什么是科研人员应该具有的能力，什么是工程师应该具有的能力？

这几天，由于项目工作需要暂停，所以我就抽空开始学《算法导论》。认为这是一本很不错的书，不仅介绍了各种算法，而且给出了算法的由来（它的发明者是如何想到它的），以及效率的数学计算，当然还包含了算法的数学基础。我觉得这本书应该很耐看。它不向目前的一些国内的算法教材，只是罗列些经典算法，让你应用的时候可以想到去套这些算法。
昨天晚上和大师兄说了我正在学算法导论的事情。本以为大师兄会很支持，结果大师兄说，其实科研人员并不关心算法效率的问题，只有程序员或编程高手才会更关心效率的问题。
说道此处，我不禁心惊胆寒。。我承认大师兄说的没错。。很多人在论文中叫嚣自己的算法如何如何有效率，却不知道才用不同的编程语言算法执行效率也不同。
比如我曾经用C语言和MATLAB同时实现prim和kruskal算法，由于matlab语言对矩阵的特殊支持，matlab实现的算法显然比C语言高。
MS研究所里的大牛都在叫嚣着“编程语言不重要，只是个工具罢了”。可是不懂编程的人来说这句话不觉得脸红吗？
我们在本科多是工程上的训练。其目的就是：以后无论那门编程语言，只要学一个星期就能上手。。
可是当我在考研面试的时候，说道不同的编程语言对实现不同的算法有不同的效率时，在场的老师不屑一顾。当我能使用多种编程语言。又有人认为编程只是一种工具罢了，我充其量只不过是一个木匠。当人家问我数据库知识，我答出一小部分时，有人有任务我没有理论素养。。荒谬，真是荒谬。。。
我承认在本科，我们受到的训练都是工程上的训练，其目的是深刻的认识“编程语言只是工具，不是限制人思维的桎梏”。不学几种语言，怎么能深刻认识到这样一点，怎么能在研究生的学习中用一周就能基本入门一种特定的编程语言。当然，我们不是大专，也不是职业培养学校。我们虽然注重工程能力，但是并不要求一个学生在某一门程序语言上成为大牛（这是职业培训的目的。所以即便很多人是职业培训出来的，编程能力也可能比我们强）。我们的优势是在于在注重工程培养的同时，我们还有很多理论学习，报考计算机的各种理论，算法的各种理论。。。这些理论的学习是给在研究生期间做理论研究做初步准备的。
所以，我认为 一个软件领域的科研人员，在本科阶段应该是一个优秀的程序编写员。本科的偏工程背景，不应该认为和做理论研究是不相关的。