国产一国产精品一级毛片,天天日天天干网,AV高清无码在线,操逼视频免费无码,亚洲一区二区自拍,曰本多毛视频,先锋影音Vs男人资源站,五月丁香好婷婷网站入口

↑ 點擊藍(lán)字?關(guān)注極市平臺

作者丨琰琰?

來源丨AI科技評論

編輯丨極市平臺

極市導(dǎo)讀

美國著名SCI期刊PNAS刊登文章指出，在科學(xué)研究領(lǐng)域，“同質(zhì)化”論文的大規(guī)模生產(chǎn)可能會阻礙新興思想的出現(xiàn)。那么，論文數(shù)量的暴增是否真的代表科學(xué)的進(jìn)步？?>>加入極市CV技術(shù)交流群，走在計算機(jī)視覺的最前沿

從2012年至今，我國科研論文的發(fā)表數(shù)量一直在持續(xù)增長。據(jù)Web of science數(shù)據(jù)統(tǒng)計，近10年中國科研人員發(fā)表 SCI 論文總數(shù)已累計339.7萬篇，反超美國躍居全球榜首。

?然而，論文數(shù)量的暴增是否真的代表科學(xué)的進(jìn)步？

近日，美國著名SCI期刊PNAS（Proceedings of the National Academy of Sciences ?）刊登文章《Slowed canonical progress in large fields of science》指出，在科學(xué)研究領(lǐng)域，“同質(zhì)化”論文的大規(guī)模生產(chǎn)可能會阻礙新興思想的出現(xiàn)。

這篇文章出自美國西北大學(xué)和芝加哥大學(xué)聯(lián)合研究團(tuán)隊，他們通過241門細(xì)分學(xué)科的9000萬篇論文的18億次引用的定量分析發(fā)現(xiàn)，大量論文的發(fā)表不但沒有加快研究范式的更替，反而鞏固了經(jīng)典研究。那些可能蘊(yùn)含潛在的、顛覆性觀點的新論文正面臨出版難、閱讀量低、引用量少的困境，并且沒有因為時間的演進(jìn)而吸引更多人的關(guān)注。

這種現(xiàn)象所帶來的后果是：如果科學(xué)家和研究機(jī)構(gòu)仍然以“數(shù)量”來衡量科研能力，而不是關(guān)注科研質(zhì)量和影響力，那么論文的暴增將從根本上阻礙科學(xué)的進(jìn)步！

1

新論文引用率低，無創(chuàng)新是普遍現(xiàn)狀?

對大多數(shù)人而言，科學(xué)進(jìn)步最直觀的表現(xiàn)就是“越多越好”，某一學(xué)科發(fā)表的論文越多，科學(xué)進(jìn)步的速度就越快；研究人員越多，覆蓋的范圍就越廣。即使不是每一篇論文都有翻天覆地的影響力，但每一篇論文都可以為聚沙成塔貢獻(xiàn)一粒沙子，增加新范式出現(xiàn)的可能。

事實上，眾多科學(xué)領(lǐng)域每年的論文發(fā)表數(shù)量正在快速增長。以人工智能為例，從2007年到2017年，近10年的時間中國AI論文增長了400%，企業(yè)論文增長了73%。在國際學(xué)術(shù)會議中，ACL 2019年的投稿量超過2800篇，相比2018的1544篇，增量超過81%。同年NeurIPS也增長40%，投稿量達(dá)6809篇。CVPR\ICCV\ECCV三大計算機(jī)視覺頂會更是增幅明顯。

其背后的原因一方面與學(xué)術(shù)政策和激勵措施密切相關(guān)。在科學(xué)研究領(lǐng)域，不論是職位晉升還是考量績效，專利、發(fā)表文章、文章的引用以及刊登雜志的影響因子都會成為核心指標(biāo)。這些量化指標(biāo)決定了科研人員的職業(yè)軌跡以及學(xué)術(shù)機(jī)構(gòu)、企業(yè)和評估標(biāo)準(zhǔn)。對于一名高校學(xué)者而言，如果在規(guī)定的時間內(nèi)發(fā)表足夠多的論文，就有可能獲得晉升或者終身教職的機(jī)會。

