社科基金体育学论文

摘要：统计2016—2021年国家社科基金不同项目类别、学科以及地区的立项情况，提出我国哲学社会科学发展主要呈现整体实力较强、各地区发展有显著差异以及学科间发展不平衡等主要特征。为进一步推动“十四五”期间国家社科基金发展，提出应关注重点项目类别、重视青年学者培养、注重学科平衡、搭建交流沟通平台、做好哲学社会科学发展服务等具体建议。今天小编为大家精心挑选了关于《社科基金体育学论文(精选3篇)》，欢迎阅读，希望大家能够喜欢。

社科基金体育学论文 篇1：

我国体育学博士生导师的现状

摘 要：通过对我国19个体育学博士学位授予单位的198名在职博士生导师的现状进行统计研究，以期发现现存问题，提出相关建议，为更好地提高我国高端体育人才培养水平提供参考。采用文献资料、数理统计和逻辑分析等方法。研究结果显示：从自然特征看，体育学博士生导师过分集中在华北和华东两地，年龄结构以中青年博导占较大比例等。就教育背景而言，年轻博导中绝大多数具有博士学位，但具有海外进修经历的博士生导师的比例仍然偏低。关于专业素养，体育学博士生导师的h指数值整体偏低，主持过国家级科研项目的博士生导师人数较少等。研究结论：这种非均衡分布状态反映了体育学博士生导师的准入门槛较高，体育学科的不成熟，以及我国体育学博士生导师队伍建设的相关制度尚不完善等原因导致学科建设结构上的差异，这是未来一段时间需要重视和解决的问题。

关键词： 体育学；博士生导师；体育教育

Current Situation of Doctoral Supervisors in Sport Science in China

CHEN Qingwei

Key words：sport science；doctoral supervisor；physical education

收稿日期：2012-11-14

作者简介：陈庆伟（1968-），男，河南商丘人，硕士，副教授，研究方向为学校体育和社会体育。

作为博士生培养工作的直接承担者，体育学博士指导教师是体育界学术与科研的带头人，导师水平对于培养工作的质量不仅起着重要的作用[1]，而且关系到一个学科的发展方向，甚至关系到一个学科的国际声誉。文献检索显示，目前未见专门研究体育学博士生导师的论文，相关的研究仅在几篇关于体育学博士生培养的文献中就博士生导师队伍建设问题泛泛提及。

1 研究对象与方法

1.1 研究对象

1.1.1 研究对象界定

国务院学位办公室副主任谢桂华指出：“博士生导师是指导、培养博士生的重要工作岗位，不是教授职务中的固定层次和终身的荣誉称号。招生并实际指导博士生者即为博士生导师，不招生且不实际指导博士生者则不是博士生导师。”[2]因此，本研究对博士生导师从3个方面作出相应限定。

1）在学科范围上，指体育学一级学科之下的体育人文社会学、体育教育训练学、运动人体科学和民族传统体育学等4个学科方向的博士生导师。对于在其他学科之下设置的交叉性质的博士点的导师不纳入统计。

2）在单位权限上，指经过国务院学位委员会评定的具有体育学博士学位授予权单位的博士生导师。经国务院学位委员会评审，我国共有19家体育学博士学位授予单位，其中15家一级学科授权单位为：北京体育大学、上海体育学院、华东师范大学、华南师范大学、清华大学、北京师范大学、山西大学、东北师范大学、苏州大学、南京师范大学、浙江大学、福建师范大学、华中师范大学、武汉体育学院和湖南师范大学；4家二级学科授权点为：辽宁师范大学、河南大学和河北师范大学是体育教育训练学授权点；曲阜师范大学是体育人文社会学授权点。

3）在就职状态上，指当前在职并全职工作（每年在所在单位工作9个月以上）的博士生导师，不包括退休的导师，但若退休后获返聘且仍招收博士生的纳入统计范围。

1.1.2 研究框架

研究体育学博士生导师群体的现状，必须确定一个分析框架。为便于统计，本文通过咨询相关专家，将研究阶层特性的分析框架细化为具体的指标系统，并强调指标系统的有效性和可行性。所谓有效性，指框架能够恰当地描述体育学博导的存在状态；所谓可行性，指框架中确定的指标要具备可量化统计的现实条件。引入3组变量来描述体育学博士生导师的当下状态：一是自然特征，包括年龄、性别和所在城市等指标；二是教育背景，包括最高学位及是否有国外进修经历等指标；三是专业素养，包括职称、职务和科研绩效等指标。

1.2 研究方法

1.2.1 数据采集

研究数据于2012年6月25日至7月25日通过以下途径采集：1）各博士生导师的自然特征和教育背景等数据信息通过我国19所体育学博士授权单位的官方网站、电话或以该博士生导师的姓名为关键词在“百度”搜索工具上获得。2）各博士生导师的科研绩效信息通过中国知网（CNKI）获得：各博士生导师的论文h指数及发文量、被引频次等科研信息通过CNKI的“中国学术期刊网络出版总库”“中国重要会议全文数据库”和“中国重要报纸全文数据库”，检索各博士生导师截止2012年6月在CNKI数据库中收录的全部论文量和这些论文在 CNKI 数据库中的被引频次等数据，然后用h指数计算方法计算各博士生导师在2012 年（统计年）的h指数。各博士生导师主持的科研项目信息通过CNKI“国家各级科研项目”平台、“全国哲学社会科学规划办公室成果数据库”和“全国教育科学规划办公室年度课题名单”，检索各博士生导师截至2012年6月主持的“国家社会科学基金”“国家自然科学基金”“全国教育科学规划课题”和“国家体育总局体育哲学社会科学研究项目”等科研项目信息。

1.2.2 数理统计法

采用了常规描述统计，对统计数据进行了专业处理。

1.2.3 逻辑分析法

综合运用了比较与类比，归纳与演绎，分析与综合等逻辑方法对统计结果进行分析。

2 研究结果与分析

2.1 我国体育学博士生导师自然特征分析

2.1.1 我国体育学博士授权单位空间分布状况

截至2012年底，我国已有19家体育学博士学位授予单位，其中体育学一级学科博士授权单位由2010年前的4家增至15家。

由表1可见，19所体育学博士生招生院校中：华东地区6所，分别是上海体育学院、华东师范大学、浙江大学、南京师范大学、苏州大学和曲阜师范大学；华北地区6所，分别是北京体育大学、清华大学、河南大学、河北师范大学、北京师范大学和山西大学；华中地区有武汉体育学院、华中师范大学和湖南师范大学3所；华南地区有华南师范大学和福建师范大学2所；东北地区有东北师范大学和辽宁师范大学2所；西南与西北地区均没有体育学博士生招生院校。体育学博士生招生院校主要集中在华北和华东地区，各占31.6%，华中地区占15.8%，东北和华南地区各占10.5%。

