科学管理研究杂志

PingWest品玩12月21日讯，据科技日报消息，美国《科学》杂志20日公布了其评选出的2018年十大科学突破，单细胞基因活性分析技术突破拔得头筹，成为年度头号科学突破。单细胞基因活性分析可让研究人员逐个追踪细胞发育，了解到哪些基因会在胚胎早期发育时被开启或关闭。科学家们认为，单细胞RNA-seq方法会在未来十年内改变基础生物学和医学研究格局。另外9项科学突破包括：首次发现宇宙中高能中微子来源；利用电子衍射技术快速确定微小有机化合物分子结构；在格陵兰岛发现巨型陨石坑激起千年全球降温事件猜想；美国国家科学、工程和医学学院发布报告内容直指科学领域对女性的性骚扰问题；对俄罗斯丹尼索瓦山谷洞穴中骨块基因组测序发现古人类“混血”证据；利用开源基因数据抓捕上世纪七八十年代犯下累累罪行的“金州杀手”；经20年等待后基因沉默技术终获美国食品药品管理局认可；对5亿多年前化石分析发现动物生命标志——胆固醇样分子痕迹；多项研究揭示细胞内部基本组织原则。

什么是核心期刊？核心期刊是从普通期刊中遴选出来的，因此核心期刊也是省级或是国家级期刊，与其他刊物不同的是，被核心期刊遴选系统根据期刊的引文率、转载率、文摘率等指标选出来的，核心期刊一般分为北大核心、南大核心、双核心、统计源核心、科技核心等，有的期刊可能同时被两个核心期刊遴选系统选中，那么它就是双核心期刊。确认核心期刊的标准也是由学术界权威专家及图书馆制定的。虽然各学校图书馆的评比、录入标准也不尽相同，但是核心期刊目录受到了学术界的广泛认同。1. 中文社会科学引文索引(CSSCI即南大核心)由南京大学中国社会科学研究评价中心开发研制的数据库，收录包括法学、管理学、经济学、历史学、政治学等在内的25大类的500多种学术期刊。南大核心是由南京大学中国社会科学研究评价中心，组织评定的，两年一评。通过对全国所有符合两月以下出版及非一刊号多版的人文社会科学各学科学术性期刊，进行他引影响因子分析，指某刊在统计当年被CSSCI来源期刊文献引用该刊前2年所登载的文章的篇次(不含该刊自引)与前2年该刊载文量之比。2. 中国科学引文数据库(CSCD)中国科学引文数据库具有建库历史最为悠久、专业性强、数据准确规范、检索方式多样被誉为“中国的SCI ”。截止目前已有论文记录4818977 条，引文记录 60854096条。3. 中文核心期刊(北大中文)北京多所高校图书馆及中国科学院国家科学图书馆中国人民大学书报资料中心、国家图书馆等27个相关单位的百余名专家和期刊工作者参加研究。是除南大核心、中国科学引文数据库（cscd）以外学术影响力最权威的一种。北大核心是北京大学图书馆联合众多学术界权威专家鉴定，国内几所大学的图书馆根据期刊的引文率、转载率、文摘率等指标确定的。确认核心期刊的标准也是由某些大学图书馆制定的，而且各学校图书馆的评比、录入标准也不尽相同，受到了学术界的广泛认同。从影响力来讲，其等级属同类划分中较权威的一种。是除南大核心、中国科学引文数据库(cscd)以外学术影响力最权威的一种。二国家级期刊、省级期刊怎么区分?其实这个问题就有点莫名其妙了 ，因为国家从来没有对刊物做过级别之分，也就是在影响力和专业程度上没有省级和国家级的差别。所谓国家级期刊和省级期刊之分，主要是为了方便管理，根据期刊主管单位的级别而做了区分，即国家单位主管期刊为国家级期刊，省级单位主管期刊为省级期刊。其实不管是国家级期刊还是省级期刊，都有进入核心期刊遴选的可能。三什么是SCI、SSCI、AHCI?SCI是理工科的理工科科学引文索引；SSCI是文科的社会科学引文索引；AHCI是艺术人文引文索引；我国的中文社会科学引文索引CSSCI，就是来源于SSCI（社会科学引文索引），也可以这么记，国外的文科就是SSCI，理工科就是SCI，到我国了，SSCI到变成了CSSCI，SCI则没有变。四CN与ISSN类刊物是咋回事?所谓CN类刊物是指在国内公开发行的刊物，该类刊物的刊号均标注有CN字母,人们习惯称之为CN类刊物。ISSN类刊物是指在国外发行的刊物，该类刊物的刊号前标注有ISSN字母。所以大家只要记得CN字母的刊号是国内的就好了~五A类、B类、C类期刊又怎么分？其实，这些A、B、C类并不是国家具体明确的，只是一个日常说法而已。并且A类、B类、C类期刊的划分是各单位或者各学校结合自身情况自己指定的，就是分个好坏而已。有的单位也会以一、二、三类为期刊命名。核心期刊的遴选标准除了上述几点以外，还有普赖斯指数、引用半衰期、被引半衰期、老化系数、来源文献量、参考文献量、平均引用率、平均作者数、地区分布数、机构数等等标准，一旦期刊被选入核心期刊，就会与其他普通期刊明显区别开来，因为核心刊物是行业内的顶级刊物，代表着最权威的学术影响力，想要发表可就不容易了。建议大家通过知网查看期刊的影响因子来辨识刊物的质量，一般而言，在0.5以上就算及格，≥1.0的就差不多良好了，1.5左右算优秀。六什么是普通期刊？核心期刊目录以外的期刊，被称为普通期刊。

2020年2月19日，教育部、科技部联合印发《关于规范高等学校SCI论文相关指标使用 树立正确评价导向的若干意见》，力图消除当前科研评价中的“SCI至上”现象，这是一个可喜的进步。其实，与自然科学领域存在的“SCI至上”现象类似，我国人文社会科学领域也存在严重的“SSCI至上”“CSSCI至上”现象，也应予以大力消除。SSCI即社会科学引文索引（Social Sciences Citation Index），为SCI的姊妹篇，是二十世纪六七十年代美国科学信息研究所（ISI）建立的人文社会科学领域的引文索引系统。SSCI收录了经济、法律、管理、心理学、区域研究等58个学科的3400多种学术期刊，其中英语类期刊占95%以上。CSSCI即中文社会科学引文索引（Chinese Social Sciences Citation Index），是2000年由南京大学中国社会科学研究评价中心开发研制的数据库，用来检索中文社会科学领域的论文收录和文献被引用情况。目前，CSSCI收录了包括法学、管理学、经济学等在内25大类的568种学术期刊。如同SCI在我国自然科学领域的“至上”地位一样，SSCI、CSSCI在我国人文社会科学领域也被“顶礼膜拜”，成为评价人文社会科学成果的“指挥棒”，继而摇身变成人才评价、课题立项、学位评定、经费分配、高校排名、学科评估、期刊评价等的重要指标。许多高校对于一篇SSCI论文奖励5万元，一篇CSSCI论文奖励1万元，以至于师生为此趋之若鹜。SSCI、CSSCI崇拜已造成诸多恶果：一是违背人文社会科学研究初心。在巨额奖励的诱导和科研考核的压力下，一些学者一味追求SSCI、CSSCI论文的数量，以至于为写论文而写论文、为发表而发表，而忘了学者和学术的初心：为天地立心,为生民立命,为往圣继绝学,为万世开太平。一些论文成为学者自娱自乐的玩物，而实际上于理论无贡献、于实践无促进。二是导致“自我殖民化倾向”。SSCI由西方发达国家、英语期刊占据绝对主导，存在严重的意识形态偏见与文化歧视。认为英文SSCI论文即是高质量论文，对SSCI盲目崇拜，导致我国人文社会科学界“自我殖民化”，主动拥抱西方话语体系。为了发表英文SSCI论文，一些学者唯西方马首是瞻：或者西方研究什么,我们也研究什么；或者虽是研究本土问题，但是只研究西方关心的本土问题；或者直接援引西方理论来解读（甚至是曲解）本土问题；或者为了印证西方理论，而对中国的传统和现实全盘否定和批判。我们要坚持中国特色社会主义道路自信、理论自信、制度自信、文化自信，构建中国特色、中国风格、中国气派的人文社会科学体系，必须从破除SSCI迷信开始。三是忽视人文社会科学自身的特点与规律。首先，不同于自然科学的“普遍适用性”，人文社会科学的原理、方法在不同国家、民族、地区，以及不同的语言文化、历史文化背景下有较明显的差异，所以不宜采取SSCI、CSSCI式的简单、统一量化评价。其次，人文社会科学具有较强的积累性和学术传统。例如，哲学、伦理学等领域的学术成果的影响力，可能在数十年之后才显现。