而另一層原因是，論文的“質(zhì)量”也越來越傾向于定量化評估，引用量普遍被用來衡量某一學(xué)科領(lǐng)域內(nèi)個人、出版商和期刊的重要程度。一篇引用次數(shù)多的論文會被默認(rèn)為最佳、最有價值的研究，甚至?xí)灰暈樵擃I(lǐng)域內(nèi)的里程碑之作。

然而，這項研究中發(fā)現(xiàn)大量科研成果的發(fā)表不但沒有推動科學(xué)的發(fā)展，反而成了行進(jìn)的阻力，這是因為某一科學(xué)領(lǐng)域發(fā)表的論文數(shù)量逐年增多時，學(xué)者更傾向于引用已有的經(jīng)典論文，而不是新論文，反過來，較低的引用次數(shù)又進(jìn)一步影響了新論文的關(guān)注度，這導(dǎo)致學(xué)術(shù)研究很難擺脫現(xiàn)經(jīng)典研究思想的束縛，而事實也證明，更多的新論文創(chuàng)新度不高，多局限于已有的理論框架。

作者在文中具體列出了六項可能帶來的影響，并強(qiáng)調(diào)如果是研究范圍更廣的科研領(lǐng)域，以下現(xiàn)象可能會更明顯：

1）新引用更偏向經(jīng)典論文，而不是引用較少的新論文；

2）引用最多的論文在每年的引用排名中幾乎保持不變；

3）一篇新論文最終成為最常引用論文的概率下降；?

4）新論文不會通過長時間的累積傳播進(jìn)入最常引用行列；

5）新論文延續(xù)現(xiàn)有科學(xué)思想的比例增加，顛覆性思想的比例減少；

6）具有足夠影響力的論文，出現(xiàn)的可能性降低。

至于為什么會出現(xiàn)這種現(xiàn)象，作者認(rèn)為在理論上可能存在兩方面因素，一是大量的新論文可能會剝奪專家和學(xué)者充分認(rèn)識和理解一個新想法所需的時間和認(rèn)知程度。二是過多新想法之間的競爭也可能會妨礙學(xué)者們發(fā)現(xiàn)或者將注意力集中在一個更有前景的idea上。

隨著每年各學(xué)科領(lǐng)域科研成果數(shù)量的持續(xù)增長，這種影響會只增不減，且不可避免，除非采取政策措施重組科學(xué)生產(chǎn)的價值鏈，使大眾的注意力集中在有前途的、新穎的想法上。

2

實驗證明及分析

總結(jié)來看，在大多數(shù)學(xué)科領(lǐng)域中，高引用量的經(jīng)典論文一直持續(xù)占據(jù)主導(dǎo)地位，這導(dǎo)致新論文的引用幾率較低，并隨著時間的推移淹沒在了海量論文庫中。此外，從內(nèi)容上來講，最新發(fā)表的論文更傾向于擴(kuò)展現(xiàn)有理論，而不是進(jìn)行底層創(chuàng)新，很少有打破常規(guī)的新觀點被提出。以下是241門細(xì)分學(xué)科和9000萬篇論文的實證結(jié)論：

一、在大多數(shù)學(xué)科中，引用最多的論文獲得了更高的引用份額。

如圖1（A），引用次數(shù)最多的論文在最大研究領(lǐng)域的基尼系數(shù)為0.5，相當(dāng)于貧富差距最大的兩個國家的系數(shù)水平——只有中國和南非的基尼系數(shù)高于0.5。重要的是，論文引用份額的嚴(yán)重失衡，導(dǎo)致研究方向出現(xiàn)明顯的“馬太效應(yīng)”。

圖1：不同學(xué)科論文引用量的動態(tài)變化過程

左圖（A）表明，當(dāng)某個領(lǐng)域發(fā)表的論文越多，被引用最多的論文在新引用中所占比例就會越大；右圖（B）表明，當(dāng)某個領(lǐng)域發(fā)表的論文越多，高引用論文的排名就越穩(wěn)定。

如電氣和電子工程領(lǐng)域，如果每年有10000篇論文出版，前0.1%的論文獲得1.5%的引用概率，前1%的論文獲得8.6%的引用；如果發(fā)表50000篇論文，前0.1%的論文獲得3.5%的引用，前1%的論文獲得11.9%的引用；如果發(fā)表10萬篇論文，前0.1%的論文獲得5.7%的引用，前1%的論文獲得16.7%的引文。相比之下，隨著每年論文發(fā)表量的增多，50%低引用論文在新引用中所占份額明顯下降，從每年10000篇論文 43.7%的引用次數(shù)占比，下降到每年50000篇和100000篇論文占比僅稍稍高于20%。?

