2.793

2018影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

国家自然科学基金自动化领域数据分析与研究热点变化

邓方 宋苏 刘克 吴国政 付俊

邓方, 宋苏, 刘克, 吴国政, 付俊. 国家自然科学基金自动化领域数据分析与研究热点变化. 自动化学报, 2018, 44(2): 377-384. doi: 10.16383/j.aas.2018.c170695
引用本文: 邓方, 宋苏, 刘克, 吴国政, 付俊. 国家自然科学基金自动化领域数据分析与研究热点变化. 自动化学报, 2018, 44(2): 377-384. doi: 10.16383/j.aas.2018.c170695
DENG Fang, SONG Su, LIU Ke, WU Guo-Zheng, FU Jun. Data and Research Hotspot Analyses of National Natural Science Foundation of China in Automation Field. ACTA AUTOMATICA SINICA, 2018, 44(2): 377-384. doi: 10.16383/j.aas.2018.c170695
Citation: DENG Fang, SONG Su, LIU Ke, WU Guo-Zheng, FU Jun. Data and Research Hotspot Analyses of National Natural Science Foundation of China in Automation Field. ACTA AUTOMATICA SINICA, 2018, 44(2): 377-384. doi: 10.16383/j.aas.2018.c170695

国家自然科学基金自动化领域数据分析与研究热点变化


DOI: 10.16383/j.aas.2018.c170695
详细信息
    作者简介:

    宋苏  博士, 国家自然科学基金委员会信息科学部教授.主要研究方向为自适应控制, 人工智能和复杂系统理论.E-mail:songsu@nsfc.gov.cn

    刘克  博士, 国家自然科学基金委员会信息科学部教授.主要研究方向为控制理论, 计算机应用.E-mail:liuke@nsfc.gov.cn

    吴国政  博士, 国家自然科学基金委员会信息科学部三处项目主任.主要研究方向为人工智能.E-mail:wugz@nsfc.gov.cn

    付俊  博士, 东北大学教授, 博导.2016年3月~2018年2月为国家自然科学基金委员会信息科学部三处流动编制项目主任.主要研究方向为非凸动态优化与切换控制及其应用.E-mail:junfu@mail.neu.edu.cn

    通讯作者: 邓方  博士, 北京理工大学副教授, 博导, 2016年3月~2019年2月为国家自然科学基金信息科学部三处人工智能与智能系统流动编制项目主任.主要研究方向为智能火控, 智能信息处理与智能穿戴式设备.本文通信作者.E-mail:dengfang@bit.edu.cn
  • 本文责任编委 王飞跃

Data and Research Hotspot Analyses of National Natural Science Foundation of China in Automation Field

More Information
    Author Bio:

     Ph. D., professor in the Department of Information Sciences, NSFC. His research interest covers adaptive control, artificial intelligence, and system complexity

     Ph. D., professor in the Department of Information Sciences, NSFC. His research interest covers control theory and computer application

     Ph. D., program director in the Department of Information Sciences, NSFC. His main research interest is artificial intelligence

     Ph. D., full professor in State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University. From March 2016 to February 2018, he is a non-permanent program director in the Department of Information Sciences, NSFC. His research interest covers nonconvex dynamic optimization, switching control, and their applications

    Corresponding author: DENG Fang  Ph. D., associate professor at the School of Automation, Beijing Institute of Technology. From March 2016 to February 2019, he is a non-permanent program officer in the Department of Information Sciences, NSFC. His research interest covers intelligent fire control, intelligent information processing, and smart wearable devices. Corresponding author of this paper
图(6) / 表(10)
计量
  • 文章访问数:  1393
  • HTML全文浏览量:  654
  • PDF下载量:  1677
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-12-15
  • 录用日期:  2018-01-18
  • 刊出日期:  2018-02-20

国家自然科学基金自动化领域数据分析与研究热点变化

doi: 10.16383/j.aas.2018.c170695
    作者简介:

    宋苏  博士, 国家自然科学基金委员会信息科学部教授.主要研究方向为自适应控制, 人工智能和复杂系统理论.E-mail:songsu@nsfc.gov.cn

    刘克  博士, 国家自然科学基金委员会信息科学部教授.主要研究方向为控制理论, 计算机应用.E-mail:liuke@nsfc.gov.cn

    吴国政  博士, 国家自然科学基金委员会信息科学部三处项目主任.主要研究方向为人工智能.E-mail:wugz@nsfc.gov.cn

    付俊  博士, 东北大学教授, 博导.2016年3月~2018年2月为国家自然科学基金委员会信息科学部三处流动编制项目主任.主要研究方向为非凸动态优化与切换控制及其应用.E-mail:junfu@mail.neu.edu.cn

