Problems and Suggestions for the Scientific Research Management System of Universities

The revolution of science and technology in the new era is rising.New industries,formats,and models led by information technology are emerging.Scientific research has entered the fourth data-intensive paradigm.As an important part of the science and technology innovation system,universities also have new requirements for their scientific research management system.In this article,it is suggested that the efficiency and quality of scientific research management in universities could be enhanced by reconstructing the organizational structure of scientific research management,improve the service capabilities of scientific research managers,perfecting the scientific research evaluation system,and innovating the management model of cross-research teams.

基于“四个面向”的高校“有组织科研”范式构建--一个单案例研究

当今世界正经历百年未有之大变局,世界各国科技竞争加剧,科技创新成为各国博弈的主战场。我国在基础研究、关键核心技术等领域正在遭受西方发达国家的围堵。高校作为基础研究主力军和重大科技突破策源地,传统科研范式在响应国家重大需求方面存在原始创新能力薄弱、科技成果转化率低、协同创新能力不足等问题。持续增大的外部压力、创新高风险与高投入使得“有组织科研”成为当前我国高校提升创新效能的重要选择,也是高校深度融入国家创新体系的重要举措。阐述“四个面向”和“有组织科研”的内涵,梳理“四个面向”与“有组织科研”、“有组织科研”与自由探索的关系,从高校传统科研范式亟待解决的问题入手,构建基于“四个面向”的高校“有组织科研”范式,对重庆大学“有组织科研”实施路径与成效进行解析,验证理论的科学性与适用性。

社会影响力评价:高校有组织科研评价的新方向

相对于学术影响力评价而言,社会影响力评价的本质是以科研成果的创新质量与社会贡献为核心,对促进高校有组织科研的导向性、交叉性和协同性具有重要意义。构建基于社会影响力的科研评价体系应坚持社会逻辑的评价理念、强调评价内容的跨界整合、促进多元主体协同创新和指向评价方法的综合集成。社会影响力评价带来高校有组织科研评价理念引领度、社会贡献度、主体参与度、方法集成度等评价要素的多重创新。对此,高校有组织科研社会影响力评价应秉持系统科学思想,迈向复杂科学评价范式;立足质量创新导向,完善科研评价体制机制;引入循证科研评价,创新数据信息采集方法。

“从0到1”的基础研究内涵、过程与关键问题

加强“从0到1”的基础研究是实现高水平科技自立自强的必然要求,然而,科学共同体和实践领域对其概念尚未形成统一认识。以范式转移为切入点,引入科学知识网络,系统阐释“从0到1”的基础研究内涵,指出范式转移、开拓性、非共识性是其区别于其它基础研究的重要特征。研究表明:①范式转移程度和科学价值水平是判断基础研究原创性的两个重要维度,通过二维四象限法可将“从0到1”的基础研究划分为重大型、价值型、转变型和微创型4类;②在科学知识网络中,“从0到1”的基础研究过程分为潜在核心节点探索和核心节点形成两个阶段,核心节点的出现兼具规律性和偶然性,核心节点存在差异且会发展变化。明确“从0到1”的基础研究概念和特征对于有效发挥科研评价的筛选与导向功能、优化基础研究资助模式以及构建促进原创的科学建制具有关键作用。

AI for Science:科研应用及其带来的革新与挑战

人工智能驱动的科学研究(AI for Science)被视为科学发现的第五范式的曙光。依循演绎主义的科学研究逻辑,梳理了人工智能在科学假设生成、数据收集以及分析挖掘中的应用。人工智能“数据算法算力”三原则,对科学数据的质量、算法的复杂性以及计算能力提出了更高的要求。AI for Science时代预计会出现科技巨头、AI专家、软硬件工程师、政府以及教育机构等紧密协同的新型科研模式。然而,AI算法的黑箱特性对科学研究的可解释性和可重复性构成潜在威胁。因此,在推进人工智能驱动的科学研究的发展过程中,必须坚持伦理优先的原则,注重科学数据的安全性管理,防范化解大模型分布外泛化带来的解释性弱等问题。

