本报综合外媒报道 据美国密歇根州立大学官网4月15日报道，由该校和欧洲南方天文台、美国纽约大学研究人员共同组成的研究团队发现了一种评估研究计划的新方法。这种方法在统计学角度上能达到与传统评审过程相同的效果，并有效避免传统评审过程中个人偏见、人力工作量过大等弊端。

　　在这种新方法下，系统将研究计划的审核工作分配出去，使用机器学习的方法实现审稿人和研究计划的匹配，并在评审过程中加入反馈机制。本质上，这种新方法是一种改进了的同行评审过程。首先，当研究者本人提交一份研究计划时，该研究者将被要求先评审数篇同业竞争者的论文，这一安排的目的是减少同行评审过程中的单人工作量，以鼓励审稿人在每次审核时花更多时间。其次，通过机器学习的方式，资助机构可根据潜在审稿人的研究履历进行匹配，使研究计划的审阅被分配到擅长该研究领域的人手中。由电脑完成的分配可以消除偏见等人为因素的影响，从而得到更准确的评价。此外，研究团队引入了一个反馈系统。在该系统中，提交研究计划的人可以判断他们收到的评审意见是否有益，这最终会帮助学术界奖励那些持续提供建设性意见的学者。

　　研究人员表示，虽然学术界批判性地对待科学，但有时我们没有花时间批判性地思考如何改善科学资源的分配过程。作为一种新的尝试，这一新方法或许可以在学术界产生影响。

　　（陈禹同/编译）