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.
