统计硕士论文

原标题：日本统计研究发现：中美合著论文数量近些年激增参考消息网8月12日报道 据日本《每日新闻》8月11日报道，日本文部科学省科学技术与学术政策研究所分析了2015年至2017年间多国研究人员合著论文的情况，发现美国研究人员的合著对象最多的是中国研究人员，其数量和近10年与英国、日本等国家的合著数量相比激增明显。日媒称，随着中国研究实力的崛起，美国深化了在科学研究层面与中国的合作关系。报道称，日本文部科学省按照研究人员所属机构的所在国分析了全球出版的论文，得出了三年的平均值。美国合著对象国的占比在2005年至2007年的情况为：英国12.9%，排名第一；中国8.7%，排名第四。然而，在10年后的2015年至2017年，中国占比大幅增加至24.3%，跃居首位；英国占比13.9%，降至第二。报道指出，中国的研究活动非常活跃，论文数量激增至10年前的近4倍。中国赴美在科学工程领域深造的研究生数量逐年增加，在美国从事研究的中国籍研究生2017年约有8万人。这些年轻人回国后可能会继续与美国的科学家合作研究，这或许是中美合著论文数量激增的一个原因。报道还称，2005年至2007年，日本和中国在国际合著论文数量上都是年均1.8万篇左右，但到了2015年至2017年，日本为2.59万篇，中国为8.05万篇，差距逐渐拉大。另一方面，日本国际合著论文占其论文总量的比例为32.9%，高于中国的27%。日本与中国最大的合著对象国与10年前一样，都是美国。更多资讯或合作欢迎关注中国经济网官方微信（名称：中国经济网，id：ourcecn）来源：参考消息

中国科学技术信息研究所自1987年以来，每年统计分析中国科技论文的整体状况，从我国科技论文的国际地位、国际影响、学科分析、国际合作、期刊状况等方面，揭示中国科研产出的概貌。2017年度分析结果显示，我国科研产出规模继续增长的同时，已由高速增长阶段转向高质量发展阶段，实现了高质量发展的良好开局。一、我国在国际顶尖学术期刊上发表论文数量排名前进到世界第4位。2017年被引次数超过10万次且影响因子超过35的国际期刊有7种（NEW ENGLJ MED、CHEM REV、LANCET、JAMA-J AM MED ASSOC、NATURE、CHEM SOC REV、SCIENCE）。这些国际顶尖学术期刊2017年共发表论文10803篇，其中中国论文699篇，占总数的6.5%，排在世界第4位。若仅统计原创论文和述评（Article和Review）两种类型的论文，则中国有443篇，也排在世界第4位，比2016年上升1位。二、我国国际高被引论文数量、热点论文数量继续保持世界排名第3位。2008-2018年被引用次数处于各学科世界前1%的论文称为高被引论文。近2年间发表的论文在最近两个月被引用次数进入本学科前1‰的论文称为热点论文。截至2018年9月，中国高被引论文数为24825篇，占世界总量的17.0%，数量比2017年增加了23.3%，世界排名保持在第3位。美国高被引论文数为72156篇，仍居第1位。中国热点论文数为842篇，占世界总量的27.6%，世界排名保持在第3位。美国热点论文数为1629篇，仍居第1位。三、我国发表在各学科最具影响力国际期刊上的论文数量连续第八年排在世界第2位。各学科领域影响因子最高的期刊可以被看作是世界各学科最具影响力期刊。2017年中国在这些期刊上发表的论文数为8259篇，占世界的15.1%。中国在这些高影响力期刊上发表的论文中，有47.1%是受国家自然科学基金资助产出的。四、我国材料科学领域论文被引用次数保持世界首位，另有十个学科领域排名世界第2位。中国跻身世界前2位的学科数量上升到11个，其中材料科学已经连续2年保持在世界首位。另有10个领域论文的被引用次数排名世界第2位，分别是：农业科学、化学、计算机科学、工程技术、环境与生态学、地学、数学、药学与毒物学、物理学、植物学与动物学。其中首次进入世界第2位的学科是：地学（前进1个名次）、植物学与动物学（前进2个名次）。五、我国国际论文被引用次数排名继续保持在世界第2位。论文发表后被引用的情况，可以反映论文的影响。2008年至2018年（截至2018年10月）我国科技人员发表的国际论文共被引用2272.40万次，与2017年统计时比较，数量增加了17.4%，排在世界第2位。美国仍然保持在世界第一位。六、我国国际科技论文数量连续第九年排在世界第2位。SCI数据库2017年收录中国科技论文为36.12万篇，占世界份额的18.6%，其中中国第一作者论文32.39万篇。美国仍排在第1位，其论文数量为52.40万篇，是我国的1.45倍，占世界份额的27.0%。（来源：中国科学技术信息研究所）

