第一篇：社科基金论文范文
从国家社科基金立项分析新闻传播学学科发展
内容提要：本文从1993～2006年国家社会科学基金项目新闻传播学类年度立项数量、研究成果形式、立项单位、项目主持人所属单位系统、主持项目次数较多人员以及项目研究主题等方面进行比较分析，可以发现：新闻传播学类项目逐年增多；立项单位以北京为多，反映学术资源向北京集中；立项项目以传媒集团化、网络传播、媒介管理等现实急需的课题居多，反映了新闻传播学科的实践性质。
关键词：国家社会科学基金；新闻传播学；学科发展
一、问题的提出
国家社会科学基金是我国目前唯一国家级的、具有前瞻性、全局性、战略性的哲学人文社会科学研究基金。国家社科基金立项面向社科院、党校、高等院校、党政机关科研部门、军队学院等全国五大系统，其覆盖面之广、涉及学科领域之多，被全国社科界同仁视为衡量一个单位科研水平、科研成果和科研发展实力的重要标志之一。国家社会科学基金的设立，不仅为哲学社会科学的研究提供了有力支持，其立项项目也代表了我国哲学社会科学发展的水平和方向。
具体来说，作为国家在哲学社会科学领域级别最高的科研基金，国家社会科学基金新闻传播学类的具体资助项目，无论是对于我国新闻传播事业发展，还是对于我国新闻传播学研究，都起到了非常重要的作用，而且在相当程度上反映出我国新闻传播学研究的轨迹、现状与发展趋势。因此，笔者认为，对国家社会科学基金新闻传播学类立项的分析，是考察我国新闻传播学发展的一个独特视角。这种考察不仅有助于研究者把握新闻传播学的研究现状，减少立项和研究的低水平重复，而且还可以认识研究的发展态势和未来走向，为相关科研人员提供指导。
笔者通过对1993～2006年的国家社会科学基金新闻传播学类207项立项项目进行包括年度立项数量、成果形式类型、立项单位、项目主持人所属系统、主持项目次数较多人员以及项目研究主题内容等诸项指标的分析，以求对近10多年来我国新闻传播学类社会科学基金立项项目作一个全方位的考察。当然，笔者的分析主要放在对立项项目的主题内容的分析上，因为正是这种内容的变迁，体现着我国新闻传播学学科特点、结构和该学科的研究热点、发展动向。本文的分析资料来源于全国哲学社会科学规划办公室官方网站公布的“国家社会科学基金项目历年资助项目”中新闻传播学类(1993～2006)的相关内容。
二、国家社科基金新闻传播学类项目基本状况分析
1、年度立项数量统计分析
1993～2006年，国家社会科学基金新闻传播类共立项207项，其中重大项目2项、重点项目19项、一般项目139项、青年项目43项、自筹经费项目4项。从表1中的数据可见，从2000年起，立项数量呈稳步增长趋势，尤其突出的是2006年的立项数目差不多相当于1993年7倍，涨幅是2005年的136％。这基本上与整个国家社会科学基金的立项资助数量的发展趋势是一致的(从横向比较看，法学学科的同期涨幅为112％)。这也体现了党和国家最近几年来对哲学社会科学对于国家综合协调发展的重要性的认识。实行社会主义市场经济以来，现实性的具体问题越来越多地遮蔽了研究者的视野，新闻传播理论一度被忽视，有关研究相当零散。但近年来的研究显现了“回归”趋势，学者们认识到，许多具体问题的研究只能建立在理论研究深化的基础上。
2、研究成果形式分析
从项目的成果形式来看，专著居第一位，共153项，研究报告和论文(集)次之，分别为96项和74项。其中多数是综合了几种形式，如研究报告和论文(集)，或论文(集)和专著。在表2所列的7种成果形式中，专著的数量远远超出其他成果形式，这与有些学科以研究报告为主要成果形式大为不同。研究报告和论文的周期较短，期限一般为一年，成果效果明显，因此，多用于应用性的研究课题；而专著的理论性和系统性比较强，比较适合基础理论课题。新闻传播学类基金项目的成果形式以专著居多，反映了我国新闻传播事业迫切呼吁高水平理论的支持。与丰富的专著、研究报告和论文(集)等成果形式相比，电脑软件、工具书和译著等成果形式非常之少。
3、立项项目单位排序分析
从立项项目负责人的所属单位来看，主要集中在中国传媒大学(原北京广播学院)、中国社会科学院新闻与传播研究所、中国人民大学、南京大学、新华社新闻研究所等单位。其中，排名前23位的单位有8家集中在北京，占三分之一强，显然，北京作为全国政治经济文化中心，使京籍院校或者研究机构由于地缘关系具有信息上的优势和操作上的便利。当然，一些京外的新闻传播学重镇，如南京大学、复旦大学、武汉大学，也成功申请到一定数量的基金项目，其雄厚的学科实力在一定程度上抵消了地缘劣势。但是，复旦大学的过于靠后出于人们的意料之外，似乎与其研究实力不相对称。
4、项目主持人所属单位系统分布
从项目主持人所属单位系统分布情况来看。高等院校共145项、社会科学院系统共21项、新闻机构共18项、党校系统共4项、其他6项(见表4)。高等院校在我国新闻传播学研究的系统分布中居绝对领先地位。当然，如表3所示，社会科学院系统中的中国社会科学院在立项数量仅次于中国传媒大学，可见中国社科院作为国家级的哲学社会科学研究机构，在新闻传播学研究中具有举足轻重的地位，其宏观研究和基础研究都占有较大比重，在关系党和国家发展全局的战略性、前瞻性及重大现实问题研究方面具有十分突出的优势。而地方社会科学院显然无法企及。我们不妨与1993～2004年国家社科基金法学学科立项项目做一比较，这些法学项目中，高等院校系统的项目主持人占80.1％；社科院系统的占9.3％，与新闻传播学科大致持平；包括党政部门、司法部门等在内的“其他”项人员总共只占6.1％，而新闻传播学科中的“新闻机构”、“党政部门”和“其他”占了20％；另外，党校的项目主持人占4.5％。“在21个重大项目和重点项目的2l位主持人(实际上有22人次)中，来自高等院校者9人次(其中丁柏铨有2次)；来自新闻机构者6人次，其中以新华社居多，占4人次；来自党政机关者4人次；来自中国社会科学院者2人次；其他1人。纯粹学者与其他人员(或其他人员兼学者)各占一半。以上这些反映了我国新闻传播学的学科特点和学科追求。
5、主持2次以上项目的人员
如表5所示，申请国家社科基金项目并成功立项2次以上的共有15人，其中申请成功立项3次的2人。这些研究人员都是在学术上有所成就并影响比较大的学者。其中徐人仲原是新华社高级记者，曾任新华社新闻研究所所长；吴廷俊曾任华中科技大学新闻传播学院院长兼中国新闻史学会副会长；丁柏铨曾任南京大学新闻传播系主任，现是南京大学新闻传播学院学术委员会主任，兼任教育部高等学校新闻学学科教学指导委员会委员；唐绪军现是中国社会科学院新闻与传播研究所副所长；陈培爱是厦门大
