学术论文机器评价系统可行性研究.docVIP

学术论文机器评价系统的可行性研究 　　摘 要：通过对学术论文评估过程与AlphaGo的原理比较，可以得出引入人工智能建立学术论文机器评价系统具有完全的可行性。应用学术论文机器评价标准系统使得学术论文造假现象得到有效抑制，能够很好地避免学术论文评价中出现的顺水人情、敷衍塞责现象，挤出学术论文的大量泡沫。因此，能够大力推进我国的科技进步，保证学术论文在质量和数量上原始的学术创新 关键词：深度学习；机器评价 ；人工智能；学术创新；论文造假 DOI：10.16640/j.cnki.37-1222/t.2016.11.226 1 引言 各大媒体最近一段时间争相报道的两个热门话题，一个是学术论文抄袭现象屡见不鲜，一个是AlphaGo战胜人类超级选手。首先看AlphaGo战胜人类超级选手，AlphaGo深度学习的胜利被认为是人工智能取得的又一巨大胜利，表明人工智能将带领人类走进新时代。然后看学术论文抄袭现象，据统计，我国每年发表的论文数在全世界已名列前茅，但被国际学术界认可的成果却少之又少。科技的进步必须依靠在质量和数量上原始的学术创新，而不是重复的抄袭和剽窃；学术造假严重损害了我们的社会的公平体系，严重损害我国学术界的形象和国际声誉，已经阻碍了我国的社会全方位发展 针对学术论文造假现象的抑制，我国已经采取了一系列的措施。例如，加强学术诚信建设，规范学者的学术道德规范；转变考核体制，建立独立的学术评价体系；引入SCI作为科学评价体系；引入评价机构或同行专家评议制度；等等。虽然国家出台了相应的措施，但学术造假现象依然不断涌现；其主要问题是这些措施的执行都受到人为的制约。如果象AlphaGo一样将人工智能引入学术论文机器评价体系，一定会为学术界开辟新的篇章 2 学术论文评价体系现状 我国现在采用量化考评和同行专家评议制度；研究生毕业论文多数学校为盲审，即博士论文外送5至8篇，硕士论文外送2至5篇进行盲审；根据反馈结果各校根据本校的规定来决定是否可以答辩，至于专家意见是否正确基本无人质疑；科教人员职称评定重视论文发表刊物的等级和数量，至于论文本身质量问题常常被忽视。大多数学术论文发表在国内期刊，但国内期刊的管理存在一些问题，一些核心期刊为扩大其影响力，不是考虑提升刊物的质量，而是大搞“人情稿”成为“垃圾刊物”。2012年的全国高校评估专家表示，我国相继引进了SCI作为学术论文科学评价体系，即发表论文的刊物是否被SCI收录，影响因子的高低，作为对其理论和研究评价的标准。这在相当长的时间里，促进了我国的学术研究更好地与国际科研学术接轨。但是，近年来，在国内一些科研机构“出炉”的高校排行榜里，一所高校教师的科研实力往往由其在SCI等收录期刊发表的论文数进行衡量，这导致不少高校形成了“SCI崇拜”，“SCI论文数”因此成为许多高校衡量教师学术水平的重要指标，甚至成为教师评定职称、晋升职务的依据。所以，许多中国科研人员挖空心思地增加自己的SCI论文数，或一稿多发，或专门找一些被SCI收录、但是发表门槛很低的期刊投稿。因此，SCI收录的期刊同样也存在着良莠不齐、质量差别很大的问题。由于SCI收录学术期刊良莠不齐，赫希在《美国科学院院刊》上发表了的评价学术成就的另一种方法，这种方法称为h指数，h代表“高引用次数”即一个人的h指数是指他至多有h篇论文分别被引用了至少h次。h指数的高低与从事科研的时间长短有关，年轻科教者发表论文数量太少，论文的数目成了其h指数的上限，计算其h指数没有多大的意义，所以h指数比较适合用于衡量已从事科研多年的资深科学家的总体成就。再者赫希低估了中国人的造假能力，那就是论文被引用次数为学术论文造假留了空间 3 机器评价系统的可行性 判断一篇学术论文的质量是件难事，学术论文评价标准的研究是保证论文管理规范化的重要措施，建立一种合理的学术论文机器评价标准系统势在必行；我们先看一下AlphaGo的原理。AlphaGo的学习依赖于深度学习和增强学习，这实际上当前人工智能界最前沿的研究方向，多层人工神经网络模拟接近了人脑处理信息时从低层到高层不断抽象化的过程。深度神经网络既包含局部的计算，也包含全局的分析，其中的Policy Network用于具体每一步棋的优劣判断，而Value Network则对整个棋局进行形势的判断 目前，Google、Facebook、百度在深度学习领域都有很多进展，尤其是在人脸识别、图像识别、语音识别、翻译等方面。Google相信，自己未来终将有一天能够利用人工智能技术解决许多现实生活中的问题。通过对学术论文评估过程与AlphaGo的原理比较可知，应用工智能技术设计学术论文机器评价标准系统是完全可行的 从目前的工智能技术来说，如果要应用学术论文机器评价标准系统评价出高水