国内外研究如何界定

http://blog.sciencenet.cn/blog-1148346-1027636.html

Introduction

“国内外研究进展”或“国内外研究现状”,是大多数科学研究文本资料的标配内容,添列在课题申请书开题报告和学位论文,子标题分别综述“国内研究”和“国外研究”。

然而,国内外研究的国内外界定尚缺乏官方公布的可操作标准。与“国内外研究”语义近似的说法还有“国内外文献”。我在下面将介绍若干种国内外研究看法,供参考和讨论:

1、国内中文发表文献视为国内研究(或宽泛一些,国内少数民族文字发表文献也计入国内研究),外文文献视为国外研究。这就造成一种情况,国内SCI期刊通常是英文期刊也被视为国外研究,有可能就是国内专家在国内从事国内问题研究而被归类为国外研究。进一步,当下国内专家形成趋势将他们最新的研究成果首先发表在SCI期刊,在中文并不存在SCI期刊的条件下,若以国内中文文献定义国内研究将出现很多领域的空白,可能一些研究申请的立项依据会加上“国内还没有这方面的研究……”云云,这可能触犯了一些评审专家极大的忌讳

2、文献作者的国籍,若有两个及以上作者,以第一作者的国籍划分国内外。一般文献,无论中文还是外文文献都没有声明作者国籍的习惯,不能认为国内中文文献作者就一定是中国籍,也不能认为中国名字就一定是中国籍。当第一作者与通讯作者分属两人时,一般认为通讯作者与第一作者具有相同的研究贡献,那么两个作者如果分属两个国籍,仍按照第一作者国籍界定似乎并不公平。

3、第一单位所在地区分国内外。那么一个非洲留学生在中国高校完成针对非洲的研究文献就可以划定为国内研究,好像很荒诞。

4、文献出版地区分国内外。那么,中国学者研究中国问题,在国外期刊发表研究成果就划定为国外研究,也还是别扭。这个认定标准更靠近“国内外文献”的意涵。

5、研究内容区分国内外。按此标准,研究中国法律的美国专家编撰的英文文献就认定为国内研究,中国学者发表中文成果研究国外的气候变化就成为国外研究。如果研究范围既包含中国又包含外国,比如东亚气候模式,这又算是什么研究呢?

上面已经介绍了中国大陆对国内外研究的多种看法,再来看看同属中文世界的台湾学位论文是怎样看待这问题的,香港、澳门和新加坡高校以英文为教学、研究第一语言,故不属于中文世界。

参考郭幸福博士在国立成功大学完成的中文博士学位论文,论文未出现“国内外研究进展”标题,代之以“文献回顾”,子标题也没有分列“国内研究”或“国外研究”,检视“文献回顾”第一节综述内容,第二段描述中文人名研究成果,第三段出现英文人名的研究成果,两者并列,这说明郭博士并未按照“国内”与“国外”两部分归类研究进展,他将两者同视为一个议题的研究进展,也许在他的思想认识上就不认同研究成果存在国内外之分,研究成果本身就是在科学社群自由共享的。

综合上述5种国内外划分标准,以及参考台湾郭博士的论文,我觉得在当下中国大陆与全球科学社群交往日益频繁、嵌入程度愈深的大环境之下,并且2011年中国科学院SCI论文数量就已经排名全球第一位,我们的科学文献研究综述还有必要区分“国内”、“国外”吗?

如果惯性使然,某些模式文书依然要求按照“国内外研究进展”综述,我觉得可以在子标题不再分列“国内”、“国外”,按照研究议题综述文献是比较可行的解决方案。

References

[1] 研究综述中的“国内研究现状”到底指什么?

[2] 郭幸福. 都市土地发展之环境转变效率影响因素之研究[D].台湾台南: 国立成功大学, 中华民国九十九年.

[3] 中国科研机构SCI论文排行情况一览.


  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于Python的大数据分析技术有助于高职院校对贫困生进行精准认定研究。 首先,Python作为一门广泛应用于数据科学和分析领域的编程语言,其简洁灵活的语法和强大的数据处理能力使得它成为处理大数据的首选工具。高职院校可以利用Python的数据分析库,如NumPy和Pandas,对大量的学生信息和社会经济数据进行采集和整理,以建立贫困生认定的数据库。 其次,基于Python的大数据分析能够提供有效的数据模型和算法,帮助高职院校进行贫困生的精准认定。利用Python的数据挖掘和机器学习工具,如Scikit-learn和TensorFlow,可以根据学生的各项指标(如家庭收入、家庭人口、生活水平等)建立相应的预测模型。这些模型能够基于历史数据进行训练,并通过对新数据的分析来确定学生是否符合贫困生的标准。 此外,Python还提供了可视化工具,如Matplotlib和Seaborn,可以将分析结果以图表的形式直观地展示出来。这不仅方便高职院校的管理人员和决策者更好地了解贫困生的情况,还可以帮助他们根据分析结果进行相应的政策调整和资源分配。 总之,基于Python的大数据分析可以帮助高职院校进行贫困生的精准认定研究。通过采集、整理和分析大量的学生信息和社会经济数据,并建立相应的预测模型,高职院校能够更加准确地认定贫困生的身份,以更好地为其提供帮助和支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值