查看原文
其他

科学“老化”怎么办:加入新机构、与青年合作、拓展新方向 | 研究速递

郭瑞东、刘培源 集智俱乐部 2022-06-15


导语


研究论文与科学观点会随着科学家年龄的增长而“变老”?近日发布的一篇arXiv预印本论文“衰老的科学家与放缓的进步”,通过分析过去1800年以来超过2亿篇论文,发现随着科学家年龄增长,其研究理念和参考文献也会老化,他们会更容易批评新兴观点,而加入新机构、与年轻科学家合作或拓展新研究方向,则能够缓解这一趋势。


研究领域:科学学,引文网络,颠覆性创新

郭瑞东、刘培源 | 作者

邓一雪 | 编辑


论文题目:

Aging Scientists and Slowed Advance

论文地址:

https://arxiv.org/abs/2202.04044


随着预期寿命的增加,科研人员的平均年龄也越来越大,同时许多科学学研究发现随着年龄变化,科研人员的关注领域也有明显的变化趋势。科研人员年龄增长对于科学界整体有何影响?年龄和研究方向之间关系的背后机制是怎样的?这些成为认识科学发展规律的重要问题。


在这篇2月挂上arXiv预印本网站的论文中,研究者发现对于所有的领域、时期和影响力水平,科学家的研究思想和参考文献都会随着时间的推移而老化——随着科学家年龄增长,其研究的颠覆性在降低,更高概率会批评新兴工作。早期的成功加速了科学界的“老化”,而改变机构、领域以及与年轻科学界合作则能减缓这一趋势。


该研究由北京师范大学系统科学学院崔浩川、匹兹堡大学计算机与信息学院助理教授吴令飞、芝加哥大学知识实验室主任James A. Evans合作完成。


该研究的数据集来自微软学术图谱,梳理了1800-2000年间、2.44亿学者的2.41亿篇论文数据。研究者通过基于神经网络的自然语言处理模型,对一篇论文引用的文献进行分类,判定其引用目的是批评、支持或对照。通过对超过百万名职业生涯超过20年的科学家及其所属学术机构、研究领域和兴趣的跟踪,研究者尝试发现科学家年龄变化带来的影响。


研究发现,随着科学家年龄的增大,其引用的文献也多半是更旧的文献(图1D)。这一趋势,对于新兴学科和传统学科一样适用(图1E),不同学科之间的严重程度有区别,在数学领域,年长学者引用文献更古老这一现象尤其严重(图1F)

               

图1D. 对于所有科学家,处在职业生涯的不同阶段和其引用论文的发表年份的折线图,其中蓝线为引用多的论文出现在职业生涯前5年的学者,红色为出现在职业生涯前20年的学者。图1E. 新兴与传统学科的科学家职业生涯和引文年份关系的折线图。图1F. 将不同学科分开后,科学家职业生涯和引文年份的折线图。


处在职业生涯后期的学者之所以会更多引用较老的文献,是由于其倾向于研究自身熟悉的、年轻时所研究的领域(图2A),从而和主流研究的距离越来越大(图2B)

            

图2A. 展示了处在不同年份的研究者(横轴),其每年研究问题关键词重复的概率(纵轴)随时间变大;图2B. 展示了不同学科处在职业生涯不同阶段的研究者,其研究关键词和该领域当年流行关键词的重复比例。


英国作家Douglas Adams曾说:“在你出生时你会感觉世界的一切事物都是普通的,在你15岁到35岁之间一切新生事物对你来说都是革命性的;而你35岁之后,你会感觉新生事物是那么的反自然。”这一点也适用于科研领域,例如对于“希格斯玻色子赋予物质质量”这一观点,蓝色代表年老科学家在论文中对其持批评的比例,红色为年轻科学家对其批评的比例,两者之间差异显著(图3A)。在不同学科领域,随着科研职业生涯推移,科学家所引用论文包含至少一篇批评他人观点的概率普遍会变得更大(图3C)

          

图3A. 处在职业生涯前期和后期的科学家批评新观点的概率。图3C. 各个学科中,处在职业生涯不同阶段的科学家引用批评性论文的概率。


而哪些改变能够让处在职业生涯后期的科学家在研究兴趣上“返老还童”?研究者发现了三种特例:首先是和年轻的科研人员合作(图4A),其次是加入新成立的研究机构(图4B),其三是从事全新主题的研究(图4C)

               

图4. 不同类型研究者所处职业生涯阶段和其引用文献的年份改变之间的折线图


这项研究发现了随着研究者变老,其科研兴趣趋于守旧,而随着某个领域的科学家年龄增加,该领域发生颠覆性创新的概率也会减小。在科研越来越变成团队行为、科研团队规模越来越大的今天,科学界更需要参考此类规律,来优化个人发展与团队组织。


这项研究也启发作为政策制定者,也可以适当激励老科学家多与青年科学家搭档,或鼓励科学家在机构间流动,从而加速创新。



集智计算社群欢迎你的加入!


我们是集智算法组,为集智俱乐部公众号/集智斑图/集智学园/集智百科等产品提供算法支撑和服务。目前的算法开发范围包括而不限于文本分析、术语和概念挖掘、引文网络分析、科学影响力评价、推荐系统、图神经网络等。我们在集智社群的知识和科技氛围中成长,也将成果反哺于集智社群。如果你是算法爱好者并对上述某个算法分支感兴趣,欢迎加入我们组织的集智计算社群;如果你有其它用科技赋能集智的好点子,期待你的分享。


微信加入集智计算社群请扫码:


实习生简历请投至huqiao@swarma.org



推荐阅读



点击“阅读原文”,加入集智计算社群

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存