2016—2018年均值统计表明：中国自然科学论文全球第一 数量超美国据日本放送协会（NHK）和《日本经济新闻》网站近日报道，日本文部科学省科学技术和学术政策研究所7日发布报告称，中国在科研领域的大力投资和在研究人员培养方面的不懈努力促进了中国科研的发展：中国在自然科学领域发表的研究论文数量超过美国，跃居世界第一，进一步彰显了中国在科研领域日益重要的地位。《日本经济新闻》网站的报道指出，科学论文产出数量是显示一国研发活跃程度的最基本指标。美国国家科学基金会此前也曾发布报告指出，中国的论文数量超过了美国，而这次的统计数据基于科学期刊上发表的经过同行评审的论文的数量。中国论文数量超美国在日本发布的报告中，科学技术和学术政策研究所参考科睿唯安公司的数据，对主要国家的论文数量进行了分析。由于每一年变动幅度较大，因此，研究所按3年均值进行了计算。结果表明，2017年（2016—2018年均值），中国研究人员每年发表的论文数量为305927篇，位列世界第一，高于美国的281487篇；德国为67041篇，居第三位；日本为64874篇，居第四位。另外，从论文所占世界份额来看，中国和美国分别占19.9%和18.3%，而第三位德国仅占4.4%。NHK的报道指出，中国的论文数量逐年增加。2017年论文数量是20年前（1996—1998年均值）的18倍，是10年前（2006—2008年均值）的3.6倍。中国研究论文的质量也逼近美国：从被引用次数排名前10%的论文所占份额来看，2017年美国有37800篇（占24.7%），位居世界第一；中国有33800篇（占22%），居第二位；英国8800多篇，居第三位；德国7400多篇，居第四位；日本则以3800多篇论文排在第九位。而从被引用次数排名前1%的论文所占份额来看，美国和中国分别占29.3%和21.9%。此外，《日本经济新闻》网站指出，中美擅长的领域各不相同。中国论文主要集中于材料科学、化学、工学、计算机和数学方面；而美国论文则主要集中于临床医学和基础生命科学领域。投资力度大研究人员多NHK和《日本经济新闻》的报道都指出，中国在学术研究上投入更多以及中国拥有更多科研人员，或是促进中国科学论文数量激增的两大关键因素。《日本经济新闻》的数据显示，2018年中国研发经费（名义值，按购买力平价换算）约为58万亿日元（约合3.8万亿元人民币），比前一年增加10%；美国为60.7万亿日元，比前一年增加5%，保持了第一位，但中国与美国的差距日益缩小。此外，大学是科学论文主要产出机构。中国对大学的投资显著增加，2018年的投资额是2000年的10.2倍，而美国2018年对大学的投资额仅为2000年的1.8倍。中国科研人员的数量也与日俱增。中国现有约187万名研究人员，超过了美国的143万名。此外，美国国际教育研究所提供的数据显示，5年前在美国学习的中国公民数量首次突破30万。在2018/2019学年，来自中国的学生人数接近37万。此外，中国还制定了一些法律法规和规划纲要来为科学技术的发展“保驾护航”。1982年，中国将逐步实现科学技术现代化写入宪法；1993年，中国出台了《中华人民共和国科学技术进步法》以促进科技进步；《中国国民经济和社会发展第十个五年计划》（2001—2005年）规定，将研发投入占国内生产总值的比例从不足1%提高到1.5%，此后，这一比例不断提高，2020年的计划要求将该比例提高到2.5%或更高。来源：科技日报

