研究者面接準備ガイド

Glassdoorの研究者面接レポートの分析によると、候補者は平均3〜5回の面接ラウンドに直面します。テクニカルセミナー、ホワイトボードでの問題解決、主任研究者とのパネル面接を含み、科学分野全体で最も厳しい採用プロセスの一つです [15]。

重要ポイント

• 45分の研究プレゼンテーションを準備してください。 発見だけでなく、実験デザインの根拠、統計手法、そして分野の専門家からの厳しい質問に対応する能力を示す内容にしましょう。
• 失敗した実験の説明を練習してください： 採用委員会は、交絡変数をどのように診断し、プロトコルを転換し、ネガティブな結果から出版可能な知見をどのように回収したかを一貫して調べます [15]。
• 研究成果を数値化してください。 h-index、被引用数、獲得した研究費、出願した特許、公開したデータセットなど — 「インパクトのある研究」という抽象的な主張は何の重みもありません [9]。
• あなたのスキルをラボの進行中の研究費や出版物にマッピングしてください： 面接中にPIの最近の論文やグループの獲得したR01/R21に言及することは、一般的な興味ではなく真の適合性を示します [4]。
• ホワイトボードでの導出とコードウォークスルーを練習してください。 グループの手法に関連するもの — 最尤推定量の導出、モンテカルロシミュレーションのウォークスルー、またはPyTorchトレーニングパイプラインの説明など [3]。

研究者の面接で聞かれる行動質問とは？

研究者の面接における行動質問は、科学的プロセスに特有のプレッシャーに対応する能力を標的にしています：曖昧なデータ、数年に及ぶタイムライン、エンジニアや臨床医との部門横断的協力、そして結果が仮説に矛盾した場合に求められる知的誠実さ。

1. 「実験結果が仮説と矛盾した時のことを教えてください。どうしましたか？」

探られていること： 知的厳密さと科学的誠実性 — 確証バイアスを追うか、データに従うか。STARフレームワーク： 状況 — アッセイ、モデルシステム、または計算実験を具体的に述べる（例：「HeLa細胞でのCRISPRノックアウトスクリーニングで、標的経路に表現型変化が見られなかった」）。タスク — 利害関係を説明する（研究費のマイルストーン、出版スケジュール）。行動 — 直交検証（Western blot確認、代替ガイドRNA、用量反応曲線）をどのように実行し、共同研究者と相談したかを詳述する。結果 — 修正されたモデル、出版の方向転換、または新しい研究費の方向性を説明する。面接官はネガティブな結果を失敗ではなくデータとして扱うかどうかを評価します [14]。

2. 「あなたと別の研究者が方法論で意見が合わなかった共同研究について教えてください。」

探られていること： 階層ではなく証拠を使って科学的な意見の相違を解決する能力。STARフレームワーク： 状況 — 方法論的対立を具体的に述べる（例：臨床試験データのベイズ対頻度論的分析、または細胞株認証プロトコルに関する意見の相違）。タスク — どの決定を解決する必要があり、期限はいつだったかを明確にする。行動 — 直接比較の提案、シミュレーション結果の提示、またはピアレビューのためのラボミーティングの招集をどのように行ったかを説明する。結果 — 成果を数値化する：より速い収束、改善された統計的検出力、または共著の方法論論文 [14]。

3. 「新しい技術や分野を急速に習得しなければならなかったプロジェクトについて教えてください。」

探られていること： 適応能力と自己主導型の学習速度 — ラボが新しい手法に転換する際に不可欠。STARフレームワーク： 状況 — 技術を具体的に述べる（シングルセルRNA-seq、cryo-EMサンプル調製、人間のフィードバックからの強化学習）。タスク — ラボがこの能力を必要とした理由とタイムラインを説明する。行動 — 学習経路を詳述する：特定のコース、再現した論文、相談したメンター、実施したパイロット実験。結果 — 最初の成功した実験のタイムライン、データ品質の指標、またはラボの標準ワークフローへの統合 [3]。