AI for Science在农业领域的应用研究

近年来,在算法、数据、算力三大引擎驱动下,人工智能(artificial intelligence,AI)发展迅速,并在AlphaFold3、核聚变智能控制、新冠药物设计等前沿领域取得诸多令人瞩目的成果。AI驱动的科学研究(AI for Science,AI4S)解决了科学数据分析维度高、尺度跨度大以及局限性科研实验制约大规模跨学科科研活动的瓶颈问题,促进科学研究迈向以“平台协作”为主要特征的新模式。分析了AI4S的国际态势,梳理了当前我国农业数字化发展现状及现实困境,将文献、统计数据、调研案例分析相结合,提出推动AI4S赋能我国农业发展的实践路径。AI4S将成为撬动农业生产从“看天、看地、看庄稼”的传统模式向智能感知、智能决策、可视化管理等模式转变的强力引擎,推动科学研究从单打独斗的“小农作坊模式”迈向“安卓模式”的平台科研。在此平台上,科研人员共享算力、模型、算法、数据库和知识库等基础设施,围绕农业全产业链全生命周期研发应用,通过“滚雪球效应”加速科研创新和成果应用。利用AI技术赋能农业生产数字化、网络化和智能化,为支撑理论-实验的在线迭代,还需要完善高质量农业科学数据资源体系、适度超前推进AI关键技术与基础设施、优化新范式下的交叉创新科研生态、加强农业数据安全监管、制定完善的配套政策和激励机制等措施来打通数据壁垒,推动AI+农业落地,从源头强化农业科技创新,推动农业强国建设。

野口英世黄热病研究与科研范式的批判性刍议

日本著名微生物学家野口英世的黄热病研究一度举世瞩目,但其研究不久便遭到质疑。基于科赫法则,野口认为类黄疸性钩端螺旋体为黄热病病原体,然而泰勒尔在条件不具备的情况下没有盲从科赫法则,批判性地证明了黄热病病原体为滤过性病毒,否证了野口的结论。面对泰勒尔的质疑野口没有及时反省,最终逝于前往非洲研究黄热病的途中。由野口黄热病研究的失败可见,科学研究中不应预设结果,要做到大胆假设、批判性求证。深入分析类似于野口的科学家在科研活动中的思维路径,有助于认识科研范式在应用中遇到的真实问题。

人工智能驱动科研的哲学审视

当前人工智能与各学科之间的汇聚、耦合特征日趋明显,成为驱动科学研究变革的重要力量,人工智能驱动的科研正在推动新一次的科研范式革命,科研活动将走向数据化、自动化和智能化。从认识论视角,人工智能驱动科研将带来智能涌现、暗知识等新的知识类型,并实现一种基于高维度计算的认知模式;从方法论视角,人工智能驱动科研拥抱不确定性,解决复杂性问题,通过概率模型提供有价值的知识成果,并将开创一种融合人类科学家和人工智能科学家的科学研究模式。

WSR方法论视角下的智库双螺旋问题研究范式探索——以我国高水平智库地域发展差异问题为例

智库是国家软实力和话语权的重要组成部分,是科学问题分析和科技情报研究的重要力量。智库的作用发挥主要依托于智库研究成果,而高水平研究成果的形成需要科学的智库问题研究范式指导。智库双螺旋法是我国智库研究和问题分析领域逐渐兴起的一种科学范式,“物理(Wu)—事理(Shi)—人理(Ren)”WSR方法论是一种处理复杂问题的系统工程理论。分析二者内在机理,将系统工程理论中的WSR方法论引入智库双螺旋法,从宏观和微观角度探索对智库双螺旋法的补充和发展。以我国高水平智库地域发展差异问题为例,开展WSR方法论视角下的智库双螺旋法应用研究。WSR方法论视角下的智库双螺旋法是智库问题研究范式新路径的探索。WSR方法论为智库双螺旋法的构建提供了一种理论阐释,丰富了智库双螺旋法的分析维度和耦合结构,发展了智库问题研究的方法手段。探索引入WSR方法论的智库双螺旋问题研究范式有其科学意义和实践价值。

开放大学有组织科研:现实问题及实践范式

科研在开放大学高质量发展过程中扮演着重要角色,然而,现实中科研功能发挥的作用有限,主要原因在于未能形成有组织的科研范式。基于库恩的范式理论,开放大学有组织的科研范式构建需遵循问题导向原则、业绩导向原则、层级管理原则和团队协作原则,健全有组织科研的领导体制,做好有组织科研的功能布局,建立有组织科研的运行模式,营造有组织科研的学术氛围,完善有组织科研的考评体系,加强有组织科研的团队建设,从而构建具有开放大学特色的有组织的科研范式。