学新闻传播系主任，我国广告学资深学者。就年龄层次来讲，在这些研究人员中，中年以上的新闻传播学学者只有徐人仲、吴廷俊、赵航、丁柏铨、董广安、陈培爱等6位，而青年学者却有9位。这说明，经过改革开放20年来，“文革”前从事新闻传播学研究的学者和上世纪八、九十年代培养起来的新闻学博士、硕士陆续地完成新老交替，后者逐渐成为我国新闻传播学研究的主体。就地域分布来说，在主持这些项目的15人中，北京4位，其他11位，北京的新闻传播学学者占了四分之一多。与表3有关统计比较，在申请国家基金方面，似乎院校分布比学者分布更能体现出地缘优势。表中，并没有出现新闻传播学界的顶尖级名师的名字，许多中青年新锐也不在其中，在近几年的学者著述被征引情况统计表中，吓列的学者中只有3人出现在该表的前40名里，分别是胡正荣，丁柏铨和唐绪军。这与法学界的情况形成了鲜明对比。在主持2项以上国家社科基金法学课题的名单中，知名法学家王家福、王保树、沈四宝、张文显、朱景文、赵秉志、王利明等都榜上有名。究其原因大概是，一些新闻传播知名学者不再需要国家课题来作为自己的学术成就象征资源；同时，又惮烦于国家课题申报和结题中的复杂程序。何况，其中可能还包含有一种“功夫在诗外”的程序。(比如以下便是间接证据：从14年里所有207项立项课题的名称中我们可以看出，虽然绝大部分项目新颖而有价值，但也有少部分项目并没有体现主持人的多少学术思考和现实关怀。)当然还有其他因素，比如，每年的《项目指南》中的所列项目名称以及国家社科基金资助特点与这些知名学者的研究习性有距离可能也是其中原因之一。
6、学科排名
我们按有关学科在目前被认同情况将新闻传播学的二级学科分为6种。从表6可知，1993～2006年新闻学的立项项目为77项，远远高出其他学科的立项项目的数量。传播学的立项项目为58项，位居第二。由此可见，在中国，新闻学的研究比传播学的研究起步早，投入多，成熟快。但从1996年起，传播学的立项项目的数量开始增多，而且有时还超过新闻学的立项数量。由于近几年中国传媒体制处于改革时期，传媒集团化与产业化、传媒经营管理等成为热门话题，媒介经济学也应运而生为一门新兴、热门学科，虽然学科成立不久，但它的立项总数已有2l项，与编辑出版学、广播电视学等“大哥”级学科的立项总数持平。
三、项目的研究主题内容和热点分析
1、分析思路
本文对国家社会科学基金新闻传播学类立项项目的主题内容的研究采用关键词的分析。通过对论文关键词的分析，可以研究文献的主要内容，揭示学科特点、结构及内在规律，进而反映出该学科的研究热点和发展动向。
但是，因为关键词并不能在所查的资料库中找到，只能依靠笔者按一定的标准从论文中提取。这自然增加了研究的难度，同时也使关键词的提取难免有失偏颇，只能尽最大可能做到向精确性靠拢。
选定关键词后，笔者将考察国家社会科学金新闻传播学类立项项目主题内容的范围濒度、趋势(动态分析)顺向等多项指标，勾勒出近年来新闻传播学的研究热点和发展趋势。
2、主要分析指标
(1)选题的主题内容范围分析。近年来新闻传播学的立项项目的选题范围较广，包括从新闻理论到新闻业务，从学科自身发展到媒介经营管理，从报刊、广播、电视等传统媒体的研究到网络、手机等新兴媒体的研究。这自然与平衡学科研究的方方面面有关。而从知识社会学的角度来看，在一定程度上，理论的渊源流变也是特定社会、特定时期现实生活的思想投影。立项项目涉及到新闻传播学的大部分方面，说明新闻传播学的研究已在我国形成气候。
(2)选题的主题内容频度分析。在所有立项的项目中，出现频率较高的主题词有：电视19项，宣传(含对外宣传)17项，跨国传播16项，报刊与传媒集团化、产业化分别为15项，出版14项，新闻传播学学科发展12项。广告、舆论监督、新闻史均为9项，网络传播与广播均为8项，媒介管理7项，精神文明建设、少数民族地区信息传播、中外传媒对比均为6项。这些主题内容里不少是目前新闻传播学的研究热点。这主要是随着我国改革开放和市场经济建设的不断深入，尤其是加入WTO以后，我国新闻传播学需要加强在跨国传播、传媒集团化与产业化、中外传媒对比等方面的研究，从而与国际新闻传播保持一致所致，归根结底是我国社会现实生活发展引发新的学术需求所致。
(3)选题的主题内容动态分析。从表7的主题分布可以看出，早期国家社会科学基金新闻传播学类立项项目数量比较少，项目内容也一般以社会主义新闻工作理论、社会主义新闻思想、新闻传播学学科发展、精神文明建设与舆论监督等宏大话题为主。近几年来我国新闻传播学研究显示了从政治新闻学传统向新闻学术化转变的趋向。就研究话题而言，聚焦于现实问题，如“三农”、“小康社会”、传媒集团与产业化、跨国传播、媒介经营等方面。
(4)选题的主题内容倾向分析。重大、重点课题在一定程度上反映了立项的倾向。两项重大项目都在1997年：《邓小平关于新闻工作的理论和社会主义新闻学与新闻工作》、《社会主义新闻观同西方新闻观的界限》。从内容上看，两个重大项目均是关于社会主义新闻工作理论和新闻思想的。重点项目共19项，其中1996年6项。占总数的近三分之一，可谓一个高峰期；1997～2000年没有重点项目，2001年重点项目的数量又开始回升，基本平均每年维持在二、三项左右。这些重点项目包括1996年的《当代中国大众传播特色及其与社会主义市场经济之辨证关系研究》、《西方对华广播的战略、策略、手法和我们的对策》、《多媒体技术与新闻传播》、《电子出版事业发展和宏观管理》、《大众传播学》、《新闻编辑学研究》，2001年的《加入WTO对我国新闻传播业的影响与对策研究》、《加入世贸组织对我国出版业的影响及对策》、《网络传播对传统新闻传播理论与实践的挑战及研究对策》，2002年的《21世纪初我国大众传媒发展研究》、《中国出版通史》(八卷本)，2003年的《报业集团核心竞争力与改革创新问题研究》、《中外出版集团发展模式比较研究》，2004年的《马克思主义新闻观研究》、《中国特色的电视产业运营模式研究》，2005年的《党的执政能力建设与大众传播系研究》、《对外传播中的国家形象设计》、《党报与国家信息文化安全研究》，2006年的《在科学发展观指导下发展我国的传媒事业研究》等。重点立项项目与当时的政治、经济环境有着极为紧密的联系。
3、一个粗略的归类及其启示
将上述关键词作一个粗略的划分，这些立项项目基本上可以分为以下几类：
(1)关于社会主义新闻工作的理论、思想和观念等基本新闻理论的命题是立项重点。从1999年开始，虽然诸如此类的宏大理论课题的数量有所减少，但不容忽视其重要
意义。
(2)媒体宣传(含对外宣传)是课题立项的重点，尤其是近两年的项目数量显著增加。说明党和国家对新闻宣传的重视程度愈来愈高，也说明我国的新闻工作是一项政策性很强、带有较多宣传色彩的社会性工作。
(3)跨国传播、中外传媒对比、WTO等由于国际局势变化产生的新的理论命题也处于重要位置。与一些自然学科或图书情报学等技术性比较强的学科不同，新闻传播学类重点项目受国际政治形势、社会需求等因素的影响比较大。中国加入WTO前后，从2000年起到2006年，几乎每年都有跨国传播和中外传媒对比的立项项目，特别是2001年有两项关于WTO的重点项目立项。可见新闻传播学研究在应对国际环境变化时所采取的积极态度。
