基于深度卷积神经网络的科研项目不端行为识别研究
2021-03-21杨生举
中国建材科技 2021年4期
杨生举
(甘肃省科学技术情报研究所,甘肃 兰州 730000)
0 引言
近年来,国家实施创新驱动发展战略,科技经费持续增加,科研项目数量大幅增长。随之而来的问题是,科研项目不端行为(Scientific Research Project Misconduct,SRPM)层出不穷,如重复申报、多头立项,申请书伪造、抄袭、剽窃等现象。
从2006年“汉芯事件”开始,越来越多的科研不端行为被披露、调查、处理。2015年科技部在申报的项目中发现,因重复申报,有13%的973计划项目和20%的高新技术领域项目未能通过审查[1]。2016年12月12日,国家自然科学基金委员会通报了61份科研不端行为案件处理决定[2]。甘肃省通过项目相似度检查系统查出2016-2017年5904项申报项目中相似性80%以上的占4.5%。
SRPM治理具有复杂性和艰巨性,不端行为很难被发现,原因可能是单一数据库源查全率低,新的项目、成果、奖励、报告和论文数据库同步滞后,申请者对申报书有意识“修饰”,以及网络时代造假手段多样化等。
深入研究SRPM识别技术对遏止学术腐败、保护原创成果、净化学术氛围、推进科研诚信有重要的现实意义。SRPM治理是一个世界性难题,也是我国科技创新面临的重大课题。
1 国内外研究现状
1.1 科研不端识别系统及技术分析
治理和防范科研不端行为需要先进的技术手段作为支撑。国外高校对于反剽窃的研究高度重视,技术较成熟,科研不端识别系统已成为欧美高校的必用软件。Turnitin是全球最权威的学术不端识别系统,帮助科研工作者侦测和比对科研成果中含有的不恰当引用、潜在的剽窃行为。……
登录APP查看全文