高等教育科研育人范式刍议

高等教育科研育人是教育和生产劳动相结合,实现人的全面发展的重要途径,是国家坚持教育发展、科技创新、人才培养一体推进的重要举措。我国高等教育科研育人工作与国外发达国家相比虽起步较晚,但发展迅速,同时也不可避免地在局部和个别方面出现了一些问题,主要有大学科研育人工作立德树人的宗旨权威受到挑战、科研育人“双主体”失衡风险增加、科研育人本科教育参与度低、科研工作和育人工程融合不紧密、科研育人环境建设相对滞后等。结合新时代高等教育科研育人工作和人才培养的需要,高等教育科研育人范式构建需从以下五方面着手:强化政治方向引导和价值观培育,科研育人向高等教育不断多层次深入,构建科研—教学—育人连续体,提升科研—专业建设—社会发展的协同育人耦合度,活化科研育人环境系统。

端到端的科学数据跨中心工作流分析框架

【目的】大数据与人工智能技术的快速发展催生了科研范式变革,新科研范式普遍要求对不同领域的科学数据资源进行协同分析,任务类型多样,分析流程横跨不同科学数据中心。【应用背景】现有工作流分析框架因在分析流程表达能力、异构计算框架整合能力、跨中心作业调度能力上的不足,难以支撑端到端的科学数据跨中心工作流分析需求。【方法】本文提出了可进行端到端科学数据跨中心工作流分析的软件框架,支持跨中心异构工作流构建、跨框架数据透明传递、跨中心作业优化调度。【结果】基于国家生态科学数据中心“草地地上生物量跨台站在线处理与质量控制”场景,对科学数据跨中心工作流分析框架进行了功能和性能验证,验证了该框架的先进性和可行性。

Methodology and Trends of Linguistic Research in the Era of Big Data

This paper presents methodology and trends of linguistic research in the era of big data.We begin with a discussion of the role of linguists in the information society and illustrate the opportunities and challenges linguists are currently facing.After highlighting the significance of authentic data on linguistic research,we argue that language is a complex adaptive system driven by humans.Then,from the perspective of philosophy of science,we introduce the research paradigm of quantitative linguistics through several cases.Finally,we discuss how China’s linguistic research will benefit from the data-intensive approach in terms of scientification and internationalization.

教育研究的确定性与不确定性

近代科学以确定性为认知范式,基于量化思维和实验方法力求化复杂为简单,寻求完全掌控世界、获取世界。20世纪以来,随着分析尺度的不断拓宽,现代科学中确定性逐渐走向终结。无论在本体论还是在认识论层面,不确定性都得到了愈来愈多的证据支持。现代科学的认知范式以不确定性取代确定性,以复杂性思维取代线性思维,体现了对于事物复杂性和人的有限理性的尊重。基于这种新的科学精神,教育研究的科学化也不能再执迷于对确定性的追寻,而应基于复杂性思维走出对实证和精确测量的迷思,重新审视教育研究的科学性,并以不确定性作为新的认知范式,寻找教育研究科学化的新路径。在科学化进程中,教育研究要跟上科学思想的变革和科学自身的进步,不能在新科学精神中不确定性范式兴起并确立之时,反倒受掌控的意识形态驱动一味追逐旧科学精神中的机械决定论。

数据密集型社会科学发展的经验及启示:一个国际案例的分析

面对未来发展的不确定性,以及技术发展在学科建设及其研究范式的高渗透性,高校尤其是以人文社会科学见长的高校更应该主动迎接并积极运用数据密集型科学发现的优势,充分考虑数据驱动下的知识发现对于传统社会科学学科建制及其研究范式的重大影响、冲击乃至颠覆作用。一方面,数据密集型科学的发现及其在社会科学领域的渗透与应用,会带来数据密集型科学与社会科学的交叉融合发展,推动社会科学的学科建设方向由传统走向现代、由经验转向科学;另一方面,借助数据密集型科学发现基于数据驱动的研究优势能够有效提升社会科学研究的速度、效率和效果,进一步推动社会科学研究范式的转型,且人文主义与科学主义相结合的混合研究将成为社会科学研究的主流范式。以耶鲁大学为研究个案,着重分析其发展数据密集型社会科学的愿景目标和实践举措。研究发现,耶鲁大学通过发展并应用数据密集型社会科学的方法,拟实现借助数据密集型科学的强大力量不断赋能并推动社会科学研究范式转型、通过建立社会科学研究社区促进跨学科研究与协作、有选择地改善基础服务并强化制度保障与治理支持3个维度的愿景目标。为了实现这些愿景目标,耶鲁大学通过创建数据密集型社会科学中心、了解其他大学和行业卓越机构的发展趋势、在大学层面建立委员会等实践举措,实现重塑组织结构、调整组织行为和促进跨学科研究的整合效应;通过加强基础数据密集型课程群建设、增强数据密集型社会科学发展的多样性和包容性,以及教师年度会议和委员会等制度保障和治理支持,不断优化数据密集型社会科学的人才培养目标,推动课程教学的创新发展和科学评估。由此,耶鲁大学不仅推动了数据密集型科学与社会科学的知识交叉融合发展,还加快了数据密集型科学在社会科学研究中的应用。我国高校在未来的数据密集型社会科学发展实践中,需要主动转变社会科学发展的传统理念,主动运用数据密集型科学发现赋能社会科学转型发展,加强社会科学与数据密集型科学之间的深度融合,建立与数据密集型社会科学发展相匹配的人才培养目标与跨学科课程体系,注重数据密集型社会科学发展的整体规划与适时动态调整。