(4)关于精神文明建设、西部地区、少数民族地区的信息传播、“三农”、“小康社会”、科学发展观、和谐社会等的课题立项一定程度上是对党和国家特定的政策出台作出的反应。这一方面再次印证了新闻传播学作为一门实践性科学要受特定社会条件和政策形势的影响，另一方面也说明了新闻传播学在研究社会生活，推动社会进步，完善社会结构方面能够起到非同寻常的作用。这种党和国家政策与立项课题内容的一致，也反映了我们的人文社会科学研究中的意识形态诉求。
(5)网络传播、数字化、动画、传播技术、手机媒体等伴随新兴科技迅速发展而兴起的课题在立项项目中也占有一定的比例。这说明，社会科技的进步和经济的发展也会对新闻传播学研究提出新的问题与视角，而作为目前我国经济发展之脑库的国家社会科学基金项目，理所当然要及时予以回应。对新兴课题予以重视。
(6)虽然近几年新媒体的研究日益增多，但报刊、广播、电视等传统媒介的研究并未减少，对它们的研究不是在其业务方面，而是向经营领域发展，引发了诸如传媒集团化与产业化、传媒经营与管理等热门话题。经历了20世纪90年代中期开始的报业集团化改革后，在已有改革框架内的传媒发展潜力已受到制约，所以，在2003年，我国政府指出了传媒体制改革的现实性与迫切性，提出了产业化、市场化、资本化和国际化是中国传媒的未来发展方向。这一动向也立即反映到了新闻传播学类的课题立项之中。
(7)舆论监督、新闻职业道德、盗版及版权保护等新闻法制、伦理研究课题有20个立项。进入市场经济以来，我国传媒在急切扩张中与社会发生的矛盾冲突日益增多，呈不断上升趋势的“新闻官司”刺激了传媒与法及伦理的研究。
(8)编辑出版、新闻报道、图片报道、新闻评论、新闻语言等新闻传播业务方面的研究也有立项。
(9)新闻传播学科自身的发展同样是国家社科基金的主要关注点之一，从1994～2006年先后有12项获准立项，且分布呈持续稳定的状态。
四、结论
新闻传播学在中国是一门年轻的学科，但这并不影响其在国家社会科学基金立项项目中逐年增多的趋势。通过前面的分析可知，新闻传播学相关立项项目之所以获准立项，实际上也正因为其有助于解决新闻传播事业进程中的重要现实问题或者对新闻传播学理论研究具有重大推动作用。立项项目中应用性尤其是现实急需的应用性课题如传媒集团化、网络传播、媒介管理等居多。这说明，新闻传播学究其根本还是一门实践性学科，也是距离主流意识形态最近的一门学科，其目的在于维护现有秩序，保护本土文化，反映社会生活。推动社会进步，完善社会发展。
我国国家领导人曾于2004年7月16日在中国社会科学院讲话时，对哲学社会科学学科建设提出“要大力加强对各门传统学科的研究，大力加强对各门新兴学科交叉学科的研究，大力加强各门学科的理论和体系的建设，大力加强各门学科的方法和手段的建设。”除了第一个“大力加强”因在中国新闻传播学算不上传统学科外，其他3个“大力加强”对我国新闻传播学科的建设方向有很大的启示意义。综合以上对1993～2006年国家社会科学基金项目新闻传播学类立项项目分析，新闻传播学科的研究与建设正朝着这3个“大力加强”发展和靠拢，但尚有差距，其间的差距就迫切需要我们新闻传播学的研究者做出不懈地努力以逐渐消除之。
作者：肖燕雄 李小艳
第二篇：国家社科基金学科类别自动判定模型构建研究
摘 要：在把所获取的国家社科基金项目标题按照词表示成训练和测试语料的基础上，基于条件随机场模型和双向长短时记忆模型对所构建的国家社科基金项目学科类别判定模型，进行了多个角度和层面的验证，并与支持向量机模型的实验结果进行对比. 基于相应的模型性能评价指标，验证了传统机器学习模型在小规模语料上的整体性能，证明增加了人工特征模型后的条件随机场模型的整体性能并未突出，同时对条件随机场的性能进行个案分析.
关键词：机器学习;条件随机场模型;国家社科基金;文本挖掘
Key words：machine learning;conditional random field;National Social Science Foundation;text mining
國家社科基金成立二十多年以来，其学科类别逐步得到完善，形成了一套相对完整的类别体系. 排除数量相对较少的艺术学和军事学这两个学科类别，目前，国家社科基金主要由马列·科社、党史·党建、哲学、理论经济、应用经济、政治学、社会学、法学、国际问题研究、中国历史、世界历史、考古学、民族学、宗教学、中国文学、管理学、教育学、外国文学、语言学、新闻学与传播学、人口学、统计学、图书馆、情报与文献学、体育学等24个学科类别构成. 上述24个学科覆盖了重点项目、一般项目、青年项目、西部项目、后期资助、成果文库和中华学术外译等不同类别的国家社科项目. 但有部分国家社科基金，特别是国家社科重大项目有些是缺乏类别的知识. 如何对国家社科基金，特别是国家社科基金重大项目进行类别判断，不仅对于后续的项目申请者和研究者具有直接的指导意义和价值，还可以提高项目管理者对项目管理的精准度，从而提升对国家社科项目管理的科学性和高效性.
条件随机场(Conditional Random Field，CRF)、支持向量机(Support Vector Machine，SVM)和双向长短时记忆模型(Bidirectional Long-Short Term Memory Model，Bi-LSTM)均可以实现对短文本的自动类别判定，围绕这3个模型的代表性研究如下：Lannoy等[1]提出一种在心电信号中自动分类心跳的方法，根据该应用的特定特征提出了一个特定的分类器，该分类器是条件随机场分类器的加权变体，实验结果优于以往的心跳分类方法，尤其在病理性心跳方面;Delaye等[2]提出了一种在不受约束的在线手写文档中，区分文本和非文本笔迹的新方法，该方法基于条件随机场联合多个信息源建模，实现了在笔画级别提高分类精度，同时也突出了上下文信息不同来源的贡献;Hu等[3]提出了一种新的高光谱图像分类处理方法，即在CRF中加入低维表示，研究了LE(Laplacian Eigenmaps)、SSSE(Spatial-Spectral Schrocedinger Eigenmaps)、LLE(Local Linear Embedding) 3种基于图的降维算法对随后基于CRF分类的影响，有效地解决了CRF在高光谱分类应用中需要大量计算的问题;张春元[4]提出了一种基于条件随机场的文本分类模型，利用特征选择将文本表示成为CRFs的观察序列和状态序列，提取序列之间的关联特征，用前向或后向算法评估出各状态序列的概率，有效提高了文本分类的效率;曾佳妮[5]对基于条件随机场的短文本分类算法进行了改进，将条件随机场理论和序列标注的方法用于短文本分类领域，并利用类别作为标注使用条件随机场模型进行标注;汪光亚[6]提出了一种基于CRF模型的多时相遥感影像分类方法，运用最大期望算法，结合空间以及时间上下文信息构造了条件随机场模型. 条件随机场作为线性序列模型的代表，不仅在分词、词性和实体等识别上表现出了极强的性能，而且在序列的分类任务上也有较好的表现.