杂志社都是怎样统计论文字数的？计空格吗？图片和表格呢？大家在投稿前都会先自行看下论文的字数，然后投稿后得到的字数却和自己统计的字数不一致，为什么会发生这种情况呢？很显然是统计依据不一样，那么杂志社都是怎样统计论文字数的？首先，所有要发表的字数包括作者姓名作者单位作者检测甚至是无法删除的空格都是要统计在内的。以word2007为例，见下图，左下角处此时呈现的字数是159 ，而杂志社统计字数不是按照这个，而是按照字数统计中的“字符数（计空格）”来作为依据，所以本文的初步字数是166 。如果文章中是纯文字的话，那字数大致就是刚才的166了。但是有的文章，尤其的理科类的，都会或多或少有公式、图片和表格，这些项目在字数统计里是统计不出来的，但是实际排版中较纯文字而言占版更大，所以这些是要发给编辑来相应核算字数的。建议：如果是一个版的文章，建议是纯文字的，不建议一个版的文章有图片和表格。具体一个版能安排多少字呢？可以阅读这篇文章《论文发表的期刊是几号字印刷？纸张是多大？一个版面多少字？》。

每次在高校排名、评比各方面，科技论文的发表成果也越来越占据重要地位，而且对于科研机构来说，科技论文和授权专利也是衡量科研实力强弱的指标之一。同时也就是学校评估的重要指标。近日，中国科学技术信息研究所公布了2018年中国科技论文统计结果，我国在国际顶尖学术期刊上发表论文数量已经排名前进到世界第4位。在这次统计结果中就有包括2017年度中国科研机构发表的国际和国内论文数量、引用数、高影响力论文、授权专利等众多指标。今天就给大家整合一下涉及到高校的科研数据排名。首先我们要说的是SCI论文数，在这一项统计数据中，我们可以看到2017年度上海交大作为第一作者单位SCI收录论文6912篇（Article和Review两类文献），同比增加了697篇，跃居全国高校第一，也是超过排名第二的高校近300篇；排名第二的则是浙江大学，共有6620；清华大学这位居第三，共有5370篇；之后前二十排名依次为华中科技大学、四川大学、北京大学、西安交通大学、吉林大学、复旦大学、中山大学、中南大学、哈尔滨工业大学、山东大学、武汉大学、天津大学、华南理工大学、南京大学、东南大学、同济大学、中国科学技术大学；这些高校基本都是我国排名靠前的双一流名校，其中排名前十三的论文数君超过4000篇。其次我们要说的是卓越论文数量，即若在每个学科领域内，按统计年度的论文被引用次数世界均值划一条线，则高于均线的论文为卓越论文，即论文发表后的影响超过其所在学科的一般水平。卓越论文数量和比例可反映高校发表SCI论文的质量。这个可以细分为国际卓越论文和国内卓越论文数量，从统计结果来看，2017年大陆高校中发表卓越论文最多的依旧是上海交通大学，达到4659篇（包括国际3255篇、国内1404篇），浙江大学就跟其后，共有4347篇卓越论文（包括国际3101篇、国内1246篇），北京大学则位居第三位，共有3882篇卓越论文（包括国际2243篇、国内1639篇）。排名前十的依次为清华大学、中南大学、华中科技大学、四川大学、中山大学、武汉大学、西安交通大学。接下来我们要说的是论文被引篇数和次数，论文发表后被引用的情况，可以一定程度上反映论文发表后在领域内的影响力。论文被引次数经常被用作各大排行榜的排名依据，所以这一点在国际上也是备受瞩目。从统计结果来看，2017年大陆发表论文引用篇数和次数排名均第一的则是浙江大学，其中被引用篇数52203篇、被引用次数687734次，综合排名看来，上海交通大学排名第二，清华大学第三，前十排名附下表。总体上与前一年基本保持一致。最后我们看一下中国百篇最具影响国际学术论文，本年度百篇最具影响国际学术论文是从2017年SCI收录的我国第一作者论文中选取的。100篇高影响国际论文分属于69个机构，其中高等院校80篇，研究所14篇，高校附属医院和其他医院5篇，公司1篇。其中产量最多的为北京大学8篇，哈尔滨工业大学次之有5篇，武汉理工大学4篇，后续清华大学、浙江大学、复旦大学、中国科学技术大学、中国农业大学、重庆大学均为3篇。此次统计结果可以看出我国科研产出规模正在高速高质增长，各高校也是突显出了举足轻重的作用。

