NSFC 各部分的评价指标

摘要: NSFC 或其它项目申请写出来之后, 需要对它的各部分进行中肯的评价. 本贴侧重于讨论作者所关注的机器学习方向.

知道裁判员的打分标准, 才能当好运动员 – 斯$\cdot$沃索迪

1. 题目

题目一般会涉及问题和方法两方面.

• 重要性
  所研究问题的重要程度, 被关注程度, 与该方向其它问题的关系.
• 新颖性
  问题的新颖性 (与最相似的问题的距离), 方法的新颖性 (与最接近方法的距离), 原始创新或集成创新, 能否让人眼前一亮.
• 前沿性
  方法所属小方向的前沿性, 近一两年有多少顶刊顶会论文. 有些方向几乎已经废弃了, 无法做出大突破就不要去碰它们.
• 专业性
  专业术语的使用.
• 针对性
  越细越有针对性. 如果有具体的应用领域, 针对性会更强.

2. 科学问题属性

科学问题属性单独拿出来, 就是想给评审专家一个第一印象.

• 契合度
  四选一, 所写的东西与该选项究竟有多契合?
• 新颖性
  新问题/新方法.
• 专业性
  专业术语的使用.
• 工作量
  支撑顶刊顶会论文的数量, 量太大也不行.
• 可行性
  顺利完成的可能性.

3. 摘要

摘要与科学问题属性重合度较大.

• 新颖性
  新问题/新方法.
• 专业性
  专业术语的使用.
• 工作量
  支撑顶刊顶会论文的数量, 量太大也不行.
• 完备性
  支撑一个完整的系统或一系列方法.

4. 研究意义及发展动态分析

• 契合度 (味道)
  重点强调为什么要做这个事情 (why), what 可以作为基础, how 的味道应尽可能弱.
• 重要性
  所研究问题的重要程度, 被关注程度, 与该方向其它问题的关系.
• 政策相关度
  与国家大政方针的符合程度.
• 图的漂亮程度
  使用一张图来展示和说明.

5. 国内外研究现状

• 前沿性
  方法所属小方向的前沿性, 近一两年有多少顶刊顶会论文.
• 覆盖率
  对这个小方向研究者的覆盖率. 如果没有引用大牛 (特别是国内学者) 的文献, 就说不过去了.
• 条理性
  对各种现有技术分门别类的介绍.
• 中肯度
  对相关工作评述的中肯度, 不能夸大, 更不能过分贬低.

6. 研究目标

• 契合度 (味道)
  应该写达到的目标 (what), 而不是 why 或者 how.
• 具体程度
  项目完成时, 应易于考量目标的达成度.
• 专业性
  专业术语的使用.
• 逻辑性
  如果有总目标和几点小目标, 它们之间的逻辑性应清晰.
• 新颖性
  项目成品的新颖性.

7. 研究内容

• 契合度 (味道)
  应该写具体的内容 (what), 而不是 why 或者 how.
• 对研究目标的支撑
  做出这些事情后, 应能保证目标的达成.
• 完整性
  一整套方法, 或者一个完成的系统.
• 专业性
  专业术语的使用.
• 逻辑性
  研究内容一定是分为几点, 它们之间的逻辑性. 有可能是并列的, 或者递进的. 这里需要一张图, 逻辑性在上面可以展示.
• 创新性
  新问题/新方法.

8. 关键科学问题

• 契合度 (味道)
  具体的科学问题 (what), 而且要用“机制”、“机理”、“原理”、“性质”等具有理论味道的词汇.
• 创新性
  最需要创新性的地方.
• 精细度
  应该是一些核心、细致的问题, 切忌大.
• 对研究内容的支撑
  应该是研究内容中的核心问题、硬骨头.

9. 研究方案与技术路线

• 契合度 (味道)
  具体如何实话 (how).
• 完整性
  应该是一个完整的方案.
• 代表性
  如果只是列出了很多技术中的一两条线索, 它们应该具有代表性.
• 具体程度
  图是标配, 甚至可以写数学式子.

10. 可行性分析

• 套路
  标准化写法, 估计没什么看头.

11. 预期研究结果

• 中肯程度
  不能太多, 也不能太少, 随大流. 如: 培养 20 个硕士研究生, 发表 10 篇高级别论文. 这些对于面上项目而言都是很自然的成果.

12. 项目组成员

• 阶梯性
  教授-副教授-讲师-博士生-硕士生, 这样当然最好.
• 成熟性
  申报人员应与项目组成员有共同发表过的论文.
• 研究水平
  如果是教授申请, 副教授的论文也应拿得出手. 这点比较牵强, 但还是有评审人拿它说事儿.

13. 经费预算

• 规范性
  在给定比例之内.
• 合理性
  支撑项目的实施.

---

欢迎留言, 以便改进.