从大学讲师到首席院士 第111节 (第6/6页)

吧！

    王浩仔细看了又看，才确定自己没有看错。

    整个课程进行过程中，系统只提示了一次灵感值增加，他仔细的想着课程中的收获，发现确实没什么提升，再看向数据感觉还是一样的。

    虽然难度是a级别的研发，但只有可怜一点灵感的提升，都可以说是鼓励性质的增加。

    为什么呢？

    他仔细思考着有了答案，“首先要对数据有足够多的了解，灵感值才能长得快一些。”

    “如果没有任何了解，即便上再多的课程，灵感值增加速度也会非常缓慢。”

    这和数学研究完全不一样。

    数学研究可以理解为‘针对解决一个问题’，而在研究的初始，他对问题就已经很了解了。

    比如，梅森素数的研究。他当然非常了解梅森数、梅森素数，同时也知道很多的数学方法，计算机方法。

    在有足够多基础的情况下，上课的过程中，有教学的回馈增加想法，灵感值提升速度自然很快。

    现在是针对一个项目的实验数据进行分析，因为对于实验本身缺乏了解，对于数据本身同时缺乏了解，首先做的应该是了解实验和数据，再然后才能够在回馈的内容中找到灵感。

    之前做纳微实验室的实验数据分析时，他并没有意识到这个问题，主要是因为研究的难度很低，教学回馈的灵感值很多。

    即便是那个时候，他也发现研究数据以及观看实验、让夏国斌帮忙讲解，对于灵感提升非常帮助。