小品屋
春晚小品 最新小品 赵家班 岳云鹏 笑星大全

首页 > 明星资讯 > 什么是学二代

  (文/单治超)官二代,富二代的概念早已屡见不鲜了。至于“学二代”,我百度了一下,有关信息还真不多。学二代,就是高校教师或科研院所研究人员的子女。学二代的人数在中国有增加的趋势。我本人没有机会与官二代,富二代接触,但由于我在北大读本科和博士,现在又在教中学,因此有机会接触到不少“学二代”。因此就想对他们分析分析呢。

 

  首先回顾学二代的历史。我考据了一下,中国第一批学二代,是民国时期的第一批大知识分子,代表人物如历史学家陈寅恪先生,数学家许宝騄先生等。他们的出身都非常高贵,父祖之辈担任过高官。而在中国古代,官和学不可分离,当官的子弟才能接受最好的教育。因此在西学东渐之后,西方的学术思想传入我国之时,也是这批子弟最早接触并从事研究工作。所以,我说第一批“学二代”,与“官二代”是不分离的。
 

  最早的一批学二代除了以上说的两位先生,事实上1948年第一届中央研究院院士中,很多有类似的家庭背景。而真正的父辈搞学术,儿子也搞学术的,我举一个典型,如姜伯驹先生。他的父亲姜立夫先生即民国的大数学家,而姜伯驹先生的活跃期当然是在新中国成立之后。他们父子二人的成就都是极其巨大的。
 

  学二代真正成为一个比较大的群体,则是近些年的事。因为文革之后培养的第一批学者,现在娃们成年或即将成年了。1977年,1978年的高考,群体年龄分布比较广。我们可以大致认为年龄比较大的现在已经60岁了,可能已经成为院士或各大学的实际掌权者,在学术圈中有较高的地位了。而他们的孩子,已经到了选择职业的关键时期了。
 

  首先我们看中国社会的上层是什么?我认为包括:高官,富豪,大学者。显然社会上层希望自己的孩子得维持在上层中。而学者的孩子,去当官,当富豪,可能不如接着当学者吧。因此我们看到,很多大学教师的孩子,还是继续从事科研工作了。大学教师的孩子出国攻读博士学位的比例是相当高的,而且往往科研效果较为突出。那么为什么学二代在学术上会表现出一些优势呢?我想不应该在智力的角度考虑,而应该从社会因素角度考虑。我总结了以下几条:
 

  1. 家长从孩子很小时就进行每门学科的思维能力训练。我们知道,每个学科都是有其思维方式的。当然各学科之间也有共同的思维方式。这种思维方式,能不能在孩子很小的时候就打进来,成为其思维习惯的一部分,影响深远。比如孩子是否愿意提问题?提了问题之后是否有分析的视角?解决问题之后是浅尝辄止还是继续发问?等等。这些都是当学者的一些基本思维方式。这些思维方式很多就是在日常生活中渗透的,家长教不教影响可大了。咱们这么说,同样是数学成绩好的学生,有的是真善于数学思维,有的是只擅长考试;有的是很早就对数学建立了整体性认识,有些则是在大学之后才见识了真正的数学而望洋兴叹。
 

  2. 基础教育阶段师资好。大学教师的孩子,基本都能在大城市的大小的附小,附中接受基础教育。而我们知道,在中国,大学的附小,附中,可能是基础教育质量最高的地方了。中国的基础教育质量长期以来受人诟病,我认为主要原因是师资力量有限,很多小城市的中学教师是二本师范院校毕业的,自身思维能力有限,更难以与有学术造诣的学生展开良好的学术交流。而这种现象,在大城市的好中学则是不存在的。我们都知道,现在北京上海很多好中学都招博士了。
 

  3. 对相关的社会有了解。我们知道,人类社会是极其极其复杂的一个复合体。没有人可能认识人类社会的全貌。但另一方面,我们的确也不需要认识社会的每一个角落。但是,对于与我们的职业发展相关的社会制度,社会组织,等等,我们必须是要清清楚楚了如指掌的,否则必然会有大量决策失误。就科研这一块来说,学术共同体有自己的行规。精确到每一个研究方向,其感兴趣的内容具有倾向性,学术交流也有一定的规范。所以学二代可以在很小的时候,就从父母那里了解到,学术圈是个什么东西。而普通民众的孩子呢,可能只是从某些书本上道听途说来:科研很伟大,科研很有趣。这些孩子真正进入学术圈开展科研工作之后,才发现科研原来不是那么理想化,而是很现实很具体的一个职业。此时就可能有受骗的感觉。
 

  4. 具体的人脉。人在社会上活着,光靠自己是不行的,得有别人帮你,特别是能力比你强的长者帮你。而对于高校教师来说,他们中很多是有海外联系的,有一些朋友。那么他们的孩子长大之后,就送到海外去,也有那些朋友们照应着,生活上能解决一些困难。而更重要的是,在学术上,那些朋友多少会给自己的孩子多一点关照,可能多花时间与孩子talk啊,帮孩子学术上路啊。这种优势看似很小,其实影响很大。
 

  我目前就想到这么几条。当然我想即使非学二代想从事学术工作,也不是不可能,但是有些时候就得多和学二代们学着点了。


http://blog.sciencenet.cn/blog-401820-807173.html 

 
分享: