詹姆斯埃文斯知識實驗中心

從 集智百科
跳到: 導覽搜尋

目錄

簡介

產生背景

數字信息的爆炸為研究影響人類理解,調查和確定性的動態提供了前所未有的機會。我們的研究人員正在開發新的大數據,機器學習和眾包方法和技術: 從專家,人員,文章,預印本,軟件,患者記錄,工件,視頻和傳感器中有效地收集和分享知識和判斷

  • 了解如何製作,使用,認證和遺忘知識
  • 以強有力的方式表達,重組和生成知識
  • 改善知識生成,代表,管理和創新實踐

實驗室介紹

知識實驗室旨在利用洞察知識創造的動態和大規模計算的進步,通過識別全球知識格局中的差距,具有巨大潛在突破的領域,以及通過生成的自動化發現,重新構想未來的科學過程。新穎的,潛在的高影響力假設。

通過開發和融合豐富的計算工具和技術以及新穎的科學方法,知識實驗室正在深入洞察知識被構思,驗證,分享和加強的基本過程,並利用這些見解加速科學進步。構思和實施革命性計算方法,以超越個體研究人員和傳統團隊的能力進行閱讀,推理和假設設計。

目前正在部署知識實驗室的研究,以幫助國家實驗室和大學更好地理解和利用其知識資產和產出; 幫助資助機構更好地了解和預測哪些研究領域最有希望; 揭示和消除妨礙科學審查過程和知識生產重組的偏見; 了解作為創新引擎的城市背後的社會和經濟動態; 最近,知識實驗室已經動員了這些流程,通過大數據和智能機器徹底改變癌症研究。

知識實驗室通過在芝加哥大學計算研究所的核心運營一個研究中心,將這些研究議程結合在一起。知識實驗室由一個由10名博士後學者,研究程序員和開發人員組成的集中核心研究小組運作。此外,知識實驗室領導着40多個領域領先的科學家,數學家,以及來自世界頂級機構的工程師和學者的分散網絡,包括:哈佛大學,斯坦福大學,聖達菲研究所,普林斯頓大學,康奈爾大學,加州大學洛杉磯分校和阿貢國家實驗室。實驗室和相關網絡製作的作品定期發表在高影響力的期刊上,包括「Science」,「Nature」和「PNAS」。 知識實驗室與認真承擔和解決多模式數據集成,分析和預測中的難題,以及擴展和利用對社會,科學和創新過程的見解的公司合作。這些合作採用工作組結構,企業贊助商積极參与與贊助商和實驗室相關的資助研究。

  • 知識實驗室擁有領先的專業知識:
  • 數學和統計建模和模擬(例如預測分析)
  • 複雜的動態網絡分析(例如社交網絡分析)
  • 自動假設生成(例如自動刪除)
  • 多模數據集成和分析(例如智能)
  • 自然語言處理(例如文本挖掘)
  • 機器學習(例如從數據中學習)

人員構成

領導人

詹姆斯A.埃文斯

職稱:知識實驗室主任;芝加哥大學社會學教授;計算社會科學碩士課程學院院長;聖達菲研究所外部教授;計算社會科學計劃學院院長;芝加哥大學科學概念和歷史研究委員會成員。也是Santa Fe Institute的外部教授。

研究方向:研究側重於思維和認知的集體系統,從注意力和直覺的分佈,思想的起源和共享的推理習慣到協議(和爭議)的過程,確定性(和懷疑)的積累,以及質地的新穎性,模糊,人類理解的拓撲。我對創新特別感興趣,如何出現新的想法和技術以及社會和技術機構(例如,互聯網,市場,合作)在集體認知和發現中的作用。我的大部分工作都集中在現代科學和技術領域,但我也對其他知識領域感興趣——新聞,法律,宗教,八卦,預感和歷史思維和認知模式。我支持通過眾包,從文本和圖像中提取信息以及使用分佈式傳感器(例如RFID標籤,手機)來創建人類理解和行動的新型天文台。我使用機器學習,生成建模,社交和語義網絡表示來探索知識過程,擴展解釋和現場方法,並創建當前發現制度的替代方案。我的研究由美國國家科學基金會,國立衛生研究院,DARPA,Facebook,IBM,斯隆基金會,Jump!交易和其他來源,並已發表在Science,PNAS,自然人類行為,自然生物技術,美國社會學雜誌,美國社會學評論,社會科學研究,行政科學季刊,PLoS計算生物學和其他期刊。

經歷:在芝加哥,我贊助了計算社會科學研討會。我教授有關增強智能,計算內容分析,現代科學史,科學研究以及互聯網和社會的課程。在芝加哥之前,我從斯坦福大學獲得社會學博士學位,在哈佛商學院的談判,組織和市場小組擔任研究員,開辦了一所專註於基於項目的藝術教育的私立高中,並完成了楊百翰大學的人類學和經濟學。在這些活動中,我和Jeannie Evans結婚,現在我們有四個(神話般的)孩子,Noah,Ruth,Anna和Kate。

雅各布·福士特

職稱:加州大學洛杉磯分校社會學助理教授

簡介:我最初是一名統計物理學家。像許多物理學家一樣,我被複雜系統的研究所吸引,因為它授權我(在時尚之後)在各種系統上工作,這些系統物理學家不會「假設」到複雜的網絡,進化動力學等。作為一名畢業生學生(物理學),我參加了一個關於古典社會理論的壯觀研討會(馬克思,韋伯,塗爾干,帕森斯,默頓,伊萊亞斯等)。我被社會學傳統豐富的理論和經驗資源立即轉化。市場,禮儀,國家形成,文化和科學生產系統 - 現在這裡是複雜的系統!社會學看起來也像是給我一個知識空間,將我的定量訓練與思想史,文化和生物進化的長期激情編織在一起,和獎學金的解釋模式。在芝加哥大學社會學系博士後,我於2013年加入加州大學洛杉磯分校社會學系擔任助理教授。 我對思想的演變和人口動態感興趣(廣泛解釋)。新想法是如何誕生的?為什麼有些傳播?思想在組織社會結構中扮演什麼角色?社會結構如何影響思想的起源,傳播和最終消亡?目前,我研究思想世界的一個特定部分:構成科學知識的信念,實踐和理論。通過將豐富的發現和影響計算模型與從文章和專利中提取的數據相結合,我推斷出為科學知識提供特定形狀和軌跡的偏好和社會過程。從廣義上講,我的目標是產生關於知識創造過程的新知識; 識別和理解啟發式,策略,和指導科學家理解自然世界的機構。因此,我希望能夠對科學社會學中的經典(而不是那麼經典)問題進行量化研究:是什麼讓一些科學家異常成功?傳統與創新之間的緊張關係如何在科學家和科學學科的生活中發揮作用?科學如何在可知的邊緣工作?作為特殊種類的知識者,科學家如何從認知基質中建立起來,與地球上的每一個人共享?我的方法是通過一系列傳統,從科學研究和當代社會理論到複雜系統和文化進化。是什麼讓一些科學家異常成功?傳統與創新之間的緊張關係如何在科學家和科學學科的生活中發揮作用?科學如何在可知的邊緣工作?作為特殊種類的知識者,科學家如何從認知基質中建立起來,與地球上的每一個人共享?我的方法是通過一系列傳統,從科學研究和當代社會理論到複雜系統和文化進化。是什麼讓一些科學家異常成功?傳統與創新之間的緊張關係如何在科學家和科學學科的生活中發揮作用?科學如何在可知的邊緣工作?作為特殊種類的知識者,科學家如何從認知基質中建立起來,與地球上的每一個人共享?我的方法是通過一系列傳統,從科學研究和當代社會理論到複雜系統和文化進化。從與地球上其他人共享的認知基質構建而成?我的方法是通過一系列傳統,從科學研究和當代社會理論到複雜系統和文化進化。從與地球上其他人共享的認知基質構建而成?我的方法是通過一系列傳統,從科學研究和當代社會理論到複雜系統和文化進化。

出版物

  • Evans, J.A., & Foster, J.G. 2011. Metaknowledge. Science 332, 721.
  • Foster, J.G., Foster, D.V., Grassberger, P., & Paczuski, M. 2010. Edge direction and the structure of networks. Proc. Natl. Acad. Sci. USA 107, 10815.
  • Foster, J.G., Foster, D.V., Grassberger, P., & Paczuski, M. 2007. Link and subgraph likelihoods in random undirected networks with fixed and partially
  • fixed degree sequences. Phys. Rev. E 76, 046122.

路易斯阿馬拉爾

職稱:化學與生物工程教授,醫學教授; HHMI西北大學早期職業科學家

背景:Amaral教授是葡萄牙人,負責指導研究,深入了解複雜的社會和生物系統的出現,演變和穩定性。他的研究旨在解決人類社會和世界生態系統面臨的一些最緊迫的挑戰,包括減輕醫療環境中的錯誤,促進創新和創造力的條件特徵,或可持續性所帶來的增長限制。 最近,Amaral提出開發用於複雜生物網絡表示的製圖方法。這些方法將使研究人員能夠完成類似於旅行者現在可以輕鬆完成的事情,例如谷歌地圖,即以研究人員感興趣的規模收集給定系統的重要信息。這些工具有望使生物醫學研究人員能夠設計或重新設計用於治療目的的生物系統。 Amaral教授在領先的科學期刊上發表了100多篇科學同行評審論文。這些論文被引用超過7000次; 十個人每次累計超過200次引用。他的研究已經在美國和國外的眾多媒體中得到了展示。Amaral教授於2003年獲得美國國立衛生研究院頒發的職業獎,被WM Keck基金會評為2006年度醫學研究傑出青年學者,並被霍華德休斯醫學研究所選為早期職業科學家。

大衛布萊

職稱:哥倫比亞大學統計與計算機科學教授

背景:我是哥倫比亞大學統計與計算機科學教授。我也是數據科學與工程研究所的成員。我從事機器學習和貝葉斯統計學領域的工作。 大衛的博士 顧問是加州大學伯克利分校計算機科學系的Michael Jordan。David是機器學習部門CMU的John Lafferty的博士後研究員。

研究方向:

  • 概率圖形模型和近似後驗推斷
  • 主題模型,信息檢索和文本處理
  • 貝葉斯非參數統計

伊恩福士特

職稱:計算所所長;阿貢國家實驗室數學與計算機科學(MCS)高級科學家;執行諮詢委員會成員和基因組學和系統生物學研究所(IGSB)高級研究員;芝加哥大學計算機科學教授;芝加哥大學物理科學教授;芝加哥大學阿貢國家實驗室傑出研究員

背景:Ian Foster是芝加哥大學和阿貢國家實驗室聯合研究所計算研究所所長。他還是Argonne資深科學家和傑出研究員以及Arthur Holly Compton傑出服務計算機科學教授。 Ian在新西蘭坎特伯雷大學獲得了理學士(榮譽)學位,在英國帝國理工學院獲得了計算機科學博士學位。他的研究涉及分佈式,並行和數據密集型計算技術,以及這些技術在氣候變化和生物醫學等領域的科學問題的創新應用。在他的領導下開發的方法和軟件為許多大型國家和國際網絡基礎設施奠定了基礎。 福士特教授是美國科學促進會,計算機協會和英國計算機協會的會員。他的獎項包括全球信息基礎設施(GII)下一代獎,英國計算機協會的Lovelace獎章,R&D雜誌的年度創新獎,以及新西蘭坎特伯雷大學的榮譽博士學位。他是Univa UD,Inc。的聯合創始人,該公司是為提供網格和雲計算解決方案而成立的公司。

John P. Ioannidis

職稱:CF Rehnborg疾病預防,醫學教授; 健康研究與政策教授; 斯坦福大學統計學教授

背景:我曾在循證醫學,臨床研究,臨床和分子流行病學,臨床研究方法,實證研究方法,統計學和基因組學領域工作過。我對大規模證據(特別是隨機試驗和薈萃分析)以及對生物醫學研究中各種偏見的評估和控制非常感興趣。我有興趣開發和應用新的研究方法,以及跨學科增強現有的生物醫學研究設計和分析研究方法。我引用的一些最有影響力的論文是解決遺傳關聯研究的複製有效性問題,生物醫學研究中的偏見,研究綜合方法,薈萃分析的擴展,全基因組關聯研究和關聯的不可知評估,隨機試驗和觀察性研究的有效性和有效性。我還設計,指導和參與了有影響力的隨機試驗(特別是主要的試驗,這些試驗果斷地改變了HIV感染的管理和結果,還進行了腎臟病學和社區抗生素使用的試驗),以及大型國際財團幫助改變了基因組學,分子學和臨床流行病學等多個領域的研究效率。我喜歡與來自不同學科的各種同事一起工作,並有機會向高級和初級調查員,特別是各級學生學習。主要的試驗,果斷地改變了艾滋病毒感染的管理和結果,以及腎臟病學和社區抗生素使用的試驗),以及幫助改變基因組,分子和臨床等不同領域研究效率的大型國際聯合體流行病學研究。我喜歡與來自不同學科的各種同事一起工作,並有機會向高級和初級調查員,特別是各級學生學習。主要的試驗,果斷地改變了艾滋病毒感染的管理和結果,以及腎臟病學和社區抗生素使用的試驗),以及幫助改變基因組,分子和臨床等不同領域研究效率的大型國際聯合體流行病學研究。我喜歡與來自不同學科的各種同事一起工作,並有機會向高級和初級調查員,特別是各級學生學習。

