近日，我完成了共计26份的国家自然科学基金申请项目评审任务。我注意到，基金委近年来大力推进基于科学问题属性的分类评价改革，这有助于更加客观地评价

文｜秦四清（中科院地质与地球物理研究所研究员）近日，我完成了共计26份的国家自然科学基金（以下简称国基）申请项目评审任务我注意到，基金委近年来大力推进基于科学问题属性的分类评价改革，这有助于更加客观地评价申请项目的科学价值。

无论如何，我一直认为创新性是首要评价标准，而不同属性分类的区别仅在于侧重的创新形式不同例如，“需求牵引、突破瓶颈”类的申请项目无需在基础理论上有较大创新，但在突破技术瓶颈上应有新思路或新认识多年来，我遵循注重创新的评价标准，尤其对优青、重点等类型项目，更是从严要求创新性，因为申请人多是 “青椒”中的佼佼者、 “红椒”中的领头羊。

只有如此，才能鞭策其挑战科学难题，形成奋勇争先的良好学术风气就今年我评审的国基申请项目而言，除立项依据不足、研究思路不清晰、科学问题凝练不到位等屡见不鲜的老毛病仍然存在外，还发现以下问题较为突出现分享给大家，希望对今后的项目申请有所帮助。

1.缺乏显著创新性某项研究的创新性或表现为发现了新现象和新问题并找到了解决之道，或找到了新思路和新方法来解决悬而未决的老问题我评审的大部分申请项目致力于解决各种与地质灾害有关的老问题，但研究思路和方案仍“换汤不换药”，故不得不怀疑思路的新颖性和方案的可行性。

此外，有些申请人对何谓创新存在误解譬如，其将一些新技术或新方法（如采用某种新兴的监测手段）的应用视为创新点这虽然可能提高观测精度，但往往无助于揭示复杂现象背后的本质机制和规律，故仍然难以在老问题上取得实质性突破，自然也谈不上显著创新性。

要提升项目的创新性，申请人需平时通过深度思考凝练关键问题和催生围绕该问题的奇思妙想，这靠“急来抱佛脚”不行2.盲目蹭热点基于大数据的AI方法，炙手可热，成为不少申请人的“灵丹妙药”AI方法，是通过学习大量案例，以求获得事物的行为规则来预测未来，但本质上仍属于数理统计范畴。

不少申请人未意识到即使把该方法用到极致，也难以揭示某种复杂现象背后隐藏的真实规律这是因为数据与规律之间的映射关系缺乏明确的物理机制这一强约束条件，所以多解性在所难免不信，看一个例子：图1是条应力应变曲线，把峰值强度点前的数据给你，你用AI方法能探究出随峰后应变增长，应力不升反降的趋势和规律吗？答案显然是否定的。

图1 应力应变曲线示意图我评阅过多份利用AI方法预测滑坡灾害的申请书，其应用令人眼花缭乱、“不明觉厉”的算法，实际上是建立斜坡位移与各类影响因素之间的统计关系这能迷惑少数学术素养不高的评审专家然而，大部分评审专家门清：即使统计强相关，也并不表明所得因果关系可靠，这源于上述的多解性。

要解决滑坡预测难题，只能在分类的基础上，脚踏实地从物理机制入手，这来不得半点投机取巧事实上，诸多科学难题之所以长期未被攻克，根本原因并不在于实验、观测等手段不够先进、不够全面，不在于数据处理方法不够高大上，而在于尚未找到其“命门”——诸如支配事物演变的物理实体、机制和规律。

鉴于此，与其引入时髦的“噱头”挖空心思蹭热点，以给申请书穿上“皇帝的新装”，不如在日常科研工作中把精力放在探索“命门”上申请人一旦找到这样的“命门”，并在申请书中言必有中地将之展现出来，拿下国基项目并非难事儿。

转载本文请联系原作者获取授权，同时请注明本文来自秦四清科学网博客。链接地址：https://blog.sciencenet.cn/blog-575926-1341241.html

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186