4. 「複数のプロジェクト間で競合する優先順位を管理した経験を説明してください。」

探られていること： 研究者が通常2〜4の異なるPIやステークホルダーとの同時プロジェクトを抱えるという現実下でのプロジェクト管理能力 [9]。STARフレームワーク： 状況 — プロジェクトとその段階を具体的に述べる（例：1つの論文が改訂中、1つの研究費申請が締切間近、1つの初期段階のパイロット）。タスク — リソースの競合を特定する（装置の時間、共有データセット、あなた自身の帯域幅）。行動 — トリアージ基準を説明する：研究費の締切の不変性、査読者の返答期間、実験の時間的制約（細胞培養は待てない）。結果 — すべての成果物が具体的な日付と成果とともに達成された。

5. 「ジュニア研究者を技術的課題でメンタリングした経験を教えてください。」

探られていること： リーダーシップ能力と知識移転 — シニア研究者の役割に不可欠。STARフレームワーク： 状況 — メンティーのレベル（ローテーション学生、ポスドク、研究員）と課題（Western blotプロトコルのトラブルシューティング、データパイプラインのデバッグ、最初の独立した実験の設計）を具体的に述べる。タスク — 「助ける」を超えたメンタリングの目標を明確にする — 独立したトラブルシューティング能力の構築。行動 — 教育的アプローチを説明する：ラボミーティングでのソクラテス式質問法、ペアプログラミングセッション、構造化された文献レビュー課題。結果 — メンティーの筆頭著者論文、成功した資格試験、または独立した研究費申請 [14]。

6. 「従っていた出版済みプロトコルに欠陥を発見した状況を説明してください。」

探られていること： 批判的評価スキルと確立された方法に異議を唱える自信。STARフレームワーク： 状況 — プロトコルの出典を具体的に述べる（Nature Methods論文、メーカーのキット説明書、内部SOP）。タスク — 観察した不一致を説明する（再現不能な収量、予期しないバッチ効果、サンプルタイプに当てはまらないパラメータの仮定）。行動 — 系統的なトラブルシューティングを詳述する：対照付き再現、原著者への連絡、パラメータバリエーションのテスト。結果 — 修正されたプロトコル、正誤表への貢献、またはラボ全体で採用された内部SOPの更新 [9]。

研究者が準備すべき技術的質問とは？

研究者の技術面接は教科書の暗記をはるかに超えます。面接官は、導出、批評、拡張を求めることで理解の深さを探ります — 単なる暗唱ではなく。

1. 「[ラボに関連する特定のデータタイプ]の分析に使用する統計フレームワークを説明してください。」

面試官は、データ構造に基づいてではなく習慣で統計手法を選択していないかをテストします。ゲノミクスラボの場合、RNA-seqカウントデータにt検定ではなくDESeq2の負の二項モデルを使用する理由を説明する必要があります。多重検定の補正方法（Benjamini-Hochberg対Bonferroni）、設定する変化倍率と調整p値の閾値とその理由を含めてください。材料科学ラボの場合、合金組成間の引張強度比較にANOVAとTukey's HSDを正当化することになるかもしれません。確認する仮定（正規性、分散の等質性、独立性）と実行する診断（Q-Qプロット、Levene検定）を具体的に述べてください [3]。

2. 「この実験デザインを批評してください。」（面接官がホワイトボードに欠陥のある研究デザインを提示）

これは交絡変数、欠落した対照、検出力不足のサンプルサイズ、選択バイアスを特定する能力をテストします。強い回答は系統的に以下を検討します：ランダム化戦略、盲検手順、陽性・陰性対照、検出力分析の仮定、潜在的なバッチ効果。例えば、ビヒクル対照がなく非ランダム化ケージ割り当てを使用した薬効研究が提示された場合、両方の問題を特定し、具体的な修正（ランダム化ブロックデザイン、ビヒクルマッチ対照、エンドポイントの事前登録）を提案すべきです [9]。

3. 「計算/実験作業の再現性を確保するアプローチを説明してください。」

面接官は、系統的な再現性の実践を持っているか、場当たり的なドキュメンテーションに頼っているかをテストしています。強い回答は具体的なツールに言及します：分析コードのバージョン管理（Git）、タイムスタンプ付きエントリのある電子ラボノートブック（Benchling、LabArchives）、計算パイプライン用のコンテナ化環境（Docker、Singularity）、ウェットラボ作業用のロットトラッキングされた試薬の凍結アリコート。具体的な実践に言及してください：確率的アルゴリズムのシード設定、分析計画の事前登録、論文投稿前の別のラボメンバーによる独立した再現 [3]。