古代史、古文字学等学科的知识新陈代谢较慢，论文写作周期较长，因此10年乃至20年前发表的论文至今仍有价值。这就远超SSCI一年一次与CSSCI两年一次的评价周期。其三，某些学科、学者的论文写作风格，或者期刊、编辑的排版风格有其个性和偏好，不愿意采用适应SSCI、CSSCI统计引用率要求的论文格式。一些期刊、论文为了适应SSCI、CSSCI削足适履，反而失去可读性和特色，甚至借形式的“规范”“漂亮”掩盖内容的空洞、苍白。四是阻碍“绝学”、冷门学科和交叉学科的发展。习近平总书记在哲学社会科学工作座谈会上提出，“要重视发展具有重要文化价值和传承意义的‘绝学’、冷门学科。这些学科看上去同现实距离较远，但养兵千日、用兵一时，需要时也要拿得出来，用得上。”许多“绝学”、冷门学科因为CSSCI刊物极少，学者发CSSCI论文太难，以至于评职称无望，被迫转行，造成这些学科后继无人。此外，SSCI、CSSCI目前仍囿于传统的学科分类方式，导致一些交叉学科、跨学科研究的刊物、论文找不到归属。五是造成国内学术期刊诸多乱象。首先，过于重视SSCI、CSSCI造成“以刊评文”的“错位”，引导优质稿源集中于少数SSCI、CSSCI期刊，加剧马太效应。其次，国内学术期刊将CSSCI视为唯一标准，导致刊物建设以提高影响因子为己任，摒弃办刊初衷，偏离科学精神和社会需要。再次，CSSCI所附载的巨大利益，加剧世俗化、功利化倾向，滋生了关系稿、买卖版面、强制作者引用本刊论文、期刊之间拉帮结派增加互引等乱象。例如，某CSSCI期刊原总编伙同情妇私自收取“版面费”近千万元；某知名大学学报为了提升CSSCI地位改变稿件的学科结构，增加了部分影响因子高的政治学、社会学类稿件，导致一本在文史哲领域内口碑卓著的杂志被迫自我“社会科学化”。对于SSCI、CSSCI崇拜的上述种种弊端，此前已有许多有识之士予以痛批，可惜有关部门仍听之任之。此次，应借破除SCI崇拜之机，一并予以破除。作者｜徐拥军，中国人民大学国家发展与战略研究院研究员，中国人民大学信息资源管理学院教授、博士生导师来源｜人民网新媒体智库官方微信公号编辑｜朱玉萍　主编｜刘鹏飞另附徐教授发表于人民网另一篇佳作供学习：完善代表作同行评议制度 力破“五唯”痼疾2020年2月17日，科技部印发《关于破除科技评价中“唯论文”不良导向的若干措施（试行）》；2月19日，教育部、科技部联合印发《关于规范高等学校SCI论文相关指标使用 树立正确评价导向的若干意见》；2月20日，教育部、国家知识产权局、科技部发布《关于提升高等学校专利质量促进转化运用的若干意见》。三天连续发布的这三份重要文件，是为破除“五唯”（唯论文、唯帽子、唯职称、唯学历、唯奖项）痼疾打出的“组合拳”，凸显国家彻底根治“五唯”的决心。笔者认为，我们在加大“破”的力度的同时，应加快“立”的进度，要尽快建立起以代表作同行评议制度为核心的科研评价制度体系。对于代表作同行评议制度，应思考和探索如下问题：1.为何而评？首先，必须明确为什么要进行科研评价，科研评价的初衷是什么？此前，我们科研评价的主要目的是衡量一个单位、学者的科研绩效，以调动其科研工作的积极性。由于科研评价的结果，又往往与薪酬、经费、职称、“帽子”、高校排名、学科排名等直接挂钩，所以科研评价从一种手段异化为目的，从一种精神层面的评价异化为物质层面的奖惩。科研工作的根本目的和初衷应该是以研究开发新的思想、理论、技术、新方法服务国家、造福人民，而科研评价的根本目的和初衷也应该是遴选出优秀的科研成果以更好地服务国家、造福人民，而不是为了以评价结果决定如何发资金、拨经费、评职称、派“帽子”、定排名。因此，对于代表作同行评议制度，应坚持更纯粹的目的，不可基于此附加更多功利化的东西。2.谁来评？同行评议代表作，那么谁属于同行呢？首先，同行应该是本领域的权威专家。例如，英国研究理事会（RUCK）在选择同行评议专家的第一考虑因素是他们在该领域的权威性，然后以此为中心适当扩大专家选择范围。非本领域的专家宜尽量排除，因为俗话说“隔行如隔山”，外行往往只能“看门道”。当然，有些科研成果属于跨学科的研究成果，需要不同领域的专家共同评议。非权威的专家也宜尽量排除，“权威”应该是指学术精湛、经验丰富、治学严谨，而非指头衔、职称、年资。其次，同行应该具有多元性。例如，由美国学术出版学会（SSP）举办的2018年同行评议周中，蒂姆·维恩斯（Tim Vines）提出，要包含不同年龄、国家、性别的研究者以保证同行评议中的多元性，评议团的组成要反映更为广阔的全体。再次，同行应该理论界与实践界兼顾。尤其对于应用性研究成果，宜有产业精英作为同行代表。对于理论性研究成果也可请社会人士评价其社会影响。3. 评什么？代表作同行评议，又何谓“代表作”呢？首先，代表作不能理解为图书、论文形式的“著作”，而应该是“作品”。除了公开出版的图书、论文之外，作品应该还包括课程、教案、专利、标准、资政报告、受人民群众喜欢的科普读物、产生重大效益的技术方案、广泛传播的优质时政评论、行之有效的法规制度等。凡属在思想创造、产生经济效益和社会效果的，皆可视为代表性。前述科研部、教育部的文件也提出，对于基础研究类科技活动注重评价新发现、新观点、新原理、新机制等，对于应用研究、技术开发类科技活动注重评价新技术、新工艺、新产品、新材料、新设备等。评价的都是作品的“内容”，而非作品的“形式”。其次，代表作要有代表性，少而精，不求数量只重质量。要提倡“孤篇压倒全唐”之作。这次科技部的文件中即对代表作数量作了限制。4.怎样评？怎样评，涉及诸多制度、标准、流程设计，较为复杂。笔者在此想强调以下三点：一是“双向匿名”“双向回避”制度。为了防止被评价者“拉关系”“走后门”，同行评议专家应该匿名。为了防止同行评议专家打“人情分”“印象分”，被评价者也应该匿名。为了防止“同行相轻”“观点之争”，被评价者可以有权提出3~5人希望回避的专家，专家也应回避对自己直系亲属、配偶等关系、利益密切者的评价。科研管理部门还应该对同行评议专家进行信誉评价，对于信誉低的专家可拉入“黑名单”，以保障同行评议的公平公正性。二是分类评价标准。对于不同类型科研成果要采用不同的评价标准。例如，对于应用性科研成果，应注重成果转化率及市场需求满足度，因此可适当提高实践专家的评价权重；对于基础性研究成果，则可增加理论专家的评价权重，看重成果的理论创新和学术价值。三是适当延长代表作的评价周期。评价周期过短，不符合科学研究的发展规律，从学术观点提出到现实认可、从成果出炉到成品应用均需要一定时间的酝酿与转化，尤其是基础性研究成果，历时检验会更长。如诺贝尔奖得主从出成果到获奖平均需要22年。评价周期延长也有利于逐渐纠正学术圈的“浮躁”之风，引导学者戒掉追踪热点、急功近利的科研“陋习”，专心科研、严谨治学，回归科研的本质和初心。总之，建立代表作同行评议制度是一项复杂的系统工程，需要经过不断的探索、检验与优化，历经多次迭代后使之臻于完善。（作者简介：徐拥军，中国人民大学国家发展与战略研究院研究员，中国人民大学信息资源管理学院教授、博士生导师。张丹，中国人民大学人文北京研究中心助理研究员。）往期精彩文章回顾我国高校教育学院学术竞争力比较研究2018年北大核心增删变化表：173本淘汰，171本晋升CSSCI（2019-2020）来源及扩展版期刊目录发布2019年中国学术期刊影响因子年报（教育学）G4/7中国知网推出：全国教育学-学者论文指数排名TOP50全网首发！教育学JCR分区最新公布SSCI目录近12年国家社科基金教育学项目的量化分析第五届全国教育实证研究论坛投稿被接收名单全日制专业硕士与学术硕士就业状况的比较研究速看！“十三五”教育科学规划立项名单公示来了中国博士后科学基金第65批面上资助获资助人员名单（教育学）