    通讯作者: 邓方  博士, 北京理工大学副教授, 博导, 2016年3月~2019年2月为国家自然科学基金信息科学部三处人工智能与智能系统流动编制项目主任.主要研究方向为智能火控, 智能信息处理与智能穿戴式设备.本文通信作者.E-mail:dengfang@bit.edu.cn
  • 本文责任编委 王飞跃

摘要: 本文对国家自然科学基金1986~2017年自动化领域项目申请和资助数据进行了大量数据分析,统计和分析结果表明自动化领域自然科学基金成为研究者重要的研究资金来源,研究人员规模、研究成果数量、基金资助数据都在稳步提升,研究队伍正呈现年轻化趋势.通过数据挖掘30年来不同研究热点及其变化,笔者发现自动化领域基金资助的相关研究领域能紧跟国际国内研究前沿,热点领域中理论研究比重大于应用研究,近年来具有应用研究背景的项目资助比重逐年提高.本文可为广大自动化领域相关的研究者提供选题等方面的借鉴和参考.

本文责任编委 王飞跃

English Abstract

邓方, 宋苏, 刘克, 吴国政, 付俊. 国家自然科学基金自动化领域数据分析与研究热点变化. 自动化学报, 2018, 44(2): 377-384. doi: 10.16383/j.aas.2018.c170695
引用本文: 邓方, 宋苏, 刘克, 吴国政, 付俊. 国家自然科学基金自动化领域数据分析与研究热点变化. 自动化学报, 2018, 44(2): 377-384. doi: 10.16383/j.aas.2018.c170695
DENG Fang, SONG Su, LIU Ke, WU Guo-Zheng, FU Jun. Data and Research Hotspot Analyses of National Natural Science Foundation of China in Automation Field. ACTA AUTOMATICA SINICA, 2018, 44(2): 377-384. doi: 10.16383/j.aas.2018.c170695
Citation: DENG Fang, SONG Su, LIU Ke, WU Guo-Zheng, FU Jun. Data and Research Hotspot Analyses of National Natural Science Foundation of China in Automation Field. ACTA AUTOMATICA SINICA, 2018, 44(2): 377-384. doi: 10.16383/j.aas.2018.c170695
  • 我国高校和科研院所中活跃着数万从事基础或应用基础研究的自动化领域专业人员.自动化领域发展日新月异, 及时总结研究规律, 发现研究热点是进行科学研究重要的手段.目前, 常见的研究热点总结多是以搜索引擎、专业数据库对论文数据进行分析[1-2], 文献[2]采用文献计量学、社会网络分析等方法进行数据解析, 通过知识图谱定量描绘出自动化领域最新研究态势.文献[3-10]则是利用专家经验对一段时间的研究热点进行分析和总结, 这类研究多以一个具体的研究领域为主要对象.目前对大的研究领域的数据分析存在数据来源、分析手段、分析方法等多个方面的困难.国家自然科学基金委成立以来, 在信息科学领域资助了大量从事基础和应用基础研究的项目, 积累了大量数据, 文献[11]详细分析了2003~2012十年间信息科学部自动化领域科学基金项目的申请与资助情况, 平均资助强度与资助率的变化情况, 以及项目负责人的年龄层次和依托单位隶属关系的分布情况, 文献[12]分析了2013~2015年信息科学部自动化学科国家杰出青年科学基金项目申请人代表性论著所属期刊的分布情况, 文献[13-17]从创新领域的资助情况和选题热点、地域资助情况等不同角度分析了国家自然科学基金资助项目的相关情况.以上分析主要以静态分析为主, 适宜分析过往学科热点, 对动态趋势分析不足.本文以国家自然科学基金设立以来自动化领域项目申请和资助数据为主要对象, 通过对大量数据的统计和分析, 挖掘发现32年的不同研究热点及其变化, 并通过趋势分析预测未来几年的研究热点.

    • 时间范围: 1986年~2017年.

      申请项目: 46 086项.

      资助项目: 10 828项, 其中面上项目5 214项, 创新群体项目29项, 国家杰出青年基金项目92项, 青年科学基金项目3 863项, 优秀青年科学基金项目70项, 地区科学基金项目405项, 重点项目240项, 国际(地区)合作与交流项目276项.

      通过数据分析, 自动化领域资助项目的负责人数为7 462, 申请人数为25 879.

    • 自动化领域自然科学基金资助项目负责人的年龄分布如图 1所示, 青年研究人员(29岁~45岁)是我国科研的主力军, 占总量的71.97%, 31~35是最高峰, 自动化领域资助项目负责人的平均年龄约为39.99岁, 最小的25岁, 最大的80岁.

      图  1  项目负责人年龄分布图

      Figure 1.  The age distribution of principle investigators

      主要项目类型的负责人平均年龄如表 1所示.从表中可以看出, 每个类型项目的年龄随着项目申请难度的增加而增加, 重点项目和创新群体项目的难度相对较高, 杰青和优青的年龄主要是受申报年龄的限制, 平均年龄比截止年龄小3~4岁.创新研究群体项目由于有55岁的年龄限制, 越来越呈现群体带头人年轻化趋势.

      表 1  主要项目负责人平均年龄

      Table 1.  Average age of principle investigators

      项目类别 平均年龄(岁)
      国家杰出青年科学基金 41.10
      面上项目 44.10
      青年科学基金项目 32.05
      优秀青年科学基金项目 35.16
      重点项目 50.75
      创新研究群体项目 49.45
    • 从申请代码角度看, 自动化领域申请数量前10名的领域如下表 2所示.可以看出, 自动化领域主要的申请与研究热点包括系统建模、分析与综合, 复杂系统, 线性和非线性系统, 以及具备典型应用背景的图像处理与分析, 导航、制导与控制, 智能交通系统, 故障诊断等领域也是申请与研究的热点领域.近年来, 随着人工智能, 大数据等研究的兴起, 数据挖掘与机器学习, 智能与自主控制也是重要的十大研究热点之一.

      表 2  申请数量前10名的申请代码

      Table 2.  The top 10 application codes of application areas

      申请代码 代码名称 申请数量
      F030118 系统建模、分析与综合 2 394
      F030203 复杂系统及复杂网络理论与方法 1 930
      F030101 线性与非线性系统控制 1 754
      F030403 图像分析与理解 1 631
      F030301 导航、制导与测控 1 582
      F030209 智能交通系统 1 484
      F030117 故障诊断与容错控制 1 456
      F0301 控制理论与方法 1 261
      F030504 数据挖掘与机器学习 1 244
      F030116 智能与自主控制 1 156

      三级代码中资助数量前10名如表 3所示, 从表中可以看出自动化32年来研究领域中理论研究相关项目的资助数量相对比较大, 系统建模、分析与综合, 复杂系统及复杂网络理论与方法, 线性与非线性系统控制等传统的控制理论研究领域占据了前三名.图像分析与理解、网络化系统分析与控制、控制理论与方法、故障诊断与容错控制、数据挖掘与机器学习、自动化、导航制导与测控也是资助数量较多的研究领域.

      表 3  资助数量前10名的申请代码

      Table 3.  The top 10 application codes of granted areas

      申请代码 代码名称 资助数量
      F030118 系统建模、分析与综合 514
      F030203 复杂系统及复杂网络理论与方法 511
      F030101 线性与非线性系统控制 475
      F030403 图像分析与理解 394
      F030103 网络化系统分析与控制 340
      F030117 故障诊断与容错控制 336
      F030504 数据挖掘与机器学习 310
      F030301 导航、制导与测控 293
      F030116 智能与自主控制 251
      F030114 自适应与学习控制 243

      表 4给出了三级代码中资助率前10名的领域, 可以看出自然语言理解、模式识别、人工智能、文字识别等有一定应用研究背景且与人工智能密切相关的项目相对容易获得资助.

      表 4  资助率前10名的申请代码

      Table 4.  The top 10 application codes of funding rate

      申请代码 代码名称 申请数量 资助率(%)
      F030509 自然语言理解与生成 229 38
      F030401 模式识别基础 382 37
      F030407 生物分子识别 53 36
      F030104 离散事件动态系统控制 274 35
      F030501 人工智能基础 207 34
      F030405 文字识别 105 34
      F030107 随机与不确定系统控制 473 34
      F030121 控制系统计算机辅助分析与设计 53 34
      F030704 基于脑成像技术的认知功能 151 34
      F030111 量子与微纳系统控制 106 32

      表 5给出了三级代码中资助率后10名的领域, 学习与记忆过程的信息处理, 智能搜索理论与方法, 多传感器集成系统, 智能交通系统和感知、思维与语言模型等领域的资助率相对较低.原因在于学科交叉性强, 难点科学问题不易突破.

      表 5  资助率后10名的申请代码

      Table 5.  The last 10 application codes of funding rate

      申请代码 代码名称 申请数量 资助率(%)
      F030702 学习与记忆过程的信息处理 27 7
      F030510 智能搜索理论与算法 89 13
      F030308 多传感器集成系统 108 14
      F030209 智能交通系统 1 484 15
      F030703 感知、思维与语言模型 40 15
      F030406 生物特征识别 494 15
      F030120 系统仿真与评估 458 16
      F030208 管控一体化系统 231 16
      F030411 模式识别系统及应用 416 16
      F030202 系统工程理论与方法 411 18
    • 自动化领域资助前10名的单位如下表 6所示, 可以看出, 教育部控制科学与工程学科评估排名靠前的单位, 如清华大学、北京航空航天大学、上海交通大学、东北大学、浙江大学、哈尔滨工业大学等资助数量相对较多.近10年来前10名的单位如表 7所示, 结合研究背景的单位, 如中国科学院自动化研究所、北京航空航天大学、哈尔滨工业大学、东北大学等学校上升较快, 研究相对比较偏向理论的单位, 如清华大学、上海交通大学等相对位次出现下降.表中"↑"表示近10年的排名相对30年来排名上升, "↓"表示位次相对下降.

      表 6  1986~2017年资助数量前10名的依托单位

      Table 6.  The top 10 support units of granted proposals from 1986 to 2017

      依托单位 资助数量
      清华大学 392
      中国科学院自动化研究所 382
      北京航空航天大学 363
      上海交通大学 316
      哈尔滨工业大学 304
      浙江大学 296
      东北大学 262
      东南大学 221
      华中科技大学 206
      西安交通大学 194

      表 7  2008~2017年资助数量前10名的依托单位

      Table 7.  The top 10 support units of granted proposals from 2008 to 2017

      近10年资助数量 资助数量 近10年相对变化
      中国科学院自动化研究所 244
      北京航空航天大学 237
      哈尔滨工业大学 213
      东北大学 195
      清华大学 183
      上海交通大学 169
      东南大学 160
      浙江大学 156
      北京理工大学 139
      中国人民解放军国防科学技术大学 131
    • 主要项目类型的项目负责人平均年龄趋势如图 2所示, 可以看出面上项目、重点、优青等平均年龄逐年下降, 总体平均年龄从1986年的50.79岁下降到了2017年的37.14岁, 说明我们整个国家从事基础研究者的中坚力量年轻化.例外的是, 青年基金和优秀青年基金的平均年龄却在上升.主要是2011年开始, 女性研究者青年基金申请年龄由原来的35岁放宽到了40岁, 造成了平均年龄的上升.另外, 在一定程度上还跟青年研究者竞争力增强, 研究人员增加有一定关系.

      图  2  项目负责人平均年龄趋势图

      Figure 2.  The average age trend of principle investigators

      从职称变化上看, 自然科学基金是青年学者职称晋升的基本条件和重要动力来源.优秀青年基金申请时副高级职称占20%, 结题时全部为正高级职称.青年基金中级职称及以下占比35.88%, 高级职称占63.99%, 其中正高级19.13%.面上基金中级职称及以下占比2.03%, 高级职称占97.93%, 其中正高级75.76%.

    • 主要项目类型中, 除重点项目外, 申请数量均在上升, 所有项目的资助数量也在逐年上升, 同时除杰青和优青等人才类项目外, 资助率呈逐年上升趋势, 说明国家在基础研究的投入在逐年增加.自动化领域近20年来的申请与资助数量趋势如图 3所示.

      图  3  申请数量, 资助数量与资助率趋势图

      Figure 3.  The trend in number of applications, number of granted proposals and funding rates

      近年来, 人才项目竞争日趋激烈, 我们以优秀青年基金为例, 其资助率变化情况如图 4所示.优秀青年基金设立6年来, 申请人数增加近一倍, 但资助数量没有变化, 资助率下降一半, 竞争非常激烈, 这与国外人才大量引进, 国内青年人才培养日益受到重视有关.