表 1 我国体育学博士生导师人数分布情况统计表

人

注：“上体”指上海体育学院；“华东”指华东师范大学；“浙大”指浙江大学；“南京”指南京师范大学；“苏大”指苏州大学；“曲阜”指曲阜师范大学；“华南”指华南师范大学；“福建”指福建师范大学；“北体”指北京体育大学；“清华”指清华大学；“河大”指河南大学；“河北”指河北师范大学；“北京”指北京师范大学；“山西”指山西师范大学；“武体”指武汉体育学院；“华中”指华中师范大学；“湖南”指湖南师范大学；“东北”指东北师范大学；“辽宁”指辽宁师范大学。下同。

从区域来看，重东部，轻西部，布局结构明显不平衡[3]。从地方来看，重省市级大都市，轻地方小城市，招收体育学的19个博士点学校只有辽宁师范大学、河南大学和曲阜师范大学3所学校在地级城市，其余都是在省级城市。

西部地区含12个省市自治区，辖540万km2，人口近3亿，迄今尚无一个体育博士授予单位和博士学位授予点。这种学科专业布局的缺位，既不利于全国培养体育高层次人才的均衡发展，也不能适应西部大开发战略的发展要求，更没有真实反映西部体育学科的水平[4]。

这种不平衡缘于教育部在进行首批博士授予单位、学科和专业授权审核时强调“主要限于全国高等学校和国务院有关部门主管的科学研究机构中能培养攻读博士学位研究生的重点学科”，并且在此后的博士学位授权审核过程中长期坚持在已有条件的基础上强化发展，强调“应首先考虑将博士、硕士研究生的培养集中在已是博士、硕士学位授予单位且条件较好的高等学校，特别是要注意充分发挥研究生院在培养博士、硕士研究生中的作用，不要搞平衡照顾、分散布点”。这一种强迫性机制，最终导致了博士点向条件较好的高校和地区高度集中的现象，体育学博士点的区域布局亦然[5]。

可喜的是，位居西南的成都体育学院正在进行“立项建设博士学位授权一级学科点”工作，该项工作的验收将由国务院学位办和四川省学位委员会联合于2012年12月—2013年2月期间进行。成都体育学院此次“博建”若能成功，将对提高西南地区体育学高层次人才培养水平和均衡体育学博士授权单位空间分布状态起到积极促进作用。

2.1.2 我国体育学博士授权单位性质及学科分布状况

我国体育学研究生从体育人文社会学、运动人体科学、体育教育训练学和民族传统体育学4个二级学科进行培养，形成了体育院校、师范院校、综合性大学培养的格局，体育学博士点的规划经历了体育院校—师范院校—综合性大学的发展过程。现阶段，19所体育学博士研究生招生单位中，体育专业院校3所，师范院校11所，综合性大学5所。目前，全部3所体育院校、11所师范院校中的8所和5所综合性大学中的4所均已成为体育学一级学科博士授权点，招生专业涵盖了体育人文社会学、运动人体科学、体育教育训练学、民族传统体育学4个学科。辽宁师范大学、河南大学和河北师范大学为体育教育训练学授权点，曲阜师范大学为体育人文社会学授权点。

2.1.3 我国体育学博士生导师人数分布状况

与体育学博士生招生院校主要集中在华北和华东地区相应，我国体育学博士生导师分布也呈高度集中状态。目前，我国在职体育学博士生导师共198人，其中：华北地区体育学博士生导师数达82人，占总数的41.4%；华东地区67人，占总数的33.8%。仅这2个地区的博导人数即占到我国体育学博导总数的75.3%，即近一半的体育学博士生导师集中于华北地区，近8成集中在华北和华东2地。其他依次为：华中地区21人，占总数的10.6%；华南地区19人，占总数的9.6%；东北地区9人，占总数的4.6%。博士生导师还处于流动状态，总体趋势是由各地省城流向位于华北的首都北京，由中西部城市流向东南沿海城市。市场力量的资源配置模式已经形成“马太效应”，博士生导师过分集中于少数城市，不利于体育学的均衡发展。

各高校体育院（系）所拥有的博士生导师数量在很大程度上代表该学科的实力。以院校为单位，对我国19个体育学博士学位授予单位的博士生导师数量进行排名发现，北京体育大学有体育学博士生导师54人，居全国之首。该校是我国体育院校中唯一的一所全国重点大学和国家“211工程”重点建设院校，是第一个拥有体育学博士学位授权点和体育学一级授予点的单位，体育学学科设置齐全，二级学科划分比较细，因而，体育学博士生导师较多。往下依次是：上海体育学院34人，居第2位；华东师范大学14人，居第3位；武汉体育学院、华南师范大学和北京师范大学各13人，并列第4位；苏州大学8人，居第5位；福建师范大学和东北师范大学各6人，居第6位；南京师范大学5人，居第7位；其他授予点的体育学博士生导师均为4人或3人，其中，4人的院校5所，分别是华中师范大学、湖南师范大学、清华大学、河北师范大学和河南大学，3人的院校4所，分别是浙江大学、曲阜师范大学、山西大学和辽宁师范大学。对各单位数据进行加权平均发现，我国平均每个体育学博士授予单位的博士生导师数是10.4人，但最多者拥有54人，最少仅3人，极差值达51，足见各体育学博士授予单位博士生导师数量分布也极不均衡。尤其对于新增的11家体育学一级学科博士授权单位而言，博导数量远跟不上学科数量的增加。这种不均衡是否会引发不惜通过降低增补博导的标准，尽力扩大博导的数量与规模的现象，这也正是验证体育学博导选拔制度公信度的契机。

2.1.4 我国体育学博士生导师性别分布状况

表1统计表明，在全国198名体育学博士生导师中，男性164人，占82.8%，女性34人，占17.2%，男女比例为4.8∶1。据教育部2010年教育统计数据，全国博士生导师为1万2 460人，其中男性1万787人，占88.2%，女性1 673人，占11.8%，男女比例为7.4∶1。总体看，我国体育学博士生导师男女比例较全国水平更趋平衡。

但具体到各授予单位，博士生导师的性别结构状况又有所不同：北京体育大学女博士生导师12人，占该校总数的22.2%，男女比例是3.5∶1；上海体育学院女博士生导师5人，占该校总数的14.7%，男女比例是5.8∶1。但其他院校的女性博士生导师均未超过4人，武汉体育学院等9所院校无一名女性体育学博士生导师。

与男性相比较，女性在认知力、瞬间记忆力、语言组织能力等方面的天然优势更有助于其科学研究；女教师在形象思维、观察力、注意力和动作协调能力等方面的优势使其更适合体育教学；而性情温和、细腻和体贴的天性使其在工作中更加细心，更擅长处理细节问题，更有利于彰显以学生为本的教育理念；因此，各体育博士授权单位在根据按需增补原则进行自行审核、遴选博士生导师的工作中，要注重对女性教师的培养与选拔，加强性别结构的优化。