研究方向:我對大規模證據(特別是隨機試驗和薈萃分析)以及對生物醫學研究中各種偏見的評估和控制非常感興趣。我有興趣開發和應用新的研究方法,以及跨學科增強現有的生物醫學研究設計和分析研究方法。

大衛克拉考爾

職稱:威斯康星發現研究所所長;複雜性和集體計算中心聯合主任;威斯康星大學麥迪遜分校遺傳學教授

背景:倫敦大學畢業於大學,獲得計算機科學和數學碩士學位,David Krakauer獲得了他的D.Phil。他於1995年在牛津大學獲得進化理論。他在牛津大學擔任博士後研究員,兩年後被任命為數學生物學的Wellcome研究員和彭布羅克學院的講師。1999年,他接受了普林斯頓大學高級研究所的任命,並擔任進化的客座教授。三年後,他以教授身份進入聖達菲研究所,並於2009年成為教授.Krakauer一直是賓夕法尼亞大學基因組學前沿研究所的訪問學者和聖人研究中心的Sage研究員。加州大學聖塔芭芭拉分校的思想。 Krakauer的研究重點是生物學和文化中信息處理機制的進化歷史。這包括遺傳,神經,語言和文化機制。該研究涵蓋多個層次的組織,尋求遺傳學,細胞生物學,微生物學以及組織行為和社會中的類似模式和原則。在細胞水平上,Krakauer一直對分子過程感興趣,分子過程依賴於易失性,易出錯,異步的機制,可用作決策和模式的基礎。他還研究了如何利用更高水平的信號交互(包括微生物和有機體)來協調複雜的生命周期和社會系統,以及在什麼條件下我們觀察到原始語法的出現。

研究方向:機器科學

Andrey Rzhetsky

職稱:醫學系教授;人類遺傳學系教授;計算所高級研究員;芝加哥大學基因組學與系統生物學研究所高級研究員

研究方向:我的研究主要集中在基礎分子網絡的變化和擾動背景下複雜人類表型的計算分析。這些研究的輸入數據由大規模自由文本挖掘,臨床記錄計算和高通量系統生物學實驗提供。

我的主要興趣在於獲得(漸近)理解如何在相互作用分子的基因和網絡水平上實施表型,例如人類健康多樣性和疾病。

為了儘可能多地收集有關已知分子相互作用的信息,我的小組開展了大規模的文本挖掘工作,旨在分析大量的生物醫學出版物。目前,我們可以自動從文本中提取生物醫學實體之間關於500種不同風格的關係(例如綁定,激活,合并和傳輸)。

為了加強我們的文本挖掘軸,我們正在積極設計相關模型和計算應用程序。此外,我們與實驗有才能的同事合作,努力使用文本挖掘網絡來理解,解釋和改進高通量或低吞吐量的實驗數據。我們也在計算上產生生物假設,我們慷慨的合作者試圖通過實驗進行測試。

我最初的熱情是開發和應用與系統發育和進化生物學相關的計算方法。

研究成員

邁克爾阿爾法羅

職稱:加州大學洛杉磯分校生態與進化生物學系和社會與遺傳學研究所副教授

研究目標:了解控制有機多樣化演化動力的因素。為什麼有些群體形態多樣?是否有一般法律或主題可用於解釋跨越譜系的生理特徵多樣性的不均勻分佈?形態多樣性是否始終表明機械,功能或生態多樣性?為了解決這些問題,Alfaro主要研究海洋魚類。他的研究方法是跨學科和定量的,跨越了進化形態學,分子系統發育學和理論進化學之間的傳統界限。他使用形態學和功能形態學技術識別和量化有機多樣性; 使用系統發育統計方法構建進化樹並測試進化假設; 並使用特質進化模型來探索形態 - 功能動力學。

路易斯阿馬拉爾

職稱:化學與生物工程教授,醫學教授; HHMI西北大學早期職業科學家

背景及研究領域:

Amaral教授是葡萄牙人,負責指導研究,深入了解複雜的社會和生物系統的出現,演變和穩定性。他的研究旨在解決人類社會和世界生態系統面臨的一些最緊迫的挑戰,包括減輕醫療環境中的錯誤,促進創新和創造力的條件特徵,或可持續性所帶來的增長限制。

最近,Amaral提出開發用於複雜生物網絡表示的製圖方法。這些方法將使研究人員能夠完成類似於旅行者現在可以輕鬆完成的事情,例如谷歌地圖,即以研究人員感興趣的規模收集給定系統的重要信息。這些工具有望使生物醫學研究人員能夠設計或重新設計用於治療目的的生物系統。

Amaral教授在領先的科學期刊上發表了100多篇科學同行評審論文。這些論文被引用超過7000次; 十個人每次累計超過200次引用。他的研究已經在美國和國外的眾多媒體中得到了展示。Amaral教授於2003年獲得美國國立衛生研究院頒發的職業獎,被WM Keck基金會評為2006年度醫學研究傑出青年學者,並被霍華德休斯醫學研究所選為早期職業科學家。

Carl Bergstrom

職稱:華盛頓大學生物學教授

背景:Carl是華盛頓大學生物系教授,聖菲研究所外部學院成員。

他於1993年在哈佛大學獲得學士學位,在那裡他與Naomi Pierce和David Haig一起工作。卡爾做了博士學位。在馬克費爾德曼的斯坦福大學生物科學專業工作。流程。離開斯坦福後,他在埃默里大學與布魯斯·萊文一起做了兩年的博士後工作。

大衛布萊

職稱:哥倫比亞大學統計與計算機科學教授

背景:我是哥倫比亞大學統計與計算機科學教授。我也是數據科學與工程研究所的成員。

    我从事机器学习和贝叶斯统计学领域的工作。
    大卫的博士 顾问是加州大学伯克利分校计算机科学系的Michael Jordan。David是机器学习部门CMU的John Lafferty的博士后研究员。

研究方向:

  • 概率圖形模型和近似後驗推斷
  • 主題模型,信息檢索和文本處理
  • 貝葉斯非參數統計

愛德華博伊登

職稱:副教授,麻省理工學院媒體實驗室和麥戈文腦研究所在麻省理工學院,麻省理工學院

背景及研究方向:Boyden教授領導麻省理工學院媒體實驗室的合成神經生物學研究小組,該小組開發用於繪製,控制,觀察和構建大腦動態電路的工具,並使用這些神經技術來了解認知和情緒是如何從大腦網絡操作中產生的,以及能夠系統地修復頑固性腦部疾病,如癲癇,帕金森病和創傷後應激障礙。他的研究小組發明了一套「光遺傳學」工具,現在全世界成千上萬的研究小組正在使用這些工具來激活和沉默神經元。

