想申宾夕法尼亚大学的计算机博士，很多人选导师的方式是：打开系里的研究方向页面，找到“人机交互”那一栏，挨个点进老师主页，看看关键词跟自己像不像。
我建议你多走一步：从主页走到一篇导师本人署名的论文，读完再决定要不要把这位导师放进第一梯队。我拿宾大计算机系的 Danaë Metaxa 来示范一遍，你会发现，读完论文和只看主页，得出的判断可能完全不一样。
主页上能看到什么
宾大计算机与信息科学系的研究方向页面里，人机交互一栏列着三位老师：Andrew Head、Danaë Metaxa 和 Talie Massachi。系里的教师名录显示，Metaxa 的职位是 Raj and Neera Singh 冠名助理教授，同时在宾大安纳伯格传播学院有兼任职位。
再看 Metaxa 的个人主页，研究组做的是“社会技术系统的审计与评估”，关注政治、就业、法律政策和定向广告这些影响很大的领域。
如果只看到这里，很多人会做出两种判断。学设计的同学可能觉得“审计”听起来跟交互设计没关系，直接跳过；学计算机的同学可能觉得“不就是查算法有没有偏见”，套磁信里写一句“我对算法公平很感兴趣”就够了。
这两种判断，读完一篇论文之后都站不住。
我读的那一篇：把两个人的广告互换
这篇论文发表在2023年的 CSCW 会议上，这是人机交互领域研究协同工作与社会计算的重要会议。Metaxa 是最后一位作者，署名单位是宾夕法尼亚大学。
论文想回答一个看起来很简单的问题：根据你的浏览记录推给你的定向广告，真的比随便推的广告更有效吗？
传统的算法审计，是从外面不断给系统喂不同的输入，看它输出什么，用来研究一个看不到内部的黑箱系统。但这篇论文认为这还不够：算法会影响用户，用户的反应也会反过来影响算法，只看机器那一半，故事是不完整的。
所以他们提出了“社会技术审计”：既审计算法，也审计人。为了做到这一点，团队开发了一个叫 Intervenr 的系统，由一个浏览器插件和一个网页应用组成，招募知情同意、领取报酬的参与者，在他们日常上网时进行观察和干预。
实验一共做了两周，有244名参与者。第一周，系统记录每个人浏览器里收到的所有广告；第二周，把参与者随机两两配对，互换他们看到的全部广告。整个研究收集了超过50万条广告。
结果有两层。第一层符合直觉：在所有指标上，参与者自己的定向广告都比配对对象的广告表现更好。第二层更有意思：换成别人的广告以后，用户只用了大约一周就开始适应。研究者据此提出，定向广告的效果有可能相当一部分来自反复曝光，而不全是“精准”本身。
读完论文，判断变了什么
先说学设计的同学。读完你会发现，这里的“设计”不是画界面，而是设计一个能嵌进真实生活的研究工具：插件怎么替换广告又不破坏网页，参与者怎么知情同意，两周里怎么持续收集他们的感受。如果你做过需要真实用户参与、持续好几周的设计研究，这段经历可能比作品集里的高保真界面更能接上这类工作。
再说学计算机的同学。“对算法公平感兴趣”太泛了。这篇论文需要工程能力和实验设计能力一起上：能写出一个在几百人电脑上稳定运行两周的插件，也能想清楚“随机配对、互换广告”这样的对照为什么成立。你的项目里如果有大规模数据采集或在线实验，值得写具体。
还有传播学、社会科学背景的同学。Metaxa 在传播学院有兼任职位，研究对象又涉及新闻、招聘、政治这些社会议题。你对这些领域的问题意识可能很有价值，但你得能说清自己打算怎样补上系统构建这一块。
当然，这些都是根据公开研究做的判断，不是导师公布的招生偏好。
主页告诉你导师研究什么，论文才告诉你做这件事每天要干什么，而后者才决定你适不适合。
我建议你这样做
第一，在宾大计算机系的研究方向页面，把人机交互一栏的老师都过一遍，每人挑一篇本人署名的近期论文。
第二，读论文时重点看方法部分：他们造了什么工具、招了多少人、做了多长时间，再拿来对照自己做过的事。
第三，读完再决定第一梯队。如果你读完觉得“这种持续几周、和真实用户打交道的研究，我愿意做好几年”，再动手写套磁信。
你选导师时，一般会读几篇论文再做决定？评论区聊聊。