2.1.5 我国体育学各学科博士生导师人数分布状况

由表2可知，我国体育学博士生导师的学科分布主要是：体育人文社会学导师60人，占总数的30.3%；体育教育训练学导师76人，占38.4%；运动人体科学导师53人，占26.8%；民族传统体育学导师9人，占4.5%。民族传统体育学博导数量少的主要原因是由于民族传统体育的研究生培养历程较短，是我国的特色学科，在研究生培养上没有模式可借鉴[6]。从各学科在各地区的分布状况看：体育人文社会学导师主要分布在华东地区，有26人，占该学科总数的43.3%；体育教育训练学和运动人体科学导师在华北地区的比例最大，分别有42人和有23人，分别占各自学科总数的55.2%和43.3%；仅有的9位民族传统体育学导师在华东地区有7个，占该学科总数的63.6%，华北和东北地区0个。5个有博士点的地区，其中3个地区是4个二级学科博士点全有的全学科地区，而东北地区仅有体育教育训练学一个博士点。研究方向并无优劣高下之别，却有分布和发展水平的差异。统计数据说明，体育学博士生导师的研究兴趣仍集中在体育人文社会学和体育教育训练学学科领域，对运动人体科学和民族传统体育学等新兴学科的研究比较薄弱。

2.1.6 我国体育学各年龄段博士生导师人数分布状况

合理的年龄结构是博士生导师梯队形成最佳群体结构的一个重要因素。一个合理的导师梯队应该由老、中、青年导师按适当比例结合而成。从表3统计的198位体育学博导年龄情况看，各出生时间段人数由多到少排序依次是：1951—1960年91人，占体育学博导总数的45.9%；1961—1970年68人，占34.3%；1941—1950年34人，占17.2%；1971—1980年5人，占2.5%。总体看，我国体育学博士生导师中，60岁以上的老年博导和50～60岁之间的中年博导，以及50岁以下的青年博导的比例为1∶2.7∶2.1，由此比例我们可以看到我国体育学博士生导师以中青年占较大比例，并且显现出年轻化趋势。具体到各校，华东师范大学和福建师范大学50岁以下体育学博导人数占到该校7成以上，北京师范大学占到该校近7成。年轻化虽然彰显了体育学博导队伍的动力与活力，但有时也暴露出经验不足的弱点。

表 2 我国体育学各学科博士生导师人数分布情况

人

注：“人文”指体育人文社会学；“教育”指体育教育训练学；“人体”指运动人体科学；“民传”指民族传统体育学。

表 3 我国体育学各年龄段博士生导师人数分布情况 2.2 我国体育学博士生导师教育背景状况分析

2.2.1 我国体育学各年龄段和各学科博士生导师学历状况

表4统计显示，本课题研究的198位博导中：具有博士学位的共111人，占56.1%；具有硕士学位的共30人，占15.2%；具有学士学位的共57人，占28.8%。

从各年龄段学历情况看：1971—1980年出生的5位博导全是博士；1961—1970年出生的68位博导中，博士学位者占80.9%；1951—1960年出生的91位博导中，博士学位者占49.5%；1941—1950年出生的34位博导的学位，学士有22人，博士和硕士各只有6人。由此可见：年龄越大，最高学位越低，具有学士学位的比例越高；年龄越小，最高学位越高，具有博士学位的比例越高。这反映出当前我国博导遴选对最高学位的政策性要求。

从4个二级学科学历情况看，各学科拥有博士学位人数占该学科比例由高到低依次为：运动人体科学占67.9%，体育人文社会学占63.3%，民族传统体育学占44.4%，体育教育训练学占43.4%。此排序也反映出我国体育学博士研究生学科建设和学缘结构问题。民族传统体育学学科的“民族性”特点限制了其博士点的发展，也自然限制了该学科博士生的培养数量。调查显示，有一半以上的博士生导师在本校获得博士学位，在国内其他院校获得博士学位的博士生导师有4成，在国外获得博士学位的博士生导师占不到1成。由此表明，我国体育学博士生导师队伍中存在着较严重的“近亲繁殖”和“师徒同堂”的现象，这不利于不同学术思想的交流，不利于拓展博士研究生的学术视野，在很大程度上影响了学科的建设与发展。

表 4 我国体育学各年龄段和各学科博士生导师学历及海外进修情况

2.2.2 我国体育学各年龄段和各学科博士生导师海外进修状况

具有海外进修经历往往意味着具有国际化的跨文化资源和开放的学术视野，在开展对外学术交流，推进体育学学术研究与国际接轨等方面都具有重要意义。本文所说的海外进修经历是指在海外有过一定时间的留学、访学或专业培训经历。

表4统计表明，统计的198位博导中，仅有57人有过海外进修经历，占28.8%，不足3成。从各年龄段看，有过海外进修经历的博导人数占该年龄段比例由高到低依次是：5位“70后”博导中有60%，1951—1960年出生的有31.7%，1961—1970年出生的有25%，60岁以上的有23.5%。研究发现，海外进修形式因年龄而不同，年龄越大，留学进修越多，年龄越小，访学进修和培训进修越多。从各学科看，有过海外进修经历的博导人数占该学科比例由高到低依次是：体育人文社会学38.3%，体育教育训练学27.6%，运动人体科学24.5%.此3个学科差距不大，而民族传统体育学则为0。由此反映出民族传统体育学这个新兴学科的发展难度和光明前景，若能在内无前车之鉴，外无先进经验的条件下将其科学开展，发扬光大，则不失为世界体育学的发展与完善作出了贡献。

2.3 我国体育学博士生导师专业素养状况分析

2.3.1 我国体育学博士生导师职称、职位（兼职）状况

职称在一定程度上可以反映一个人的“专业技术或学术水平的等级”。统计显示，198位体育学博导中，98.7%具有教授职称。博士生导师的高职称传达出2方面信息：一方面表明体育学博导的进入门槛较高，博士生导师的整体水平高；另一方面表明我国体育学博士生教育的体制不够灵活[2]。过分强调导师的职称有时会限制博士研究生对导师的选择权，许多能力较强的教授以下职称的教师被剥夺了指导学生的资格，而学生也就失去了选择那些没有博导头衔的老师作为论文指导者的权利[7]，不利于博士生培养。2010年，上海体育学院首开评聘副教授为博士生导师的先例，打破了大陆只有教授才能成为博士生导师的现状。

198位博导中，90.6%的导师兼任党政工作，其中，93.6%的导师在国际、国内学术组织机构和体育单项协会兼职或担任重要职务或在国家二级学会任常委以上职务。在本单位任职或在相关组织机构兼职虽然无可厚非，但恐怕这在某种意义上正如中国政法大学教授郭世佑先生所讲，当“官本位”的管理模式与价值体系把许多在学术上相对稍优者推向系、所、院、校各级领导岗位时，当各级“政协委员”“人大代表”等政治荣誉与社会兼职不期而至时，兼职的博导们即使个个都很讲职业道德，都很尽职，其应对本职的时间与精力也不过是雪上加霜。个中甘苦，唯有自知[8]。