Ravi等[7]提出了一种基于深度特征的SVM分类模型，针对裁判员的手势数据集进行分类，利用预训练卷积神经网络，使用线性支持向量机分类器，从而得出基于vgg19提取的特征训练的支持向量机实现网络具有最佳的分类性能;Maldonado等[8]提出用SVM分类的嵌入式特征选择算法，来处理高维类不平衡数据集，所提出的嵌入式策略与支持向量数据描述(Support Vector Data Description，SVDD)和成本敏感型SVM(CS-SVM)一起使用，对12个高度不平衡的微阵列数据集进行实验，可实现最高平均预测性能. 牛国成等[9]通过层次分析方法和信息熵值，界定了影响变压器健康的主、客观权重，并基于支持向量机设计了判断变压器未来是否正常的算法. 王峥等[10]基于句法决策树、N-gram模型特征要素提取方法和SVM分类器，提出一种语境分类模型，解决字词在不同语境的多义性问题，有效解决文本挖掘中语境识别难题. 冷强奎等[11]提出了一种基于混合二叉树结构的多类支持向量机分类算法，该分类模型由提升分类速度的超平面和完成最终精确分类的支持向量机混合构成，既保证了分类精度，又提升了分类效率. 林香亮等[12]回顾了近30年来支持向量机的发展历史与基本理论，介绍了其改进算法，系统总结了支持向量机在分类与回归问题中的具体应用实例及优势，肯定了传统和改进的支持向量机在未来的发展潜力. Abidine等[13]對支持向量机、条件随机场和线性判别分析模型进行比较，分别对智能家居活动进行自动识别，C-SVM能够纠正大多数的固有偏差，提高活动分类的类精度. 证明向量机性能，支持向量机作为分类的代表不仅在图像、音频等数据上应用广泛，还在非结构化的文本自动分类任务上表现突出.
胡新辰[14]提出一个基于 LSTM 的深度学习模型来解决语义关系分类问题. 先提取文本特征，再抽取对应实体的特征组成实体类型特征，最后对这两种类型特征做特征融合并分类. 该模型在标准评测集合上取得的成绩达到了目前最好水平. 赵明等[15]针对饮食领域文本分类，提出了一种基于word2vec和长短期记忆网络(Long-Short Term Memory，LSTM)的分类模型，利用word2vec构建饮食文本的文本向量作为LSTM模型的输入，训练LSTM模型进行分类，有效解决了数据表示稀疏及维度灾难问题，提高了分类准确率. 近年来，深度学习在文本挖掘的各个研究任务上得到了迅速应用，在本文的社科基金项目类别自动判定上引入深度学习模型，并与传统的机器学习模型的整体性能进行对比.
基于已有的研究，本文的整体研究框架如下. 首先，确定本文所使用的类别判定的机器学习模型，并对模型的原理进行简单介绍. 其次，给出了本文所使用的模型训练与测试的数据源，明确对模型判定所使用的评价指标体系. 之后在所确定的数据源基础上，完成基于支持向量机、条件随机场和深度学习的类别模型训练，并对模型的整体性能进行判定和分析. 最后，在分析模型整体性能的基础上，对类别判定模型所存在的错误和不足之处进行分析.
1 类别构建模型说明
从线性序列、整体文本和神经网络的角度，条件随机场模型、支持向量机模型和长短时记忆模型被用来验证国家社科基金项目的学科分类，各个模型的整体状况如下.
1.1 CRF
条件随机场 [16]在分词、词性、实体识别、句法器的开发等自然语言处理与文本挖掘的研究上表现出极强的性能. 本文通过把社科项目标题学科类别的判定这一分类问题转化为序列标注的问题，为构建基于条件随机场的社科项目类别判定模型提供了条件. 从而实现把分类问题转化为序列标注的问题.
若x = {x1，x2，…，xn - 1，xn}代表输入被观察的国家社科项目的数据序列，如“庄子今注今译”，则y = {y1，y2，…，yn - 1，yn}表示有限状态的整体集合，其中每个状态对应一个国家社科基金项目待标注的类别标记. 在给定输入的社科项目序列x的条件下，参数λ = {λ1，λ2，…，λn - 1，λn}的线性链CRFs的状态序列y的条件概率为：
式中：Zx为归一化因子，表示所有可能的国家社科项目文本的状态序列的得分，确保所有可能状态序列的条件概率之和为1;fj(yi-1，yi，x，i)为特征函数，表示二值表征函数;λj是基于条件随机场模型对所训练语料中国家社科项目数据之和获得的相应特征函数的权重.
实验中，简单特征模板主要基于词这1列特征进行模型训练;复杂特征模板使用了词、词长、左边界词和右边界词这4列特征进行训练.
1.2 SVM
支持向量机 [17]的主旨思想是通过设计分割面将结构化、半结构化和非结构化数据进行两个及两个以上的分类. 支持向量机具有添加特征便捷、操作简单、整体性能较为突出等特点，该模型广泛应用于图像、文本等数据媒介分类领域.
国家社科项目标题学科类别的判定，由该项目标题所组成的文本中的不同词频，作为特征输入到支持向量机模型中，结合所确定的24个学科类别知识，构建相应的分类模型. 针对国家社科基金项目学科类别判定这一探究任务，按照该基金项目24个不同学科类别，对某一项目标题进行学科归属的判定，适合基于支持向量机进行构建模型，这一探究是典型的多分类任务. 基于训练语料构建国家社科基金项目分类模型过程中确定的核函数为linear，使用word2vec构建国家社科基金项目特征向量，实验中使用的维度数为50，其中惩罚参数为2.0，径向基核函数的系数gamma值为0.5.
1.3 Bi-LSTM
结合社科基金项目的具体类别，长短时记忆模型公式中的it、 ft、Ot、ct分别表示t时刻社科基金项目类别数据输入门(Input gate)、社科基金项目类别数据遗忘门(Forget gate)、输出门(Output gate)和社科基金项目类别数据细胞状态单元(Memory cell)的输出，有待训练的社科基金项目类别数据权重矩阵W、V和偏置向量b. σ表示用于控制社科基金项目类别数据输入和社科基金项目类别数据遗忘和记忆单元的记忆程度、遗忘程度以及社科基金项目类别数据输入门保留程度的激活函数sigmoid. xt表示项目标题的第t个词汇的embedding向量;ht-1表示LSTM中t-1时刻更新门;U表示上一个隐含状态. 长短记忆网络的训练过程为[18]：
国家社科基金项目单向LSTM对于后续的信息不能有效利用，通过在单层国家社科基金项目LSTM上添加一层后向的LSTM，实现国家社科基金项目双向长短记忆网络(Bidirectional LSTM，Bi-LSTM)的构建，在一定程度上可以解决国家社科基金项目自动分类长距离依赖的问题，并有效地利用国家社科基金项目序列前后的特征信息. 国家社科基金项目自动分类中每个隐藏层(hidden layer)的隐藏单元数(hidden unit)为256个，每批国家社科基金项目自动分类中数据量(batch size)大小为64，国家社科基金项目自动分类中隐藏单元随机删除概率(dropout rate)为0.5，国家社科基金项目自动分类中学习率(learning rate)为0.001，国家社科基金项目自动分类中最大迭代次数(epochs)为100，国家社科基金项目自动分类中梯度裁剪(clip)为5.
2 语料获取和评价指标
2.1 语料获取
研究所使用的数据全部通过国家社科基金项目数据库[19]获取，该数据库囊括了历年公布的国家社科基金项目. 以全国哲学社会科学工作办公室设立的1991年为起始年，本研究抓取了1991～2015年间的国家社科基金项目(国家社科基金项目数据库的检索页面中未呈现出1994年的社科项目). 数据具体抓取的网页样例如图1所示.