众所周知，统计学主要是一门以统计学原理及方法为基础，对科研数据进行采集，整理及分析的应用科学。在实际工作中，统计学问题已成为评价医学论文质量高低的重要指标之一。统计学方法在应用过程中的错误与否会在一定程度上影响医学科研结论的科学性、可靠性以及严谨性。错误的统计学方法应用，会使得论文学术水平、质量降低，甚至会导致论文不可用等严重后果。因此，赛恩斯编译提醒大家，撰写医学论文要避免出现以下这些统计学问题。一、统计研究设计不科学。大部分非统计学专业学者在进行统计研究设计的时候仅从自身的专业角度出发，且在分组方式上按照自己主观所要获得的结果进行设计，而忽略了研究设计的可行性，组间数据的可比性等一系列问题。主要表现涵盖研究设计时不严格根据随机化原则进行、均衡性原则贯彻不彻底以及未设计对照或对照不科学等。其中主要不合理问题涵盖：缺少对照或对照不合理；将单因素及多因素设计进行混淆；样本量较少或样本量选择无代表性等。二、统计学处理分析的缺失。有些作者在医学论文中虽完成了分组与对照的设计，且较为合理，但通文却无只字片语提及采用哪种统计学方法对数据予以分析，并无对相关数据予以统计学处理的相关内容，只是经由对研究所获取的数据进行直观判断，即得出结论，这与代医学科研的结论需有据而立的原则完全背道而驰。三、统计方法描述混乱。有些作者在医学论文中所阐述的统计学方法极为简单，甚至对于统计学方法也未能彻底列出，例如：单独列出所采用的统计学分析软件，但未对该软件的版本进行说明。在研究过程中对于哪种数据应采用哪种相对应的统计学方法仅作笼统的描述，并未具体列出文中相关数据应采用何种统计学方法。未完全具体描述对于两组或多组定量数据对比应采用的究竟是配对t检验亦或是成组设计t检验，而是将其简单概述成两组定量数据对比予以t检验。针对定量数据仅仅阐述运用t检验或方差分析，却未完全阐明是否需予以正态性检验或方差齐性检验。针对两组或多组间的定性数据比较，不管其仅需采用卡方检验，亦或需予以矫正卡方检验以及卡方分割检验，均简单概述成定性数据的对比予以卡方检验。统计学相关符号在书写过程中的规范性较差，例如：F检验，卡方检验，t检验，P值中的字母部分均需以斜体表示，而对于与该规定不符的书写均可认定为错误书写，而该问题在众多医学论文中十分普遍。另外，许多医学论文中均存在未对检验水准α进行阐述的问题。四、统计学方法应用错误。统计学方法应用错误这一问题存在于相当一部分医学期刊论文中，针对定量数据的统计学方法错误使用包括以下几点：(1)不管数据是否符合正态分布或方差齐，盲目地运用t检验或单因素方差分析等完成组间的比较。(2)不管研究设计中存在几组数据，均盲目地予以t检验分析，将t检验作为定量数据比较的通用统计学方法。(3)不管研究设计中各组间数据所具有的关系为何，均盲目地运用成组设计t检验或单因素方差分析。针对定性数据的统计学方法错误使用包括以下几点：(1)针对所有定性数据的比较均予以卡方检验，忽略了卡方检验应用的前提条件，即仅适用于正态分布的定性数据，同时，要求样本在40以上，且通过卡方检验列联表数据时，禁止五分之一以上格子的出现或任意格子中的理论频数小于1。(2)对多组间定性数据进行比较时，总体进行卡方检验比较分析后如还需进行各组间的两两对比时未予以卡方分割检验，而是据需采用卡方检验分析。五、统计结果的描述以及分析错误。不少医学论文中均存在统计学结果的描述以及分析错误情况，较为常见的情况有：(1)针对定性数据，大部分论文均会构成比及百分率的混淆，样本量不足；(2)针对定量数据，正态分布数据描述不是运用“均数±标准差”或“均数±标准误”进行表示，非正态分布数据描述不是通过中位数及四分位间距表示。(3)对有统计学意义数据进行解释时仅仅按照P值的大小获取相应结论，这主要是由于学者对统计学中P值的理解程度不够造成的，需知P值是拒绝特定无效假设定而可能犯的假阳性错误的概率，其无法代表组间差异的大小。六、统计值或P值描述不清或缺失。一些医学论文中，学者对统计结果予以描述时，往往无法弯针更清晰地描述出统计值与P值，常见错误情况涵盖以下几点：(1)单独通过“P＜0.05”或“P＞0.05”表示统计结果，并由此获得结论，并无对相应统计值的描述；(2)仅仅列出具体的P值，而未列出统计值；(3)统计结果描述中包含统计值与P值，但却无详细的P值，仅用P＜0.05或P＞0.05表示。这几种错误情况均会对文献阅读者进行数据验证以及meta分析造成不利影响。七、大样本数据错误使用t检验。通常情况下，定量数据采用t检验时需满足几点条件，一是样本含量较少，n＜50或n＜30，且均符合正态分布；二是成组设计的两样本均数对比，且量样本均来自总体方差相等的总体。对于样本量n＞50的数据比较，则需予以U检验。