4. 「[グループの研究に関連する特定の仮説]をテストするための実験をどのように設計しますか？」

この質問は、科学的な問いを定義されたエンドポイントを持つテスト可能で制御された実験に変換する能力を評価します。回答の構造：(1) 仮説を測定可能な変数に操作化する、(2) モデルシステムを特定し正当化する（なぜこの細胞株、生物、またはデータセットか）、(3) 主要および副次的エンドポイントを定義する、(4) 対照を指定する（陽性、陰性、ビヒクル）、(5) 記述された効果量とアルファで検出力分析を使用して必要なサンプルサイズを計算する、(6) データ収集前に分析計画を概説する。仮説を偽証する結果が何かを最初に明確にせずに方法に飛びつく候補者は減点されます [9]。

5. 「[あなたの出版された研究の中心的な手法]の限界は何ですか？」

これは知的誠実さと技術的深さを同時に探ります。CRISPR-Cas9を使用した作業であれば、オフターゲット効果、初代細胞と細胞株でのデリバリー効率、ノックアウトとノックダウンの表現型の違いについて議論してください。画像分類のためのディープラーニングを使用した場合、トレーニング分布への過学習、解釈可能性の限界、分布外データでの失敗モードに対処してください。面試官は、ツールがうまく機能する場所だけでなく、壊れる場所を理解していることを聞きたいのです [15]。

6. 「最近のプロジェクトのデータ管理と分析パイプラインをエンドツーエンドで説明してください。」

面接官は完全なワークフローを明確に説明できるかをテストします：生データ取得 → 品質管理 → 前処理 → 分析 → 可視化 → アーカイブ。各段階で具体的なツールを挙げてください（例：トランスクリプトミクスパイプラインならFASTQC → Trimmomatic → STAR aligner → featureCounts → DESeq2 → ggplot2 → GEO depositon、機械学習パイプラインならpandas → scikit-learn → SHAP → MLflow → AWS S3）。欠損データの処理、外れ値検出、中間出力のバージョン管理について議論してください [3]。

7. 「あなたの分野の文献をどのように最新の状態に保っていますか？また、最近の論文がどのようにあなたの考えを変えましたか？」

これは世間話ではありません — 文献と能動的に関わっているか、受動的に消費しているかをテストしています。具体的な論文を挙げて（著者、雑誌、年）、主要な発見を要約し、それがあなたの実験デザインにどう影響したか、あなたの研究の仮定にどう挑戦したか、または追求している新しい研究方向をどう開いたかを説明してください。「たくさんの論文を読みます」のような曖昧な回答は、分野との受動的な関係を示します [12]。

研究者の面接で聞かれる状況質問とは？

状況質問は、実際のラボ生活から取られた仮想シナリオを提示します。行動質問とは異なり、リアルタイムでの推論プロセスをテストします。

1. 「準備中の論文の基礎となる重要なデータセットに、前処理中に導入された系統的エラーが含まれていることを発見しました。投稿期限は2週間後です。どうしますか？」

このシナリオは締切のプレッシャー下での科学的誠実性をテストします。決定ツリーを説明してください：(1) エラーの範囲を特定する — すべてのサンプルに影響するか一部だけか？(2) エラーが結論を変えるか効果量のみかを判断する、(3) PIと共著者に即座にエラーとその影響の書面による要約で通知する、(4) データを再処理し分析を再実行する、(5) タイムラインが適切な修正に不十分な場合、既知の欠陥のある結果を投稿するのではなく投稿を延期する。面接官は正確さを利便性より優先するかどうかを評価しています [9]。

2. 「別の部門の共同研究者が共同分析用のデータセットを送ってきましたが、メタデータが不完全でファイル形式が一貫していません。どう進めますか？」

これはデータ整理の実用性とコミュニケーションスキルをテストします。概要：(1) 必要な全フィールド（サンプルID、バッチ番号、収集日、実験条件）をリストした具体的なメタデータテンプレートを共同研究者に送る、(2) 欠損値とフォーマットの不整合にフラグを立てるデータ検証スクリプトを書く、(3) 仮定を立てるのではなく、曖昧さを解消するための30分のコールをスケジュールする、(4) すべてのクリーニング決定を共同研究者が確認できる共有ログに記録する。分析を始める前にデータ辞書を確立することで下流の誤解を防ぐことに言及してください [3]。