俄罗斯公布其新冠疫苗 Sputnik V 第二次中期数据，有效性达 91.4%当地时间 11 月 24 日，俄罗斯加马列亚流行病与微生物学国家研究中心（Gamaleya Center）宣布了在俄罗斯历史上规模最大（涉及 4 万名被试）的双盲、随机、安慰剂对照 III 期临床试验的第二次中期数据，本次提供的结果是对 18,794 名被试接受加强剂量 7 天后的中期分析，其中四分之一的被试注射了安慰剂。公布的 39 例新冠感染患者中，8 例为实验组，31 例为安慰剂对照组。加马列亚中心表示，该结果表明 Sputnik V 的有效性为 91.4％，回应了此前多方科学家对 11 月 11 日发布的报告所提出的“证据不足”的质疑。正在进行的临床试验将在新冠感染者达到 78 例后进行下一次中期分析。《科学》：强效抗体组合抑制新冠病毒，动物实验显示保护效果日前，一项新冠病毒中和抗体的研究进展在顶尖学术期刊《科学》正式发表。由数十名科学家组成的国际研究小组报告了两种强效中和抗体，并揭示出它们识别和阻止病毒感染细胞的具体机理。临床前研究表明，单独或混合使用这两种抗体，均能保护动物免受新冠病毒的感染。研究人员指出，由于不同抗体使用了不同的作用机制，组合而成的“鸡尾酒“疗法将有助于对抗新冠病毒因突变而产生的耐药性。中国以外地区首次发现新冠病毒的近缘病毒据《自然》（Nature）新闻报道，来自日本和柬埔寨的研究团队分别在当地发现新冠病毒的近缘病毒。来自柬埔寨的研究团队报告，他们在当地的两只菊头蝠（Rhinolophus shameli）中发现了新冠病毒的近缘冠状病毒。这两只菊头蝠于 2010 年在柬埔寨北部捕获，目前该团队已完成了该病毒基因组 70% 的测序工作。倘若该病毒与新冠病毒的遗传学同源性大于 97%，则能证明该病毒与新冠病毒有非常近的亲缘关系，甚至可能是它的祖先。这将帮助我们理解新冠病毒是如何从蝙蝠传给人类的，并有助于寻找大流行的源头。而如果分析病毒的亲缘关系与新型冠状病毒较远，则能够加深科学家们对该病毒整个科（family）的理解。新研究显示中国控制新冠肺炎成效显著近日，复旦大学环境科学与工程系研究员王戎课题组与国内外团队合作，将2020年相对2016~2019年同期每日的碳排放活动下降作为新指标，与每日新增病例数变化率建立大数据统计学关联，预测控制强度和控制时间对新冠肺炎疫情规模的影响。结果表明，中国防控措施产生的长期公共卫生收益远高于国内经济生产总值的短期下降。该研究成果已发表于《创新》（The Innovation）。辉瑞/BioNTech新冠疫苗本周可能会获得英国的批准据英国媒体报道，政府消息人士对《每日电讯报》表示，在“最佳情况”下，一周之内英国药监部门可能会做出决定，而英国国民保健系统（NHS）可能会准备在12月1日前开始分发疫苗。这将意味着辉瑞/BioNTech疫苗将在美国之前获得英国批准。高压吸氧3个月，细胞年轻25岁！科学家首次在人体试验中逆转衰老日前，来自以色列的一支科研团队在Aging期刊上发表论文，介绍了一项临床试验的结果。在给健康老年人连续进行高压氧治疗（hyperbaric oxygen therapy）后，短短三个月，就能显著停止、甚至逆转细胞衰老过程。根据两个关键的生物学指标，这些老年人的血细胞变得比实际年龄更加年轻。传染性肿瘤仍在不断演化新发表在 PLoS 子刊的研究分析了 2003~2018 年间收集的 648 个DFT1 肿瘤基因组，发现该癌症基因在早期曾有过 5 个分支，但有 2 个分支已经消失，另 3 个分支仍在继续传播。这其中，A 型分支仍然继续演化形成新的分支。演化过程中，许多因素都对不同分支的发展产生了影响，例如环境和地理特征，甚至是人类为阻止肿瘤传播的干预措施也在特定区域造成了肿瘤分支变化。该研究结果有助于解释袋獾的数量为什么急剧下降，也为研究其他癌症的演化提供了帮助。减少胃蠕动可增加人对恶心图片的耐受度据一项《当代生物学》上的研究，科学家发现能够稳定胃部电信号的胃药多潘立酮能减少人们对恶心图像的厌恶程度。他们让服用多潘立酮和安慰剂的两组志愿者多次观看恶心图片并追踪他们的眼神停留时间，发现在对图片恶心程度评价不变的情况下，多潘立酮在一开始并不会改变志愿者观看特定图片的时间，但当给予金钱激励后，观看时间明显延长。当不再给予激励后，服用多潘立酮的小组观看恶心图片的时间比安慰剂小组长 3 秒。这项研究表明平复胃部节律的药物或能帮助治疗病理性厌恶，但还需配合一定激励手段。可可饮料或许会让人变聪明一项发表在《科学报告》上的研究进一步报道了黄烷酮对脑健康的作用。研究纳入了 18 名 18-40 岁的健康男性，发现摄入可可饮料后，受试者的血氧水平最多提高三倍。同时，受试者完成复杂任务的速度提高 11%，准确性也有差异，意味着其大脑认知功能改善。但也有小部分人摄入可可饮料后，血氧水平和认知水平没有改善。该研究提示，饮食中适度增加黄烷酮的摄入，或许可以通过提高大脑血氧水平改善认知水平。不过，该研究并没设置对照和安慰剂组，也没有进行双盲分析试验。素食者骨折风险要更高于食肉者物制品）钙和蛋白质的平均摄入量更低，全骨折风险（即全身任意部位骨折风险总和）高出43%，特定部位（如髋部、腿部和脊柱）骨折风险也更高。素食者（不吃鱼、肉但可能会吃蛋奶等动物制品）的髋部骨折风险较食肉者更高。研究发现，与食肉者相比，严格素食者的全骨折高出的风险大约相当于10年内每1000人中多发生近20例骨折。其中风险差异最大的是髋部骨折，严格素食者的髋部骨折风险比食肉者高出2.3倍，约相当于10年内每1000人中多15例。动物模型显示，基因编辑疗法抗癌功效显著据《科学进展》的一项研究，以色列特拉维夫大学的科学家发现CRISPR/Cas9系统在治疗侵入性癌症方面非常有效，或许能成为治疗癌症的一种思路。研究人员开发的一种基于脂质纳米颗粒的新型递送系统CRISPR—LNP，可专门针对癌细胞并通过基因编辑破坏其生存能力。该系统携带的CRISPR系统会剪切癌细胞的DNA，从而使其失效并永久防止复制。研究证明，使用CRISPR—LNP进行的单次治疗，可使患有胶质母细胞瘤的小鼠的平均预期寿命增加一倍，从而将其总生存率提高了约30％。而在转移性卵巢癌小鼠模型中使用CRISPR—LNP进行治疗，可将其总生存率提高80％。忠诚的一夫一妻制灵长类动物从遗传学分析来说，科学家发现大多数成对生活的物种，并没有对自己的伴侣表现出十足的忠诚。大多数物种中，有一定比例的后代和其社会学父亲并没有亲子关系。然而生活在亚马孙低地雨林中的红伶猴（Coppery titi monkey）并非如此。来自德国灵长类研究中心的研究人员在研究中群中（14 组共 41 个个体），没有发现类似的“出轨”行为。红伶猴生活在一个由父亲，母亲和孩子组成的小家庭中，并占据着一定的领地，一般每年诞下一只小猴，当小猴性成熟时或稍后离开该家庭，寻找自己的领地。而红伶猴夫妻之间维持着紧密的关系，日夜密切相处并相互梳理毛发。相关研究成果已经发表在《科学报告》上。首次在昆虫中发现矿物盔甲《自然·通讯》最新发表的一篇论文发现，一种切叶蚁（Acromyrmex echinatior）的外骨骼上覆盖了一层富含镁的方解石盔甲。论文指出，这个盔甲会随着切叶蚁的成熟而生长，增加它们的外骨骼硬度，并近乎覆盖整个身体。研究者观察到，有生物矿物外骨骼的工蚁在遇到巨首芭切叶蚁（Atta cephalotes）时，存活的可能性比没有盔甲的工蚁更大。这种盔甲还有助于保护它们不被金龟子绿僵菌（Metarhizium anisopliae）这种致病真菌感染。鲍哲南团队开发新型电子皮肤感受器，可同时感知温度和动作变化如何尽可能地感受到人类皮肤所能感受到的温度和动作，是电子皮肤面临的一大挑战。已有的电子皮肤存在着如果对其施加机械刺激，测量温度时将出现较大误差的问题。近日，由斯坦福大学华人教授、化学工程系主任鲍哲南及韩国浦项科技大学研究人员在内的国际联合研究组共同开发出了可以同时测量温度和机械刺激的多模态离子电子皮肤感受器，该研究成果已于上周发表在《科学》（Science）杂志上。两篇Nature：又是曹原导师，又是魔角石墨烯近日，麻省理工学院Pablo Jarillo-Herrero和加州大学圣芭芭拉分校A. F. Young等人，基于魔角石墨烯的莫尔超晶格同期发表2篇Nature，分别报道了非常规的铁电性和磁性控制，为新一代量子材料和电子器件的革新带来了新的方向。