语言研究中的小数据统计范式及其人工智能变革——“语言智能学科”方法论构建(之一)

统计学被认为是20世纪最重要的发现之一。语言学与统计学的结合,创生了语言研究的一种新范式,堪称“语言统计范式”。本文对遍行于语言学数十年的语言统计研究进行梳理与阐释,将其解析为“语言小数据统计范式”,同时分析其面临的人工智能与大数据挑战,展望今后的智能统计范式变革。

欧盟开放科学体系研究

欧盟在开放科学领域起步较早,自2014年首次提出“开放科学公地”愿景以来,已建立起一套成熟而完整的开放科学体系。从顶层设计、信号释放、平台工具及基础设施4个方面对欧盟的开放科学体系进行系统剖析,以期对中国开放科学的研究与推进有所裨益。近年来,中国科研领域不断加大科技文献、科学数据以及各类科研资源的开放力度,但与欧盟开放科学体系相比,在体系建设和进程方面存在较大差距,可从加强顶层设计、理顺科学数据管理体系及建立科研范式数字化转型人才培养体系3个方面入手,逐步缩小与开放科学领域走在前沿的国家和地区之间的差距。

数字时代的科研范式变革与组织模式创新

通过分析科研范式的内涵、学科会聚的发展和逻辑演进、第四范式的形成,梳理了国外创新汇聚战略和国内的科技创新实践。第四范式主要从工具、方法维度突出大数据和人工智能在科研中的应用;要素汇聚从创新维度强调建设科技强国和创新高地的国家战略,属于数字时代与科技自立自强背景下科研范式变革和组织模式的创新。据此提出五点建议:以解决国家战略需求和人类面临的共同问题为导向,推动学科交叉会聚;以建设创新型国家和世界科技强国为目标,加强全球创新要素汇聚;建设全球人才中心和创新高地,培育战略科技人才,促进人才汇聚;建设世界一流科技基础设施和大科学工程,带动创新要素汇聚;形成数字时代的数据思维模式,以组织模式创新统筹推进数字时代科研范式变革。

刍议人居环境类学科研究的科学范式——从提出科学问题到设计实践

建筑学、城乡规划学和风景园林学具有影响机制复杂、理论与实践错位或滞后等特点。学科研究的科学范式构建,关系着人居环境类学科适应未来变革并向其他领域拓展的潜力。从科学问题的内涵、科研与实践的融合、创新路径的探索,以及“选题—循证”关联的研究流程等方面,展开对人居环境类学科研究的科学范式的思辨。而后,以重庆市主城中心区“两江四岸”景观研究为案例,展示从提出科学问题到设计实践的研究思维与过程。

面向科学智能新范式的信息基础设施

探索复杂科学问题已经进入大科学时代,信息技术发挥着越来越关键的作用,并催生了科学计算和科学数据两种以计算技术赋能的科研范式。科学研究在向更基本、更复杂问题的突破上仍然面临着巨大挑战。一是应用基本规则的理论方程导致模型过于复杂而无法求解,二是建模摆脱不了低效的“试错”和“穷举”的研究模式。为了应对上述挑战,国际前沿研究正在探索以数据和智能驱动的科学智能范式。本文探讨从信息技术赋能角度看科研活动中的信息流,阐述发展科学智能范式的挑战性问题,提出建设面向科学智能的新型科研信息基础设施的几点建议。