2006年6月，北京体育大学研究生院对2006届全体研究生毕业生进行调查，结果显示：35%的研究生每周与导师见面少于1次，45%的研究生与导师交流的时间小于1 h/周，而70%的研究生希望的是至少能每周与导师交流1次。有近60%的学生论文导师没有看过，近20%的研究生认为导师对自己学业帮助不大，其原因主要是导师的专业水平有待提高和导师工作繁忙[9]。此现象并非北京体育大学独有。

尤其现在有些学校力聘上级部门行政官员当博导的作法很是流行。笔者认为，无论由博导提拔为官员，还是由官员被聘为博导，凡不能以培养博士生为主业者，需在每次博导选聘时，真正从我国博士生培养质量出发，扪心自问能否尽到博导职责，为振兴我国博士生教育事业以身作则，起“领导带头”作用。

2.3.2 我国体育学博士生导师科研绩效状况分析

2.3.2.1 h指数概念解析

一直以来，科学家科研能力和学术造诣的主要呈现形式是学术论文，因此，用来评价科学家科研绩效的主要方法是对其学术论文进行计量分析。2005年8月，美国加州大学圣地亚哥分校物理学家乔治·赫希教授（Jorge E.Hirsch）提出了一项旨在评价科学家个人绩效的指标——h指数。h指数的定义是：如果一位科学家发表的n篇论文中有h篇论文被引次数不小于h，其他（n-h） 篇论文中每一篇的被引次数都小于h，那么这位科学家的h 指数就是h[10]。例如，某科学家的 h指数为18，则表示该科学家至少发表了18 篇被引频次至少在18次的论文。该指数巧妙地将数量指标（发表的论文数量）和质量指标（被引频次）结合在一起，h指数高不仅表明评价对象发表的论文质量高，而且表明高质量论文的数量多，克服了以往各种评价科学家科研绩效的单项指标的缺点；因此，在它发表后的短短几个月当中，就在10多个国家的文献计量学研究者中引起了热烈的反响[11]。

2.3.2.2 我国体育学博士生导师科研绩效概况

通过对19所院校的198位体育学博导在CNKI 数据库中收录的全部论文量和这些论文在 CNKI 数据库中的被引频次等数据的统计计算得出，198名体育学博导的h指数值范围为2≤h≤28，平均值为11.3。

根据乔治·赫希教授的研究，美国研究型大学的物理学家要获得永久教职（副教授），h指数一般大约为12，晋升正教授大约为18[12]。上述198名体育学博导的h指数平均值较之偏低。统计表明：我国体育学博导的h指数达到或超过12的有84人，占42.4%；达到或超过18的有18人，占9.1%。尽管存在物理科学的h指数普遍高于社会科学这样的学科差异，但如此低的人数比例亦将成为体育学奋起直追的动力。

表 5 我国体育学博士生导师h指数及相关绩效概览表

从表5统计的各项指标数据范围的底线数值，如h指数2、个人发文量4篇、总被引频次6次、第一（含独著）作者百分率6.3%和篇均被引频次1.1次等数据信息，我们可以发现，这些较之一名普通体育教师都显低的科研评价数据让人实难与体育学博导联系起来，当然，有些博导的有些文章可能未被收录在CNKI中。198位博导中，h指数小于等于5的有18位，这些博导中确有文章多发在他所留学国家的期刊上的，但有些并未发现有留学经历。

表6统计了198位博导主持的“国家社会科学基金”“国家自然科学基金”“全国教育科学规划课题”和“国家体育总局体育哲学社会科学研究项目”等科研项目情况。统计显示，198位博导共有115（占58.1%）人次主持过共计249项国家级科研项目，其中：社科基金项目105项，66位主持人，占总人数的33.3%；自然基金项目27项，19位主持人，仅占总人数的9.6%；全国教育科学规划项目24项，21位主持人，占总人数的10.6%；体育总局项目93项，59位主持人，占总人数的29.8%。由此不难发现，主持过国家级科研项目的人数不足6成，尤其国家自然基金项目更是体育科研的弱项。

表 6 我国体育学博士生导师主持科研项目状况统计

体育学博士生导师肩负着培养体育高端人才的重任，其学术态度与水平直接影响博士生质量的好坏。当前，国际上评价科学家的科研绩效仍以学术论文为主要评价标准，而我们的一些博士点对博导的科研绩效以申请的科研课题经费多少为主要标准，降低甚至忽略了对论文的要求，以致一些教师在评上博导后的独著（或第一作者）论文量明显减少。在当今搞课题颇受重视的形势下仍有4成多博导没有主持过课题，这除了课题立项竞争激烈的原因外，科研态度和环境也不容忽视。

3 结论与建议

3.1 结论

本文通过对我国19所体育学博士学位授予单位198名在职博士生导师的统计分析，对这一特殊阶层的现状进行了全方位研究。总体来看，我国体育学博士生导师呈“非均衡分布”状态：就自然特征而言，体育学博士生导师过分集中在华北和华东两地；男性博士生导师占据绝对优势；运动人体科学和民族传统体育学等新兴学科的研究比较薄弱；博士生导师的年龄结构以中青年占较大比例。就教育背景而言，我国体育学博士生导师的学位分布已经比较合理，年轻博导中绝大多数具有博士学位，但具有海外进修经历的博士生导师的比例仍然偏低，学缘结构不尽合理。就专业素养而言，我国体育学博士生导师基本都有教授职称，9成以上有行政职务和学术兼职，目前，国内其他学科学者科研成果的h指数相关研究未见，与美国物理学相比，体育学博导的h指数值整体偏低，主持过国家级科研项目的博导人数较少。这种非均衡分布状态可从两方面阐释：一方面，由于体育学是一个年轻的学科，体育学博士生导师的准入门槛较高，博导队伍发展必然是非均衡的，不可能同步发展；但另一方面，也正因为体育学科的不成熟，我国体育学博士生导师队伍建设的相关制度尚不完善，导致学科建设结构存在差异，这是未来一段时间需要重视和解决的问题。

3.2 建议

1）均衡布局结构，促进协同发展。

针对目前我国体育学博士学位授权单位和博士学位授权点大多集中在发达地区，而西部地区为零的不平衡布局结构，必须充分发挥我国目前的教育资源优势，进行科学的全局性布局考虑，从而有效促进我国体育学科区域间的协同发展和整体水平的快速提高，进一步优化我国高层次体育学教育资源的配置。

2）落实遴选机制，狠抓质量建设。

遴选体育学博导的关键在于遴选制度是否落到实处。在遴选时要严把质量关，要对遴选对象的事业心、责任感、学术水平、科研能力等进行科学、客观考评，并且要进行任期内的年度评估。