榮譽:Boyden於2006年被「技術評論」評為「35歲以下35位創新者」,2008年被Discover雜誌評為「40歲以下20位大腦」。他獲得了國家衛生研究院的Gabbay獎( NIH)導演的先驅獎和變革研究獎,神經科學創新學會,神經科學創新獎,NSF CAREER獎,Paul Allen傑出研究員獎和紐約幹細胞Robertson研究員獎。2010年,他的作品被「自然方法」雜誌評為「年度最佳「方法」。

斯蒂芬五世大衛

職稱:俄勒岡健康與科學大學俄勒岡州聽力研究中心助理教授

研究方向:神經科學是一個新興但快速發展的領域,從許多其他領域吸取思想和方法,包括生物學,心理學,物理學,數學和哲學。每位神經科學家都會在他們的作品中帶來獨特的視角,以反映這種多樣性。我們正在研究學術指導,即博士和博士後水平的實踐培訓如何影響個人的工作,並允許合成新的實驗方法。

詹姆斯A.埃文斯

前面已介紹不再介紹

傑西卡弗拉克

職稱:威斯康星大學麥迪遜分校複雜性與集體計算中心聯合主任

背景及研究方向: 傑西卡的研究側重於不確定性降低,粗粒度和集體計算本質及其在生物時空起源中的作用 - 即具有多個功能上重要的時間和空間尺度的層次結構的演變和發展。

傑西卡和她的同事研究了各種各樣的集體,從形成神經組織的細胞群,到形成動物社會的獼猴群,到形成虛擬社會的在線遊戲者群體。

傑西卡於1996年以優異成績獲得康奈爾大學的學士學位,研究人類學,進化理論和生物學。她於2004年獲得埃默里大學的博士學位,研究動物行為,認知科學和進化理論。在接下來的八年里,她在聖菲學院任職,先是博士後研究員,然後是研究教授,最後是教授。她於2011年搬到威斯康星大學麥迪遜分校。傑西卡的研究具有經驗和理論成分,並且處於演化理論,模式形成,行為,認知科學,計算機科學,信息理論和統計力學的界面。雖然她現在的大部分工作都具有計算性,但她花了數千小時收集大型行為數據集,包括來自動物協會的高度解決的時間序列,她進行了第一次關於社會系統的行為淘汰研究。在那項研究中,她設計了一個實驗來禁用關鍵的衝突管理功能 - 警務 - 量化其在動物社會中對社會系統穩健性的作用。

伊恩福士特

職稱:計算所所長; 阿貢國家實驗室數學與計算機科學(MCS)高級科學家; 執行諮詢委員會成員和基因組學和系統生物學研究所(IGSB)高級研究員; 芝加哥大學計算機科學教授; 芝加哥大學物理科學教授; 芝加哥大學阿貢國家實驗室傑出研究員

背景:芝加哥大學和阿貢國家實驗室聯合研究所計算研究所所長。他還是Argonne資深科學家和傑出研究員以及Arthur Holly Compton傑出服務計算機科學教授。

Ian在新西蘭坎特伯雷大學獲得了理學士(榮譽)學位,在英國帝國理工學院獲得了計算機科學博士學位。他的研究涉及分佈式,並行和數據密集型計算技術,以及這些技術在氣候變化和生物醫學等領域的科學問題的創新應用。在他的領導下開發的方法和軟件為許多大型國家和國際網絡基礎設施奠定了基礎。

福士特教授是美國科學促進會,計算機協會和英國計算機協會的會員。他的獎項包括全球信息基礎設施(GII)下一代獎,英國計算機協會的Lovelace獎章,R&D雜誌的年度創新獎,以及新西蘭坎特伯雷大學的榮譽博士學位。他是Univa UD,Inc。的聯合創始人,該公司是為提供網格和雲計算解決方案而成立的公司。

雅各布.福士特

前面已介紹,這裡不再介紹

CésarA.Hidalgo

職稱:麻省理工學院媒體實驗室媒體藝術與科學助理教授

背景及研究方向:麻省理工學院媒體實驗室的Macro Connections小組的負責人,同時也是麻省理工學院媒體藝術與科學的ABC職業發展教授。Hidalgo的工作重點是了解自然,社會和經濟系統中信息的演變,以及旨在提供大量數據的大數據可視化引擎的開發。Hidalgo的學術出版物被引用超過4500次,他的可視化引擎已經獲得超過500萬次訪問。他是Why Information Grows的作者(Penguin UK,Basic Books US,即將於2015年6月2日發佈)和The Atlas of Economic Complexity(麻省理工學院出版社)的合作者。

John P.loannidis

職稱:CF Rehnborg疾病預防,醫學教授; 健康研究與政策教授; 斯坦福大學統計學教授

背景及研究方向:我對大規模證據(特別是隨機試驗和薈萃分析)以及對生物醫學研究中各種偏見的評估和控制非常感興趣。我有興趣開發和應用新的研究方法,以及跨學科增強現有的生物醫學研究設計和分析研究方法。

我曾在循證醫學,臨床研究,臨床和分子流行病學,臨床研究方法,實證研究方法,統計學和基因組學領域工作過。我對大規模證據(特別是隨機試驗和薈萃分析)以及對生物醫學研究中各種偏見的評估和控制非常感興趣。

我有興趣開發和應用新的研究方法,以及跨學科增強現有的生物醫學研究設計和分析研究方法。我引用的一些最有影響力的論文是解決遺傳關聯研究的複製有效性問題,生物醫學研究中的偏見,研究綜合方法,薈萃分析的擴展,全基因組關聯研究和關聯的不可知評估,隨機試驗和觀察性研究的有效性和有效性。

我還設計,指導和參與了有影響力的隨機試驗(特別是主要的試驗,這些試驗果斷地改變了HIV感染的管理和結果,還進行了腎臟病學和社區抗生素使用的試驗),以及大型國際財團幫助改變了基因組學,分子學和臨床流行病學等多個領域的研究效率。我喜歡與來自不同學科的各種同事一起工作,並有機會向高級和初級調查員,特別是各級學生學習。主要的試驗,果斷地改變了艾滋病毒感染的管理和結果,以及腎臟病學和社區抗生素使用的試驗),以及幫助改變基因組,分子和臨床等不同領域研究效率的大型國際聯合體流行病學研究。