1948年，中南财经政法大学前身中原大学，由时任中共中央中原局第一书记的邓小平同志一手创立。《希贤记》即取自邓小平曾用名“邓希贤”，旨在通过记录优秀学生的成长轨迹、专业感悟，以供高中同学、在校大学生了解和学习。本期推送《希贤记》第二十篇。个人简介周子桐，高中毕业于四川省达州市第一中学，现为中南财经政法大学统计与数学学院统计学专业2017级本科生。从大一至今担任班长一职。在校期间获国家奖学金、人民一等奖学金、五四表彰“校级优秀学生干部”和“校级优秀共青团员”、年度表彰“校级社会实践之星”。多次主持学校社会实践项目，获得“校级优秀实践成果”和“校级先进个人”。主持第九届市场调查分析大赛，获得“校级三等奖”。主持博文杯百项实证创新项目获校级立项。以第一作者身份在国家级普刊上发表了两篇论文。曾进入北京大学暑期学校主修《管理经济学》。本科期间曾在青桐资本远程实习。曾作为中南财经政法大学华为财经俱乐部成员，参与策划华为财务精英挑战赛（校内赛和区域赛）。同时，主持过大学生创新创业项目，参加过多次全国大学生数学建模大赛、美国大学生数学建模大赛和全国大学生数学竞赛。目前正在准备保研。抛弃幻想，准备奋斗阳春至，万物生，正是少年奋起时。或许你正在处在老师口中所谓的“最后一次辛苦”的高考备战时光中，憧憬着结束疲累的高中生活，开启美好的大学时光；或许你刚刚经过了高考的洗礼，已经成为了中南财经政法大学的小萌新，想着漫漫征程已结束，美好轻松的大学生活正向你走来……但是，请抛弃幻想，准备奋斗。站在新的起跑线，如果觉得你的起跑线比别人远，那么下一秒，你要更加奋力地奔跑；如果觉得你的起跑线比别人近，那么下一秒你会面临无数的追赶者，你也要更加奋力地奔跑。谁是万人英？待时日证明。“误打误撞”，初入统计作为一名理科生，本该是和其他大多数理科毕业生一样，报考理工类大学，而我偏偏属于那“少部分”理科生。因为我和我的家庭经历过2008年那场金融危机，我从那时便被金融世界的力量所吸引、折服，我想要去一探究竟，想在下一次抵抗危机时，投入我的一份力量。所以我从初中开始，就立志要进入财经类大学深造。高考后，我选择了到财经政法类大学学习理科，如愿进入了武汉，中南财经政法大学。填写志愿时，我的前三个专业志愿都是金融或会计学类，在寻找我的第四个专业志愿时，我看到了统计学专业，约莫了解到统计学和数学相关，考虑到我的数学功底，于是我将统计学填到了第四个专业志愿。后来便是，我被通知录取到了统计学。当初受限于当时的眼界和知识，同时也被身边亲朋的“统计不就是数数吗”、“财经学校学统计，是否专业”……”之类的话语影响，我认为统计学无非是教人统计数量、归纳数据，其实就是“数数”。所以我一度对我的专业感到困惑……再识统计，思维筑基但是在真正进入到统计学这个专业后，我对统计学的认识和理解在慢慢地改变。在这三年的学习期间，不少人在不同时期问过我什么是统计学、统计学能干什么，而我给出的答案每次都不一样。现在我想这样给中南财经政法大学或者即将步入中南大的小萌新们回答：统计学就像一本高深的内功秘籍，学起来可能感觉有些难以理解，但当你一遍遍吸纳这本内功精华后，你的“任督二脉”会被慢慢打通，在此基础上，见招拆招，无往不胜。统计学不是一门“死”的学科，统计学不是去一遍遍地机械记忆理论而达到“熟练背诵”的要求，而是教给你很多强大的工具，让你认识到，统计学的核心不是书本上的知识，而是在你的身心上栽培出的一种独属于你自己的统计学思维。统计人为何要学抽象晦涩的数学分析、高等代数、概率论和各种分布……？这是在为你自己的统计学思维筑基；统计人为何要学各种编程、各种序列、各种计量模型……？这是在给予你强大的利器。从一个个数字中挖掘出目标信息、从样本推断未知的总体目标特征、根据仅有的数据预测未来……大数据时代来临，统计学正处在时代的风口上。