3. 「PIが、現在の文献に基づいて科学的に非生産的だと思う研究方向を追求するよう求めています。どう対処しますか？」

面接官は権威に対して建設的に反論しつつ協力的であり続けられるかを探ります。強いアプローチ：(1) あなたの懸念を裏付ける3〜5の最近の論文を引用した1ページのエビデンスサマリーを準備する、(2) 2〜4週間で完了できる具体的なパイロット実験を含む代替方向を提案する、(3) 判断ポイントを提案する — 「パイロットがY日までにXを示したら転換します。示さなければ元の計画を進めます。」これは科学的推論、PIの視点への敬意、イニシアチブを示します [14]。

4. 「2年プロジェクトの6ヶ月目に入り、元のアプローチが完全なデータセットにスケールしないことに気づきました。計画は？」

これは既存の作業を失わずにプロジェクト中盤での方向転換を行う能力をテストします。概要：(1) 現在のアプローチの失敗モードをベンチマークする（メモリ、計算時間、精度低下）、(2) 必要なスケールで文献的根拠のある2〜3の代替手法を特定する、(3) 代表的なサブセットで直接比較を実行する、(4) 修正されたタイムラインとリソース見積もりを含む調査結果をステークホルダーに提示する、(5) 元のアプローチの限界を無駄な努力ではなく方法論的貢献として文書化する [9]。

面接官は研究者候補に何を求めているか？

採用委員会は、ポジションがアカデミア、産業R&D、または政府のラボのいずれにあるかによって重み付けを変えつつ、5つのコアコンピテンシー次元で研究者を評価します [4] [5]。

科学的深さと厳密さが最も高くランクされます。面試官は、対照実験を設計し、適切な統計検定を選択し、データを超えた解釈をせずに結果を解釈できるかを評価します。効果量、信頼区間、統計的有意性と実用的有意性の区別 — p値の閾値だけでなく — への理解を探ります。

独立した問題解決能力がシニア候補をジュニアから分離します。研究課題を立て、研究を設計し、実行し、出版できますか — ステップバイステップの指導なしで？面接官は自主的なプロジェクト、筆頭著者論文、独立して獲得した資金（フェローシップ、小規模助成金、学内賞）の証拠を求めます [9]。

コミュニケーションの明確さは多くの候補者が予想する以上に重要です。非専門家に3分で研究を説明できますか？鋭い批判に対して防御的にならずに方法論を守れますか？採用パネルには、まさにこれをテストするために、あなたのサブフィールド外のメンバーが含まれることがよくあります。

レッドフラグ — 一貫して候補者を脱落させるもの：自分の研究の限界を議論できない、複数著者論文での自分の具体的な貢献が曖昧な説明（「分析を手伝いました」）、グループの研究方向に関する質問が準備されていない、なぜこのラボ/企業なのかを代替案と比較して明確に述べられない [15]。

差別化要因 — トップ候補者のもの：グループの軌道に沿った明確な2〜3年の研究ビジョン、学際的協力の証拠（エンジニア、臨床医、または計算科学者との共同出版物）、およびグループの最近の出版物と獲得した研究費に関する具体的な知識 [4]。

研究者はSTAR法をどう使うべきか？

STAR法（状況、タスク、行動、結果）は、各要素を抽象的な説明ではなく定量的な科学的成果に固定することで研究者に機能します [14]。

例1：失敗したアッセイの救済

状況： 当ラボのキナーゼ阻害剤ハイスループットスクリーニングアッセイが3回の独立した実行でZ-factorスコア0.3未満を産出しており、ヒット同定にデータが使用不能でした。このプロジェクトは8週間後にマイルストーンレポートが期限の120万ドルNIH R01を支えていました。

タスク： マイルストーンのタイムラインを維持するために、4週間以内にアッセイの変動性を診断し、スクリーニング品質の性能（Z-factor ≥ 0.5）を回復する責任がありました。

行動： 各変数を系統的にテストしました：プレート間変動（手動からBeckman Biomekを使用した自動分注に切り替え）、エッジ効果（ランダム化プレートレイアウトを導入）、試薬の安定性（温度感受性の基質ロットを特定）。10日間で12枚の最適化プレートを実行し、ウェル位置ごとの変動係数を追跡しました。

結果： Z-factorは0.72に改善しました。スケジュール通りに15,000化合物をスクリーニングし、47の確認済みヒット（0.31%のヒット率）を同定し、マイルストーンレポートは期限通りに提出されました。最適化されたプロトコルはラボの標準SOPとして採用され、その後のJournal of Medicinal Chemistryの出版物の方法セクションに貢献しました。