我喜歡與來自不同學科的各種同事一起工作,並有機會向高級和初級調查員,特別是各級學生學習。主要的試驗,果斷地改變了艾滋病毒感染的管理和結果,以及腎臟病學和社區抗生素使用的試驗),以及幫助改變基因組,分子和臨床等不同領域研究效率的大型國際聯合體流行病學研究。我喜歡與來自不同學科的各種同事一起工作,並有機會向高級和初級調查員,特別是各級學生學習。

Konrad Kording

職稱:西北大學物理醫學與康復/生理學副教授

背景及研究方向:貝葉斯行為組的研究表明,運動和運動學習可以用統計學原理來理解。我們的傳感器(眼睛,耳朵,皮膚等)並不完美,但噪音很大。而且,我們的肌肉很吵,如果我們嘗試一遍又一遍地做同樣的動作,每次都會有所不同。這意味着如果我們進行一次運動,比如揮杆高爾夫球杆,我們就會對潛在的運動結果產生不確定性。我們小組研究人們如何在存在這種不確定性的情況下做出運動決策。

我們的研究主要有四個方面:

  • 我們將大數據方法推進到神經科學
  • 我們通過實驗研究人們如何移動以及他們的運動如何受不確定性的影響。
  • 我們使用貝葉斯統計建立計算模型,以計算人們如何最佳地移動或學習如何最佳地移動。
  • 我們構建貝葉斯算法來解決我們感興趣的問題。例如,我們分析神經元在神經系統中的連接方式。
  • 我們目前研究的主旨是通過了解運動學習來實現更好的康復程序。
  • 我們的實驗室是西北大學,系生理學和PM&R的一部分。它與西北應用數學系有關。我們的實驗室是芝加哥康復研究所的一部分。

大衛克拉考爾

前面已經介紹過,在這裡不再介紹

Hannah Landecker

職稱:加州大學洛杉磯分校社會學副教授

背景:我的工作發生在生命和社會科學的交叉點。總的來說,從1900年到現在,生物技術和生命科學的社會和歷史研究是我的專業領域。我目前正在寫一本名為「美國新陳代謝」的書,該書着眼於表觀遺傳學,微生物學,細胞信號傳導和激素生物學的興起對代謝科學的轉變。一個相關項目涉及1960年後代謝激素的歷史以及細胞「信號」作為生命科學思想和實踐的核心類別的興起。

研究方向:我有興趣將我的人種學和文本分析技能大規模地用於表觀遺傳學和新陳代謝的「文獻」,詢問關於表觀遺傳學後遺傳的語言,推理,時間結構和邏輯的問題; 詢問社會在這些邏輯中被重新塑造為「信號」的方式; 信號的知識動態(與基因相對或相鄰); 以及在二十世紀長期存在的遺傳和新陳代謝的知識領域是否正在以新的方式插入今天。

克里斯托弗李

職稱:計算機科學系教授; 加州大學洛杉磯分校化學與生物化學系教授

背景:李教授自1998年以來一直是化學和生物化學系的一名教員。他的培訓提供了實驗細胞生物學,生物物理學和算法開發的不同尋常的組合,他在加州大學洛杉磯分校應用於基因組進化的生物信息學分析。他領導了建立生物信息學博士學位的工作。加州大學洛杉磯分校的課程 他曾在NIH國家生物技術信息中心的科學顧問委員會任職,並擔任Biology Direct的編輯委員會成員 。他目前的研究重點是選擇性剪接及其在基因組進化中的作用。

研究方向:生物信息學

選擇性剪接和基因組進化:全基因組分析選擇性剪接的類型和功能,以及它在哺乳動物基因組進化中的明顯作用。選擇性剪接似乎大大加速了外顯子創造等主要進化事件,現在是基因組進化研究的一個令人興奮的新領域

蛋白質進化途徑。利用臨床HIV序列的大量數據集,我們開發了新方法來解碼HIV進化抗藥性的進化途徑。我們剛剛表明,我們的方法可以測量描述HIV蛋白如何進化的詳細「健身狀況」,作為顯示每個可能的進化途徑的實際進化速率的動力學網絡。 生物信息學和基因組學的圖形數據庫。我們已經開發了一個通用框架,用於處理基因組數據作為抽象圖數據庫,用於基因問題,如多基因組比對查詢和蛋白質相互作用網絡分析

Hod Lipson

職稱:康奈爾大學機械與航空航天工程系副教授

背景:Hod Lipson是紐約伊薩卡康奈爾大學的工程學教授,也是最近出版的「製作:3D打印的新世界」一書的合著者。他在自我意識和自我複製機械人,食品印刷和生物印刷方面的工作得到了廣泛的媒體報道,包括「紐約時報」,「華爾街日報」,「新聞周刊」,「時代」,美國有線電視新聞網和國家公共廣播電台。Lipson與人合著了200多篇技術論文,並經常在TED和美國國家科學院等知名場所發表演講。Hod指導創意機器實驗室,該實驗室開創了製造機器的新方法,以及具有創造性的機器。

研究方向:我相對廣泛的研究項目集中在我認為是工程的兩大「挑戰」:(a)我們可以設計可以設計其他機器的機器嗎?(b)我們可以製造可以製造其他機器的機器嗎?這兩個問題都是理解工程過程本身的關鍵所在,這些方面的進展可以為我們未來設計,製造和維護日益複雜的系統提供巨大的槓桿作用。生物生命以一種使人類工程師最好的團隊相形見絀的方式應對這些挑戰; 因此,我主要使用生物學啟發的方法,因為它們為工程學和生物學的新工程洞察帶來了新的想法。

Hoyt Long

職稱:日本文學,東亞語言和文明副教授; 芝加哥大學文本實驗室聯合主任

研究方向:Hoyt對Metaknowledge感興趣,他們對社交網絡分析,語料庫分析和其他計算方法如何促進對文化生產的社會動態的大規模比較研究感興趣。具體而言,他對這些方法可以告訴我們的藝術風格和形式的傳播,正式和非正式社會關係在塑造這些過程中的作用以及跨越語言和政治邊界的系統級動態的出現感興趣。在這些方面,他指導了一個名為「文本實驗室」的理乍得·讓所謂的「文本實驗室」的協作計劃,該計劃將這些方法應用於20世紀初的全球現代主義研究。

加里盧平

職稱:威斯康星大學麥迪遜分校心理學助理教授

背景及研究方向:我作為元知識網絡成員的主要興趣是雙重的。

首先,我有興趣理解為什麼某些類型的解釋在認識論上對某些人而言是令人滿意的,而不是其他人。例如,為什麼複雜結構的解釋如壓力出現和自我組織滿足某些個體,而其他人則被解釋為具有明確識別的部分和原因的解釋?這個問題對於了解某些科學思想為何在科學家和公眾中獲得吸引力非常重要,但也因為科學的目的不僅僅是預測而是「理解」,我們需要一個更好的各種類型的認識論吸引力模型。不同個人的理論。