3）注重学习交流，改善学缘结构。

为防止“近亲繁殖”，改善学缘结构，要从制度入手，研究出台高校教师出国研修相关政策，把年轻教师出国进修深造经历作为晋升职称和评聘博导的必备条件，并且，鼓励支持教师在高校间自由流动，在多所高校间承担岗位教学或科研任务。从而加强学术思想的交融，促进学术交流，促进创新，促进学科发展。

4）加强梯队建设，形成优势互补。

加强体育学博导梯队建设要从两方面考虑，一方面要使导师队伍保持持久活力和发展动力，老中青比例要协调，既要有利于发展年轻导师的工作热情，又要敢于为年轻导师提供承担重大课题的机会，让他们在实际操作中探寻经验和寻找不足，为自己才华的发挥创造足够的空间。另一方面，要充分发挥即将退休的老教授、有经验的导师的传、帮、带作用，缩小导师队伍中因年龄和阅历而造成的衔接困难。

需要指出的是，由于条件所限，本研究在统计上存在一定的误差，如在博士生导师数量的认定上，有的单位聘请了大量的兼职博导，有的单位对博导岗位实行动态管理，有的单位信息不够公开，博导的详细信息不充分等；还有就是对个别留学时间较长的博导所发表的论文量的统计不够完整。这些因条件造成的不足留待下一步研究时改进。

参考文献：

[1] 田麦久，郑吾真，黄竹杭.体育学博士立足于国内培养之对策[J].北京体育大学学报，1996，19（4）：2-6.

[2] 吴锋.中国大陆新闻传播学博士生导师现状统计研究[J].现代传播，2008，150（1）：115-118.

[3] 李燕领，王家宏，陶玉流.1979—2009年中国体育学研究生学位点的发展[J].体育学刊，2010，17（10）：59-63.

[4] 陈伟，欧阳川，李国栋.立足08奥运、完善培养体制、构筑高端人才工程[J].成都体育学院学报，2007，33（2）：1-4.

[5] 卢志成，郭惠平，李斌琴.对我国体育学博士教育扩散现象的新制度主义诠释[J].武汉体育学院学报，2010，44（9）：17-22.

[6] 杨贵仁，黄汉升，方千华.新时期我国体育学博士研究生教育审视[J].体育科学，2005，25（6）：3-12.

[7] 顾海兵.质疑“博导遴选”制度[N].南方周末，2003-08-14.

[8] 郭世佑.博导的质量、责任与权力[J].中国高等教育，2005（19）：29-31.

[9] 钟秉枢，蒋家珍.以规范为基础，以创新求发展：体育学博士生培养若干问题的探讨[J].武汉体育学院学报，2006，40（12）：7-11.

[10] Hirsch J.An Index to Quantify an Individual’s Scientific Re-search output [J].Proceedings of the National Academy of Sciences of the United States of America，2005，102 （46）：16569-16572.

[11] 万锦堃，花平寰，赵呈刚.中国部分重点大学h指数的探讨[J].科学观察，2007，2（3）：9-16.

[12] 王兰敬.h指数在学术评价领域的应用研究进展[J].情报科学，2011，29（4）：624-627.

作者：陈庆伟

社科基金体育学论文 篇2：

“十四五”时期我国哲学社会科学发展研究

摘 要：统计2016—2021年国家社科基金不同项目类别、学科以及地区的立项情况，提出我国哲学社会科学发展主要呈现整体实力较强、各地区发展有显著差异以及学科间发展不平衡等主要特征。为进一步推动“十四五”期间国家社科基金发展，提出应关注重点项目类别、重视青年学者培养、注重学科平衡、搭建交流沟通平台、做好哲学社会科学发展服务等具体建议。

关键词：“十四五”，国家社科基金，社科发展，特征分析

[文献标识码] A      [DOI编码] 10.19631/j.cnki.css.2022.001.010

习近平总书记在哲学社会科学工作座谈会上的讲话中强调了哲学社会科学及其工作者具有不可替代的重要作用，体现了党和国家对哲学社会科学的高度重视。党的十九届六中全会明确肯定了理论的重要性，指出“坚持理论创新”是我们党百年奋斗的宝贵历史经验之一。哲学社会科学研究肩负理论创新的重要使命。我国“十四五”规划和2035年远景目标纲要中涉及多项重大决策、重大改革举措、重大工程项目等，为哲学社会科学发展提出了新的要求和方向，对促进哲学社会科学快速发展、激发哲学社会科学发展潜力起到了重要作用。

国家社科基金项目立项是各省（自治区、直辖市）、各研究单位研究实力的重要体现。现有以国家社科基金为对象的研究成果，采用词频分析、可视化分析等方法[1-2]，主要集中在单科发展、立项主体、立项方法、特定研究主题及对地方、区域发展影响和重要贡献等方面。大量研究关注了以国家社科基金项目立项数量为依据的不同学科的发展，主要分布在图书馆情报学科[3-4]、政治类学科[5]、翻译学科[6]、新闻传播[7]、电子商务[8]、民族问题[9]和体育学[10]等学科。根据立项主体和研究主题。万秋霞研究了我国财经政法类高校的国家基金立项情况[11]，张连刚等关注了“合作社”这一研究主题[12]，李攀登研究了数字人文领域的内容，探讨了相应的立项数量和研究热点[13]。此外，涉及区域学科发展方面，张裕晨等通过对国家社科基金项目立项数量和特征进行研究，分析了我国31个省、自治区、直辖市的人文社会科学研究的竞争力，并认为高校系统是主要的人文社会科学研究力量[14]。卢建华分析了2013—2018年福建省国家社科基金项目立项数量、类型和分布等特征，总结了党的十八大以来福建省的哲学社会科学发展优势和格局[15]。罗纯军等通过分析2013—2017年重庆市国家社科基金项目立项情况，概括了重庆市人文社科类各学科发展的特征，并提出了相应的改善措施[16]。

现有研究基于国家社科基金项目立项视角对特定时期国家哲学社会科学发展的阐释有限，本文从国家社科基金项目立项情况出发来分析“十三五”期间国家社科发展情况，对比“十四五”开局之年国家社科基金項目立项数量和立项特点，分析哲学社会科学发展特征和潜力，为“十四五”期间国家社科基金工作提供相应的建议，以促进我国哲学社会科学事业蓬勃发展。

一、国家社科基金的重要性

国家社科基金是全国哲学社会科学研究最高级别的科研基金。自1986年设立以来，基金总量不断增加、覆盖范围不断扩大、影响力持续增强，推出了大批立足国家发展战略、有效推动哲学社会科学发展的研究成果，培养了大量具有扎实理论功底和创新精神的高水平科研人员，支持了众多高校、研究院等科研主体的发展，充分发挥了理论研究和应用研究的指导作用及辐射作用。