同时，根据我与在理工类大学深造的同学的交流，我发现在财经类大学学习理科最大的不同是，不仅仅是让你掌握工具知识，更是让你的经济思维和时政分析能力在经管类课程的学习中，受到潜移默化的影响。这一点，是理工类大学不能比拟的。于内博文，于外济世大学里面充满了自由，没有老师在学业上的时刻约束，没有父母在生活上的唠叨管教，可以选择参与各种比赛、学术项目、社团活动等等。给我印象最为深刻的，是我运用自己所学，主持团队进行社会实践的经历。在社会实践的过程中，我才第一次深入认识到社会的养老、医疗等痛点问题是多么棘手而又亟待解决，在象牙塔内所学的知识以及对这个社会的认知，远远不够。我所能够做的，就是在象牙塔内不断地向上攀登，再用自己的学识为社会民生的发展提供微薄但坚实的力量。无志而不立，避世而无用。大二暑假，我抱着试一试的心态，向北京大学提出了暑期学习的申请，我向往更高的学府，习得更多的知识，提升自己的眼界和思维。我仍记得我的申请通过时，我对此不敢相信的惊讶；我更记得在北大学习时，对经济学从头钻研的困惑到最后拨云见月的愉悦。北大开放包容的人文思想，也令我对“博文济世”的意义有了更深刻的理解。在课业最繁重的学期，当其他同学在一心专注于学业时，我同时加入了华为财经俱乐部、并成为了青桐资本的远程实习生。在一次次的活动策划和整理工作中，我安排事务的效率和抗压性得到了极大地提升，并且对一些棘手的问题也渐渐有了自己的见解和解决办法。积跬步，至千里。直到现在，我还受益于那时培养起的忍耐力和韧性。适时调心态，云帆济沧海在经历了高考的压力后，仍要正视大学里从各方面向自己奔涌而来的压力。不只是学业，实习、考证、比赛、社交等等都会带来复加的巨大压力，很多人都会因为无法正确化解压力而导致心态崩溃。大学作为校园和社会的衔接点，在大学的种种经历其实只是漫长征途中的一点考验，不能因为一时的压力而将焦虑和悲观无限放大。最容易打倒自己的，就是自己。在自我情绪调节或心理老师的指导下，学会稳定心态，将自己看成长跑运动员，稳定且自信地向目标奔去，才能笑到最后。天下风云出我辈，一入江湖岁月催。愿你我都保持着赤子之心，猛志固常在。共勉！来源：中南财经政法大学本科招生特别鸣谢：中南财经政法大学统计与数学学院素材支持排版：冯函斌 审核：屈代洲

“学生申请学位答辩不数论文”“大学不能把学术权力交给期刊的编辑和审稿人”……近日，清华大学校长邱勇在全校教职工大会上的讲话火了，也再次将是否应该取消研究生论文要求的讨论推向高潮。但他也坦言，不卡论文数量并非放松毕业要求；相反，意味着进一步提升教育质量。要求研究生毕业前发表一定数量的论文，并与拿到学位证挂钩，是当前国内不少高校的“硬规定”。尽管多数学子靠“勤恳码字”都能如期达标，但被此绊住的也有不少。压力之下，五花八门的变通技巧潜滋暗长。有人花重金请人捉刀代笔，有人想着法儿挂靠导师课题……到头来，论文数量上来了，“水分”随之而涨，“论文代写”生意火爆，部分期刊“恃宠而骄”。如此种种，加剧了学术浮躁与不端之风，更有违研究生教育的初心。“研究生”难过“论文关”，也折射出学术水平到底如何评价的深层次问题。作为创造性思维的结晶，论文数量以及期刊载体，在一定程度上代表着科研能力，但因此“一刀切”就有些跑偏了。究其根本，科研是思维的碰撞、智慧的火光，很难以严格期限框定具体产出。更何况，不同专业性质不一、研究方法各异，尤其是基础学科，侧重理论性、产出周期长，要求三到五年必须“结果”，实在勉为其难。而论文数量多，也并不意味着学术水平高。此前就有抽样调查显示，在校研究生发表的论文中，“博采众长”类多、“原创探索”型少。作为国民教育的最高端，研究生教育核心就在“研究”二字，价值也在“创新”二字，如何优化学术评价、强化“研究性”，是科研“提质”的必需，也是高等教育改革的目标之一。“创新之道，唯在得人。得人之要，必广其途以储之。”近年来，为强化教育质量评价，国家有关部门频频出招。顶层设计上，国务院专门印发《方案》，明确要求克服唯分数、唯升学、唯文凭、唯论文、唯帽子的“五唯”现象；实践操作中，教育部严把出口，定期抽检毕业论文（设计），倒逼学生潜心治学。当然，评价系统破旧立新不可能一蹴而就，还需要各地各校真正迈开步伐，有针对性地提升人才“含金量”。近日，中科大26岁特任教授攻克世界难题的消息刷屏，“硬核”二字铺天盖地，有网友动情留言：“希望‘学术大牛’在本土研究生系统中更多涌现”。据统计，我国研究生培养规模已突破300万大关，只有不断优化评价系统，强化质量导向，才能为更多“学术大牛”创造生长的土壤。转自：京报网【来源：贵阳市教育局】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