例2：機関横断的共同研究の構築

状況： 患者由来オルガノイドのシングルセルRNA-seqデータの計算分析で新しい細胞亜集団が明らかになりましたが、当ラボには組織切片でそれを検証する免疫組織化学の専門知識がありませんでした。

タスク： 病理学グループとの共同研究を確立し、承認されたIRBプロトコルの下でアーカイブ組織サンプルへのアクセスを確保し、Cell Reportsで査読中の論文の6ヶ月の改訂期間内に検証を完了する必要がありました。

行動： 最近のNature Medicine論文で必要な染色パネルを正確に使用していたパートナー機関の病理学ラボを特定しました。対応著者に、予備データ、提案された共著者、具体的なタイムラインを含む1ページの提案をコールドメールしました。両機関の技術移転オフィスを通じて材料移転契約を調整し、3日間の染色プロトコルトレーニングのために彼らのラボに出張しました。

結果： 検証により10人の患者サンプルのうち8人でサブ集団が確認されました。この共同研究は共著論文（私の筆頭著者、彼らの病理学者が共同通信著者）を生み出し、その後共同でR21探索的研究費を共同提出しました。検証を要求した査読者は、受諾レターで組織レベルの確認を具体的に称賛しました。

例3：リソース制約下での計算手法の転換

状況： タンパク質構造予測用の深層学習モデルのトレーニングには8基のA100 GPUが必要でしたが、別の資金獲得グループからの競合する需要により、機関のクラスター割り当てがプロジェクト途中で60%削減されました。

タスク： 残りの割り当て内でトレーニングを完了するために、モデルの精度（CASPベンチマークターゲットでのGDT-TSスコアで測定）を犠牲にせずに計算要件を少なくとも50%削減する。

行動： 混合精度トレーニング（FP16）を実装し、フルアテンションメカニズムをリニアアテンション（Performerアーキテクチャ）に置き換え、メモリフットプリントを削減するために勾配チェックポインティングを適用しました。組み合わせる前に、各変更を検証サブセットで独立してベンチマークしました。

結果： トレーニング時間は8 GPUで14日から3 GPUで6日に短縮されました。GDT-TSスコアは1.2ポイント（78.4から77.2）だけ低下しました — ベンチマークのノイズフロア内です。効率の向上は補足的な方法に記録され、最適化されたコードベースはGitHubで公開され、3ヶ月で200以上のスターを獲得しました [14]。

研究者が面接官に聞くべき質問とは？

あなたが聞く質問は、表面的な準備をしたか深い準備をしたかを明らかにします。これらの質問は専門的な知識と適合性の真摯な評価を示します。

1. 「グループの現在の資金状況はどうですか — アクティブな研究費は主に連邦（NIH、NSF、DOE）、産業界のスポンサー、またはその組み合わせで、それは出版スケジュールにどう影響しますか？」 これは資金源が研究の自由度とIP制限にどう影響するかを理解していることを示します。

2. 「グループは複数の貢献者がいるプロジェクトの著者権の決定をどのように扱いますか？」 著者権紛争はラボの主要な紛争源です。質問すること自体が成熟さとICMJEガイドラインへの認識を示します。

3. 「利用可能な計算インフラストラクチャは何ですか — オンプレミスHPC、クラウドクレジット（AWS/GCP）、または両方 — 一般的なキュー待ち時間はどのくらいですか？」 計算集約型の役割では、これは日常の生産性に関する実践的な質問です [4]。

4. 「期待通りにいかなかったプロジェクトとグループがどう方向転換したかを教えていただけますか？」 これは行動質問のフォーマットを逆転させ、グループのリスクと失敗に対する許容度を明らかにします。

5. 「Research Scientist IからResearch Scientist II（または同等）への昇進はどのようなものですか — 昇進は出版物、特許、研究費獲得、またはその組み合わせに結びついていますか？」 これは即座の役割だけでなく長期的なフィットを評価していることを示します [5]。

6. 「ラボメンバーはどのくらいの頻度で外部の学会で発表しますか？研究者ごとに出張予算は割り当てられていますか？」 学会へのアクセスはあなたの可視性、ネットワーキング、キャリアの軌跡に直接影響します。