针对抓取数据中存在的问题，设计专门的数据清洗程序进行数据清洗、加工与整理，具体如下：首先，在数据抓取过程中，去除了1991年之前立项的国家社科项目的数据，如1987年立项的“老、少、山、边、侨地区职业技术教育为经济发展服务的研究与实验”和“战后苏联教育研究”项目;其次，删除国家社科基金项目数据库中存在错误的数据，如“123456 重大项目 0 dasdasda 0000-01-01 dasd 0”、“批准号 课题名称0000-00-00首席专家”此类有明显错误的数据，从所获取的数据中进行清洗;最后，对于项目中被标注为多个学科类别的数据，根据该项目的标题、作者及所属单位，进行人工核对，在数据清洗和整理加工的基础上修正错误，如一个项目被标注为“人类学、艺术学和计算机科学”.
本文共涵盖24个学科的47 352个国家社科基金项目，在后续构建类别判定模型的过程中，基于所获取的47 352个国家社科基金项目的标题和类别，构建国家社科项目自动类别判定的模型.
为了更加直接、高效地对训练和测试语料进行标注，本文对“马列·科社、党史·党建、哲学、理论经济、应用经济、政治学、社会学、法学、国际问题研究、中国历史、世界历史、考古学、民族学、宗教学、中国文学、管理学、教育学、外国文学、语言学、新闻学与传播学、人口学、统计学、图书馆、情报与文献学、体育学”这24个学科的类别分别编制了相应的代码. 为了验证各个模型利用最直接的语词特征进行类别判定的性能，对不同类别下的社科项目标题中的词按照其所处的开始、中间和结尾3个位置，分别设计了B、I、E共3个标记，具体语料训练如表1所示.
2.2 评价指标
为了更好地统一判定所构建国家社科基金项目的学科分类模型的整体性能，条件随机场模型、双向长短记忆模型与支持向量机模型的性能判定均基于准确率、召回率和调和平均值。
在所构建的国家社科基金项目学科分类模型中，只使用了上述3个指标，鉴于正确率不能准确地衡量国家社科基金项目学科分类模型的性能，为了更好地判定所构建国家社科基金项目的学科分类模型的整体性能，在条件随机场模型、双向长短记忆模型与支持向量机模型的性能判定上引入调和平均值.
3 國家社科基金项目的学科分类模型性能
分析
在对国家社科基金项目进行划分训练和测试语料基础上，验证了3个模型的整体性能. 在相应实验的设计过程中，通过十折交叉验证的方法，来测试所构建的3个模型的性能，将国家社科基金项目标题的数据集按照9 ∶ 1拆分为训练和测试的语料. 为了获得高性能的国家社科基金项目类别判定模型，设置了两组对比实验，一组是条件随机场、支持向量机和双向长短时记忆模型;另一组是基于简单特征基础的条件随机场分类模型和复杂特征基础上的条件随机场模型.
3.1 3个模型整体性能的对比
基于国家社科基金标题的词汇，通过双向长短时记忆、支持向量机和条件随机场模型，验证了所构建的国家社科基金项目学科分类的整体性能，如图2～图4所示.
由图2可知，双向长短时记忆模型的召回率相对精准率而言，整体性能较为突出，最高召回率为61.67%. 调和平均值整体上低于60%，通过计算，双向长短时记忆模型的平均调和平均值为55.14%. 双向长短时记忆模型的性能之所以这么低，根本原因是待分类标题整体上较短并且数量分布不充分，导致神经网络在序列化分类模型的构建上整体性能较差.
由图4可知，相对双向长短时记忆模型和支持向量机模型，条件随机场模型整体性能较为突出，在平均调和平均值上，条件随机场模型整体达到90.70%，比双向长短时记忆模型和支持向量机模型分别高出35.36%和34.78%. 通过十折交叉验证方法所获取的10个分类模型中，后8个模型的整体调和平均值均在96%以上，而前2个模型的调和平均值刚突破60%，说明相对支持向量机，通过序列化的思想对国家社科基金的标题进行分类整体性能较为突出，相较双向长短时记忆模型而言，条件随机场模型更适应数据量较小的短文本.
3.2 不同特征下的条件随机场模型的对比
通过调研，在构建条件随机场模型的过程中，相应特征会被添加到模型的构建中，以验证不同特征对所构建模型性能的影响. 在此基础上，本研究选择了标题的左边界词、右边界词和词长来探究模型的整体性能. 所界定的左边词主要由“中国、我国、基于、新、当代、西部、社会和现代”等词汇构成;右边界词主要由“研究、分析、发展、建设、影响、实践、建设、对策和视角”等词汇构成. 标题词汇的长度分布情况，对于整个类别的判定也有一定的影响，尤其是基于序列化思想进行类别判定的情况下. 根据对所有标题词汇分布情况的统计可知，国家社科基金项目标题词汇的长度主要是集中在2、3、4这3个长度上. 在这3个特征的基础上，所构建的10个国家社科基金项目学科类别自动分类模型的性能如图5所示.
由图5可知，相对所构建的单特征的条件随机场模型而言，多特征分类模型的整体性能并未得到有效提高，所构建的十折交叉模型的平均调和平均值仅为73.50%，其中8个模型的调和平均值均低于70%，仅有2个模型的调和平均值超过了90%. 说明在规模相对较小的数据上，通过增加特征并不能确保所构建条件随机场模型的性能得到提升，且在均分小规模语料进行测试时，导致模型效果出现较大的偏差.
3.3 条件随机场模型分类结果的个案分析
为了从微观角度分析基于条件随机场模型所构建的分类模型的性能，从调和平均值达到90%的构建模型中任意选择一定量的测试结果，从测试结果中任意选择10个识别结果进行分析，如表2所示.
由表2可知，在所选取的10条国家社科标题类别的判定结果样例中，对有明显特征词汇的标题进行了正确的类别判定，如“中国文化资源产权交易法律保障机制研究”、“现代性问题的马克思哲学革命”、“玄言诗派研究”等. 但也出现了类别判定不当的情况，如“农村人口转移背景下惠农政策效果的跟踪、评价与保障研究”这一标题，虽然有“人口”等与“人口学”这一学科相关的特征词汇，但此项目明显是研究经济学的，同样，对于“中国大学核心价值体系教育模式研究”这一标题，由于有“教育”这一特征词汇，类别判定模型自动把此项目划分到教育学，实际上，应该归属为马列·社科这一学科.
通过分析这10个例子可以看出，目前所构建的国家社科基金项目学科类别判定模型，对于语义不是太复杂的标题可以相对精准地给出具体的学科类别，但对于语义复杂、语义内容指向多样性的标题，所构建的模型在自动标注过程中相对较差.
4 结 论
以对未有学科类别的国家社科基金项目标题进行学科类别的自动判定为研究切入点，基于机器学习的系列模型，构建了系列国家社科基金项目学科类别判定模型，完成了对条件随机场模型整体性能的各种判定.
1)基于国家社科基金项目数据库，通过开发相应的网络爬虫，获取了24个学科的国家社科基金项目标题数据，并对所获取的数据进行清洗、整理与加工，为构建国家社科基金项目类别判定模型奠定了数据基础.
2)按照24个学科类别，以字为表示单位，把47 352个国家社科基金项目标题的数据集分成了训练和测试语料，并对模型所使用的参数情况进行了说明.