      图  4  优秀青年基金申请数量, 资助数量与资助率趋势图

      Figure 4.  The trend in number of applications, number of granted proposals and funding rates of outstanding youth fund

      另外, 我们统计目前信息学部结题的优秀青年基金项目结余经费情况, 53个项目中有23个项目结余经费超过25万, 所有项目平均结余经费25.26万元, 占总经费的25.26%, 这说明部分特别优秀的青年学者并不一定缺少经费, 这与人才项目附加值过高有关, 逐渐偏离了人才类项目设立的初衷, 值得引起注意.

    • 由于部分年度数据缺失, 我们统计了1988~2017年所有资助项目关键词共现频次, 关键词图谱如图 5所示, 其中字越大出现的频率越高, 越集中在中间.排名前10名的关键词如表 8所示.从表 8可以看出, 控制系统的稳定性分析是控制理论近30年主要研究热点, 而非线性系统、复杂网络、鲁棒控制、故障诊断、神经网络与自适应控制紧随其后.近5年来, 与人工智能、大数据等热点密切相关的深度学习、多智能体系统、协调控制、多目标优化等上升明显, 而鲁棒控制、非线性系统、自适应控制等传统自动化研究方向出现相对下降的趋势.表中"↑"表示近5年的排名相对30年来排名上升, "↓"表示相对排名下降, "→"表示相对排名不变.

      图  5  资助项目关键词图谱

      Figure 5.  Keywords mapping of granted proposals

      表 8  近30年和近5年排名前10的关键词

      Table 8.  The top 10 keywords of granted proposals from 1988 to 2017 and from 2013 to 2017

      近30年关键词 频次 近5年关键词 频次 相对变化
      稳定性 234 稳定性 120
      非线性系统 220 故障诊断 115
      复杂网络 219 复杂网络 114
      鲁棒控制 214 深度学习 98
      故障诊断 207 多智能体系统 95
      神经网络 189 协调控制 86
      自适应控制 170 鲁棒控制 83
      信息融合 152 非线性系统 81
      智能控制 142 多目标优化 77
      协调控制 141 自适应控制 75

      通过对每一年资助项目的关键词词频的统计, 可以看到每年的研究热点变化情况, 从1989~2017年每个年度最热的关键词如表 9所示, 从表中可以看出, 自动化领域的研究热点与人工智能的发展一直息息相关, 从80年代的专家系统, 90年代的神经网络, 00年代的复杂网络, 10年代的复杂网络与深度学习, 都是人工智能发展密切相关.

      表 9  1989~2017年年度关键词

      Table 9.  The keywords of grants from 1989 to 2017

      年份 关键词
      1989 专家系统, 非线性系统
      1990 专家系统
      1991 专家系统, 鲁棒控制, 离散事件动态系统, 神经网络
      1992 计算机辅助设计
      1993 复杂系统
      1994 神经网络
      1995 神经网络
      1996 人工智能, 神经网络, 非线性系统, 智能控制
      1997 神经网络
      1998 神经网络, 机器人
      1999 鲁棒控制
      2000 智能控制, 稳定性
      2001 智能控制
      2002 数据挖掘
      2003 鲁棒控制
      2004 非线性系统
      2005 稳定性, 非线性系统
      2006 鲁棒控制
      2007 信息融合
      2008 神经网络
      2009 复杂网络
      2010 复杂网络, 故障诊断
      2011 复杂网络, 非线性系统
      2012 复杂网络
      2013 复杂网络
      2014 复杂网络
      2015 稳定性
      2016 稳定性
      2017 深度学习

      通过对词频变化率的计算和统计, 通过每年关键共现词频的增长率分析和数据的外推, 可以发现, 近5年增长最快的关键词和近10年增长最快的关键词如表 10所示, 这基本可以反应最近几年增长速度最快的热点方向, 可以看到有应用需求牵引的关键词增长速度比较快, 部分理论热点领域也有较快的增长.我们通过观察关键词增长速度的惯性可以预测未来几年在深度学习、多目标优化、数据驱动建模等方面仍将成为主要热点.