科学家确认地球的一颗超小卫星今年初，天文学家们通过洛厄尔发现望远镜（LDT，前发现频道望远镜 DCT）发现了一颗绕地球旋转的袖珍天体——超小卫星，并将其命名为 2020 CD。这颗卫星直径 1 - 1.5 米，与小汽车大小相仿。这种超小卫星体积很小并且极为稀有，观测存在诸多困难。来自 7 个国家， 14 个学术机构的 23 名研究人员，在多台望远镜的帮助下，历经数个月的观测与分析，他们终于确信，2020 CD并不是轨道上的太空垃圾，而是由硅酸盐等物质组成的外太空天体。这块长途跋涉而来的石头将为科学家们研究地外天体带来珍贵的信息。相关研究成果发表在最近的《天文学杂志》上。天文学家发现了银河系深处的“化石星系”最近，天文学家利用斯隆数字化巡天（SDSS）中阿帕奇天文台星系演化实验（APOGEE）的近红外数据，分析了大量恒星的化学成分和速度信息，发现银河系深处隐藏着一个“化石星系”。该星系可能在100亿年前和银河系相撞，那时银河系还处在起步阶段。天文学家将这个化石星系命名为Heracles，虽然它残骸构成了银晕质量的三分之一，但由于其处在银河系深处，直到今天才被发现，这一发现再次增加了我们对银河系演化过程的理解。相关研究成果发表在《皇家天文学会月报》上。陶崇园导师王攀或被武汉理工恢复招研资格，校方称仍在公示期近日，网络流传出数张武汉理工大学研究生院官网截图，内容为该校 2020 年通过招研资格审核的教师名单，2018 年坠亡研究生陶崇园的导师王攀位列其中，后者于当年被校方停止了研究生招生资格。该校党委宣传部回应称，上述公示名单中的王攀确系陶崇园的导师王攀。武汉理工大学党委宣传部工作人员也同时强调，上述公示并不是最终名单，目前流程还在进行中，公众若有意见可以反馈给研究生院。2018 年 3 月 26 日，武汉理工大学研究生陶崇园从宿舍楼顶坠楼身亡，警方排除他杀。其家属根据陶崇园留下的聊天记录等信息认为与导师王攀有关。哈佛至少 5 个人文艺术类专业明年不招研究生为了更好地应对新冠疫情造成的影响，哈佛大学文理研究生院将暂停至少五个专业 2021 届的研究生招生计划，下一次申请截止日期预计为 2022 年 1 月（用于申请 2022 秋季学期入学）。根据该校校报《哈佛深红报》的消息，暂停申请的包括美国研究、人类学、电影和视觉研究、日耳曼语言文学和南亚研究等 5 个专业，已经提交申请费用的学生将收到退款邮件通知。对于该决定，文理研究院院长 Emma Dench 表示，对学院部分系暂停招生是一种“平衡措施”，旨在更好应对新冠疫情的同时，不降低对目前学生的教学质量。但日耳曼语言文学系的研究生项目负责人 Peter J. Burgard 表示，该决定完全不“公开透明”，可能对本系声誉造成极大影响。美国科学促进会 2020 年会士名单公布，共 489 人入选美国科学促进会（AAAS）公布 2020 年新晋会士的 489 人名单（上、下两部分），该名单也会在 11 月 27 日发表在《科学》杂志上公布。颁奖典礼定于 2021 年 2 月 13 日在线上举行。自 1874 年起，美国科学促进会内部每年都会评定出科学促进会会士，评选人一般在 STEM 领域做出重要贡献，评选标准包括前沿研究、行业领袖、教学与指导、培养及合作，还有该评选人是否推动了公众对科学的理解。教育部：将进一步完善专家库建设，优化完善论文送审系统教育部网站11月25日发布的《关于政协十三届全国委员会第三次会议第2802号（教育类257号）提案答复的函》（以下简称《答复函》），公布了教育部答复全国政协十三届三次会议《关于优化研究生学位论文匿评及抽检工作，提高研究生培养质量的提案》的具体内容。嫦娥五号顺利完成第一次轨道修正11 月 24 日 22 时 6 分，嫦娥五号探测器 3000N 发动机工作 2 秒多，顺利完成第一次轨道修正，继续飞向月球。截至第一次轨道修正时，嫦娥五号探测器各系统状态良好，已在轨飞行约17 个小时，距离地球约 16 万公里。嫦娥五号探测器在飞行过程中，受各种因素影响，会产生轨道偏差，需要测定探测器实际飞行轨道与设计轨道之间的偏差，完成对应的轨道控制，确保探测器始终飞行在适当的轨道上。国家超级计算郑州中心通过验收科技部近日批复同意国家超级计算郑州中心通过验收，并纳入国家超级计算中心序列管理。郑州中心成为继天津、长沙、深圳、济南、广州、无锡之后全国第 7 家国家超级计算中心。该中心配备了技术先进、自主可控的中科曙光新一代高性能计算机，峰值计算能力 100 PFlops，存储 100 PB，主机系统实测持续计算性能居国际同期前列。下一步，河南省科技厅将会同相关单位研究制定加快超算中心建设发展有关措施，组织实施超算中心创新生态系统建设科技专项，全力推动超算中心建设发展。2021年1月起，《自然》系列期刊将提供金色开放获取的选项施普林格·自然今天宣布，想以 O A形式在《自然》及其研究系列期刊发表论文的作者将无需再等待了。自 2021 年 1 月起，所有作者向《自然》及 32 本《自然》原创研究系列期刊投稿时，都能以金色 OA 形式发表，并实行与 MPDL 相同的 APC，即 9500 欧元。这些期刊由此率先成为以这种方式向作者提供立即OA出版选项的高度精选型期刊。这一新的开放获取选项对于受 S 计划（Plan S）资助的作者也是好消息，因为这意味着施普林格·自然正在兑现承诺，到2021 年 1 月时将金色 OA 出版推行到其拥有的所有期刊。达尔文手稿遗失 剑桥大学呼吁公众帮助寻找英国剑桥大学图书馆24日发出呼吁，请求社会公众提供帮助，寻找“进化论鼻祖”达尔文遗失的笔记本手稿。剑桥大学官方网站当日公布，遗失的笔记本手稿共两本，其中一本包含了查尔斯·达尔文1837年标志性的“生命之树”素描。特意在11月24日发出此呼吁，缘于这一天是纪念《生命起源》巨著在1859年当日发表的“进化日”。据介绍，为了方便拍摄照片，这些笔记本曾于2000年9月被从保存最具价值物品的特别收藏室移出。在隔年的一次例行检查中，发现装着两本笔记本的小盒子没有放回原处。其后多次搜索查找，仍未寻得其踪影。SpaceX 955颗星链卫星上天，猎鹰9号首次一箭七飞SpaceX上天的“星链”卫星超950颗，还诞生一箭七飞七回收火箭。美国东部时间11月24日21时13分，SpaceX第16批60颗“星链”卫星搭乘猎鹰9号火箭从卡纳维拉尔角空军基地发射升空并得到部署。发射约8分40秒后，一级火箭着陆在大西洋里的回收平台上。

1 SCISCI即《科学引文索引》(Science Citation Index），是由美国科学信息研究所（Institute for Scientific Information 简称ISI）创建的，收录文献的作者、题目、源期刊、摘要、关键词，不仅可以从文献引证的角度评估文章的学术价值，还可以迅速方便地组建研究课题的参考文献网络。SCI创刊于1961年。经过40年的发展完善，已从开始时单一的印刷型发展成为功能强大的电子化、集成化、网络化的大型多学科、综合性检索系统。SCI从来源期刊数量划分为SCI和SCI-E。SCI指来源刊为3500多种的SCI印刷版和SCI光盘版（SCI Compact Disc Edition, 简称SCI CDE），SCI-E（SCI Expanded）是SCI的扩展库，收录了5600多种来源期刊，可通过国际联机或因特网进行检索。SCI涵盖学科超过100个，主要涉及农业、生物及环境科学；工程技术及应用科学；医学与生命科学；物理及化学；行为科学。 2 SSCISSCI即社会科学引文索引（Social Sciences Citation Index），为SCI的姊妹篇，亦由美国科学信息研究 所创建，是目前世界上可以用来对不同国家和地区的社会科学论文的数量进行统计分析的大型检索工具。1999 年SSCI全文收录1809种世界最重要的社会科学期刊，内容覆盖包括人类学、法律、经济、历史、地理、心理学 等55个领域。