（一）立足国家战略，支持地方发展

国家社科基金项目的研究选题紧扣国家重要会议精神、领导人讲话精神以及国家重大发展战略，密切关注国内外政治、经济形势，结合我国经济社会发展实际，对关系国家发展的社科、经济、文化等诸多哲学社会科学问题进行重点研究和阐释，为国家战略的有效贯彻实施提供理论支撑和具体实施建议。对不同时期国家提出的重大发展事项及发展战略（如“脱贫攻坚”“人类命运共同体”“乡村振兴”“国内国外双循环”“成渝两地双城经济圈建设”等），国家社科基金在各个学科均有涉及，对相关理论和应用实践展开了深入研究，形成了大量具有较高价值水平的研究成果。除国家重大发展战略外，国家社科基金对涉及区域发展的研究项目也给予了大力支持。项目研究内容立足于地方区域经济、特色民俗文化、历史发展经验，不仅积极有效地促进了地方的经济发展，搭建起区域协同发展平台，也对特色民俗文化的研究和保护起到了重要支持作用。

（二）深化理论创新，推进实践服务

哲学社会科学肩负着理论创新的重大任务。尤其是我国正处于“两个一百年”奋斗目标交汇的重大历史时刻，深入阐释党的十九届六中全会精神，总结历史经验，抓住机遇，迎接挑战，对哲学社会科学理论创新提出了新的要求。国家社科基金项目的重要研究内容和研究视角有效促进了我国重大理论的创新和构建，从深化理论内涵、拓展理论范围、创新理论基础等方面显著提升了理论的构建能力和创新水平，为理论有效深化和推广奠定了基础。同时，国家社科基金项目强调理论创新对发展实践的服务，针对经济社会发展的重大现实问题进行系统性的研究，提出影响发展的关键问题，采用科学的方法进行深入分析，提出切实有效的改进方案和解决措施。国家社科基金项目对哲学社会科学发展的支持具有较强的宏观性和整体性，能够通过理论指导实践，形成完善且具体的实施策略、措施以及政策建议，对哲学社会科学发展实践具有较强的促进作用。

（三）注重人才培养，催生优秀成果

哲学社会科学人才培养是学科发展的重要支撑，国家社科基金通过项目立项给予研究人员重要的经费支持和平台支持。通过严格的评审，国家社科基金对优秀项目进行立项，尤其是单独设立了青年项目，大力支持了青年学者。在项目的开展过程中通过项目开题、中期检查等重要环节，了解研究的具体进展，组织专家学者进行研讨，提供建议参考，大大提升了研究人员的能力和水平。国家社科基金严格的结项审查鉴定制度保证了大批优秀成果的质量，大量的研究专著、论文以及政府咨政报告等均为国家社科基金的重要研究结果或阶段性成果。经国内各学科高水平专家鉴定合格的研究成果具有较高的理论水平和应用价值，均产生了具有辐射效应的重要社会影响，得到了学界的广泛引用转载以及实务界的重要应用和采纳，为社科界的理论研究和实践做出了重要的贡献。

二、2016—2021年国家社科基金项目立项情况

国家社科基金项目立项范围涉及34个省、自治区和直辖市，并包含了北京高校、社科院、党校、机关、军队和兵团等研究系统，涵盖了23个学科（不含单列学科），每年总立项数量约为5 121余项，在不同地区、研究系统以及不同学科之间呈现出一定的分布特征。相较“十三五”期间，“十四五”开局之年，国家社科基金项目的立项数量和分布情况均产生了一定变化。

（一）国家社科基金项目立项数量及分布情况

“十三五”时期，国家社科基金项目立项总数由2016年的4 397项增长到2020年的5 000余项，2021年总数为5 141项，有少量的增长。在项目类别上，国家社科基金重点项目数量实现了从282项到370项的持续增长。其中，2020年重点项目立项363项，2021年在此基础上增长了7项。国家社科基金支持的一般项目数量占比较大，“十三五”期间实现了由2 850项到3 184项的增长。2021年的一般项目立项数量是3 169项，数量较2020年有些许下降。“十三五”期间，青年项目的立项数量在1 001项到1 096项范围内呈现了一定的波动。2021年，青年项目立项数量增长到1 103项，达到历史新高。在“十三五”时期，西部项目的立项数量最低是2016年480项，最高是2019年499项。

从各省、自治区、直辖市和研究系统的立项情况来看（表1），江苏、北京高校、上海、浙江、广东、山东、湖北等国家社科项目的立项数量均处于全国前列。2021年立项数量实现较大幅增长的有北京高校、湖北、重庆等。在重点项目立项数量上，2021年山东、福建、天津、重庆等均实现了较大突破，相较“十三五”期间的立项数量具有明显的增长。在一般项目的立项数量上，2021年明显增长的有福建、河南、重庆。2021年青年项目的立项数量处于领先地位的地区为北京高校、江苏和上海。西部项目总立项数量和区域分布较为稳定，波动幅度不明显。

以重庆为例，“十三五”期间，重庆市国家社科基金项目立项数量总数呈现稳中有增的趋势。从各个类别的项目立项数量来看（图1），重点项目由2016年的5项逐步增长到10项左右，最高达到12项。青年项目立项数量在32～41项之间波动，2019年达到最高值41项。一般项目则实现了由2016年68项到2020年98项的大幅度增长。除以上全国竞争类项目外，重庆市西部项目的立项数量稳定在48～52之间，波动幅度较小。在“十四五”开局之年，重庆市国家社科基金项目立项数量有大幅增长。其中，重点项目立项15项，高于“十三五”期间年度最高立项数;一般项目立项115项，较2020年的98项增长了17项;青年项目37项，处于“十三五”期间波动范围内，较2020年立项数量增加1项;西部项目42项，立项数量低于“十三五”期间最低数量水平。从立项数量在全国占比情况来看（图2），“十三五”期间，重庆市国家社科基金项目立项中，重点项目基本稳定在1.77%～2.98%，但在十四五开局之年突破了4.05%。一般项目从3%左右增長到3.63%。青年项目稳定在3.08%～3.75%之间。西部项目从10%左右降低到8.42%。

2021年重庆市主要社科单位的国家社科基金项目立项成果显著，在数量和质量上均有一定程度的突破，说明重庆市主要社科单位在哲学社会科学研究上的实力不断增强，除主要研究单位之外，重庆社会研究力量也开始成长发力。2021年，大足石刻研究院立项重点项目1项，重庆市文化遗产研究院立项一般项目1项。

（二）国家社科基金项目立项学科分布

国家社科基金项目在各个学科之间分布较为稳定，管理学、语言学、中国文学、法学和应用经济学等学科立项数量所占比例较高，考古学、人口学、统计学等学科整体数量较少。“十三五”期间，各个学科的立项数量占比均在一定范围内保持小幅波动，大部分学科在2021年的立项数量占比也处于波动范围内。但党史·党建和统计学两门学科的立项数量在2021年达到了历史新高，分别占比3.79%和2.22%（见表2）。

