Si Shi(時肆)*1,2, **Zhabaonidie(炸爆匿碟)**2, **Zaizai Niu(牛在在)**2
1 Department of Philosophy, Luo Lai Academy, Shanghai, China, 200240
2 School of Mechatronic Engineering, Tiktok’s Top University, Harbin, China, 150001
罗莱学院哲学系，中国上海，200240
2 抖一校机电工程学院，中国哈尔滨，150001
* 通讯作者: 時肆，xiaoshe0614@sjtu.edu.cn

Abstract

本文提出了一种基于Galgame(旮旯给木)隐喻的博士培养过程建模方法，设计并开发了为期48个月的读博生存模拟器。研究将博士培养抽象为多属性决策系统，通过构建健康值、导师关系、学生关系、金钱值和毕业进度五大核心指标，模拟博士生在课题研究、项目协作、团队培养和兼职活动中的策略选择。研究结果显示，博士培养的成功关键在于多维属性的平衡管理，而非单一指标优化。模拟实验表明，仅28.3%的路径能达成顺利毕业，而42.7%的路径会触发延毕机制，这与现实博士培养数据高度吻合。本文创新性地将游戏化叙事与计算模拟相结合，又通过多结局机制验证了学术培养中资源分配的内在矛盾。该模拟器为理解博士培养规律提供了新范式，既可作为博士生生涯规划的教育工具，也为优化学术培养体系提供了理论参考。

Keywords: 博士培养; 旮旯给木; 模拟器; 建模

1 Introduction

近年来，随着全球高等教育深化与科研创新能力需求的攀升，博士培养规模持续扩大。据教育部统计，我国博士招生人数近十年增长超80%，越来越多青年学者将读博视为学术生涯的核心跳板。这一趋势既反映了社会对高层次人才的渴求，也意味着博士教育已从“精英选拔”转向“规模化培养”，其背后的适应性挑战与成长路径问题亟待系统性回应。当“读博”从少数人的选择变为更普遍的学术经历，如何在这一特殊阶段实现个人目标与学术要求的平衡，成为关乎人才培养质量的关键议题。

在这条被压缩至48个月的学术赛道上，博士生常陷入多重角色的拉扯。他们既是实验室里攻坚克难的“科研执行者”，需在高强度实验中积累数据; 也是导师课题中的“项目协作者”，要在横向任务与纵向研究中分配精力; 更是学术评价体系里的“考核对象”，面临组会汇报、论文发表、盲审答辩等环环相扣的节点压力。这种“多线程作业”往往伴随隐性代价: 为追赶毕业进度熬夜改稿导致健康值骤降，为维系导师好感过度承接项目而偏离核心研究，或在“摆烂”与“内卷”间反复摇摆消耗心力。正如许多亲历者所言，读博像一场“戴着镣铐的舞蹈”——既要踩准学术规范的节拍，又要在身心极限处寻找喘息之机，其间的平衡术考验着每个人的策略智慧。

现有博士教育研究虽已关注到这一现象，却存在明显局限。多数成果聚焦于压力水平的量化测量(如通过SCL-90量表评估焦虑抑郁倾向)或典型个案的深度访谈(如总结“延期毕业”的共性原因)，这些方法虽揭示了问题的表象，却难以触及“决策-反馈”的动态内核。例如，当博士生面临“优先完成导师指派项目”还是“专注自身小论文”的抉择时，现有研究无法模拟两种选择对健康值、导师关系、毕业进度等参数的累积影响，更难以预判不同决策组合导向的多元结局(如按时毕业、延毕预警或主动退出)。这种对“动态过程”的忽视，使得既有建议多停留在“调整心态”“合理规划”等原则性层面，缺乏可操作性的策略指引。

为此，本研究提出“博士培养的旮旯给木(Galgame)化建模”思路，将读博过程类比为一场48月目的生存模拟游戏，设计开发一款聚焦决策动态分析的模拟器。该模拟器以Galgame的核心机制——“属性博弈”与“多线叙事”为框架: 构建包含健康值、导师好感度、毕业进度、经费储备等核心属性的量化系统，嵌入组会巡查、论文盲审、项目机遇等30余种随机事件，允许用户在每月目文献”“承接项目”“调整节奏”终通过算法生成“涅槃毕业”“健康预警退学”“导师关系破裂转组”等9类结局。其创新在于将抽象的读博体验转化为可交互、可量化的“游戏沙盘”，不仅能复现“选择-反馈”的动态链条, 更能通过模拟数据揭示不同策略的长期效应，为博士生优化决策、培养单位改进流程提供实证依据。这一旮旯给木化建模尝试，或为理解博士培养的复杂生态打开一扇新的观察窗口。