收录文献类型包括：研究论文，书评，专题讨论，社论，人物自传，书信等。选择收录 (Selectively Covered)期刊为1300多种。 3 CSSCI科学引文索引是从文献之间的引证关系上，揭示科学文献之间的内在联系。通过引文的统计与分析，可以从一个重要侧面揭示学科研究与发展的基本走向，评价科学研究质量，为人文社会科学事业发展与研究提供第一手资料。由南京大学研制成功的“中文社会科学引文索引”（CSSCI）是国家、教育部重点研究项目。2000年该项目完成了CSSCI引文数据库的构建工作，相继研制成功了CSSCI数据库网络版和光盘版。经过数年的努力，现已开发的CSSCI（1998—2004年）7年数据并在国际互联网上和国内电讯网上向社会各界提供多种形式的查询服务，取得了明显的社会效益。该项成果填补了我国社会科学引文索引的空白，达到了国内领先水平。目前，教育部已将CSSCI数据作为全国高校机构与基地评估、成果评奖、项目立项、人才培养等方面的重要考核指标。CSSCI数据库已被北京大学、清华大学、中国人民大学、武汉大学、吉林大学、山东大学、南京大学等100多个单位购买使用，并将CSSCI作为地区、机构、学术、学科、职称、项目、成果评价与评审的重要依据。作为我国社会科学主要文献信息统计查询与评价的重要工具， CSSCI提供多种信息查询、检索途径，可以为社会科学研究者提供国内社会科学研究前沿信息和学科发展的历史轨迹；为社会科学管理者提供地区、机构、学科、学者等多种类型的统计分析数据，从而为制定科学研究发展规划、科研政策提供科学合理的决策参考。4 北大核心北大核心是学术界对某类期刊的定义，一种期刊等级的划分。它的对象是中文学术期刊。是根据期刊影响因子等诸多因素所划分的期刊。北大核心是北京大学图书馆联合众多学术界权威专家鉴定，国内几所大学的图书馆根据期刊的引文率、转载率、文摘率等指标 确定的。确认核心期刊的标准也是由某些大学图书馆制定的，而且各学校图书馆的评比、录入标准也不尽相同，受到了学术界的广泛认同。从影响力来讲，其等级属同类划分中较权威的一种。是除南大核心、中国科学引文数据库（cscd）以外学术影响力最权威的一种。5 南大核心南大核心是由南京大学中国社会科学研究评价中心，组织评定的，两年一评。通过对全国所有符合两月以下出版及非一刊号多版的人文社会科学各学科学术性期刊，进行他引影响因子分析，指某刊在统计当年被CSSCI来源期刊文献引用该刊前2年所登载的文章的篇次（不含该刊自引）与前2年该刊载文量之比；总被引频次指某刊被统计当年被CSSCI来源期刊文献所引用该刊创刊以来登载的文章的总篇次（含该刊自引）。结果最靠前的的刊物，就是南大核心来源期刊。目前南大核心来源期刊,受到了学术界的广泛认同。从影响力来讲，其等级属同类划分中国内最权威的一种,入选难度高于北大核心。 6 中国科学引文数据库中国科学引文数据库（Chinese Science Citation Database，简称CSCD）。创建于1989年，收录我国数学、物理、化学、天文学、地学、生物学、农林科学、医药卫生、工程技术和环境科学等领域出版的中英文科技核心期刊和优秀期刊千余种。目前已积累从 1989 年到现在的论文记录3714291 条，引文记录 38942322条。中国科学引文数据库内容丰富、结构科学、数据准确。系统除具备一般的检索功能外，还提供新型的索引关系——引文索引，使用该功能，用户可迅速从数百万条引文中查询到某篇科技文献被引用的详细情况，还可以从一篇早期的重要文献或著者姓名入手，检索到一批近期发表的相关文献，对交叉学科和新学科的发展研究具有十分重要的参考价值。中国科学引文数据库还提供了数据链接机制，支持用户获取全文。中国科学引文数据库具有建库历史最为悠久、专业性强、数据准确规范、检索方式多样、完整、方便等特点，自提供使用以来，深受用户好评，被誉为“中国的SCI ”。7 医药类统计源期刊（1）科技“核心期刊”实行三年动态管理:三年评定一次,一次评定三年有效。这对所有科技期刊都是一个动态激励机制。也给科技“核心期刊”管理和评定办法的进一步改进留有一定空间。（2）严格科技“核心期刊”学科领域总量指标限制:同一学科领域最多一两种“核心期刊”,宁缺勿滥,使评定出来的“核心期刊”真正起到该学科领域的风向标作用。（3）确保学术专家对科技“核心期刊”评定的权威性:在期刊管理部门的组织下成立科技“核心期刊”评定动态专家委员会,某个学科领域的科技期刊的学术水平如何,一定要是科学学术专家说了算,不能由期刊管理部门独家评定。每次期刊评定,专家委员会人员应该有所调整,不能固定,以免走“后门”,以保证科技“核心期刊”的学术质量。8 统计源期刊统计源期刊全称中国科技论文统计源期刊，是CSTPCD的数据来源，以文献引文数据为依据，选择多项指标进行综合筛选，收录自然科学类。“统计源期刊”全称为“中国科技论文统计源期刊”（亦称中国科技核心期刊），统计源期刊目录每年都会出现在中国科技信息研究所每年公布一次的《中国科技期刊引证报告》中。中国科技信息研究所（ISTIC）是受国家科技部委托，从1987年开始对我国科技人员在国内外发表论文数量和被引用情况进行统计分析，并利用统计数据建立了中国科技论文与引文数据库（CSTPCD），受到社会各界的普遍重视和广泛好评。中国科技论文统计源期刊是CSTPCD的数据来源。通过中国科技期刊综合指标评价体系对期刊学术质量的考核，CSTPCD每年对收录期刊的范围进行调整。Ref：学术资料大全

前几周，很多热爱开放式学术环境的研究者联合抵制了 Nature Machine Intelligent 期刊，他们不仅谴责了封闭式获取的订阅期刊，同时还呼吁开放获取的学术环境。Science 今天发表了一篇文章分析了计算机科学对开放获取与开放评议的巨大需求，这种需求不仅因为研究领域的高速发展，同时还因为 arXiv 和 OpenReview 等而成功。零成本的数字出版方式可以帮助应对人工智能论文的爆炸式增长。计算机科学诞生于反叛的黑客文化，这是一种活在人工智能出版文化中的精神。该新兴领域越来越多地转向会议论文和免费的公开评审网站，回避传统渠道。这种倾向在对高调 AI 期刊 Nature Machine Intelligent 的抵制运动中表现得淋漓尽致。截至 5 月 15 日，大约 3000 人（大部分是学术界计算机科学家）签署了一份请愿书，承诺不提交、评审或编辑 Nature Machine Intelligent（NMI）的任何文章，NMI 是出版商 Springer Nature 计划在 2019 年 1 月启动的新期刊。这份由多位 AI 领域的著名学者签署的请愿书，不仅仅是对开放获取的学术环境的呼吁。它不仅谴责了封闭式获取的订阅期刊（例如 NMI），还包括那些向作者收取费用的出版社：开放获取的期刊是免费阅读的，但需要研究者付费才能发表文章。而签署者呼吁更多的「零成本」开放获取期刊。于上个月发动该抵制运动的俄勒冈州立大学计算机科学家 Thomas Dietterich 称，该抵制运动的目的是为缺乏资源的科学家「降低研究进展的门槛」。对于传统出版而言，AI 领域的进展太过迅速，AI 在取得重大成就或造成重大危害方面的潜力都需要开放性，他说，「将我们的研究论文挡在收费墙之外将使公共监督更加困难。」康奈尔大学物理学家、arXiv 创始人 Paul Ginsparg，对他所称的「原则性立场」表示欢呼。但他补充道，「我个人对于订阅模式并不抱有敌意。」并且他认为请愿书的签署人可能对于零成本期刊抱有不切实际的希望。服务器是很便宜，但「系统化的质量管理是需要大量人力，这会消耗很大的成本。」Springer Nature 在期刊规划上并没有退缩，其发言人 Susie Winter 在伦敦发表声明：「目前，我们认为产出像 Nature 这样高度精选的期刊，并确保长期可持续性可成为最广泛社区的资源，最公平的方式就是让读者分摊相关费用。」