论创新教育

创新教育是现代教育的发展，是民族振兴的关键。本文试从创新教育的内涵和协作学习方式的特点出发，着重论述作学习是培养学生创新意识，创新精神和创新能力的重要手段和途径。     

基于协同信息的科技创新团队成员选择指标体系

由于科技创新存在高风险性和不确定性,高水平的科技创新取决于团队成员之间的优势互补、充分沟通和密切配合,科技创新团队对成员的选择要求是一个非常重要而且非常复杂的决策问题。因此,科技创新团队成员选择过程中,历史合作信息对于决策者具有重要价值,决策者应当优先选择历史合作好的成员组合。除个体素质方面应当考虑知识背景、学术资格、项目经验、论文水平、创新意识、反应能力、个人需求等外,还应考虑合作精神、合作论文数量、合作论文级别、合作项目数量、合作项目级别等协同信息。     

高校“2011协同创新中心”法人资格缺失利弊分析

由于当前法律和政策限制,2011协同创新中心(以下简称"中心")及其牵头单位自身利益考量等因素导致高校中心法人资格缺失,这使中心对外业务不得不依赖牵头单位,加大了牵头单位压力和风险,也影响了其他参与单位的积极性。但中心获得法人资格后又会带来税收增加、财政资金融通渠道堵塞等弊端。为保证中心可持续发展,应建立"公益型"现代公司法人治理的组织管理模式,确保效率和公益性相统一。     

Scientific authorship in the age of collaborative research

I examine two challenges that collaborative research raises for science. First, collaborative research threatens the motivation of scientists. As a result, I argue, collaborative research may have adverse effects on what sorts of things scientists can effectively investigate. Second, collaborative research makes it more difficult to hold scientists accountable. I argue that the authors of multi-authored articles are aptly described as plural subjects, corporate bodies that are more than the sum of the individuals involved. Though journal editors do not currently conceive of the authors of multi-authored articles this way, this conception provides us with the conceptual resources to make sense of how collaborating scientists behave.     

Collaborative explanation and biological mechanisms

This paper motivates and outlines a new account of scientific explanation, which I term ‘collaborative explanation.’ My approach is pluralist: I do not claim that all scientific explanations are collaborative, but only that some important scientific explanations are—notably those of complex organic processes like development. Collaborative explanation is closely related to what philosophers of biology term ‘mechanistic explanation’ (e.g., Machamer et al., Craver, 2007). I begin with minimal conditions for mechanisms: complexity, causality, and multilevel structure. Different accounts of mechanistic explanation interpret and prioritize these conditions in different ways. This framework reveals two distinct varieties of mechanistic explanation: causal and constitutive. The two have heretofore been conflated, with philosophical discussion focusing on the former. This paper addresses the imbalance, using a case study of modeling practices in Systems Biology to reveals key features of constitutive mechanistic explanation. I then propose an analysis of this variety of mechanistic explanation, in terms of collaborative concepts, and sketch the outlines of a general theory of collaborative explanation. I conclude with some reflections on the connection between this variety of explanation and social aspects of scientific practice.     

多任务协作、跨学科研究与多学科人才结构匹配——对美国麻省理工辐射实验室雷达研制的历史考察

美国政府基于国家利益组织的"雷达研制"等军事研发工程,有力地促进了大学跨学科研究的发展和繁荣。雷达研制在美国能取得巨大的成功,最根本的原因就是多学科领域的科学家、工程师等人之间进行有效的跨学科研究。从雷达研制的复杂过程可以发现,多任务协作的跨学科研究合作需要合理的多学科人才结构匹配,即:战略决策人才、组织管理人才、科学研究人才与工程技术人才。     

军民融合产业集群协同创新的研究评述和理论框架

当前,我国发展正站在一个新的历史起点,时代的大潮将协同创新推向新的前沿和高峰。在国防科技工业领域,依托军民融合产业集群推动范围更广、程度更深的协同创新,是提高我国国防科技创新能力的新思考,体现了国防科技工业军民融合式发展的本质,也是新时期经济发展方式转变和战斗力生成模式转变的重要切入点。通过梳理军民融合产业集群协同创新的理论源泉和研究文献,提出了军民融合产业集群协同创新“四位一体”的概念框架和理论模型。     

支持复杂产品总体优化设计的多算法协作优化框架研究

针对复杂产品总体优化设计中设计方案寻优难以通过单一优化算法实现的问题,提出了基于多算法协作优化思路的多算法协作优化框架,详细探讨了框架两方面关键技术：组件化优化算法库和协作优化策略,提出了优化算法组件的接口规范和运行机制,给出了基于全局探索＋局部寻优策略的协作优化计算流程。最后,通过一个函数优化算例说明了协作优化框架的可行性和有效性。     

基于综合相似度迁移的协同过滤算法

数据稀疏性问题是传统协同过滤算法的主要瓶颈之一.迁移学习通常是利用目标领域与辅助领域的潜在关系,对辅助领域进行知识迁移,以此来提高目标领域的推荐质量.现有的基于相似度迁移模型,普遍只利用了用户评分信息,并且在评分相似度计算上忽略了用户评分标准个性差异.针对这些问题,提出了一种综合相似度迁移模型,在相似度计算上,即利用了用户评分信息同时也利用了用户属性信息,并且考虑了用户间对满意度的打分标准的差异性,采用了用户评分分布一致性来衡量用户评分相似度的方法,提高了相似度计算的准确性,从而提高了数据迁移的质量.实验结果表明,该模型较其他算法能比较有效地缓解数据稀疏性问题.     

基于用户非对称相似性的协同过滤推荐算法

针对传统协同过滤推荐算法的数据稀疏以及用户关系衡量不准确的问题,提出了基于用户非对称相似关系的推荐算法.利用用户的潜在特征的样本数量,结合奇异值矩阵分解,计算用户之间非对称的相似度,明确用户间关系.仿真结果表明,随着邻居数量的增加,该算法的平均绝对误差始终优于传统算法,误差值在邻居数量为40~60之间值为最小,约为0.682,传统算法平均绝对误差值约为0.758,可以看出该算法判断用户关系较为准确,预测评分比传统算法更接近实际评分.