京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代科研不能再"两头花钱"
“把论文发出去,需要花钱,再把数据买回来,还要花钱。我们这是在两头花钱,最后把钱都送出去了。”3月9日,全国政协分组讨论会场上,在听完全国政协委员、中国科学院上海药物研究所研究员蒋华良的发言后,全国政协委员、中国核建集团公司总经理王寿君不由得感慨。
蒋华良提出的,是一个他呼吁了很多次,却不那么容易解决的问题。“我们一直在强调大数据的重要性,但是在大数据时代,我们自己的科研数据都在国外。”蒋华良直言。
在蒋华良看来,大数据时代的当下,谁掌握了科研数据,谁就能在竞争中胜出。“美国是科技强国,也是科技期刊的强国,国际上大多数研究结果都发表在美国期刊上。因此,美国掌握了大部分科研数据。”蒋华良说。
科研数据对于新药研发、新材料研制方面尤为重要。“国外的研究机构和企业,没有多少人去做实验研究,他们主要依靠数据分析,很容易就能把所有科研数据都分析一遍,筛除已经研制失败的数据,然后稍微做一下实验就可以了。这也导致美国做新材料的速度,基本上是我们的两到三倍。”
而对于国内的科研企业、院所及科研人员来说,想分析科研数据并不容易。“想分析,就要花钱把数据买回来。”蒋华良说。
“国外一些机构专门做数据库,会把各个研究小组的数据整合起来,如果要用这样的数据库,包括打包的数据服务,就要付费。”全国政协委员、中国科学院近代物理研究所研究员蔡晓红告诉《中国科学报》记者。
她表示,由于自己的科研领域经常需要参考国外数据,自己所在单位也与某些数据库建立了订阅服务的关系,方便科研人员进行数据查询。
“这笔钱不是一个小数目。”王寿君说。
在全国政协委员们看来,要改变这种情况,最关键的是尽快发展我国的高质量期刊。
“一些好的文章可以优先安排在国内期刊发表。”蔡晓红表示,希望通过我国科技实力的不断发展,带动国内科技期刊的发展,提高国内期刊的影响力,进而改变上述被动局面。
然而,问题在于,当下科技管理部门常常按照SCI排名的方式考核项目运行情况,考察实验室或者科研机构的科研水平。“我们每年都要填很多表,写明发表了多少SCI论文,自己要报,单位也要报。”蔡晓红说,如此考核“指挥棒”的导向,直接影响了国内优秀科研论文发表时所选择的期刊。
要改变当下的局面,考核机制应当调整。“现在有些国内期刊也在鼓励国内科学家优先将论文发到国内期刊,但目前考核体系如此,即便鼓励也不可能改变大局。”蔡晓红告诉记者,“我们要先做到不要唯SCI论事,而是真正以科学研究实际的价值和意义来论事,这样才会在整体上有助于整个体系的改变。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20