Dietterich 称他并未抵制 Springer Nature 的旗舰刊物 Nature，因为计算机科学家不会在综合期刊上发表文章。（在 Nature 杂志上发表 AlphaGo 最新研究论文的 Google DeepMind 是个例外，尽管多名 DeepMind 员工签署了那份抵制声明。）Dietterich 称，非营利组织的期刊，如 AAAS 的 Science 和 Science Robotics、IEEE 和 ACM（美国计算机协会）的期刊也没什么问题，这是因为他们的愿景和低费用。人工智能的崛起根据 SCOPUS 数据库的一项研究，尽管有期刊抵制，但人工智能领域的论文数大约是 1996 年的 10 倍。在计算机科学中，大多数活跃的成果都不会发表在期刊中。通常情况下，论文会发表在 arXiv 并免费提交到学术会议，在学术会议中这些论文会得到一些形式的同行审议：评审、接收或拒绝。Facebook 首席 AI 科学家 Yann LeCun 表示由于期刊的审核速度慢，计算机科学家更倾向于在 arXiv 上发表研究成果。此外，麻省理工学院的计算机科学家 Leslie Kaelbling 说：「对于计算机科学领域的学术成果，大会论文取代期刊论文成为最理想的发表方式。」AI 现在不仅是开放获取，同时还开放评议。2013 年，马萨诸塞大学的计算机科学家 Andrew McCallum 发布了 OpenReview，该网站允许作者提交会议论文并邀请评议人公开发表他们的评论和决定，其他人也能添加评论。主要的 AI 会议已经开始使用这个网站，McCallum 说关于网络论战和软评论的担忧并没有出现。此外，还有一些「神奇」的东西出现了，例如对 2013 年一篇关于数据分析的论文，来自计算科学领域外的数学家指出证明中的一处错误，并分享了如何修正它的意见。McCallum 说：「这就是科学该有的样子，不是吗？」他补充道，他和 Ginsparg 正在讨论如何使用 OpenReview 为 arXiv 论文提供独立评议模块，因为 arXiv 目前并不包含评议功能。Kaelbling 称 AI 研究激增给现有的论文发布带来了很大压力，OpenReview 等网站通过扩散评议以及抑制低质量的论文提交稍微改善这种情况。NIPS 请 Kaelbling 帮助寻找 2750 位评议者评议会议提交论文。「但是我很确定找到 2750 位合格的 NIPS 评议者非常困难，这太疯狂了。」AI 论文发布的热潮可能不可持续，但是这令人兴奋，McCallum 说道。他讲了一个故事，他的同事在 arXiv 上发布了一篇关于计算机视觉的论文。数月内，基于这篇论文的其他论文也发布在 arXiv 上。当其中一篇论文出现在某个会议上，作者不只是谈论自己的论文，还谈论一年来的进展。这更像是「让我带你们回顾一下该科学研究的来龙去脉。」McCallum 称，「这种情况在封闭的出版界不会发生。」

国内还在加强学术管理的时候，自律者和勤奋者用自己的行动高速路世人学术的高尚与艰辛。《科学》杂志和SciLifeLab颁发的2018年度青年科学家奖结果揭晓，清华大学女博士后万蕊雪因其在剪接体三维结构及RNA剪接方面的研究成果，成功地当选为细胞及分子生物学类别的胜出者，这份殊荣也是在中国本土攻读博士学位的研究人员首次获得。该奖项每年评选一次，主要对象是两年内在生命科学领域获得博士学位的年轻研究者。获奖者除了能够获得丰厚的奖金奖励，而且他们的研究短文也能够在《科学》杂志上发表。很多人都知道万蕊雪师从著名结构生物学家施一公院士，他也是近两年来清华大学非常耀眼的学术新星，七篇学术论文发表于Science，还有两篇发表于Cell。其实，万蕊雪在2016年也曾入选了中国科协的“未来女科学家计划”，成为全国5名入选者中唯一的在读博士研究生，成绩很了不起。万蕊雪，是一位很年轻的“女同学”，2009年考入中山大学海洋学院，2013年获得学士学位；又于2013年到2018年在清华大学医学院攻读博士学位，是2018年清华大学医学院的博士后， 主要专注于酵母剪接体的三维结构与分子机理研究。万蕊雪之所以能在科研领域迅速崭露头角、独挑大梁，绝非运气使然。而是凭借她的快节奏、高效率和高强度，才能铸就顶尖的科研成果。为了能够拿到更好的实验数据，她几乎天天泡在实验室，一直保持着平均每日工作14小时，甚至还放弃了过年回家的机会。每次她的实验做完，与施一公老师的讨论都会是一次全面的检验。可以说施一公老师是那个伯乐，万蕊雪是真正的千里马。万蕊雪可以说是当今社会大学生的榜样了，但是他却很虚心，总是说“做科研就像跑马拉松，不仅要有耐心，更要有热情，跑到最后，对手其实是自己。科研这场马拉松，我会一直跑下去。”。万蕊雪的成绩也说明国内自己培养的人才并不比国外名校的差，甚至更强。人不能简单用标签来区分，不能因为没有留洋经历，就不给予信任。这也给目前国内很多高校盲目的喜欢引进海归博士并给与过高的待遇的做法一记响亮的耳光，国内高等教育能够培养出优秀的人才。如果您想了解更多的信息，欢迎关注我的个人主页，更多内容希望能够帮助您！如果您觉得文章还不错，欢迎点赞和留言哦。

中国医学科学院医学实验动物研究所传染病动物模型研究团队于5月7日在《自然》杂志发表的《新冠病毒在hACE2转基因小鼠中的致病性》研究论文中误用1张病理组织学图片，现已通过电子邮件与《自然》杂志联系，重新提交了正确的图片。中国医学科学院学术委员会日前公开发布了“关于对新冠病毒感染转基因小鼠模型论文核查情况的说明”，并为“本系统下属单位在论文写作过程中由于疏忽而出现的误用图片深表歉意”。中国医学科学院医学实验动物研究所传染病动物模型研究团队在此次新冠疫情科技攻关工作中，承担了转基因小鼠模型构建任务，并将研究结果以《新冠病毒在hACE2转基因小鼠中的致病性》（The pathogenicity of SARS-CoV-2 in hACE2 transgenic mice）为题，于2月2日投稿《自然》杂志。4月24日该论文被接受，5月7日在线公开，等待校稿。随后，该团队发现误用1张病理组织学图片，并已于北京时间5月12日19点通过电子邮件与《自然》杂志联系，重新提交了正确的图片。说明中称“5月13日，我们注意到pubpeer网站对该论文中的病理组织学图片提出质疑。我院对此高度重视，立即责成医学实验动物研究所进行自查并作出说明，经组织有关专家和学术委员会对相关问题进行核查。”经核查，中国医学科学院学术委员会形成以下意见：原始实验分组与论文一致，相关的实验记录与实验数据齐全，与论文结果一致；论文确实误用了1张病理组织学图片。系在论文选用图片时，误将一个阴性对照组（WT-HB-01）切片的不同视野图片用于另外一个阴性对照组（ACE2-Mock）；研究论文中的柱状图系由绘图软件生成，与原始实验数据一致。该原始实验数据已于4月22日在论文接受发表前按要求提交给《自然》杂志。 中国医学科学院学术委员会对本系统下属单位在论文写作过程中由于疏忽而出现的误用图片深表歉意，并表示“将在今后严格加强对科学研究的管理，要求科研人员对论文数据和图表进行认真细致和严谨的审核。”此前，中国医学科学院医学实验动物研究所秦川团队应用hACE2转基因小鼠阐明新型冠状病毒的致病性，建立了国际首个新冠动物模型。此次新冠科技攻关，动物模型是五大主攻方向之一。由于秦川团队在非典以来历次传染病动物模型研制和应用中的积累，科技部安排该团队主持动物模型攻关任务。研究团队针对病毒的感染与体内复制、疾病临床症状及影像学、病理学和免疫学反应，通过感染冠状病毒受体人源化的转基因小鼠，率先建立了新型冠状病毒感染肺炎的转基因小鼠模型，突破了疫苗、药物从实验室向临床转化的关键技术瓶颈。来源：北京日报客户端|记者 刘欢编辑：匡峰流程编辑：吴越

