耿振野(長春理工大學 電子信息工程學院,長春 130022)
?
學術論文機器評價系統(tǒng)的可行性研究
耿振野
(長春理工大學電子信息工程學院,長春130022)
摘要:通過對學術論文評估過程與AlphaGo的原理比較,可以得出引入人工智能建立學術論文機器評價系統(tǒng)具有完全的可行性。應用學術論文機器評價標準系統(tǒng)使得學術論文造假現(xiàn)象得到有效抑制,能夠很好地避免學術論文評價中出現(xiàn)的順水人情、敷衍塞責現(xiàn)象,擠出學術論文的大量泡沫。因此,能夠大力推進我國的科技進步,保證學術論文在質(zhì)量和數(shù)量上原始的學術創(chuàng)新。
關鍵詞:深度學習;機器評價 ;人工智能;學術創(chuàng)新;論文造假
各大媒體最近一段時間爭相報道的兩個熱門話題,一個是學術論文抄襲現(xiàn)象屢見不鮮,一個是AlphaGo戰(zhàn)勝人類超級選手。首先看AlphaGo戰(zhàn)勝人類超級選手,AlphaGo深度學習的勝利被認為是人工智能取得的又一巨大勝利,表明人工智能將帶領人類走進新時代。然后看學術論文抄襲現(xiàn)象,據(jù)統(tǒng)計,我國每年發(fā)表的論文數(shù)在全世界已名列前茅,但被國際學術界認可的成果卻少之又少??萍嫉倪M步必須依靠在質(zhì)量和數(shù)量上原始的學術創(chuàng)新,而不是重復的抄襲和剽竊;學術造假嚴重損害了我們的社會的公平體系,嚴重損害我國學術界的形象和國際聲譽,已經(jīng)阻礙了我國的社會全方位發(fā)展。
針對學術論文造假現(xiàn)象的抑制,我國已經(jīng)采取了一系列的措施。例如,加強學術誠信建設,規(guī)范學者的學術道德規(guī)范;轉(zhuǎn)變考核體制,建立獨立的學術評價體系;引入SCI作為科學評價體系;引入評價機構或同行專家評議制度;等等。雖然國家出臺了相應的措施,但學術造假現(xiàn)象依然不斷涌現(xiàn);其主要問題是這些措施的執(zhí)行都受到人為的制約。如果象AlphaGo一樣將人工智能引入學術論文機器評價體系,一定會為學術界開辟新的篇章。
我國現(xiàn)在采用量化考評和同行專家評議制度;研究生畢業(yè)論文多數(shù)學校為盲審,即博士論文外送5至8篇,碩士論文外送2至5篇進行盲審;根據(jù)反饋結果各校根據(jù)本校的規(guī)定來決定是否可以答辯,至于專家意見是否正確基本無人質(zhì)疑;科教人員職稱評定重視論文發(fā)表刊物的等級和數(shù)量,至于論文本身質(zhì)量問題常常被忽視。大多數(shù)學術論文發(fā)表在國內(nèi)期刊,但國內(nèi)期刊的管理存在一些問題,一些核心期刊為擴大其影響力,不是考慮提升刊物的質(zhì)量,而是大搞“人情稿”成為“垃圾刊物”。2012年的全國高校評估專家表示,我國相繼引進了SCI作為學術論文科學評價體系,即發(fā)表論文的刊物是否被SCI收錄,影響因子的高低,作為對其理論和研究評價的標準。這在相當長的時間里,促進了我國的學術研究更好地與國際科研學術接軌。但是,近年來,在國內(nèi)一些科研機構“出爐”的高校排行榜里,一所高校教師的科研實力往往由其在SCI等收錄期刊發(fā)表的論文數(shù)進行衡量,這導致不少高校形成了“SCI崇拜”,“SCI論文數(shù)”因此成為許多高校衡量教師學術水平的重要指標,甚至成為教師評定職稱、晉升職務的依據(jù)。所以,許多中國科研人員挖空心思地增加自己的SCI論文數(shù),或一稿多發(fā),或?qū)iT找一些被SCI收錄、但是發(fā)表門檻很低的期刊投稿。因此,SCI收錄的期刊同樣也存在著良莠不齊、質(zhì)量差別很大的問題。由于SCI收錄學術期刊良莠不齊,赫希在《美國科學院院刊》上發(fā)表了的評價學術成就的另一種方法,這種方法稱為h指數(shù),h代表“高引用次數(shù)”即一個人的h指數(shù)是指他至多有h篇論文分別被引用了至少h次。h指數(shù)的高低與從事科研的時間長短有關,年輕科教者發(fā)表論文數(shù)量太少,論文的數(shù)目成了其h指數(shù)的上限,計算其h指數(shù)沒有多大的意義,所以h指數(shù)比較適合用于衡量已從事科研多年的資深科學家的總體成就。再者赫希低估了中國人的造假能力,那就是論文被引用次數(shù)為學術論文造假留了空間。
判斷一篇學術論文的質(zhì)量是件難事,學術論文評價標準的研究是保證論文管理規(guī)范化的重要措施,建立一種合理的學術論文機器評價標準系統(tǒng)勢在必行;我們先看一下AlphaGo的原理。AlphaGo的學習依賴于深度學習和增強學習,這實際上當前人工智能界最前沿的研究方向,多層人工神經(jīng)網(wǎng)絡模擬接近了人腦處理信息時從低層到高層不斷抽象化的過程。深度神經(jīng)網(wǎng)絡既包含局部的計算,也包含全局的分析,其中的Policy Network用于具體每一步棋的優(yōu)劣判斷,而Value Network則對整個棋局進行形勢的判斷。
目前,Google、Facebook、百度在深度學習領域都有很多進展,尤其是在人臉識別、圖像識別、語音識別、翻譯等方面。Google相信,自己未來終將有一天能夠利用人工智能技術解決許多現(xiàn)實生活中的問題。通過對學術論文評估過程與AlphaGo的原理比較可知,應用工智能技術設計學術論文機器評價標準系統(tǒng)是完全可行的。
從目前的工智能技術來說,如果要應用學術論文機器評價標準系統(tǒng)評價出高水平或超過水平的學術論文還是存在一定的難度,但可以提供出基本的參考意見;相反,應用學術論文機器評價標準系統(tǒng)找出學術論文抄襲造假,避免學術論文評價中出現(xiàn)的順水人情、敷衍塞責現(xiàn)象,擠出學術論文的大量泡沫是毋庸置疑的。同時,在網(wǎng)絡上開放學術論文機器評價標準系統(tǒng),能讓每一個人都能像專家一樣驗證自己所懷疑的每一篇學術論文,使造假者無處遁形;有力地抑制學術腐敗,造就一個清白干凈的學術世界。
參考文獻:
[1]王綬官等.正確評價基礎研究成果[N].中國科學報.
[2]羅永江.學術造假的原因及對策.
[3]方舟子.美國學術評價的新招——h指數(shù).中國青年報.
DOI:10.16640/j.cnki.37-1222/t.2016.11.226
作者簡介:耿振野(1966-),男,吉林長春人,副教授,研究方向:機器學習。