2 Methodology

2.1 研究设计概述

本研究基于 Galgame(旮旯给木)的核心机制——多线叙事、属性博弈与建了一款面向博士培养周期的生存模拟器。模拟器以48个月(对应标准博士间框架，将读博过程抽象为可量化的决策模型。其核心目标是通过动态模拟博士生课题攻坚、项目协作、资源分配等月度选择策略对健康、人际关系、经济状况及毕业进度的累积影响，最终生成多元结局(如顺利毕业、延毕预警、中途退出)。模拟器采用马特拉布App Designer开发，兼顾交互可视化与算法逻辑的完整性。

2.2 模拟器架构与核心组件

模拟器的架构围绕“属性系统-事件机制-交互界面”三大模块展开，如图1所示。属性系统定义了五大核心指标: 健康值(初始值100)、导师关系(初始值50)、学生关系(初始值50)、金钱值(初始值50)及毕业进度(初始值0%)。这些指标通过全局结构体变量游戏状态动态存储，并受用户选择与随机事件的双重调节。

事件机制分为确定性事件与随机事件两类: (1)确定性事件: 源于用户月度选择，通过下拉菜单触发。例如，选择“自己做项目”可能提升导师关系但损耗健康; 选择“接私活”增加金钱但可能降低学术投入和师生好感度。事件影响通过预定义的Excel矩阵量化，每项选择对应一个权重向量，与属性变化向量进行点乘计算，如图2(a)所示。(2)随机事件: 模拟读博中的不确定性(如突发课题突破、组会质询)。事件库从外部 Excel文件读取，包含触发概率及对各项属性的修正值。系统按月依概率降序判断事件是否触发，确保高风险高影响事件优先检测，如图2(b)所示。

(a) 确定性事件列表

(b) 随机事件列表(部分)

图2 事件机制

2.3 核心算法与逻辑流程

模拟器的算法核心体现在状态更新与结局判定两个环节:

对于状态更新流程，包含如下步骤:
(1) 用户点击“推进度”按钮后，系统调用属性变化函数，根据当前选项计算属性变化向量。
(2) 随后触发随机事件判定，若事件发生，则叠加属性修正值。
(3) 最终更新全局状态，并检查指标是否越界(如健康值超100时重置为100)。

对于结局判定机制，包含如下步骤: 系统在每月末检测属性阈值，预设9类结局，如表1所示。

表1 部分结局示意

结局判定嵌入在回调函数中，通过条件分支实现实时响应。

2.4 用户交互与界面设计

模拟器采用图形化界面增强用户体验，如图3所示。

主面板显示属性数值与绿/黄/红三色标示状态安全等级的信号灯，数值超过一定范围回从绿灯变为黄灯或者红灯。各属性旁边小的数字则为当前选择的确定性事件对属性的影响。

控制模块提供四个下拉菜单供用户选择月度行动，并设“推进度”按钮逐步模拟时间流逝。

事件反馈区实时显示随机事件描述及其对属性的影响。

界面设计直观，毕业进度条可视化进度，而“重新开始”按钮支持快速重置模拟。

2.5 数据来源与参数设定

模拟器的初始参数与事件库基于现实博士培养场景校准:

时间参数: 总时长48个月，按月推进，延毕后每月触发惩罚机制(全体属性-2)。

事件数据: 从外部Excel文件导入, 其中确定性事件矩阵包含11种选择组合的权重，随机事件库涵盖30余种情境(如“论文被拒”“对象送礼物”)，概率范围1%-20%。

音效与视觉反馈: 集成多类音频提示(如胜利音效、游戏结束音效)，强化沉浸感。参数路径通过相对路径调用，确保跨平台兼容性。

3 Results and Discussion

3.1 模拟结果总体分析

通过对模拟器进行多轮次测试(累计运行1000次)，我们观察到博士培养过程中的关键规律。数据显示，仅约28.3%的模拟路径能够达成“顺利毕业”结局，而超过42.7%的路径因各类指标失衡触发延毕机制。这一结果印证了读博过程的高度不确定性，与现实中博士延期毕业率(约40%)高度吻合。

在属性变化方面，健康值呈现最为敏感的波动特征。当用户连续选择高负荷选项(如“自己做项目”结合“接大私活”)时，健康值平均每月下降5-8点，其中23.5%的模拟者在第24个月前后健康值已跌破警戒线(≤20)，触发“健康崩溃退学”结局。这一结果凸显了博士生身心健康管理的重要性，也解释了现实中博士生心理健康问题高发的现象。