3)通过系列实验，完成对双向长短时记忆模型、条件随机场模型和支持向量机模型的性能比较，并得出条件随机场模型在整体性能上要优于其他模型.
4)从单一特征、多特征和个案的角度对条件随机场模型在国家社科基金项目学科类别判定上进行了多个角度的验证和对比.
参考文献
[1] LANNOY G D，FRANCOIS D，DELBEKE J，et al. Weighted conditional random fields for supervised interpatient heartbeat classification [J]. IEEE Transactions on Bio-Medical Engineering，2012，59(1)：241—247.
[2] DELAYE A，LIU C L. Text/non-text classification in online handwritten documents with conditional random fields[C]// Chinese Conference on Pattern Recognition. Berlin，Heidelberg：Springer，2012：514—521.
[3] HU Y，CAHILL N D，MONTEIRO S T，et al. Low-dimensional representations of hyperspectral data for use in CRF-based classification[C]// Image & Signal Processing for Remote Sensing XXI. Toulouse，France：SPIE，2015：96430L.
[4] 張春元. 基于条件随机场的文本分类模型[J]. 计算机技术与发展，2011，21(7)：77—80.ZHANG C Y. Text categorization model based on conditional random fields [J]. Computer Technology and Development，2011，21(7)：77—80. (In Chinese)
[5] 曾佳妮. 基于条件随机场的中文短文本分类算法研究[D]. 上海：上海交通大学信息安全工程学院，2013：1—63.ZENG J N. Research on short text classification algorithm based on CRFs[D]. Shanghai：School of Information Security Engineering， Shanghai Jiao Tong University，2013：1—63. (In Chinese)
[6] 汪光亚. 基于条件随机场的多时相遥感影像分类[D]. 南京：南京理工大学计算机学院，2018：1-59.WANG G Y. Multi-temporal remote sensing image classification based on conditional random field[D]. Nanjing：Department of Computer Science，Nanjing University of Science and Technology，2018：1—59. (In Chinese)
[7] RAVI A，VENUGOPAL H，PAUL S，et al. A Dataset and preliminary results for umpire pose detection using SVM classification of deep features [C]// 2018 IEEE Symposium Series on Computational Intelligence. Bangalore，India：SSCI，2018：1396—1402.
[8] MALDONADO S，LOPEZ J. Dealing with high-dimensional class-imbalanced datasets：embedded feature selection for SVM classification [J]. Applied Soft Computing，2018，67：94—105.
[9] 牛国成，胡贞，胡冬梅. 基于SVM与物元信息熵的变压器健康度分析与预测[J]. 湖南大学学报(自然科学版)，2019，133(8)：91—97.NIU G C，HU Z，HU D M. Analysis and prediction of transformer health index based on SVM and matter element information entropy[J]. Journal of Hunan University(Natural Sciences)，2019，133(8)：91—97. (In Chinese)
[10] 王峥，刘师培，彭艳兵，等. 基于句法决策树和SVM的短文本语境识别模型[J]. 计算机与现代化，2017(3)：13—17.WANG Z，LIU S P，PENG Y B. An essay context recognition model based on syntax decision tree and SVM algorithm[J]. Computer and Modernization，2017(3)：13—17. (In Chinese)
[11] 冷强奎，刘福德，秦玉平. 一种基于混合二叉树结构的多类支持向量机分类算法[J]. 计算机科学，2018，45(5)：227—230，244.LENG Q K，LIU F D，QIN Y P. Multi-class classification algorithm for SVM based on hybrid binary tree structure[J]. Computer Science，2018，45(5)：227—230，244. (In Chinese)
[12] 林香亮，袁瑞，孙玉秋. 支持向量机的基本理论和研究进展[J]. 长江大学学报(自科版)，2018，15(17)：6，54—59.LIN X L，YUAN R，SUN Y Q. Basic theory and research progress of support vector machine[J]. Journal of Yangtze University(Natural Science Edition)，2018，15(17)：6，54—59. (In Chinese)
[13] ABIDINE M B，FERGANI B. Evaluating C-SVM，CRF and LDA classification for daily activity recognition[C]// International Conference on Multimedia Computing & Systems. Tangier，Morocco：ICMCS，2012：272—277.
[14] 胡新辰. 基于LSTM的語义关系分类研究[D]. 哈尔滨：哈尔滨工业大学，2015：1—71.HU X C. Research on semantic relation classification based on LSTM[D]. Harbin： School of Computer Science and Technology，Harbin Institute of Technology，2015：1—71. (In Chinese)
[15] 赵明，杜会芳，董翠翠，等. 基于word2vec和LSTM的饮食健康文本分类研究[J]. 农业机械学报，2017，48(10)：207—213.ZHAO M，DU H F，DONG C C，et al. Diet health text classification based on word2vec and LSTM[J]. Transactions of the Chinese Society of Agricultural Machinery，2017，48(10)：207—213. (In Chinese)
[16] LAFFERTY J，MCCALLUM A，PRREIRA F. Conditional random fields：probabilistic models for segmenting and labeling sequence data [J]. International Conference on Machine Learning (ICML)，2001 (37)：282—289.
[17] HSU C W，LIN C J. A comparison of methods for multi-class support vector machines [J].IEEE Transacatuions on Netural Networks，2002，13(23)：415—425.
[18] SUYKENS J A K，VANDEWALLE J. Least squares support vector machine classifiers [J]. Neural Processing Letters，1999，9(3)：293—300.
