當時 2019 年在開化學研究所補習班的時候，曾撰寫過一篇關於臺灣碩士新生如何找研究所指導教授的筆記。年長幾歲後，在美光與 MIT 習得一些專業知識與人際交往上的小小經驗，感覺可以再寫一篇來幫助更多人。

表格化整理教授列表

整理表格的目的主要是有一個視覺化儀表方便管理、快速連結到相關頁面，以及最後綜合評比。我的表格主要包含所屬系所、教授姓名、教授等級 (1~5分的個人標準)、聯絡優先順序與進度、研究內容、實驗室招生狀態、網頁連結、Google 學術，以及一些個人筆記與比較。以下我用 2021-2022 年度申請時的資料舉例。

第一步最花時間，但也最重要。首先，我從學校網頁瀏覽教授名單，把每個教授的簡介都一個一個點開，喜歡的放偏上半部，沒那麼喜歡但不排斥的放下半部，不喜歡的跳過。在進行這一步的時候就會順便整理系所、姓名、研究內容、實驗室網址、Google 學術網址，以及一些初步筆記。

針對特別喜歡的教授，可以開始創建個獨立資料夾來放他的論文發表，這個在之後聯絡教授前做功課會用到。

其實這個表格從開始申請研究所就應該整理了，放榜後濃縮成有上榜的學校，再增加幾欄添加額外資訊，方便最後綜合評比。從這步開始後應該就比較有頭緒了，下一個段落討論如何擴大搜尋教授。

搜尋教授

通常同學上了一個系，就會很直覺的去那個系的網頁找教授。其實找教授的方式很多，不要只在系網頁找，以下提供幾個常見管道。

另一個重要管道是透過研究中心網頁。大學通常除了院系分類以外，還會有許多獨立的研究中心，是種對特定領域或偏應用主題的組織。小到一間或一層辦公室，囊括來自不同科系但相關研究的教授，大到有獨立大樓或可以獨立招生，以及養自己的教授。以臺灣大學為例，除了如果上了化學系，可以去臺大新興物質與前瞻元件中心找教授，那邊有許多化學系與一些化工系、物理系，與中研院原分所的教授。以 MIT EECS 為例的話，偏EE 的可以去 RLE 跟 MTL 找更多教授；偏 CS 的可以去 CSAIL 或 LIDS。下面舉例幾個 MIT 校內或是跨校的研究中心(不是全部，還有很多)，以及裡面一些教授們隸屬的主要科系。

• RLE (Research Laboratory of Electronics): 教授涵蓋 EECS、MechE、Physics、Material、NSE 等科系的跨學科研究機構，專注於電子、光子、量子計算與能源系統等研究。
• MTL (Microsystems Technology Laboratories): 主要由 EECS、MechE、Material 等實驗室所組成，致力於微電子、奈米技術與集成系統的研究與應用。
• CSAIL (Computer Science & Artificial Intelligence Laboratory): MIT 最大的計算研究實驗室，核心成員來自 EECS，專注於計算機科學、人工智慧、機器學習、機器人與理論計算等前沿技術。
• IMES (Institute for Medical Engineering & Science): 跨領域的醫學工程與科學研究機構，成員涵蓋 EECS、Harvard Medical School、MechE 等，推動生物醫學技術、醫療器械與臨床應用的創新。
• Media Lab: 涵蓋人工智慧、人機互動、生物技術，以及數位媒體等領域的研究中心，隸屬於Architecture and Planning 學院，獨立聘請教授，主導 Media Arts and Sciences (MAS) program 的招生。
• Ragon Institute: 以人類免疫疾病研究為核心的跨學科研究機構，教授來自 Harvard Medical School、Mass General Hospital、以及 MIT EECS、ChemE、BE 等不同領域。

所以，除了系網頁可以找教授以外，研究中心網頁也可以找教授。他們兩邊都會出現，而且從研究中心網頁找教授的結果，領域會比較相近，省去一些過濾的時間。

如果要從特定研究主題找教授，以下是幾個方法：

• Google Scholar：搜尋關鍵字加學校名字，找到相關學術發表，然後連結到教授名字。
• Google：搜尋關鍵字加學校名字，找到相關新聞稿，然後連結到教授名字。
• 學術期刊：去相關領域的幾個大期刊用關鍵字加學校名字搜尋。
• YouTube：搜尋關鍵字，可能會找到某個會議上的演講影片，搜尋該會議加學校名字，看看有沒有相關領域的教授。
• GitHub：如果是電腦科學的領域，可以去 GitHub 搜尋相關貢獻分支(reciprocity)。
• 研究計畫：也可以透過政府或企業合作專案，如 NSF、DOE、NIH、DARPA，或EU Horizon 通常會有公開的研究計畫，可查找相關教授。
• 學術族譜：如果是基礎科學的領域，可以試著搜尋 The Academic Family Tree 來找某位大師的徒子徒孫。(這個東西我大學畢業才知道，蠻有趣的，可以看自己教授的教授是誰，然後就會連到課本上的名字。)