第二,我有興趣了解不同的人口動態如何影響思想的傳播(「文化變體」)。在以前的工作中,我們認為人類語言的結構似乎適應了學習和使用語言的社會人口環境(例如,更多人所說的語言往往在語法上更簡單)。這導致人們對人口結構(例如,大,小)和連通性(例如,密集,稀疏)的作用的更普遍興趣,作為對文化變體所採取的形式的選擇性壓力及其傳播的後果。更多人使用的語言往往在語法上更簡單)。這導致人們對人口結構(例如,大,小)和連通性(例如,密集,稀疏)的作用的更普遍興趣,作為對文化變體所採取的形式的選擇性壓力及其傳播的後果。更多人使用的語言往往在語法上更簡單)。這導致人們對人口結構(例如,大,小)和連通性(例如,密集,稀疏)的作用的更普遍興趣,作為對文化變體所採取的形式的選擇性壓力及其傳播的後果。

語言是我們物種的決定性特徵之一。當然,它允許知識的積累和交流。但除了在通信中的用途之外,語言的獲取和使用似乎以重要的方式增強了人類的大腦。我的主要研究方向的目的是調查和描述語言的這些額外交際功能:我們如何將對象置於由語言改變的類別中?語言是否會改變我們所看到的內容?命名對象如何影響可視化表示?如何使用語言改變我們的記憶?說不同語言的人會以不同的方式看待和記憶事物嗎?沒有語言,有沒有想法是不可想像的?

此外,我研究了語法結構與社會結構之間的關係(Lupyan和Dale,2010),並且對人口的交際(和認知)需求塑造語言語法結構的方式持續感興趣。

我對神經編碼的動態以及感知和概念表示由個人的目標,期望和任務背景動態塑造的方式也有廣泛的興趣。

我使用了各種各樣的實驗範例和工具來解決我感興趣的問題。這些包括行為實驗,神經網絡建模,大規模語料庫分析,眼睛跟蹤,神經成像(fMRI),經顱磁刺激(TMS)和經顱直流電刺激(tDCS)。

Hoifung Poon

職稱:研究員,微軟研究院

背景:我是位於華盛頓州雷德蒙市的微軟研究院的研究員。我的研究興趣是推進機器學習和自然語言處理,以自動化發現基因組學和精準醫學。我最近的工作重點是將語義分析擴展到Pubmed用於提取生物學途徑,以及開發概率方法以將途徑與高通量基因組學數據結合到癌症系統生物學中。我在NAACL,EMNLP和UAI獲得了最佳論文獎。

研究方向:我的研究興趣是推進機器學習和自然語言處理,以自動化發現基因組學和精準醫學。

具體來說,我的研究可以分為三個主題:

  • 結合邏輯和概率來表示和理解複雜和嘈雜的知識;
  • 開發系統以從Pubmed中提取複雜的知識,如生物途徑,而無需許多帶注釋的例子;
  • 開發一個統一的框架,將知識與高通量 - 基因組數據相結合,用於癌症和其他複雜疾病的系統生物學研究。

Andrey Rzhetsky

前面已經介紹,在這裡不再介紹

Daniel Lord Smail

職稱:哈佛大學歷史系教授

背景:我是早期人類歷史的學生; 在我的教學和研究中,我涵蓋了從人類在非洲的深刻歷史到中世紀晚期的地中海歐洲的一段時間。近年來,我工作的首要智力項目是識別和開發新的框架或敘事,將人類歷史結合在一起形成一個無縫的整體。我的工作假設歷史不是旨在解釋現在的政治科學。它是一門人類學科學,旨在幫助我們理解人性。在我所做的每一件事中,我希望展示推動跨國和全球歷史的知識產權項目如何在時間上同樣有效,並提供深刻的過去作為二十一世紀歷史研究和歷史框架的新知識前沿。

研究方向:我感興趣的是,在人類社會中,以檔案的形式故意保留某些知識的方式,以及這種保存行為可以告訴我們一般社會的內容。對於元知識來說,這是一個關注的問題,而像我這樣的歷史學家通常會閱讀檔案的內容,我對檔案的形式或檔案的習慣感興趣。我也有興趣了解是否有數學方法來理解或模擬檔案材料的丟失。

理乍得讓蘇

職稱:助理教授,英語; 芝加哥大學文本實驗室聯合主任

研究方向及背景:對於Metaknowledge項目,他正致力於研究文化和美學形式的計算和定量方法。

他特別感興趣的是使用社會網絡分析和自然語言處理等新的社會科學方法來研究現代美國文化中思想和文學風格的出現,傳播和再現。他將這種方法與傳統的人文主義文本解釋和檔案研究模式相結合,以模擬一種分析形式,在近距離和遠距離閱讀之間進行調解。

他正在開發的一個具體項目:

  • 在宏觀尺度上映射現代美國文化的不同思想文學流派,如非裔美國文學和保守派「艾恩蘭德」思想;
  • 憑經驗確定各自的修辭和語言模式;
  • 通過交換或拒絕「模因」來檢驗他們的競爭交互模式。他感興趣的主要問題是:修辭和意識形態如何引發更廣泛的社會關係或集團?

從廣義上講,理乍得的教學和研究興趣集中在跨國背景下的現代美國文學。在這個領域,他對文化跨國主義理論,媒體和傳播史以及「太平洋」(包括美國,亞裔美國和東亞文化)作為一個連貫的研究領域感興趣。理乍得還在數字人文學科方面做了大量工作。特別是,他感興趣的是使用新的計算和社會科學方法,例如文本挖掘,來模擬一種在遠距離和近距離閱讀方法之間起作用的文本批評形式。

Rebecca C. Steorts

職稱:杜克大學統計科學助理教授

背景:Rebecca C. Steorts是杜克大學統計科學助理教授,隸屬於Duke(iid)和社會科學研究所(SSRI)的信息計劃。她於2005年獲得戴維森學院數學學士學位,2007年獲得克萊姆森大學數學科學碩士學位,2012年獲得佛羅里達大學統計系博士學位,並獲得馬來高學的監督。她目前是卡內基梅隆大學統計系的客座助理教授。Rebecca是佛羅里達大學和美國人口普查局學位論文獎學金(2010-2011)的研究生校友獎學金(2007-2010)的獲得者。在2011年,她通過機構整合計劃(I-Cubed)和NSF獲得了UF創新,為本科生開設了貝葉斯入門課程。她還獲得2012年應用方法學Leonard J. Savage論文獎的決賽入圍者。她對社會科學應用的可擴展計算方法感興趣。她目前的工作重點是從退化數據中恢復高維對象,並確定如何恢復底層結構。用於此的方法是實體解決,小區域估計,局部敏感散列和隱私保護記錄聯繫,應用於醫學研究,fmri研究,侵犯人權和難以到達領域的貧困率估計。2014年11月獲得MetaKnowledge網絡資助。此外,她在隱私和記錄聯繫方面的工作僅由國家科學基金會資助。最近,她被任命為麻省理工學院技術評論的35位35歲以下創新者,2015年作為軟件領域的人才。她的作品將在麻省理工學院技術評論的Septmember / October期刊上發表,她將在2015年11月的EmTech特邀儀式和EmTech的邀請演講中獲得認可。

