明，只有Deadline永远是第一生产力，就连MIT的学生也不例外。
一名MIT天体物理博士小姐姐Kaley Brauer，又一次将一堆待办事项延期到下周时，开始思考人生：
我预期的生产力，和我实际生产力到底相差多少？（我到底有多能拖？）
她耗时9个月，记下了自己和组员（包括2名博士后、4名研究生和2名本科生）的拖延情况，共包括559个任务，以及预期和实际完成的时间。
然后，将拖延症观察记录，写成了一篇论文：《“我会在这周内搞定它”和其他谎言》（“I’ll Finish It This Week” And Other Lies）
在论文中，她用数据说话，给出了三个问题的答案：什么任务最能拖？拖延和学历有关吗？意识到拖延后，能想办法改善吗？
编程、码字最能拖
在除去必办事项（如讲座、上课等）后，待办任务共分成了8类：
编程、码字/写论文、阅读、管理任务、组织活动、演讲准备、课堂作业、其他
这些任务，如果计划用1周时间完成的话，会被拖延成什么样子？
下图是组员们原定1周完成，但实际上的任务用时。
显然，课堂作业的准时率最高；编程最低，准时率不超过20%。
从具体统计来看，预计1周能完成的代码量，实际所用时间甚至可能达到……30周！
就连1周内能写完的文件/论文，最多也就拖成15周的时间，还不到编程的一半。
整体来看，每周能准时完成的任务只有53%，实际完成每项任务所用时间，比预期多了70%。
事实上，编程和码字这两个任务，恰恰也是大家以为“能在短时间完成”的。
从下图中来看，管理任务和演讲准备几乎100%能准时完成，然而编程和码字，准时完成的概率却依旧很低。
当然，整体拖延的情况，其实并没有这么严重——
编程/码字任务，平均只需要1.5倍的时间。但有2个编程、和1个码字任务，用了预期10倍时间来完成。
那么，相比于研究生和本科生，博士后就能更好地控制自己的时间吗？
拖延症和学历有关吗？
调查结果表示，关系不大。
如下表所示，本科生更可能在规定时间内完成任务。
当然，这也是因为本科生的任务，大多有Deadline（如课堂作业）。
尽管学历比本科生高，研究生却要花上更多的时间来完成任务，这是为什么呢？
从下图中来看，本科生虽然编程量大，但码字、写论文的任务却相对最少，也比较轻松。
“论文+代码”量在三个学历中占比最高的研究生，确实不容易在预期时间内完成任务。
那么，如果意识到了自己的拖延、或是意识到能力所限，我们就能做出更好的计划吗？
作者又统计了这9个月的最初三个月、中间三个月和最后三个月，能按时完成任务的概率。
从下图来看，确实准确了一点点。
也就是说，随着时间增加，大家对自己的能力也有了更精准的认知。
但也只有一点点……
事实上，直到这篇论文写完，统计的559个任务中，仍然有96个没有完成（其中一半是写代码）。
也就是说，有17%的任务仍在待办事项列表中。
“给自己1.5倍的编程时间”
论文结论如下：
- 如果正在编程、码字，做好花上1.5倍时间的心理准备。
- 不要期望资深人士的时间规划比你更好。
- 不要指望能迅速提升自己的效率。
- Deadline永远是第一生产力。
但作者也表示，调查结果已经比她的预期要“好上太多”，因为大家确实在做出改变。
对于这篇论文，一位程序员表示，整体来说确实挺准确的，然而有时候，编程耗时久确实不是因为拖延症。
毕竟，需求总在不断变化、工作也会不时被打断，所以整体来说还是精确的。
也有网友表示，其实估算时间并不难，难的是根据突发Deadline调整其他任务的所有时间。
最后，作者小姐姐自己也表示，这篇在愚人节当天发出的论文，本身其实并不严肃，只希望让大家会心一笑。
她的实际身份，是一名计算天体物理学在读博士生，研究方向是星系形成、以及早期宇宙的物理和化学性质，曾在布朗大学物理系获理学士学位。
在学术研究之外，她还喜欢跳舞、徒步旅行和花滑。
想要看这篇完整的「拖延症报告」的话，可以戳下方地址浏览~
论文地址：
https://arxiv.org/abs/2103.16574
参考链接：
[1]https://www.mit.edu/~kbrauer/
[2]https://twitter.com/kaleybrauer/status/1377618594297692160
- 首个GPT-4驱动的人形机器人！无需编程+零样本学习，还可根据口头反馈调整行为2023-12-13
- IDC霍锦洁：AI PC将颠覆性变革PC产业2023-12-08
- AI视觉字谜爆火！梦露转180°秒变爱因斯坦，英伟达高级AI科学家：近期最酷的扩散模型2023-12-03
- 苹果大模型最大动作：开源M芯专用ML框架，能跑70亿大模型2023-12-07
相关阅读
比“生物界AlphaGo”更厉害，MIT：给我一个氨基酸序列，就能告诉你蛋白质功能
MIT把AI的预测能力又推进了一步，直接通过氨基酸序列预测蛋白质分子的生物学功能，跳过AlphaFold预测蛋白质立体结构的步骤。