二、在范圍更大的學(xué)科領(lǐng)域，論文發(fā)表數(shù)量越多，引用最多的論文在高引排名中的波動越小。

如圖1（B）所示，在引用最多的前50篇論文中，論文發(fā)表的本年和下一年之間在排名上存在明顯的相關(guān)性。而在隨后的幾年，如果預(yù)測前50名引用最多的論文的斯皮爾曼等級系數(shù)，該系數(shù)從一年1000篇論文的0.25，增加到了一年100000篇論文的0.74。這是因為當(dāng)研究范圍較大時，引用最多的論文每年都會保持其引用次數(shù)，而其他所有論文的引用次數(shù)都會減少。?

?圖2：引用衰減率

圖（A）表明盡管有大量新論文發(fā)表，引用最多的論文平均每年保持在高引用前列；圖（B-C）表明除引用最多的論文外，所有論文在該研究領(lǐng)域的引用次數(shù)均逐年減少。圖（D）表明在所有學(xué)科領(lǐng)域，只有引用最多的論文每年保持高引用水平，其他所有論文平均每年的引用量都較少。

上圖顯示了在不同引用份額上論文本年與上一年引用的預(yù)測比率。可以看出，在論文發(fā)表量少的年份，引用最多的論文比例明顯低于1，與引用較少的論文沒有太大區(qū)別。然而，當(dāng)論文發(fā)表量增加時，引用最多的論文比例接近1，明顯超過引用量較少的論文。如果某領(lǐng)域一年發(fā)表100000篇新論文，引用最多的論文平均每年收到的引用數(shù)量不會出現(xiàn)明顯下降，但在年度引用最多的論文中，排名前1%的論文每年平均會損失約17%的引用次數(shù)，而排名前5%及以下的論文會損失四分之一的引用次數(shù)。?

三、如果同年發(fā)表大量論文，其中一篇論文進(jìn)入該領(lǐng)域最高引用0.1%的概率會明顯下降，且不同學(xué)科和各個年份都遵循這一規(guī)律。

圖3（A）表明，如果是小眾學(xué)科領(lǐng)域，論文會隨著時間的推移而慢慢上升到最常引用的前0.1%。如圖3（B），1980年所有學(xué)科的線性回歸預(yù)測顯示，在1000篇新論文中，一篇論文達(dá)到該領(lǐng)域引用率最高的0.1%需要9年時間。

圖3：新論文進(jìn)入高引用排名的可能性

圖（A）表明，一篇新在該學(xué)科領(lǐng)域進(jìn)入最常引用0.1%的概率會隨著論文的增多而降低。圖（B）表明如果同一年發(fā)表大量論文，其中一篇并不會隨著時間而逐漸積累到最常引用0.1%的范圍內(nèi)。

相比之下，如果是主流學(xué)科領(lǐng)域，一篇新論文會迅速躍升到排名列表的頂端。如圖3（B）的回歸預(yù)測，在100000篇新論文中，一篇進(jìn)入前0.1%的中位數(shù)只需要不到一年的時間。?

四、同年發(fā)表的論文大多建立在現(xiàn)有文獻(xiàn)的基礎(chǔ)上，而不是突破現(xiàn)有文獻(xiàn)。?

圖4（A）表明，當(dāng)某個學(xué)科領(lǐng)域每年發(fā)表1000篇論文時，顛覆性的創(chuàng)新論文占比49%；當(dāng)每年發(fā)表10000篇論文時，該比例下降至27%；每年發(fā)表100000篇論文時，進(jìn)一步下降到13%。即使當(dāng)D>0時，新發(fā)表論文的創(chuàng)新性也會在更廣泛的研究領(lǐng)域內(nèi)被減弱。

圖4：學(xué)術(shù)創(chuàng)新傾向圖

圖（A）表明多年來各個學(xué)科發(fā)表的新論文傾向于擴(kuò)展現(xiàn)有的理論，而不是引入顛覆性的創(chuàng)新觀點（藍(lán)色代表D>0；紅色代表D<0）。圖（B）表明在各個學(xué)科中，同一年發(fā)表的大量論文普遍不太可能具有高度的創(chuàng)新性（D≥ 0.0256).