来源：量子位请听题：如何将苹果平均一分为二，还能保证它长时间的新鲜？这是一个严肃的科学问题，已经困扰了人类数学家25年之久。根据常识，就是要保证果肉暴露在外面的面积最小，也就是切片的面积最小。如果跨越到更高的维度，是否依然成立？这就是1995年，由三位数学家提出的一个几何学猜想。现在，这个难题被一位华人统计学博士，解决了。成果一经发布，就迅速引起了数学、理论计算机科学、统计学等多个领域的科学家的关注。他们一致认为，数学大师、菲尔兹奖得主，原本猜想的提出者Jean Bourgain（让·布尔甘）一定会对这一进展感到兴奋。毕竟，在他去世前（2018年）的几个月里还在关心这一问题进展，但终其一生都未能解决。困扰数学家25年的几何问题1984年，著名数学家让·布尔甘提出了一个猜想。一个任意维度的凸体，用低一维的平面去平分，那么存在一个常数c，让凸体至少存在一个切面的面积大于c。换句话说，如果你一刀平分“任意维度空间的西瓜”，随便你怎么劈，总有一个切面总大于c。（Ps：以往的科学家用的是苹果的例子。但准确来说不能选苹果，因为苹果上下是凹的。）在3维空间中，这个结论似乎很好理解，因为无论西瓜长成什么奇形怪状，总不可能在每个角度都细长。像下面这样的长西瓜，竖直切下去，切面很小，可以你也可以水平切开平分它，这样切面就会很大。但在3维世界中正确的事情，到了高维空间却不一定成立。这个问题后来被布尔甘自己证明，但数学家们并不满足于用平面切西瓜，而是希望能找到一个更小的切面，它可以是曲面。而这恰好是1995年Kannan、Lovász和Simonovits三人提出的KLS猜想关心的问题：用来平分的最小曲面面积是多少？以二维空间里的一个三角形为例。这个最小的“曲面”是一段圆弧。用圆弧来平分一个三角形，中间的线长度最短，而最佳“平面”——直线——的效果略差。如何用最小“切面”平分三角形（来源：Quanta Magazine）到了更高维度的空间中，二等分的最佳平面和最佳曲面差距会变大吗？切面的面积是否和维度d有关？这个问题已经不再是纯粹的数学问题。普林斯顿大学数学系教授Assaf Naor表示，KLS猜想在纯粹的数学和理论计算机科学中都很重要。KLS猜想的结果，直接关系到随机行走算法的运行时间，如机器学习模型中采样问题。所以最后解决这个几何问题的学者，都并非几何学的专家，而是来自计算机界。用统计方法解决他经过数学家的抽象，KLS猜想就像一个封装着气体的容器，找到最佳切面就是寻找容器的“瓶颈”。想象一个哑铃形状的容器，里面有一个气体分子在随机运动，哑铃中间连接部分越细，分子就越难跑到另一侧。哑铃形的平分切面很小（来源：Yin Tat Lee论文）现在人们想知道，在高维空间，这个凸的容器最细的地方有多细。（当然，哑铃并非是凸的。）2012年，Eldan通过引入一种称为随机定位的技术，来降低这个问题与维度上界。（到底是维度d的几次幂。）2015年末，华盛顿大学的Vempala和Yin Tat Lee改进了Eldan的随机定位，以进一步将KLS因子（用于描述瓶颈是否存在）降低到维度的四次根d1/4。KLS猜想的上界不断降低（来源：同上）甚至，他们还将幂指数降低到几乎为0，由于d的0次幂总是等于1，Lee和Vempala似乎证明了KLS因子是一个与维度无关的常数。他们在arXiv上发布了他们的论文。但是几天后，这篇文章就被人发现了一个缺陷，他们关于d0的证明是错的。之后，二人修改了文章，把界限重新调整到d1/4。几年来，研究人员认为KLS猜想的探索已经到此终结了。不过他们还在论文中，保留了d0证明的一些想法。