国家社科基金项目在不同地区和不同研究系统中的学科分布具有较大的差异，各个地区形成了具有自身发展特色的优势学科。以重庆为例，党史·党建、应用经济、法学、人口学、世界历史和管理学等学科立项占比较高，保持在5%以上水平。政治学、国际问题研究和图书馆·情报与文献学等学科所占比例较低，处于1%左右。“十三五”期间，在国家社科工作办确定的23个一级学科中，重庆立项数量在各个学科之间分布不均衡，每年均有个别学科未获得立项。在“十四五”开局之年，重庆市所有学科均有立项。说明了近年来重庆哲学社会科学努力实现所有学科共同发展的成效和重要决心。

依托于主要社科单位，重庆市社科发展的优势学科较为明显。2021年，法学、应用经济学、管理学等主力学科立项数量较多，分别为24、24和23项，依然保持着高位运行且有一定增长的态势。此三大主力学科的立项数占项目总数的比例高达33.96%，为重庆国家社科基金项目立项做出了重要的贡献。此外，作为重庆积极培养的重要学科，党史·党建、中国历史、世界历史、中国文学、宗教学、体育学、统计学等立项数量均较上年有较大幅度增长，民族学则继续保持较高数量立项。

三、全国哲学社会科学发展特征

从在各地区、各研究系统的立项数量、项目类别分布以及学科分布上来看，国家社科基金在“十三五”期间呈现持续增长状态。“十四五”开局之年，除延续“十三五”期间的增长态势之外，不同地区、研究系统以及学科之间的立项情况出现了明显变化，具体呈现以下几方面发展特征。

（一）社科发展实力较强，多地区、研究系统立项数量增长迅速

“十三五”期间，国家社科基金项目总体立项数量呈现了稳中有增的态势。“十四五”开局之年，立项总数再创新高，达到了5 141项。除江苏、上海、浙江、广东等始终保持较高的立项数量外，北京高校、重庆、陕西、福建、广西的立项数量均有大幅度增长。以重庆为例，“十三五”时期，重庆市国家社科基金项目由2016年的159项增长到2020年193项。在“十四五”开局之年，数量首次增长到了209项。重庆市哲学社会科学发展实力较为强劲，西南大学、重庆大学、西南政法大学和重庆工商大学等主要社科单位作为科研重要力量，立项数量名列前茅，为重庆的社科发展做出了重要贡献。此外，重庆市多家社科单位均有项目立项，并呈持续增长态势。例如大足石刻研究院、重庆市文化遗产研究院等单位通过充分发挥自身研究优势，在相关学科中获得重点和一般项目立项。

（二）哲学社会科学实力逐步提升，国家社科基金各类别发展较为均衡

国家社科基金所设置的重点项目、一般项目、青年项目以及西部项目四个类别中，重点项目和青年项目在2021年的立项数量均较“十三五”时期有明显的提升，一般项目呈现轻微下降浮动，西部项目与“十三五”时期最高数量持平。从全国情况来看，国家社科基金各项目类别之间的立项数量所占比重较为稳定，发展较为均衡，但聚焦各地区和研究系统，仍存在发展不平衡的情况，如宁夏、山西和西藏等2021年没有重点项目立项，江苏、北京高校和湖北等2021年的青年项目立项数量增长较快。从重庆国家社科基金项目的类别来看，“十三五”期间，西部项目数量稳定在50项左右，青年项目数量在34～41项之间波动，一般项目从2016年的68项到2020年的98项，具有大幅度增长，重点项目数量稳定在5～12项之间。“十四五”开局之年，重庆国家社科基金项目数量除西部项目外均有较大幅度增长，尤其是重点项目和一般项目数量达到历史新高，重点项目立项15项，增加6项，一般项目立项115项，增加17项。从项目类别的总体数量上来看，国家社科基金重点项目数量较少，立项难度较大，重庆能够在此类别上取得突破性进展，说明了哲学社会科学整体实力有较大的进步。

（三）地域学科发展不均衡，优势学科明显

国家社科基金项目立项包含23个学科，从学科分布来看，每个学科在各年度均有项目立项，但不同学科之间的立项数量不同。相较而言，马列·科社、应用经济、法学、民族学、中国文学、管理学等学科总体立项数量较多，考古学、人口学、统计学等立项数量较少。“十三五”时期，国家社科基金在不同学科之间的分布情况较为稳定，均在小范围内呈现一定的数量波动。“十四五”开局之年，也是建党一百周年，党史·党建学科和统计学学科在立项数量占比上有了明显的增长，体现了国家社科基金紧密结合时事、充分发挥导向作用的特点。在不同地区和系统中，学科之间的立项数量分布差异较大，形成了优势学科林立、其他学科具有较强增长潜力的态势。例如：“十三五”时期，重庆国家社科基金项目范围包含21～22个学科，除2019年有21个学科立项之外，2016—2020年其他年份均有22个学科立项，其中，法学、管理学和应用经济学作为优势学科，每年立项数均保持在20项左右。法学、管理学和应用经济学在2019年立项数达到最高，分别为26、24和22项。“十四五”开局之年，重庆国家社科基金项目在23个学科中均有立项，法学、应用经济学和管理学仍保持着24、24和23项的高数量立项，并且民族学、党史·党建、中国文学、中国历史和社会学也突破了10项，其他学科立项数量偏低但均有立项，显示了重庆哲学社会科学研究优势学科明显，多学科共同发展的景象。

四、关于国家社科基金的发展建议

国家社科基金覆盖范围广、影响力强，是我国哲学社会科学研究的重要支持平台，对国家战略的贯彻实施、地方发展以及社科人才的培养均发挥了重大的作用。根据2016—2021年的国家社科基金项目立项情况和特征分析，针对“十四五”期间的重大发展任务，提出以下发展建议：

（一）关注重点项目类别，提升哲学社会科学发展水平

关注国家社科基金重点项目的申报，通过分析重点项目的选题方向、研究方法和研究实现等多个维度，对重点项目进行有效的培育，特别是结合国家的重大发展战略和与地区发展相关的重大发展事项，培育对国家及地方发展起到重要支撑作用和借鉴意义的重点项目和成果。同时，鼓励相关领域的专家团队建设，注重学科交叉融合，形成具有凝聚力的研究力量。

（二）重视青年学者培养，激发哲学社会科学发展潜力

加强对青年学者的培养，通过搭建高水平的学术交流平台，为青年学者提供快速上升的通道，进一步拓宽视野、夯实基础。考虑研究领域和内容的传承，在重点和热点领域，积极组建团队，形成较为完善的研究体系，明晰研究脉络，鼓励青年学者形成研究兴趣点，提升主动性。重视青年学者科研方法和科研能力的提升。继续大力支持和指导青年研究者广泛开展前期研究，形成深厚积淀。

