基金项目计划学部交叉及对前沿分布的影响研究——以美国NSF数据中AI领域为例

摘要：

本文旨在融合学者参与度的基础上,测算和分析基金项目计划的学部交叉度,并识别前沿型项目计划,从项目资助专项层面上探究学部交叉对项目计划资助与前沿型项目计划分布的影响.本文首先以项目计划为研究对象,为融合项目计划的学部多样性和不同学者对同一项目计划各学部参与的均衡性,引入Rao-Stirling指标,将项目计划分为学部高交叉、中交叉、低交叉和不交叉类;其次,依据项目计划的资助强度和资助趋势,结合学部交叉特性,将项目计划分为不同交叉水平的前沿型、热点型、潜在型和衰退型;最后,对高交叉前沿型项目计划进行具体分析.研究结果表明,以美国NSF(National Science Foundation)资助的AI(artificial intelligence)领域为例,NSF资助的项目计划在学部交叉和不交叉类的数目上分布较为均衡,但对交叉类项目计划的平均资助强度远高于不交叉类型;在前沿分布上,不交叉类的项目计划多为潜在型,而学部高交叉类和低交叉类的前沿型占比相对较高,且对前沿型项目计划的资助趋势向高交叉类倾斜;高交叉类的前沿型项目计划多倾向于神经与认知系统、自然与人类系统、信息智能系统等方面的研究.

关键词：学部交叉、前沿识别、Rao-Stirling指数、美国国家科学基金、人工智能

所属期刊栏目：41

分类号：G350;S;B82-02

资助基金：国家自然科学基金61842602

在线出版日期：2022-10-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：956-966