[19] 国家社科基金项目数据库[EB/OL]. http：//fz.people.com.cn/skygb/sk/，2019-08-25.Database of National Social Science Foundation [EB/OL].http：//fz.people.com.cn/skygb/sk/， 2019-08-25. (In Chinese)
作者：沈思 翁小颖 孙豪 王东波
第三篇：从评审视角看国家社科基金申请书撰写创新
【关 键 词】国家社科基金;项目评审;同行评审;新闻传播学
【作者单位】吴锋，西安交通大学新媒体学院;靳潇倩，西安交通大学新媒体学院。
国家社科基金是哲学社会科学领域最高级别的资助项目，是有组织推动科学知识创新的重要手段，在服务国家重大战略需求、推动学科理论建设和支持学术人才成长方面做出了巨大贡献[1]。因此，国家对社科基金的投入持续增长。国家社科基金经费总量从1986年设立之初的每年500万元增加至2021年的26.9亿元。同时，随着我国高等教育和学术机构的快速发展，科研队伍快速壮大，课题申请数量也迅猛增加。近3年来，国家社科基金年度项目申报数为3万余项，立项数为5000余项，资助率约15%，是申请竞争最激烈的国家级项目之一。
党的十八大以来，新闻传播学的学科地位受到广泛关注，习近平总书记将新闻学与哲学、历史学、经济学、政治学、法学、社会学、民族学、人口学、宗教学、心理学等学科确定为对“哲学社会科学具有支撑作用”的基础学科[2]。新闻传播学领域国家社科基金立项始于1986年，获资助的第一个项目为《新闻事业与现代化建设》，属于“七五”期间(1986—1990)国家哲学社会科学重点研究项目[3]。1991年，新闻传播学立项数仅有3项，2021年新闻传播学年度立项数为169项，是1991年的56.3倍。但是，近年来新闻传播学年度项目申报数约1200余项，资助率约14%，获批难度颇高。
国家社科基金评审包含三个环节——形式审查、通讯评审、会议评审。形式审查主要审核申请人是否符合国家社科基金的申报资格，通常淘汰率较低;通讯评审是基于申请书内容的同行专家评审，不仅是“背靠背”的匿名评审，而且通过率有严格限制，通常有75%的申请书被淘汰;会议评审则是在申请者信息透明的情形下， 由学科组评审专家充分讨论后以无记名投票方式产生拟立项项目，通过率约60%。在评审各环节中，评审专家评判的主要依据皆为申请者提交的课题申请书，因此，如何通过申请书体现自身学术水准、提高命中率，成为申报单位和申请者关注的焦点。本文结合作者参与国家社科基金申请与评审之切身感悟，通过对比申请者与评审者思维方式的差异，剖析申请书撰写中存在的问题，并提出相应建议。
一、 评审者与申请者思维方式的差异
评审专家在国家社科基金评审中扮演着关键角色，其独特的思维方式在评审中发挥了关键作用。但是，评审者与申请者在思维方式上有巨大差异。依笔者多年的观感，在申请和遴选程序中，申请者通常遵循正向思维模式，评审者则遵循逆向思维模式，二者恰恰相反。所谓正向思维模式，是指人们在创造性思维活动中，沿袭某些习惯性思维定势去分析问题，按事物发展的常规进程进行思考、推测，是一种从已知到未知，通过已知揭示事物本质的思维方法[4]。但评审者在审阅申请书时通常采取逆向思维模式，它是指从研究对象的反面或侧面寻找解决问题方案的非常规思维方式。它不仅是对正向思维的有益补充，还是克服思维单一性和片面性的关键[5]。评审者的逆向思维方式有四点原则：一是“选题至上”，选题必须突破个体偏好，或契合国家重大战略需求，或突破传统的理论框架，体现独特的切入视角;二是“标题精准”，标题必须明确传达研究对象，并在关键概念上有精当的表述;三是申请书“零缺陷”，从内容到形式，有任何一处硬伤都是难以容忍的错误;四是“实事求是”，在文献评价、预期成果等方面做到不浮夸、不溢美，体现有限目标。
二、基金申请书撰写中的常见问题
国家社科基金项目评审属于缺席审判，评审专家只能依据申请书的有限信息来评判申请者的科研竞争力。因此，申请书是申请者学术素养和学术功力的综合体现，它要用有限篇幅阐明研究视角、研究目标、研究方法和研究价值。近年来，国家社科基金申请实施限项申报措施，这在很大程度上倒逼申请者撰写高水平的申请书。从评审来看，近年来国家社科基金申请书的质量有较大提升。笔者以曾评阅过的申请书为例，就相关问题进行分析，并提出相关建议。
1.形式层面
(1)排版混乱，版式设计缺乏表现力
排版清晰是申请书获得通过的基本要求，简洁美观的排版能够使内容层次更加分明，结构更加清晰，向评审专家更好地传递该项目所要表达的内容，体现申请者严谨的学术气质。版面设计也是一种形式语言，它与内容相互统一。在版式设计中，不能只考虑美观、色彩等因素，还需要考虑其他方面的因素，如易识别、易选读以及阅读环境、阅读生理规律等。科学合理的版式设计不仅能够提升评审专家对申请书的第一印象，而且能够实现内容与形式的完美结合。申请者在进行版式设计时应注意以下两点。
第一，字体及行间距设置。撰写申请书时应使用合适的字体和字号，以提升评审专家的阅读体验。申请书明确要求正文使用合适字号及行距进行排版，但笔者审阅时仍发现一些申请书存在字体不统一、英文字体使用不规范、排版行间距不统一等问题，如申请书中多种字体混用，英文字体未使用标准罗马体等。一般来说，人们平时阅读以宋体为主，正文提倡用宋体小四号字。五号字体过小，阅读时会显得压抑。英、法、德、俄等西文应使用Times New Roman字体。英文书名应使用斜体，并将首字母大写。此外，全文不宜使用过多黑体，黑体太多显得内容突出过多，反而无重点。
第二，圖表使用。图表是申请书中不可缺少的一部分，它能够直观地展示统计信息属性(时间演进、数量变化、流程等)，能够将研究对象属性直观化、形象化，在展示事物之间的关系、描摹事件流程方面起到重要作用。正所谓“一图胜千言”，图表使用恰到好处能够起到事半功倍的效果，但现实中仍有很多申请者在图表使用上存在误区。一是单纯追求数量多，却未考虑是否必要、图表与文字内容是否符合。申请者在使用图表时应首先判别其必要性，若图表内容简单，仅少数几个统计数字，可用一两句话表达清楚，则应以简要文字加以叙述。二是图表设计过于复杂，背离了用简洁的图像和表格解释晦涩难懂文字的初衷。事实上，制作图表时应当明确表格是完整、可独立存在的形象化语言。图表内容应简洁直观，以数字表达为主，给人以强烈的对比效果，避免夹杂过多的文字。三是图表命名与排序错误。使用图表时，表格或图片的序号应该按照表格在文中出现的先后顺序，从“1”开始的阿拉伯数字连续编号，图表的命名则应该与文章题名类似，命名应该准确得体，能够反映表格或图片的特定内容，避免使用泛指性的词语如“数据表”“对比图”作为图表的命名。
(2)参考文献错误，引用不严谨
规范使用参考文献是申请书撰写中最基本的要求。规范使用参考文献既体现了申请者对他人劳动的尊重，又表明了学术研究的严谨和言之有据。引用参考文献时，申请者应当注意所引用文献的权威性，尽量突出关键文献(即缘起性的文献)和最新文献。评审中发现的典型问题有申请书中参考文献列举排序杂乱、英文文献格式引用错误等。在引用文献时，需注意三点：一是在引用文献时要全面，多引用国内外相关研究成果，体现作者研究视野的开阔性和国际性;二是在引用英文文献时尽量使用国标格式或APA格式;三是应当按照作者姓氏首字母在英文中的顺序进行排序。
2.内容层面
(1)选题大而无当，内容浮泛不实