7. 「オープンサイエンスに対するグループのアプローチは何ですか — 事前登録、プレプリント、データ/コード共有 — そしてそれを制約または奨励する機関のポリシーはありますか？」 これは再現性の規範との整合性と進化する出版基準への認識を示します。

重要ポイント

研究者の面接は3つのことを同時に評価します：あなたの科学的深さ、複雑な研究を明確に伝える能力、そして特定の研究グループの文化と方向性へのフィット。準備はそれに応じて重み付けすべきです — 準備時間の40%を研究プレゼンテーションと技術的な深掘りに、30%を定量的な成果を伴うSTAR法を使った行動・状況質問の回答に、30%をグループの出版物、研究費、研究方向の理解に費やしてください [14] [15]。

主要なプロジェクトそれぞれを、そのポジションが求めるコンピテンシー（実験デザイン、統計分析、部門横断的協力、メンタリング、科学コミュニケーション）にマッピングする準備資料を作成してください。すべてのプロジェクトについて、2分版と10分版を準備してください。方法論に関する敵対的質問への対応を練習してください — 最高の面接官はあなたの研究の最も弱い仮定を探ります。

履歴書はこの準備を反映すべきです。Resume Geniのツールは、採用委員会が最初にスキャンする定量的指標（出版物、被引用数、獲得した研究費、データセット）で研究経験を構成するのに役立ちます。

よくある質問

研究者のポジションでは何回の面接ラウンドを予想すべきですか？

多くの研究者の面接は3〜5ラウンドで構成されます：HRまたは採用マネージャーとの初回電話スクリーニング、技術面接の電話、45〜60分の研究セミナーを含むオンサイト訪問、4〜8人のチームメンバーとの1対1のミーティング、そして時にはチョークトークまたは書面による研究提案 [15]。

研究プレゼンテーションでは出版済みまたは未出版の研究を発表すべきですか？

出版状態に関係なく、最も強い研究を発表してください。ただし未出版の場合は、明示的にその旨を述べ、機密保持を求めてください。採用委員会は論文が既に掲載されているかではなく、あなたの科学的推論の質を重視します。知的リーダーとして関わったプロジェクトを少なくとも1つ含めてください。貢献著者としてだけでなく [4]。

非専門家を含むパネル面接ではどの程度テクニカルにすべきですか？

聴衆に合わせて調整してください。一文の一般向け要約で始め、技術的な詳細を重ねていきます。非言語的な手がかりに注意してください — パネルメンバーの目がうつろになったら、「だからどうなのか」という含意に切り替えてください。各プロジェクトの30秒版と5分版の両方を準備しておくことで、リアルタイムで調整できます [14]。

研究者のポジションにおいて筆頭著者論文はどの程度重要ですか？

筆頭著者論文は独立した科学的貢献を示す主要な通貨であり続けます。産業R&Dの役割では特許や内部技術レポートの重み付けがより高いかもしれませんが、そこでさえ、査読付きジャーナルの2〜3本の筆頭著者論文は、構想から完成までプロジェクトを推進できることを示します [5]。

求人に記載された特定の技術の経験がない場合はどうすればよいですか？

直接的に対処してください：技術名を挙げ、あなたの経験で最も近い類似物を説明し、現実的なタイムラインを含む具体的な学習計画を概説してください。例えば：「cryo-EMグリッドの作成経験はありませんが、ネガティブ染色TEMサンプルの調製は豊富に行ってきましたし、Grant Jensen Caltech cryo-EMコースを修了しました。ハンズオントレーニングで4〜6週間で独立して生産的になれると見積もっています」[3]。

自分の貢献を過小評価せずに共同研究をどう議論すべきですか？

正確な言葉を使ってください：「プロジェクトに貢献しました」ではなく「実験プロトコルを設計し、すべてのデータ分析を実施しました」。複数著者論文では、正確な役割を明示してください：「計算パイプライン（図3〜5）を開発し、共同筆頭著者がウェットラボの検証（図1〜2）を行いました」[14]。

オンサイト面接に補足資料を持参すべきですか？

2〜3の主要な図を含む1ページの研究要約、被引用数付きの出版物リスト、簡潔な（半ページの）将来の研究計画を持参してください。求められない限り配布しないでください — 会話がそれを保証する場合に提供してください。これらの資料を持っていることは準備を示し、面接官に面接後の審議で参照できる具体的なものを提供します [15]。