基础研究资助导向识别及演化分析:以NSF为例

作     者：韦华楠 雷鸣 汪雪锋 余音 Wei Huanan;Lei Ming;Wang Xuefeng;Yu Yin

作者机构：北京理工大学管理与经济学院北京100081 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2023年第7卷第5期

页      面：10-20页

核心收录：

学科分类：12[管理学] 1205[管理学-图书情报与档案管理] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：National Science Foundation, NSF National Natural Science Foundation of China, NSFC 

主　　题：基础研究 资助导向识别 机器学习 合成生物学 美国国家科学基金 

摘      要：【目的】对美国资助的基础研究项目的资助导向进行识别及演化分析,为完善我国科学基金资助布局提供建议。【方法】在文献梳理基础上,从基本信息、合作特征、项目特征、产出特征4个维度确定资助导向识别的特征体系,将机器学习模型作为识别模型,并进行相应的演化分析。【结果】带有RBF核的支持向量机模型识别效果更好。合成生物学案例分析表明:NSF兼顾“自由探索和“需求导向;“自由探索的基础研究贯穿始终;“需求导向的基础研究前期较少,随着领域的发展逐渐增多;两种资助导向的基础研究变化发展和学科发展阶段及国家战略政策十分相关。【局限】仅选择一个领域开展案例分析,代表性不足;仅以NSF项目数据表征,没有包含NIH、FDA等数据,数据源的全面性有待加强。【结论】本研究是对基础研究资助导向识别的一次有益探索,通过对NSF资助的合成生物学项目进行资助导向识别与分析,能够为中国NSFC的资助布局提供建议,促进中国基础研究的协调发展。