这也为后来的突破埋下伏笔。他们的论文引起了另一位统计学者Yuansi Chen的注意。Chen当时是加州大学伯克利分校的统计学研究生，他正在研究随机采样方法的混合率。而随机抽样是许多类型统计推断中的关键，例如贝叶斯统计。Chen深入研究文学，花了数周时间试图填补Lee和Vempala的证明中的空白，但依然没有解决。于是他转变了思路，在Lee和Vempala的思想指导下，他找到了一种方法，采用递归来降低KLS因子上界。经过反复迭代，这种方法将KLS猜想问题再次拉回到d0的上界。这一结果意味着，高维凸形物体不会有哑铃那样的结构。该定理的结果意味着，在n维凸体中随机行走，遍历整个图形的速度比我们之前预想得要快得多。这将有助于计算机科学家对不同的随机采样算法进行优先级排序。三个计算机相关的科学家虽然表面看上去，这三位学者似乎跟数学没什么关系。但仔细翻看他们的履历，他们都曾跟数学结下了不小的缘分。首先，直接与研究相关的这位统计学博士后——Yuansi Chen （陈远思，音译）。今年年初，他开始在杜克大学统计科学系担任助理教授的职位。主要研究方向是统计机器学习、优化以及在神经科学中的应用，尤其对其中域适应性、稳定性、MCMC采样算法、卷积神经网络和计算神经科学中出现的统计问题感兴趣。2019年，他在加州大学伯克利分校统计系获得博士学位。其博士生导师是著名华裔统计学家、UC伯克利统计系和电子工程与计算机科学系终身教授郁彬。在攻读博士之前，他还在法国Ecole Polytechnique获得了应用数学专业的工程师文凭。随后，前往在苏黎世联邦理工学院ETH Foundations of Data Science（ETH-FDS）做博士后研究。而启发Yuansi Chen数学灵感的，是两位计算机科学家。Yin Tat Lee （李贤达，音译）和Santosh S。 Vempala。李贤达，目前是华盛顿大学助理教授，本科毕业于香港中文大学。2012年从港中文大学毕业后，前往麻省理工学院攻读博士学位，随后前往微软研究院做博士后研究。他的研究方向主要在算法方面，包括凸优化、凸几何、谱图理论和在线算法等广泛的课题。以往的研究里，他曾结合连续数学和离散数学的思想，大幅提升了在计算机科学和优化中许多基本问题的算法，比如线性编程和最大流量问题。他曾获得SODA最佳论文奖、NeurIPS 2018最佳论文奖、NSF职业奖。去年他还获得了有“诺奖风向标”之称的斯隆奖，以及美国最大的非政府奖学金之一——帕卡德奖学金。再来看Santosh S。 Vempala，佐治亚理工学院计算机科学教授。主要研究领域是理论计算机科学，还抽样、学习、优化和数据分析的算法工具；随机线性代数，高维几何。他曾在卡内基梅隆大学攻读博士学位，本科毕业于印度理工学院的计算机专业，曾获NSF职业奖、斯隆奖等奖项。在来到佐治亚理工学院之前，他曾担任MIT应用数学系担任教授、UC伯克利米勒研究员。数学家：不可思议随着陈远思论文一发布，迅速就引起了数学界的学者关注。不光是因为此前的错误证明，还由于陈远思这个名字在数学界十分陌生，研究人员对待这一成果十分谨慎。但他的方法很容易被验证。早期研究过KLS猜想的以色列数学家BoázKlartag，就在第一时间看了论文。“我基本上立即停止了我正在做的一切事情，并检查了这篇论文。这篇论文是100%正确的，这一点毫无疑问。”除了一众数学家关注之外，还引起了理论数学家、统计学等领域的注意。哈佛大学计算机科学教授、微软研究院前新英格兰首席研究员Boaz Barak则发推祝贺。并表示这是一个非常重要的突破，加速了对近似凸体体积的研究。但点赞祝贺之余，也有不少学者表示十分遗憾。因为提出这一猜想的人菲尔兹奖得主布尔甘已于2018年去世，如果他还在的话，一定会为这一进展感到兴奋。据Quanta Magazine报道，布尔甘曾在去世前几个月，联系了他的朋友、特拉维夫大学教授Vitali Milman，询问这一猜想是否有任何进展，想在离开之前知道答案。但Vitali Milman说，布尔甘在这一问题上，花费的时间和投入的精力比任何其他问题多得多。没想到，最后这个问题却被统计学解决了。