      表 10  近10年和近5年增加最快的15大关键词

      Table 10.  The top 15 growing rate keywords of grants from 2008 to 2017 and from 2013 to 2017

      关键词 近10年增加量 关键词 近5年增长量
      深度学习 37 深度学习 35
      多目标优化 21 多目标优化 13
      多智能体系统 21 数据驱动建模 11
      故障诊断 17 稳定性 9
      稳定性 16 镇定 9
      协调控制 15 大数据 9
      数据驱动建模 13 多层网络 9
      容错控制 13 故障检测 8
      故障检测 12 多智能体系统 7
      复杂网络 12 状态估计 7
      状态估计 11 迁移学习 7
      特征提取 11 环境感知 7
      切换系统 10 一致性控制 7
      大数据 9 路径规划 7
      多层网络 9 事件触发控制 7
    • 30年的数据分析表明, 我们自动化领域正在蓬勃发展, 研究人员规模、研究成果数量、基金资助数据都在稳步提升.许多研究人员在自然基金的资助下快速成长, 正在成为自动化研究领域的重要力量, 多人在基金资助下成长为院士.我们根据以上数据静态和趋势分析结果, 绘制自动化最具代表性的研究人员的数据画像, 如图 6所示.图中的年龄为自动化领域资助项目负责人的平均年龄.

      图  6  自动化领域研究者的数据画像

      Figure 6.  Data portraits of researchers in the automation field

    • 通过对30年来自然基金自动化领域数据分析, 我们发现存在以下问题.

      1) 项目资助面较窄.通过统计, 25 879个申请人中只有7 462人拿到了项目, 即只有不到三分之一的申请人拿到了基金, 说明基金的资助面不够.另外, 从已经资助的项目看, 10 828个项目由约7 462个项目负责人负责, 主持过5项及以上基金的有170人, 主持过3项及以上基金的的有693人, 主持过2项及以上基金的的有1 985人.主持多个项目的负责人, 平均3年拿到一个基金项目, 相对较少的人拿到大多数项目.

      2) 项目评价标准单一, 自动化领域的自然基金资助项目理论的相对较多, 近年来, 有一定应用背景的项目资助率逐步提高, 但仍不够.在项目评审中, 数论文现象仍然比较严重.为进一步修正和引领自动化领域的研究方向, 基金委信息学部修改了原有申请代码, 并将于2018年度正式实施.

      3) 原创性、引领性的项目和成果偏少, 研究热点主要跟随世界范围的研究热点和商业炒作热点偏多.

    • 根据以上问题, 我们建议:

      1) 适度提高国家自然科学基金的资助率和资助面, 基金项目的一个重要作用就是人才培养, 尤其是培养研究生、青年教师等青年人才.目前, 我国每年招收的研究生近60万人, 覆盖广大地区、学校和指导老师, 这就需要有更广泛的学校和教师能有基金项目来支持这些研究生培养和成长.

      2) 提高基金项目的精准资助能力, 建立部级限项联动机制, 让基金给更需要基金资助的人.

      3) 改进基金项目的评价标准.现在由于各种原因(比如评审时间短, 评审量大, 客观标准不完备)使不少老师在基金项目评审时只数论文, 看"所谓”的基础, 疏于其他方面的内容, 实际上不同领域、不同问题其研究条件要求也不同, 另外, 研究问题的意义、研究方案的新意及可行性都很重要.

      4) 鼓励创新研究, 特别是原始创新研究.创新是基金最重要的特点, 目前评审时, 专家虽然重视, 但重视还不够, 对具有创新性的项目, 其他方面要宽容些.

      5) 转变对杰青、优青等人才项目的观念, 回归人才项目的项目属性.同时, 要随着研究队伍的不断壮大, 提高人才类项目的资助率.

      6) 建立严格的结题、成果管理和评估制度.需要建立申请和结题的联动机制, 同时, 把重要成果总结并以合理方式推向社会.

      7) 制定更加灵活的基金经费使用政策, 科目设置需要更灵活, 经费使用更加科学.

    • 本文针对国家自然科学基金自动化领域1986~2017年32年的数据进行了分析, 给出主要的研究人员、项目情况, 主要热点, 研究热点变化趋势.主要结论如下: 1)自动化领域自然科学基金成为研究者重要的研究资金来源, 自动化领域正在蓬勃发展, 研究人员规模、研究成果数量、基金资助数据都在稳步提升.研究队伍正呈现越来越年轻化的趋势; 2)自动化领域基金资助的相关研究领域能紧跟国际国内前沿, 热点领域中理论研究比重大于应用研究, 近年来, 具有具体研究背景的项目资助比重逐年提高; 3)本文也给出了自然科学基金申请和资助中出现的部分问题, 并提出了一些笔者的建议, 仅供相关领域的研究人员, 管理人员参考.

    • 本文所著论点及内容选编自2017年国家自然科学基金委职工论坛主题报告, 所著观点为笔者观点, 仅供参考.

参考文献 (17)

目录

    /

    返回文章
    返回