选题是科学研究的起点，也是立项的关键，然而不少申请书的选题存在“大而无当，浮泛不实”的问题。一个好的选题应当凝聚到“点”上，既要服务于国家发展战略需求，又要落实到研究问题的关键点。它通常具备以下三个特征：一是具有新意的点;二是在学科发展或所属领域以及当前社会发展中具有重要意义的点;三是前景广阔的点，能够支撑研究者沿着这个点的方向深入研究。选题还应当考虑到“面”，即统筹考虑研究选题所属的领域。就国家战略需求而言，就是要为立足新发展阶段、贯彻新发展理念、构建新发展格局提供学理支撑。新闻传播学不同于其他学科，由于学科研究的内容以及传媒自身实践的时效性特点，新闻传播学的选题应该与国家最新需求保持同步。因此，对于新闻传播学科来说，能够切中社会痛点的选题更易获得立项，这就需要申请者在确定选题时提升思想前瞻性，找准自己的贡献点，对热点问题进行前沿追究，聚焦社会发展的痛点和难点。
(2)标题冗长，缺乏表达力
“好的标题是成功的一半”，这是申请的铁则。好的标题应具有准确的表达力、强烈的冲击力和浓郁的学术蕴意。国家社科基金允许申请者自主定题，这就对申请人的命题能力提出了极为严苛的要求。经统计，笔者评审的申请书中标题字数最多者29字，最短者9字，平均21.6字。申请书中的标题普遍存在以下问题：标题冗长读起来拗口;标题简洁但无新意。标题字数过多会显得叙述冗长乏味，字数过少又可能讲不清要点，标题字数的把握和关键词的使用十分重要。真正吸引評审专家的标题是使用创新概念，表达明晰且朗朗上口的标题。此外，国家社科基金标题设计应尽量不用副标题、不用“与”字、不用冒号、不用虚词。副标题是多种取向的撕裂，“与”字是两个断裂思想的“502胶”，冒号是语言上的意犹未尽，过多虚词是一种啰唆。因此，一个好的标题需要申请者拿捏好分寸，做到既简洁凝练又突出创意。
(3)研究目标模糊，方法使用不当
研究目标不仅关乎研究内容和研究设计，还直接关系资料收集和研究预算等。项目研究要有明确的研究目标，并进行深入分析论证，但笔者发现一些申请书虽看起来内容翔实，但仔细审读后发现研究目标不清晰，没有阐明实质性内容，在描述研究价值上拖泥带水，论据少且缺乏可行性，从而导致整个研究计划缺乏说服力。
研究方法是评审的重要指标之一。在研究方法的选择上，多数申请者选择较为常见的问卷调查法、文献分析法、访谈法和案例分析法。另有少数申请者选择软件舆情数据挖掘、基于虚拟仿真和电子沙盘的实验法等新兴研究方法。需要指出的是，研究方法没有好坏之分，只有适合与否，不同的研究方法能够帮助研究者从新的角度认识研究对象，揭示事件深层次的规律。但研究方法的选择也不宜过多，有的申请书中列举的研究方法数量高达6种。申请者应依据研究目标和研究内容的需要选择合适的方法。如果选择多种方法，申请者要考虑各方法之间的相互关系。
(4)前期基础薄弱，预期成果过分夸大
前期研究基础是体现申请者学术水平的关键指标。申请者的前期成果是其学术水平和研究能力的证明，可从侧面反映研究者是否有能力完成某项课题。国家社科基金课题的研究难度较大[6]，评审专家倾向于选择具有一定研究基础和经验的申请者。因此，国家级课题申请必须有前期研究基础作为支撑，要有相近领域的学术论文、专著、政策建议、研究报告等作为铺垫，否则评审专家会质疑申请者的实力。一般来说，首先列举论著成果，它属于深度研究，能够体现申请者纵深的研究基础;其次是论文成果，需标注“权威期刊”“核心期刊”以及CSSCI或SSCI等成果收录信息，它反映申请者最新的研究动态;最后是研究报告或政策建议，鉴于此类成果通常无公开佐证依据，有“灌水”之嫌疑，因而建议少写。此外，前期成果应与所申请课题密切相关，使其成为本课题前期成果的有力佐证。
预期成果是指对学术自身以及对社会发展方面的贡献、产生的价值和意义，一般表现为成果形式、使用去向及预期社会效益等。在项目申请中注明预期成果，既可以帮助申请者明确研究目的，又便于评审专家结项时对项目完成情况进行检查验收，同时也能帮助申请者厘清研究框架，合理分工，便于后期研究的顺利推进。需要注意的是，预期效益应该实事求是，过分夸大预期社会效益，不仅会让评审专家认为申请者不务实，而且在结项鉴定时也会因为未能达到预期而难以顺利结项。
(5)创新点描述简略，研究特色未充分凸显
学术研究在于创新，探索尚未开拓的领域。课题研究的创新之处通常体现在学术理论、学术思想、研究资料、研究方法等方面。学术理论创新是指学术思想、观点等研究假设方面的拓新;学术思想创新指的是构建一套相对完整的学说体系或思想体系;研究资料创新是指研究者发掘了新材料、新证据、新发现等全新的数据;研究方法创新则是指申请者提出解决问题的新方法、新途径。
创新点不仅要具有原创性、创造性和革新性，还要突出其意义或者价值的重要性。基于此，创新点在申请书中的地位不容小觑。创新点需要归纳与凝练重点，但找准创新点又十分困难，填写过多的创新点容易让评审专家怀疑其可行性，申请者在描述课题创新点时应当实事求是，避免假大空。
三、申请者应培养“三个意识”
伴随着新闻传播学学科地位的提升，国家社科基金的资助力度也在逐年增大，但与文史哲经法等基础学科相比，新闻传播学领域的立项数还较少，项目申请竞争尤为激烈。从近年来国家社科基金评审结果看，“马太效应”日益显著，高职称、高学历、高水平前期成果、高层级学术平台等“四高”群体在立项上的优势更加明显，这无疑对申请者提出了更高的要求。因此，对申请者来说，不仅要加强前期积累，而且应当关注评审专家的思维方式，在平时科研训练中重点培养“三个意识”。
1.问题意识
面对社会巨变，申请者应善于敏锐地发现问题、提出问题，找到研究的关键点。所提问题既要符合国家战略导向，又能破解实践层面的痛点，还能回应理论层面的难点。在此基础上结合所掌握的知识形成具体研究问题，进行思考和拓展，最后进行规范化处理形成完整的研究课题，并通过概念化的步骤提升至理论体系的层次。不同类型的研究问题进行分析要有所侧重，对于新近出现的创新型问题，其分析要有理论和实践基础;对热点问题，往往混杂着诸多观点，在分析时要做历史维度的考察;对于传统的旧选题，要尽可能有所延伸或扩展，发掘新意。
2.前沿意识
每年的国家社科基金项目均反映了该年度中新闻传播学科所关注的重点话题和前沿内容。笔者通过对2021年国家社科立项的年度项目和西部项目进行关键词分析，发现“媒体”“传播”“中国”“治理”等是出现频次较高的关键词，分别出现45次、44次、34次、24次。关注时事，了解国家战略需求所在，不仅能够使申请书更加出彩，还能够掌握被立项的国家社科基金重大项目研究思路，提升立項率。
3.细节意识
细节往往因其“小”，而容易被人忽视，掉以轻心;因其“细”，也常常使人感到烦琐，但这些细节往往成为影响成败的关键因素。申请者在撰写申请书时必须高度注意，避免出现惯常错误，杜绝错别字等低级错误，以免给评审专家形成负面印象。
申请国家社科基金是研究者进行自我学术规划、自我学术设计的一种努力，无论成功与否，都在研究者的学术生涯中具有重大意义。申请者既要夯实自身的学术基础，又要跳出自身的学术研究舒适圈，善于从评审者角度思考值得立项、具有立项价值的项目有哪些特征，以便在设计申请书时有针对性地安排内容布局，从而提升项目的立项概率。
|参考文献|
[1]吴锋. 新闻传播学国家社科基金项目绩效表现及应对策略：基于2004—2015年结项课题的统计分析[J]. 河南大学学报(社会科学版)，2019 (4)：133-139.
[2]习近平. 在哲学社会科学座谈会上的讲话[N]. 人民日报，2016-05-19.
[3]中国新闻史学会新闻传播教育史研究委员会. 中国新闻传播教育年鉴(2019)[M]. 武汉：武汉大学出版社，2019.
[4]郭建中. 正向思维与逆向思维[J]. 物理教学，1991(3)：31.
[5]刘晓红，蔡丽丽. 逆向思维视域下待优生教育策略探微[J]. 内蒙古社会科学，2020(2)：197-201.
[6]吴锋. 国家社科基金资助失败项目特征、原因及对策：基于392个资助失败项目的统计研究[J]. 集美大学学报(教育学版)，2021(9)：53-63.
作者：吴锋?靳潇倩