（三）注重学科平衡，培育哲学社会科学综合实力

从学科分布来看，优势学科的发展迅速，产生了诸多具有代表性的研究成果，形成了一定的影响力，但为进一步支持优势学科的发展，相关工作还需进一步加强。特别需要关注优势学科中重点项目和青年项目立项，需要保持较高数量且有增长的状态。部分学科的整体力量和综合水平仍不稳定，无法保持可持续的强劲增长。应更加关注立项数占比较少的学科成长，有目的、有意识地积极促进此类学科的发展，为其提供良好的发展条件和鼓励措施。

（四）搭建交流平台，营造良好研究氛围

通过组织不同地区院校、不同学科间的学术交流，搭建高水平研究平台，进一步促进社科研究机构、研究人员之间的交流与合作。首先，要關注主要社科单位之间的交流平台建设。通过各单位的科研管理部门搭建联系，形成研究互动。其次，要关注各个学科之间的交流互动，用优势学科带动其他学科，形成学科交叉互融的研究态势。最后，要建立中青年学者之间的交流通道，促进学者之间研究内容的传承和拓展。此外，大力支持重点单位的优势学科建设，以重点单位优势学科的重要发展经验带动其他社科单位的学科建设和研究水平，调动高职高专和其他社科研究机构的项目申报积极性，持续提供有针对性的指导，努力培育新的增长点。

（五）做好哲学社会科学发展服务，保障研究顺利开展

加强项目申报过程及申报书质量的管理，不断提高项目申报整体水平，持续增强核心竞争力。督促和推动在研项目及时结项，解放科研生产力，确保更多有研究能力和经验的研究者继续申报国家社科基金项目。继续完善和提升社科研究过程中的多维度服务模式和服务水平，充分了解研究者的重要需求和主要困难，有方法、有策略、有针对性地解决相关问题，推动成果转化。

五、结论与展望

哲学社会科学发展对理论研究和实践应用有着重大意义，深受党和国家的重视。作为全国哲学社会科学最高级别的基金支持项目，国家社科基金的立项情况体现了国家重大发展战略、研究热点以及哲学社会科学的研究水平。本文以国家社科基金项目立项情况为研究对象，搜集整理了2016—2021年国家社科基金立项数据，从不同项目类别、不同学科及不同地区的立项数量视角分析了我国哲学社会科学的发展特征，提出了国家社科基金发展建议。

研究结果表明，我国哲学社会科学发展主要呈现了以下重要特征：一是哲学社会科学实力较强，多地区、研究系统立项数量增长迅速。十四五开局之年，国家社科基金立项数量再创新高，多个地区和研究系统的立项数量有着较快的增长，我国哲学社会科学事业发展实力强劲，多个地区和研究系统形成了雄厚的研究力量和传承体系。二是哲学社会科学实力逐步提升，国家社科基金项目各类别发展较为均衡。十四五开局之年，国家社科基金项目所设置的重点项目、一般項目、青年项目和西部项目各个类别中总体立项数量较为稳定，重点项目和青年项目立项数量有一定提升，哲学社会科学发展具有较强的潜力。三是地域学科发展不均衡，优势学科明显。在国家社科基金项目包含的23个学科中，各地区和研究系统的立项数量不均衡，优势学科立项数量较多。十四五开局之间，除重点发展的优势学科之外，具有发展潜力的学科立项数量增长势头强劲。

“十四五”时期，国家社科基金发展既具优势，又有挑战。优势体现在项目立项数量不断增长，多学科蓬勃发展，为哲学社会科学综合实力的提升奠定了坚实的基础。挑战体现在各学科发展和项目类别不均衡，需大力支持立项数量较少的学科发展，加强对重点项目和青年项目的培养。针对以上发展优势和发展潜力，“十四五”时期国家社科基金发展应关注和支持重点项目立项、重视青年学者培养、注重学科之间的平衡发展，通过搭建交流平台等方式进一步做好哲学社会科学研究服务，为“十四五”期间我国哲学社会科学取得更加瞩目的成绩做出贡献。

参考文献

[1]  王小霞.基于高频词量化分析的民族问题研究热点分析——以近十年国家社科基金民族问题研究项目为例[J].南方论刊，2021（1）：29-30+41.

[2]  孙晶晶，梁茂云，李梦蕾，等.基于可视化分析的图书馆、情报与文献学研究——以1991—2020年国家社会科学基金项目统计分析为例[J].现代信息科技，2020（24）：123-126+131.

[3]  杨文霞，吴海媛.近十年我国“图书情报与档案管理”国家基金立项分析[J].图书馆学研究，2021（6）：2-10.

[4]  赵蕊菡.我国图书馆学研究热点及发展趋势分析——基于2015—2019年国家社科基金项目的统计[J].图书馆学研究，2019（20）：2-9.

[5]  魏崇辉，徐梦萍.2012—2019年国家社科基金政治学立项项目的现状、热点与趋势[J].创新，2020（5）：24-36.

[6]  王昱，范武邱. 近五年翻译类国家社科基金立项热点及趋势分析（2015—2019）[J].上海翻译，2020（5）： 18-23.

[7]  杨迎春.我国新闻传播学科的发展动向和格局审视——基于2015—2019年国家社科基金项目的统计分析[J].出版广角，2020（12）：33-35.

[8]  王晴.我国电子商务研究特征分布与热点演进趋势——基于国家社科基金立项数据[J].武汉商学院学报，2021（2）：43-49.

[9]  王小霞.基于社科基金项目学科类别数据特征的民族问题研究热点分析[J].科技资讯，2021（3）：213-215+221.

[10]  李垂坤，代海斌，魏翠兰.国家社会科学基金体育学项目文献计量学及可视化分析（1997～2019）[J].湖北体育科技，2021（3）：189-194.

[11]  万秋霞.财经政法类院校的政府资助社科研究发展向度——基于2009—2018年国家社科基金项目的分析[J].湖北经济学院学报（人文社会科学版），2020（4）：16-20.

[12]  张连刚，陈卓，李娅，等. 农民合作社研究的多维度特征与发展态势分析——基于1992～2019年国家社科和自科基金项目的实证研究[J].中国农村观察，2020（1）：126-140.

[13]  李攀登.国家社科基金数字人文类项目立项现状分析[J].山东电力高等专科学校学报，2020（6）：36-41.

[14]  张裕晨，邱均平，赵腾. 新时代我国省域人文社会科学研究竞争力与特征分析——基于2009—2019年国家社会科学基金项目统计数据[J].情报理论与实践，2021（8）：68-74.

[15]  卢建华.十八大以来福建省人文社科研究竞争力分析——基于国家社科基金项目（2013—2018年）的实证研究[J].教育评论，2020（5）：79-84.

[16]  罗纯军，彭志强.从国家社科基金项目立项看重庆社会科学学科发展（2013—2017）[J].重庆社会科学，2018（4）：64-71.

（责任编辑：文丰安）

作者：张铄

社科基金体育学论文 篇3：

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