雷锋网 AI 科技评论按：人工智能、机器学习相关技术已经多次刷新了人们对于「计算机能做什么」的认知，那么紧接着的一个问题就是「计算机会不会替代人类的工作」。李开复就曾经多次在公开场合表示人工智能会取代许多人类工作，而这也已经引起了一定的忧虑和讨论。近日，《Science》杂志也发表了一篇长文，从几个不同角度详细阐述了机器学习对于未来人类工作的影响。雷锋网 AI 科技评论把这篇文章全文编译如下。在过去的几十年中，数字计算机已经改变了几乎所有经济部门的工作。由于机器学习（ML）的发展加快了自动化的步伐，我们正处于一个更大、更迅速转变的开始阶段。然而，虽然很明显 ML 是一种「通用技术」，就像蒸汽机和电力一样，产生了大量新的创新和能力，但关于 ML 系统擅长的任务并没有广泛的共识，ML 对劳动力和经济的具体影响的预期也没有达成一致。在本文中，我们讨论了 ML 对劳动力的关键影响，参考了目前这一代 ML 系统可以做和不可以做的事情。工作中的一部分可能是「适合 ML」（SML），但这些相同工作中的其他任务并不适合 ML 的标准；因此，ML 对就业的影响比一些人所强调的简单的替代和替换更为复杂。虽然目前 ML 对经济的影响相对有限，而且我们并没有像有的人宣称的那样面临即将到来的「工作的终结」，但 ML 对经济和未来劳动力的影响却是深远的。任何有关 ML 可以做什么、不可以做什么、以及可能对经济产生哪些影响的讨论，首先应该认识到两个广泛的基本考虑因素。第一，我们离通用人工智能还很远；第二，机器不能完成人类的全部任务。此外，虽然创新总体上对收入和生活水平的提高是重要的，特别是 ML 之前的第一波信息技术（IT）系统创造了数万亿美元的经济价值，但技术进步也是造成工资不平等的重要因素，尽管造成不平等的因素有很多，比如全球化程度加深，但由于 ML 的巨大而迅速的变化潜力，可能对经济影响造成很大的破坏性，既产生赢家，也产生输家。这将需要政策制定者，商业领袖，技术人员和研究人员的高度重视。当机器自动执行特定工作或流程中的 适合 ML 的任务时，剩下的不适合 ML 的任务可能会变得更有价值。此外，机器将增强人的能力，使全新的产品、服务和流程成为可能。因此，即使在部分自动化的工作岗位内，对劳动力需求的影响既可能是负面的，也可能是正面的。虽然更广泛的经济影响是复杂的，但与 ML 能力接近的任务上，对劳动力需求更有可能下降，而作为这些系统补充的任务劳动力的需求可能增加。每当 ML 系统跨越一个门槛，在某个任务上比人类更具成本效益时，企业家和管理者为了利润最大化，将越来越多地寻求用机器替代人类。这将影响整个经济，提高生产力，降低价格，转移劳动力需求，重组行业。我们知道的多于我们所能言说的正如哲学家波拉尼所说，我们知道的，多于我们所能言说的。认识一张脸、骑自行车和理解言语都是人类非常清楚怎么做的任务，但是我们反思自己如何去做的能力却很差。执行起来轻而易举的任务要整理成正式规则却很难，很多时候我们根本做不到。因此，在 ML 之前，波拉尼的悖论限制了通过编程计算机自动完成的任务种类。但是今天，在许多情况下，ML 算法已经使得训练计算机系统比我们手动编程更精确和更有能力。一直到近几年，创建一个新的计算机程序都需要涉及劳动密集型的手工编程过程。但是，这个昂贵的过程正日益被增强，或者被一个更加自动化的、在适当的训练数据上运行的 ML 算法流程所取代。这种转变的重要性体现在两个两方面：在越来越多的应用程序中，这种模式可以产生比人类程序员更精确和可靠的程序（例如人脸识别和信用卡欺诈检测）；其次，这种模式可以大大降低创建和维护新软件的成本。降低了成本，减少了实验的障碍，并能够探索潜在的计算机化任务，鼓励发展计算机系统，实现许多类型的常规工作流程的自动化，减少或消除人为干预。在过去的 6 到 8 年里，ML 在这方面的进展尤其迅速，这在很大程度上是因为大量的训练数据，这些数据量足够大，以至于可能捕捉到非常有价值且以前未被注意到的规律，可以在 ML 算法的处理能力范围内进行检查或理解。当有足够多的训练数据集时，ML 有时生成的计算机程序表现胜过人类。（例如皮肤病诊断、围棋、检测潜在的信用卡欺诈）。算法的改进也是 ML 进展的关键，包括深度神经网络（DNN）和更快的计算机硬件。例如，Facebook 已经都从基于短语的机器翻译模式转换到深度神经网络，每天进行的翻译超过 45 亿次；用于图像识别的 DNN 降低了 ImageNet 上的错误率，ImageNet 是一个包含 10000 多类标注图像的大型数据集，错误率从 2010 年的超过 30％ 下降到现在的不到 3％；同样，自 2016 年 7 月以来，DNN 帮助语音识别错误率从 8.4％ 提高到 4.9％。图像和语音识别率达到 5％ 的阈值非常重要，因为这几乎接近人类在面对类似数据时的错误率。自动推进的自动化要产生一个定义明确的学习任务，以便应用 ML 算法，必须要有充分的说明任务、性能指标和训练过程。在大多数实际应用中，要学习的任务与某些目标功能相对应，例如输入医疗患者健康记录，输出患者诊断的功能，或者从自动驾驶汽车的传感器接收输入，然后输出正确的转向命令。最常见的训练过程类型是由目标功能的输入 - 输出对组成的数据（例如与正确诊断配对的医疗记录）。然而获取真实训练数据在许多领域都很困难，如精神病诊断，招聘决策和法律案例。成功的商业应用的关键步骤，通常包括精确识别要学习的功能；收集和清洗数据以用于训练 ML 算法；通过工程数据特征来选择哪些数据可能有助于预测目标输出，并且收集新的数据以弥补原始特征的不足；尝试不同的算法和参数设置，以优化学习分类器的准确性；并将提供的学习系统嵌入到日常业务运营中，从而提高生产力；如果可能，持续获取更多训练样本。测量未来自动化程度非常相关的方法是「学徒学习法」，其中人工智能程序作为学徒，通过观察人类的决定来进行学习，并将其作为额外的训练样本。这种方法产生了新的商业模式。训练学徒模仿人为决策让机器可以从它所协助的多个人的综合数据中进行学习，这导致机器可能最终超过训练它的团队中的每个个体的表现。不过，其学到的专业知识可能仍受到团队成员的技能水平和相关决策变量的可用性的限制。但是，在计算机可以访问独立数据来确定最佳决策（基本事实）的情况下，有可能改进人的决策，从而帮助人类提高自己的绩效。例如，在从皮肤病学图像中对皮肤癌进行医学诊断时，将随后的活检结果作为训练的标准可以产生比人类医生更高诊断准确度的计算机程序。什么是最适合 ML 的任务尽管近来 ML 系统的进步令人印象深刻，但它们并不适用于所有的任务。当前的成功浪潮在很大程度上取决于被称为监督学习的范式，通常使用 DNN（深度神经网络）。在非常适合这种用途的领域，ML 非常强大。但是它的能力也比人的决策范围要窄的多，也比人的决策更脆弱，而且这种方法对许多任务是完全无效的。 当然，ML 的技术还在继续进步，DNN 之外的其他方法可能更适合不同类型的任务。 我们下面给出 8 个关键评判标准，以区分适合 ML 的任务和不适合 ML 的任务。1、明确定义的输入和输出其中包括分类（例如，区分不同品种狗的图像或根据癌症的可能性标注医疗记录）和预测（例如分析贷款申请以预测未来违约的可能性）。不过，虽然 ML 系统可以根据统计上的相关性来预测与输入（X）有最大关联的输出（Y），但可能无法学习如何判断因果关系。2、存在、或者能够创建规模巨大、带有成对的输入输出的数字化数据集可用的训练样本越多，学习就越准确。 DNN 的显着特征之一是在许多领域内的表现似乎并不会在样本超过一定数量之后就停止增长。 在训练数据中捕获所有相关输入特征尤为重要。 尽管 DNN 原则上可以表示任意函数，但是计算机很容易模仿和延续训练数据中存在的不需要的偏差，解决方法是通过聘用专人来标记部分数据或创建全新的数据集，或通过模拟相关的问题设置来创建。3、该任务提供明确的反馈，具有明确的目标和指标当我们能够清晰的描述目标，哪怕不能确定实现目标的最佳过程，ML 也能很好的运作。这就像早期的自动化方法，获取个体输入输出决策的能力虽然允许学习模仿这些个体，但可能不能得到最佳的系统最性能，因为人类本身也无法做出完美的决策。 因此，明确界定全系统绩效指标（例如，优化整个城市的交通流量而不是特定路口）为 ML 系统提供了一条黄金标准。 