一个四岁孩子能够判断哪堆东西“更多”，却未必已经熟练掌握数字词。这样的表现究竟说明儿童具有怎样的数量概念？对于研究认知发展的博士生而言，这不是靠增加几个问卷题目就能回答的问题。实验任务如何设置，决定了我们最后究竟在测量数量理解、记忆能力，还是对语言指令的熟悉程度。
卡内基梅隆大学心理学系Jessica Cantlon教授关注人类、儿童与非人灵长类在数量推理上的发展与差异，研究结合行为任务、神经影像及跨文化比较。她的研究把一个看起来人人都有直觉的能力拆成几个必须分别检验的部分：不依赖数字符号时能否比较数量，语言学习如何改变表现，以及大脑活动能提供怎样的补充证据。
这类工作尤其能说明心理学博士和一般课程学习之间的区别。读到“儿童具备早期数学能力”，很容易把它当成知识点记下来；进入研究现场以后，博士生需要问的是：有没有可能只是注意力差异造成了观察到的结果？任务材料是否对某些被试更友好？两个实验得出不同结论时，究竟是哪种条件变化造成的？
训练发生在实验被推翻的时候
设想一个明确的假设实验：研究者展示两组不同数量的物体，让儿童选择更多的一组。若每次数量更多的那组也占据更大面积，实验就不能把数量判断与面积线索区分开。进一步控制面积和物体大小之后，儿童的表现也许发生变化。这种变化并非研究失败，它帮助研究者界定原先证据的解释范围。
类似的思路也适用于神经影像。大脑某区域在任务中出现活动，并不自动表明它专门“负责数学”。实验必须考虑注意力、难度、视觉刺激等因素。把行为指标与影像指标放在同一解释框架里，是非常扎实、也非常耗时的博士训练。
CMU心理学系公开说明，研究生通过与导师密切合作的学徒式培养模式接受训练，课程可按个人研究需要调整，并鼓励跨实验室合作。心理学与认知神经科学设有不同博士学位路径；后者还安排了额外的系统神经科学、认知神经科学、细胞神经科学和计算神经科学课程。这些课程并不是装饰性的模块，而是在帮助学生理解从行为结果走向神经机制时会碰到哪些方法限制。
训练的另一部分是学会报告不确定性。儿童实验会出现注意力下降、任务理解不一致、完成率不同等问题。有时候筛掉某些试次是必要的，但规则应当与研究问题有关，而不是看到结果之后再选择有利的数据。把这些看似细小的决策记录清楚，是可重复研究的基础。
对已有教育学、统计学、计算机或语言学背景的申请者，这种培养安排有启发。跨学科可以成为优势，但必须落到研究任务上。教育学可能擅长处理儿童任务，统计背景能够改进实验估计，计算机背景能帮助构建模型；然而只有在明确问题以后，这些工具才会变成有效研究。
如何让研究陈述体现训练潜力
合作也会改变博士生的研究能力。一个项目的行为任务、统计估计与成像分析可能由不同背景的成员共同承担。学生不仅需要做好自己负责的部分，还得理解合作者产生的数据在何种条件下能与自己的解释相接。如果没有这层共同的假设，更多测量方法未必带来更强结论。
CMU心理学博士招生说明强调研究兴趣与导师的匹配，申请材料中的研究陈述通常以一到两页概括既往训练与未来问题。它的关键并不是替导师写出完整博士论文计划，而是让审阅者知道申请者已经有能力辨认实验问题。
申请者如果只熟悉机器学习，也可以用自己训练模型的经历理解这一点。模型在训练集表现好，不能证明它找到了人的认知机制；同一个行为模式可能由多种计算过程生成。博士研究需要用不同任务或独立数据寻找能区分这些解释的证据。把算法预测与心理学解释分开，是跨学科进入认知研究时非常重要的能力。
如果做过儿童认知实验，可以具体描述某个任务怎样改变了你的判断：最初以为哪些变量不重要，后来发现哪些混淆因素，如何修改材料，以及新结果支持什么、不能支持什么。没有相关被试实验的人，也可以诚实说明自己做过的建模、数据分析或文献研究，避免把参与程度写得高于事实。
该项目明确表示所有录取的心理学博士生都获得资助，包括学费、生活津贴及健康保障，适用于国际学生；但录取本身竞争激烈，且申请与导师实验室的研究匹配密切相关。学校的资助安排给了学生投入长期研究的制度条件，不代表任何一位教授都有确定的个人名额。
准备申请时，不妨把你做过的一项研究放到实验设计层面重新审阅。你想测量的概念是什么，观察值还可能由什么解释，最能改变你结论的对照实验又是什么。回答这些问题，比在简历上不断添加“认知科学”“神经网络”等标签更能体现可培养性。
一个好的博士训练计划并不会保证每项假设都正确，它应当训练学生在结果不符合预期时，仍知道下一步如何让问题变得更清楚。