蒂姆溫格

職稱:聖母大學計算機科學與工程系助理教授

背景:我在助理教授工程學院在聖母大學,在約會跨學科中心網絡科學與應用(iCeNSA)和計算機科學與工程系。我在完成博士學位後於2013年8月加入了該系。在計算機科學在伊利諾伊大學厄本那-香檳分校。

我從事網絡科學工作,特別關注多模/異構信息網絡。我的研究在於機器學習與數據庫和信息檢索的交叉。

傑文D.韋斯特

職稱:華盛頓大學信息學院助理教授

背景:我是華盛頓大學信息學院的助理教授。我們喜歡地圖和信息。我所做的研究旨在繪製大型網絡,以便了解信息流。我是Eigenfactor.org的共同創始人 。該研究項目旨在對科學進行排名和繪圖,希望能夠構建更好的工具來瀏覽不斷擴大的學術文獻。

到目前為止,我在我的研究期刊上很幸運。我有最優秀的研究生和博士後導師畢業。我曾在各個部門和大學工作,鼓勵我喜歡做的跨學科工作,我追求的問題讓我在實驗室內外思考。

我在愛達荷州的小鎮阿蒙長大。它沒有任何偉大的科學家,但它確實提供了滑雪和戶外活動 - 我非常喜歡的東西。我參加了猶他州立大學,最初是為了打網球,享受地球上最好的雪。在完成生物學學士學位後,我參加了兩年的網球職業比賽,並參加了比賽。我回到了USU,並與Keith Mott和David Peak完成了碩士學位。我與他們一起進行的研究探索了物理學,生物學和計算機科學的一個主題。我看了一下葉子表面上的氣孔網絡如何執行分佈式計算。這項工作將我的興趣與複雜性領域聯繫在一起 - 這是一個模糊,混亂,充滿問題的科學領域,需要幾代人來解決。

2004年秋天,我訪問了華盛頓大學,並在生物系會見了Carl Bergstrom。在三個小時內就信息在生物學中的作用進行了為期三天的對話後,我知道我找到了合適的地方。在我的博士學位期間,我被引入引文網絡作為研究社會和生物系統中信息流的模型系統。這也激發了我對提高學術交流的熱情,並引發了Eigenfactor項目。該項目繼續發展,現在包括繪圖,信息可視化,性別研究,學術出版經濟學等方面的研究建議對於我的博士後,我很幸運能夠 在Umea大學(瑞典)的Martin Rosvall工作,繼續在網絡和測繪領域工作。

Lynne G.Zucker

職稱:社會學系教授; 加州大學洛杉磯分校國際科學,技術和文化政策中心主任

研究方向:我的培訓是組織社會學,制度理論,經濟社會學和社會心理學。

我目前的主要興趣是從基礎科學到商業用途的知識傳播的過程和影響,特別是對企業經濟績效的影響,新組織人口的創建(其中一些是新產業)和生產率增長。我與邁克爾·達比分享了對識別知識轉移的主要機制和導致變質行業變化和經濟快速增長的制度基礎設施的興趣。在商業上適用的基礎科學突破的背景下,我們正在探索其他成功的衡量標準,如IPO回報和檢查其他知識轉讓方式(如合資企業)的影響。

我們現在正在研究納米科學中的許多相同過程,這是一個具有重大商業潛力的新興基礎研究領域。為了確定製度基礎設施的影響,我們正在完成對日本和美國生物技術的比較研究,並着手進行一系列重大的國際分析,將科學突破傳播到納米技術的商業用途。

科研成果

科學家研究策略的傳統與創新

哪些因素會影響科學家對研究問題的選擇?科學史,哲學和社會學的定性研究表明,這種選擇是由專業人士對生產力的需求與對風險創新的衝突驅動之間的「本質張力」所塑造的。我們在生物醫學化學的背景下根據經驗檢驗這種緊張。我們使用複雜的網絡來表示科學知識不斷發展的狀態,如出版物所述。然後,我們定義與這些網絡相關的研究策略。科學家可以引入新的化學物質或化學關係 - 或深入研究已知的化學物質。他們可以整合現有的知識集群,或者橋接遠程知識集群。綜合分析這些選擇,我們發現策略的分佈仍然非常穩定,即使化學知識急劇增長。探索新化學關係的高風險策略在文獻中不那麼普遍,反映出以犧牲新機會為代價越來越關注既定知識。遵循風險策略的研究更有可能被忽視,但也更有可能實現高影響和認可。雖然風險策略的結果具有比保守策略的結果更高的預期回報,但額外獎勵不足以彌補額外風險。通過研究生物醫學和化學中137種不同獎項的獲獎者,我們表明,偶然的「賭博」對於非凡的影響是對觀察到的冒險水平最合理的解釋。

編製科學結構:科學展開結構的動態網絡模型

科學是一個複雜的系統。在拉圖爾的演員網絡理論的基礎上,我們將已發表的科學模型化為動態超圖,並探索這種結構如何為未來的科學發現提供基礎。使用來自MEDLINE的數百萬篇摘要,我們發現生物醫學事物(即人,方法,疾病,化學品)之間的網絡距離非常小。然後,我們將展示科學如何通過加權隨機遊走模型從一年內回答的問題轉移到下一個問題。我們的分析揭示了生物醫學科學發展方式中有趣的模態傾向:方法起着橋接作用,一種類型的東西通過另一種類型的東西聯繫起來。

預言預測網絡的模塊化社區結構

本文考察了英語文本中語言預測的結構。通過copular「is-a」形式識別,預測斷言兩個詞之間的類別成員(hypernymy)或等同(synonymy)。由於預測表達了本體論結構,我們假設預測網絡將形成模塊化群體。為了衡量這一點,我們引入了一種語義動機的預測強度測量方法來衡量文本中觀察到的相關預測。結果表明,預測確實形成了沒有任何加權的模塊化結構(Q _ 0.6),並且使用預測強度增加了這種模塊性(Q _ 0.9)而不丟棄低頻項目。這種高級模塊化支持基於網絡的分析和預測強度的使用,作為提取密集語義聚類的一種方式。

