Просто мысль --- может быть, вы могли бы посмотреть диссертационного исследования бывших студентов (названия их диссертаций может быть достаточно), и если исследование на прикладной стороне (что ваш комментарий говорит о ... я думаю вейвлетов), после их размещений может быть то, что можно было бы ожидать (и, следовательно, не повод для беспокойства), особенно если в "небольшом гуманитарном колледже" человек сделал много меньше прикладных исследований (например, гармонический анализ на локально компактных равномерных пространств). Таким образом, я бы рекомендовал также принимая хороший взгляд на самих индивидов, а не только их советником. Вы уже получили визу? @JimMacKenzie см. Первый абзац "...персонал ворот, прежде чем они позволяют на самолет, ..." Действительно. Я не чувствую, что это был плохой выбор, чтобы преследовать проект #3, но я был более любопытно, если я совершила.

Общие задачи организованы таким образом, чтобы решать конкретные проблемы, которые сложно решить на запасные исследовательских групп по нескольким причинам. Как правило, это доступность данных. Одним из ключевых элементов успешного оспаривания является целью: он должен быть сложным, специфическим и, возможно, не хватает данных. Обработка естественного языка (НЛП) - одно из направлений, которое имеет очень давнюю традицию проблемами, до точки, где много авансов из-за своей организации. Почему?

Возьмем случай проблем клинической НЛП. Как исследователь, он не будет легко иметь доступ к достоверной обезличенной истории болезни из больницы. Их трудно получить, юридически сложно управлять и распределять, и очень дорого, чтобы аннотировать (они не могут быть аннотированы с помощью механического турка или похожие, требуется специалист, чтобы сделать работу). Наконец, в эпоху или машинного обучения (мл), вы не хотите 100 клинических записей, вы хотите многое другое. Это сценарий, который мешает почти любой исследовательской группе, чтобы потратить месяцы сбора данных ради решения конкретной задачи. Кроме того, если исследовательская группа заинтересованных в этом деле не существует, это вряд ли обнародовать такие данные бесплатно. Скорее всего, его будут продолжать изучать эти данные и получить как можно больше публикаций, так как она может из нее. Но это жаль, потому что это нарезка из всех остальных из процесса обнаружения.

В тех случаях, общих задач решение. Они под эгидой нескольких учреждений, каждый вносит на определенном уровне: обеспечивая опыт, сведения, безопасный хостинг и распределения инфраструктуры. С тех притяжение силы, неизведанные интересные, но важные проблемы становятся привлекательными для исследователей. Как плюс, почти всегда, в конце вызов, данные стали общедоступными для скачивания для всех (а не только присутствующих на собрании).

В плане работы, как участник, основная часть работы производится до семинара в своей исследовательской группы. Вы работаете в течение нескольких месяцев на методологии, которая позволит решить предлагаемую проблему. Вас принять участие в семинаре только познакомиться с другими участниками, чтобы представить им свои результаты, и поделиться своими трюками.

Я играл обе роли: участника и соорганизатора. Это тонны работы в обоих случаях, но это также большое удовольствие для взлома проблемы никто и никогда не пробовал, или объявить проблем решена. ^_^