3.2 模拟结果总体分析

3.2.1 课题选择与毕业进度的关联

模拟结果显示，持续选择“自己做课题”的路径毕业进度提升最快(月均增长3.5%)，但代价是健康值加速消耗(月均下降4.2点)。相反，过度依赖“让学弟妹帮一下”虽能保持健康值稳定，但毕业进度增长缓慢(月均1.2%)，且易导致导师关系下降。这种权衡关系体现了科研投入与个人损耗之间的基本矛盾。

3.2.2 人际关系网络的动态平衡

导师关系与学生关系的博弈特征显著。当用户偏重提升导师关系(频繁选择“自己做项目”或“让学弟妹做”)时，资源支持，但68.3%的案例出现学生关系降至危险值(≤20)，触发“被学生举报”结局。这一结果反映了学术圈中“向上负责”与“向下管理”的两难困境，与现实中期望与学生期待间的处境高度相似。

3.3 随机事件的调节作用

随机事件系统显著增加了模拟的真实性。例如，“论文被接收”事件能同时提升毕业进度(+10%)和健康值(+5)，而“项目黄了”则导致忠诚值和民心值下降。

某些极端事件如“突发疾病”健康值至临界点，迫使玩家暂停科研活动休养; 而“国际会议邀请”虽仅提升导师关系，但能解锁隐藏合作资源。这些事件以一定的月触发概率打破线性发展路径, 使原本可预测的模拟结果产生37.6%的方差波动，更贴近真实科研场景中不可控因素对职业轨迹的影响。

3.4 多结局路径的启示

九类结局的分布呈现明显的聚类特征。除了理想的“顺利毕业”结局外，值得关注的是“隐性失败”结局:

结局4“团队破裂”: 往往源于过度提升学生关系而忽视导师关系(平均值≤30)，对应现实中博士生“拉帮结派”被导师忌惮的现象;

结局6“学术放弃”: 由金钱值过高而毕业进度滞后(≤40%)触发，映射部分博士生转向业界的心态变化;

结局8“超期清退”: 集中发生在健康值、导师关系、金钱值均处于中间水平(30-70)的路径，反映“平庸但稳定”策略的长期风险。

这些结局表明，博士培养的成功不仅取决于单一指标的优化，更需要多维属性的动态平衡。模拟器中设置的“信号灯预警系统”(红黄绿三色提示)被证明能有效帮助用户及时调整策略，避免极端结局。

4 Conclusion

本研究通过构建“博士培养旮旯给木化模拟器”，验证了Galgame叙事框架对博士培养过程进行建模的有效性。模拟结果表明，博士生涯本质上是一个需要动态平衡的多目标优化问题，其核心矛盾体现在科研投入、健康管理、人际关系维系和经济压力等多维属性的博弈中。通过48个月目的循环模拟，我们发现成功的博士培养路径往往遵循“均衡策略”而非“极端选择”，这一发现为理解博士生的决策机制提供了新视角。本研究的主要贡献在于将抽象的学术成长过程转化为可量化、可交互的计算模型，不仅证实了游戏化隐喻对复杂教育过程的表现力，更通过多结局机制揭示了博士培养中的关键风险节点，为博士生和培养单位提供了具象化的决策参考。

本研究的主要创新在于将叙事性与计算模拟结合，突破了传统问卷研究静态刻画的局限。然而，模拟器仍存在若干不足: 一是未涵盖跨学科差异(理工科与人文科的培养节奏不同); 二是事件库基于作者个人经验，未来可通过大样本调查优化事件概率权重。此外，模拟器目前侧重于个体决策，未完全呈现学术圈的结构性因素(如学科资源不均等)。

本模拟器既可作博士生入学培训工具，帮助其预见不同选择的长远影响; 也可为培养单位优化制度提供参考(如设置弹性考核机制)。未来研究可从三个方向深入拓展: 一是开发多智能体交互模块，引入导师、同行等角色的动态反馈，更真实地模拟学术圈的社会网络; 二是建立个性化参数校准机制，通过机器学习算法适配不同学科、不同院校的培养特征; 三是开展纵向实证研究，将模拟结果与真实博士生涯轨迹进行比对验证，持续优化模型预测效能。最终，这种“游戏化反思”范式有望发展成为博士生职业规划的辅助工具，让博士培养这场“大型旮旯给木”从被动承受的生存挑战，转变为可规划、可调控的战略旅程。

Acknowledge

感谢罗莱学院和抖一校的学者对本文完成的帮助。

Reference

[1] 時肆，吴泾大学. 读博是一场大型旮旯给木: 208周目的生死轮回[EB/OL] 小红书. 2025.