從非結構化文本中提取專家術語集群

自動識別相關的專家術語是理解詞典中較不突出部分的結構所需的困難且重要的任務。術語通常定義特定域的特徵。我們開發了一種基於語料庫的方法,使用非結構化文本中的共現網絡,提取衛星術語的相干聚類 - 詞典邊緣的術語。通過在共現圖中提取社區來識別聚類,之後我們最大的被丟棄並且通過中心性對剩餘組中的詞進行排名。該方法在大型語料庫上是計算上易處理的,不需要文檔結構和最小規範化。結果表明,該方法確實在語料庫中提取了具有不同內容,風格和結構的連貫衛星術語組。

量化無證生物醫學同義詞的影響和程度

從研究文獻中提取和整合信息的自動化系統在生物醫學中已經很普遍。由於相同的含義可以用許多不同但同義的方式表達,因此訪問綜合敘詞表可以使這樣的系統最大化其性能。在這裡,我們確定了同義詞對於特定文本挖掘任務(命名實體規範化)的重要性,並且我們建議當前的敘詞表在他們的語言現象的記錄中可能不足。為了測試這個主張,我們開發了一個估計缺失同義詞數量的模型。我們將模型應用於生物醫學術語和通用英語敘詞表,預測兩個詞彙中大量缺失的同義詞。此外,我們通過「眾包」來驗證我們對後一領域的一些預測。

尋找文化洞穴:學術交流網絡中結構與文化的分歧

不同的興趣,專業知識和語言形成了溝通的文化障礙。沒有任何形式可以描述這些\文化漏洞。「在這裡,我們使用信息理論來衡量文化漏洞,並使用JSTOR的論文在科學傳播的背景下展示我們的形式主義。我們從引文流的結構中提取科學領域,通過在全文中對短語頻率進行編目並測量場間通信的相對效率來推斷特定領域的文化。然後我們將引文和文化信息結合在一個新穎的科學地形圖中,將引文與地理距離和文化洞穴映射到地形。通過分析完整的引文網絡,我們發現交際效率隨着引用距離以場特定的方式衰減。這些衰變率揭示了隱藏的凝聚力和分裂模式。例如,生態科學被行話標準化,而社會科學則相對融合。我們的研究結果強調了利用文化數據豐富結構分析的重要性。

關注地方衛生負擔與全球衛生研究差距

大多數關於全球衛生不平等的研究都考慮到不平等的衛生保健和社會經濟條件,但忽視了與解決疾病負擔相關的衛生知識生產中的不平等。我們證明了這種不平等並找出了可能的原因。使用世界衛生組織在全球和國家評估的111種突出醫療條件的殘疾調整生命年(DALY),我們將DALYs與MEDLINE文章聯繫起來,以評估基於DALY的全球疾病負擔與全球疾病負擔的影響治療市場,相關MEDLINE的製作,系統評價,臨床試驗和使用動物模型與人類的研究。然後,我們探討了國家內部的DALY,財富和研究生產如何與這種全球模式相關聯。我們表明,每種情況的全球DALYs與該條件下每種MEDLINE文章的產生有一個小的,顯着的負相關關係。健康研究的當地進程似乎就在此背後。臨床試驗和動物研究,但沒有在國家內部進行的系統評價,受到當地DALY的強烈指導。越來越不發達的國家的疾病狀況非常不同,富裕國家的出版率遠遠超過貧窮國家。因此,發達國家共同的條件比欠發達國家的共同條件獲得了更多的臨床研究。欠發達國家的許多衛生需求並沒有引起發達國家研究人員的注意,這些研究人員根據他們自己的當地需求生產絕大多數全球衛生知識 - 包括臨床試驗。這引起了對缺乏自身研究基礎設施的貧困人口相關知識的關注。我們建議採取措施解決全球衛生不平等的這一關鍵方面。

出版物

  • Kozlowski, Austin, Matt Taddy and James Evans. Forthcoming. 「The Geometry of Culture: Analyzing the Meanings of Class through Word Embeddings.」American Sociological Review. (arxiv.org:1803.09288)
  • Danchev, Valentin, Andrey Rzhetsky & James Evans. 2019. 「Centralized communities more likely generate non-replicable results.」eLife. (arxiv.org:1801.05042)
  • Sengupta, Nandana, Nathan Srebro & James A. Evans. 2019. 「Simple Surveys: Response Retrieval Inspired by Recommendation Systems."Social Science Computer Review.
  • Wu, Lingfei, Dashun Wang & James A. Evans. 2019. 「Large Teams Develop Science and Technology, Small Teams Disrupt It.」Nature.
  • McMahan, Peter & James A. Evans. forthcoming. 「Ambiguity and Engagement」.American Journal of Sociology.
  • Shi, Feng, Misha Teplitskiy, Eamon Duede, James A. Evans. 2019. 「The Wisdom of Polarized Crowds.」Nature Human Behaviour.
  • Asoodeh, Shahab, Tingran Gao & James Evans. 2019. 「Curvature of Hypergraphs via Multi-Marginal Optimal Transport」.Proceedings of the 57th IEEE Conference on Decision and Control.
  • Asoodeh, Shahab, Tingran Gao & James Evans. 2018. 「Wasserstein Soft Label Propagation on Hypergraphs: Algorithm and Generalization Error

Bounds」.Proceedings of the 33rd AAAI on Artificial Intelligence.

  • Börner, Katy, Olga Scrivner, Mike Gallant, Shutian Ma, Xiaozhong Liu,Keith Chewning, Lingfei Wu, and James A. Evans. 2018. 「Skill discrepancies between research, education, and jobs reveal the critical need to supply soft skills for the data economy.」Proceedings of the National Academy of Sciences
  • Azoulay, Pierre, Joshua Graff-Zivin, Brian Uzzi, Dashun Wang, Heidi Williams, James A. Evans, Ginger Zhe Jin, Susan Feng Lu, Benjamin F. Jones, Katy Börner, Karim R. Lakhani, Kevin J. Boudreau, Eva C. Guinan. 2018. 「Toward a more scientific science」.Science(Cover) 361(6408): 1194-1197, doi:10.1126/science.aav2484.
  • 更多出版物鏈接:[[1]]

就業職位

編程語言形成思想的博士後職位 擴展機器學習的博士後地位超越社會預測解釋和干預 團隊科學與創新的博士後職位 理解和改進同行評議的博士後職位

相關鏈接

1、詹姆斯埃文斯知識實驗中心官網: [2]

個人工具
名字空間
動作
導覽
工具箱