研究人員注意到，“場大小”所帶來的影響明顯超過了時間維度的影響。隨著一個科學(xué)研究領(lǐng)域的擴(kuò)展，資深學(xué)者的引用模式會發(fā)生明顯變化。即使是久負(fù)盛名、經(jīng)驗豐富的學(xué)者，在許多新論文發(fā)表時也會更多地引用經(jīng)典文章。

3

如何打破“論文泛濫”的局面？?

這項研究發(fā)現(xiàn)讓我們不得不面對一個現(xiàn)實：如在短時間內(nèi)發(fā)表太多的論文，新的idea很可能淹沒在傳統(tǒng)觀念中，科學(xué)發(fā)現(xiàn)的過程也就無法選擇更有價值的創(chuàng)新。更諷刺的是，當(dāng)今科學(xué)事業(yè)的“數(shù)量驅(qū)動”性質(zhì)可能從根本上阻礙科學(xué)的進(jìn)步，而訪問權(quán)限，期刊的激增和刊物體系的失衡又會加劇這一現(xiàn)象。

那么我們可以減少論文發(fā)表的數(shù)量嗎？答案顯然不可能。

我們不可能能禁止出版、關(guān)閉期刊、限制科研機(jī)構(gòu)，或者減少科學(xué)家的數(shù)量。對于科學(xué)家而言，即使他們知道大量“無用”論文可能會對學(xué)科發(fā)展產(chǎn)生影響，但考慮到個人的職業(yè)發(fā)展和學(xué)生的學(xué)術(shù)前景，他們也不會主動減少科研“數(shù)量”。而如果采取強(qiáng)制措施，無疑又可能增加破壞科研氛圍、阻礙科研創(chuàng)新的風(fēng)險。

作者認(rèn)為，如果不從根本上改變激勵政策和評估準(zhǔn)則，這種現(xiàn)象只會持續(xù)惡化。他在文章中提出了幾點改進(jìn)措施，并表示雖然政策很難落實和推進(jìn)，但它能夠引導(dǎo)科研人員從經(jīng)典研究走向更新穎的前沿領(lǐng)域。

構(gòu)建更清晰的期刊等級體系，通過最具影響力的出版機(jī)構(gòu)，引導(dǎo)科研人員從常規(guī)工作轉(zhuǎn)向?qū)W術(shù)創(chuàng)新。
調(diào)整科研機(jī)構(gòu)和企業(yè)的獎勵和晉升制度，避免數(shù)量的權(quán)衡，提升質(zhì)量、創(chuàng)新性貢獻(xiàn)等指標(biāo)的重要性。
在研究生培養(yǎng)、科研能力評估、科研經(jīng)費申請方面制定新的考核標(biāo)準(zhǔn)，激勵科研人員擺脫既定教條，提出新奇的idea。

雖然各個學(xué)科引用最多的論文在每年的高引排名中基本保持不變，但我們很難說學(xué)科發(fā)展就因此而停滯不前。不過現(xiàn)有證據(jù)表明，每年生產(chǎn)大量“無用”的科學(xué)成果耗費了昂貴的人力成本的資金，生產(chǎn)率也正在急劇下降。而更重要的是，我們是否可能因為沉浸在泛濫的論文中而錯過更豐富的新范式？

論文地址：https://www.pnas.org/content/118/41/e2021636118

-?END -

如果覺得有用，就請分享到朋友圈吧！

△點擊卡片關(guān)注極市平臺，獲取最新CV干貨

公眾號后臺回復(fù)“CVPR21檢測”獲取CVPR2021目標(biāo)檢測論文下載～

極市干貨

神經(jīng)網(wǎng)絡(luò)：視覺神經(jīng)網(wǎng)絡(luò)模型優(yōu)秀開源工作：timm庫使用方法和最新代碼解讀

技術(shù)綜述：綜述：神經(jīng)網(wǎng)絡(luò)中 Normalization 的發(fā)展歷程｜CNN輕量化模型及其設(shè)計原則綜述

算法技巧（trick）：8點PyTorch提速技巧匯總｜圖像分類算法優(yōu)化技巧