当训练数据按照这种黄金准则进行标注时，ML 就特别有用，因为确定了预期的目标。4、不需要基于丰富背景知识的很长的逻辑或推理链ML 系统在学习数据中关联性方面非常强大，但是当任务需要依赖计算机没有的常识或背景知识或复杂计划时，ML 系统的效率较低。ML 在电子游戏中表现出色，这些游戏需要快速反应，并提供即时反馈，但当游戏中最佳选择取决于记忆以前事件的时间和未知背景知识时，效率就会降低，例外是围棋和象棋这样的游戏，因为这些非物理的游戏可以以非常精确的速度进行快速模拟，因此可以自动收集数百万个完全自我标记的训练样本。 但是，在大多数现实世界中，我们无法做到完美的模拟。5、没有必要详细解释如何做出决策大型神经网络通过微妙地调整多达数亿个数字权重来学习做出决定。解释这种决定对人类来说很困难，因为 DNN 与人类的思维系统不同。目前的系统在这个方面相对较弱。例如，虽然计算机可以诊断特定类型的癌症或肺炎，甚至比专家医生更准确，但与人类医生相比，它们解释为什么以及如何作出诊断的能力较差。对于许多感性的任务，人类也很难解释，例如，如何从所听到的声音中识别出单词。6、容错性，不需要最佳的解决方案几乎所有的 ML 算法都是从统计和概率上推导出解决方案。 因此，很难将其训练到 100％ 的准确度。 即使是最好的语音、物体识别和临床诊断计算机系统也会犯错（和人一样）。 因此，对学习系统误差的容忍是制约这样的系统应用的重要标准。7、学习的现象或功能不应该随着时间的推移而快速变化一般来说，只有当需要处理的数据和训练的数据分布是类似的结构，ML 算法才能很好地工作。 如果这些分布随着时间而改变，则通常需要重新训练，因此成功取决于相对于新训练数据获取率的变化。8、没有特别的灵巧性，身体技能或流动性要求在处理非结构化环境和任务中的物理操作时，机器人与人类相比仍然笨拙。 这不是 ML 的缺点，而是机器人技术自身的局限性。机器学习对工作的影响计算机通过生成式设计方法设计的换热器之前 ML 对 IT 的影响主要在于一些常规、高度结构化和重复性的任务。这也是劳动力需求下降的一个原因。未来，更广泛的任务将被机器自动化或增强。这包括人类无法解释的任务，但是简单地根据过去的趋势进行推断将是错误的，需要一个新的框架。一项工作中通常包含许多不同的但相互关联的任务。在大多数情况下，这些任务中只有一部分适用于 ML，而且可能是传统的技术不容易自动化的任务。例如，训练 ML 系统可以帮助律师对案件的相关文件进行分类，但是在访谈潜在的证人或制定策略时使用 ML 就很困难。类似地，ML 系统在阅读医学图像方面取得了迅速的进展，在某些应用中表现超过了人类。然而，与其他医生交流、以及与患者交流和安慰患者的潜在情绪困扰的等任务，都不适合 ML 方法，至少不适合现有的 ML 系统。这并不是说所有涉及情商的任务都 ML 系统都无法实现。销售和客户互动的某些方面就非常合适。例如，销售人员和潜在客户之间的大量在线聊天记录可以用简单聊天机器人替代，以识别哪些常见的询问最有可能带来销售。也有公司使用 ML 来识别来自视频中人们的微妙情绪。另一个领域是涉及创意的任务。在旧的计算模式中，需要事先精确地规定一个过程的每个步骤。机器没有任何「创造性」的空间，不能想出如何解决特定问题。但 ML 系统是经过专门设计的，使机器可以自己找出解决方案。所需要的不是预先详细定义过程，而是需要明确规定所需解决方案的性质，并有一个合适的模拟器，以便 ML 系统可以探索可用替代方案并准确评估其性能。例如，设计复杂的新设备在一直是人类比机器更擅长的任务。但是生成式设计软件可以为热交换器等物体提供新的设计，比任何人设计的都能更有效地满足所有的要求（例如重量，强度和冷却速率）外观和触感。这是「创意」吗？这取决我们如何定义。但以前人类的一些「创造性」任务在未来几年将日益自动化。当最终目标可以被很好地规定并且解决方案可以被自动评估时，这种方法运行良好。因此，我们可以预见这些任务越来越受到自动化的影响。与此同时，人类在更明确界定目标方面的作用将更加重要，这意味着科学家，企业家和那些能够提出正确的问题的人的作用将会增加。ML 期待人类工作的六个经济因素有许多非技术因素会影响 ML 对未来工作的影响。 具体而言，ML 对劳动力需求和工资的总体影响可以归类为六个不同经济因素：1、替换基于 ML 创建的计算机系统可以直接在某些工作中取代人类，降低任何给定的输出产量所需的人力。2、价格弹性通过机器学习实现自动化可以降低完成任务的成本， 这会导致总支增加或减少，取决于需求的价格弹性。 例如，如果弹性小于 -1，则价格下降导致购买数量的比例增加，总支出（价格乘以数量）将增加。 例如，随着技术在 1903 年以后降低了航空旅行的价格，这类旅行的总支出增加了，就业也随之增多。3、互补性任务 B 对于另一个自动化的任务 A 来说可能很重要，甚至是不可或缺。 随着 A 的价格下降，对 B 的需求将会增加。 通过类比，随着计算自动化的程度提高，对程序员的需求增加了。 技能也可以是其他技能的补充。 例如，人际交往能力与分析能力是一种互补关系。4、收入弹性自动化可能会改变人群的总收入。如果一个商品的收入弹性不为零，这又会改变对某些商品类型的需求，以及生产这些商品所需任务的需求。就像随着总收入的增加，美国人花在餐馆的钱也越来越多。5、劳动力供给的弹性随着工资的变化，从事该项工作的人数也会变化。 如果有许多人已经具备了必要的技能（例如驾驶汽车进行乘车服务），那么供给就具有相当的弹性，即使需求增加（或下降）很多，工资也不会上涨（或下降）很多。 相反，如果技能很难获得，比如成为数据科学家，那么需求的变化将主要体现在工资上而不是就业上。6、重新设计业务流程任何一组不同类型和数量的劳动力，资本和其他投入与产出联系起来的生产函数不是固定的。 企业家，管理人员和员工不断努力重塑相关流程。 当面对新技术时，他们将通过设计或机缘巧合改变了生产过程，并找到更有效的方法来进行产量。 这些变化可能需要一段时间，而且往往能够节约昂贵的投入，增加需求弹性。 同样，随着时间的推移，个人可以通过学习新技能或换新工作，来表示对于高工资的认可和回应，这样会增加相关的供给弹性。结语由于需要改变生产流程、组织设计、商业模式、供应链、法律甚至文化环境，所以技术的采用和推广往往需要几年或几十年的时间。这种互补性在现代企业和经济中是无处不在的，并且具有相当大的惯性，从而放慢实施新技术不乏。例如，将自动驾驶卡车整合到城市街道上可能需要改变交通法规，责任规则，保险等，因此需要在多个维度上进行补充性修改，应用需要更长的时间来影响经济和劳动力、法规、交通流量等，而将呼叫中心人员切换到虚拟助理可能只需要对业务过程或客户体验进行相对较少的重新设计。随着时间的推移，另一个因素变得越来越重要：新商品，新服务，新任务和新流程会出现。 这导致全新的任务和工作，从而可以改变上述关系的程度和标志。 从历史上看，随着一些任务的自动化，释放的劳动力会重转移到新的商品或服务，进入到更有效的生产过程中。 这种创新比增加资本、劳动力或资源投入，更能提高总体收入和生活水平。 ML 系统可以通过自动化来加速符合上述标准的许多任务。随着越来越多的数据进去线上并汇集起来，以及发现哪些任务应该由 ML 实现自动化，我们将更迅速地收集数据以创建更强大的系统。与我们以及掌握的解决方案不同，许多 ML 自动化任务的解决方案都几乎可以立即在全世界传播。我们可以期待未来的企业软件系统都将嵌入ML系统，自动化的成本将进一步降低。近期监督学习系统的浪潮已经产生了相当大的经济影响。 ML 进一步发展，最终影响的范围和规模可能会超过或内燃机或电力等通用技术。 这些进步不仅直接提高了生产力，而且更重要的是，引发了机器、商业组织乃至整个经济的创新浪潮。 在技能，资源和基础设施等方面作出正确的互补性投资的个人、企业和社会得到了蓬勃发展，更好地理解每种类型 ML 的具体适用性及其对具体任务的影响，对于理解 ML 带来的经济影响至关重要。via: Science，雷锋网 AI 科技评论编译