聯絡教授

在聯絡教授前，先確定好自己有做好功課。可以從三個面向來分析：領域、實驗室，與趨勢。我自己的標準是做到下的其中三項，依重要程度排列：

1. 近期發表：為了瞭解這個實驗室，應該從 Google Scholar 尋找該教授的發表，閱讀至少三篇三年內發表的摘要部分。順便關注最新的那一篇以及引用次數最多的那一篇。其實這步在整理教授表格的時候就應該做了。
2. 領域趨勢：至少照到這個領域的至少一篇最新的回顧(綜述)文章 (review paper)，來了解當前的研究進程、現階段的挑戰，與未來展望。這一篇不一定要是該教授寫的。做這個動作的同時可以想想看五年畢業後這個領域還會不會有相同的熱度。
3. 學術影片：從 YouTube 尋找教授的演講或專訪影片，觀看至少一部。
4. 教授經歷：了解教授的經歷，包含在哪裡取得學士、碩士，及博士，以及曾在哪些公司服務過。
5. 經費來源：調查實驗室的經費來源(政府、軍方，或業界)與合作機構(其他大學或研究機構)。知道這些大方向的資助計畫可以幫助了解整體政策或產業走向，以及判斷研究方向是否符合你的興趣。若實驗室與某些企業或學術機構有密切合作，這可能會影響研究的應用場景與發展機會。
6. 準備研究計畫：
7. 訪問實驗室成員：跟至少一位實驗室成員聊過現在正在進行的研究計畫，以及了解實驗室風氣與教授指導風格。
8. 畢業生出處：從實驗室網頁去找畢業生的名字，在 LinkedIn 上面搜尋這些名字，看他們現在在哪裡就職或任教。

在此想要特別提一下，可能有人認為以上搜尋的方式有點太認真，但我們為了找指導教授所以只在這段期間這樣進行，而且以上提供的搜尋的方式都是透過對方在專業相關的平台所主動提供的公開資訊。論語學而篇提到的「不患人之不己知，患不知人也」是我一直很贊同的一句話。孔子強調與其擔憂別人不了解自己，不如反思自己是否真正了解他人。在社會上這種交際場合，不是別人要來認識你，是你應該要去認識別人。

更多時候對教授來說，比你重要的事情很多。他自己的學生找他，他都不一定回了，更何況是一個要來花他錢的博零。除非自己厲害到教授自己寫信來邀請加入團隊，不然應該要更積極主動地去聯絡教授。

萬一沒有約到教授沒關係，我們的短期目標是加入實驗室，長期目標是進入這個領域。不用執著於找教授本人，整個實驗室從博後到大學部都可以找。再說，博班進不了，不代表博士後進不了。況且，教授本人算是這領域的前輩，你努力一點可以變成他的同事。

實驗室成員主要可以問到現有研究主題、實驗室風氣，以及經費狀況。注意經費狀況最好不要問教授，這跟第一次約會就問別人收入存款股票一樣失禮，經費是可以查到的，臺灣教授跟美國教授都有管道查。至於研究主題，看能不能套出還在進行的研究，這樣可以看看合作或是延伸的可能性，化為研究提案。

如果覺得行銷自己的口條還不錯，或是對這種學界面試場合有經驗，可以直接找最喜歡的教授聊天。如果需要幾次練習的話，建議可以從實驗室成員開始練習，或是其他感興趣的實驗室開始面談。多跟人談談也可以獲得不同面向的資訊與檯面下的小道消息。

心態提升

不要再把自己當學生了。把自己當作博後在找老闆，而不是學生在找教授。應該站在對方的角度，思考他們想要聽什麼？能搬上談判桌與教授打交道的籌碼有哪些？對教授來說，專題生可以提供熱情、博士生可以提供知識與熱情、博後可以提供專業與經驗，政府爸爸與業界媽媽可以提供錢錢。以下提點一些與教授面談時的策略。

建議直接以研究提案 (research proposal) 開頭。常見的錯誤是學生花太多時間在講自己大學念哪、碩班念哪、去哪裡實習跟得過甚麼獎。其實這些大家有的都差不多，教授沒興趣聽。「這世界不缺錢，缺的是值得被錢投資的創意」，所以我們先想辦法畫餅給教授吃。第一種餅是以教授的近年研究主題，跟自己的專長與經驗結合。第二種餅是教授的研究主題，與機器學習結合。第三種餅是教授的研究主題，與另一個潛在共同指導教授的主題結合。不用擔心做不做得出來，人們往往不是缺乏處理事情的能力，而是面對挑戰的勇氣。

如果真的想不出來有甚麼新的研究題目，可以去訪問博士生們問問他們手上現有的題目。但是對方可能也會有私心，擔心自己的想法被你整碗端走。站在教授的立場，題目誰做都沒差，因為他都有得掛名，但年輕研究學者需要機會證明自己，所以需要發表。可以考慮拿禮物去找博士生拜馬頭，看他們願不願意切一小塊自己做不完的題目給你做。最好是在他的基礎上再加上自己的想法來提給教授。

除非超級大咖或是趕時間的教授，不然通常不會打斷新同學講話。雖然這樣有發表空間，但也不太好看出來對方對哪個主題比較有興趣。要避免這點，可以適時提出一些問題來看教授的反應。

如果實驗室滿了不要擔心，準備一些高情商回答，可以問問有沒有其他教授做類似的研究，也可以優雅地用老掉牙的「May our path cross again in the future」結尾。

最後權衡

在電腦視覺的課程中，我學到一種圖片特徵比對的方法，稱為「Lowe’ Ratio Test」。其概念是：最佳的配對應該比次佳的配對好上一個特定比例，否則這可能不是一個可靠的配對。當時我對這個概念有些難以理解，但用生活中的經驗來比喻就清楚多了。例如，當初如果我從美光離職後沒有申請美國的博士班，那麼剩下的選擇可能就是進入台積電，過著忙碌到沒有時間思考未來的那種生活，領著自己沒時間花的錢 (誤)。顯然申請博士班的選擇比進入台積電好上許多，這正符合 Lowe’s Ratio Test 的概念。再應用到選擇博士班指導教授的情境，如果目前的最佳選項並沒有明顯優於次佳選項，那麼或許代表自己還沒找到真正最適合的選項。

說了那麼多，其實到頭來還是實驗室風氣最重要。

「小事考理智，大是靠直覺」，最後決定請相信自己心中的聲音。