James Evans

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索

简介

基本信息

James evans.jpg
类别 信息
姓名 詹姆斯 · 埃文斯 James Evans
居住地 美国
母校 斯坦福大学、杨百翰大学 Brigham Young University
主要研究方向 城市群体智能、社会组织结构分析、科技创新产生和传播规律等
教育院校 芝加哥大学，圣塔菲研究所 Santa Fe Institute



James Evans是芝加哥大学社会学系和计算机研究所的知识实验室主任，是科学学 science of science、复杂网络、知识社会学的世界级知名学者。毕业于斯坦福大学，曾在哈佛大学从事社会组织结构方面的研究，在芝加哥大学创立知识挖掘实验室，并创立和主持了芝加哥大学计算社会学硕士项目。

他的研究使用机器学习和大规模的数据来理解集体的思维和认知系统，从注意力的分配到思想的起源和共享的推理习惯。 他对创新以及社会和技术机构(如互联网、市场、同行评议)在集体认知和发现中的作用特别感兴趣。 主要研究包括：群体智能、社会组织结构分析、科技创新产生和传播规律等，在 Science, PNAS, American Journal of Sociolog, Management Science 等顶级期刊上发表大量文章。

主要经历

在芝加哥，他赞助了计算社会科学研讨会。他教授有关增强智能，计算内容分析，现代科学史，科学研究以及互联网和社会的课程。在芝加哥之前，他从斯坦福大学获得社会学博士学位，在哈佛商学院的谈判，组织和市场小组担任研究员，开办了一所专注于基于项目的艺术教育的私立高中，并完成了杨百翰大学的人类学和经济学。在这些活动中，他和Jeannie Evans结婚，现在他们有四个孩子，Noah，Ruth，Anna和Kate。

学习经历

  • 1999-2004：社会学博士，斯坦福大学。
论文：《分享收获：公共/私人合作的不确定结果 Sharing the Harvest: The Uncertain Fruits of Public/Private Collaboration in Plant Biotechnology》[1]
  • 1997-1999年：社会学硕士， 斯坦福大学。
M.A.论文：《市场文化：价值，关系和价值观的转变，临时IT劳动力市场中的身份 The Culture of Markets: The transformation of values, relationships, and identities in the temporary IT labor market》
荣誉论文：《乌托邦的孩子：联合秩序中的人口与经济Children of Utopia: Demography & economy among United Order members》

工作经历

  • 2017年：清华大学及海外计算机科学系访问教授，知识与情报联合研究中心（K＆I）之间的顾问，清华大学和中国工程院（CAE）
  • 2015年：NICO外部教师—西北综合研究所西北大学系统，斯坦福大学METRICS会员，斯坦福大学元研究创新中心大学，芝加哥大学计算社会科学硕士课程创始主任。
  • 2013年：芝加哥大学知识实验室创始董事。
  • 2016年：教授，社会学系概念与历史委员会科学研究和芝加哥大学学院。
  • 2012年：副教授，社会学系科学的概念和历史研究，以及美国大学学院芝加哥。
  • 2004-2012：助理教授，社会学系，概念和委员会，科学史研究和芝加哥大学学院。
  • 2005-08年：《美国社会学杂志》副主编。
  • 2000年：讲师， 斯坦福大学社会学系
  • 1995-97：研究助理，哈佛大学商学院
  • 1992-93年：联合创始人兼执行董事，犹他州表演与表演中学精美艺术

主要文章及著作

雇佣关系，合同
本研究调查了1998年52名高技能技术承包商对他们加入临时劳动力队伍的原因以及后来的经历如何改变了他们的观点的解释。 作者报告了三个一般很少被研究的高技能方面的临时劳动。 首先，目前对临时工的工作的描述是不准确的。 例如，与悲观的”雇佣关系 employment relations”观点相反，大多数受访者认为合同比长期雇佣收入更高; 与乐观的”自由人 free agent观点相反，许多受访者表示感到焦虑和疏远。 第二，职业网络 occupational networks 的出现是为了满足雇用组织满足非特遣队工人的需要(如培训和工资制定)。 第三，就其在劳动力市场中的地位而言，他们不能被称为高技能、高收入的技术承包商ーー因为临时工通常是“二级部门 “secondary sector”工人; 他们的市场不是二元市场，个人出售劳动力，企业购买劳动力，而是三元市场，涉及人力资源公司等中介机构。
通过 ISI-FSO 数据的在线期刊可用性分布(A)商业订阅; (B)通过期刊网站免费阅读
在线期刊承诺为更多分散的读者提供更多的信息，并且更有效地搜索和回忆。 但是，由于电子期刊的使用方式与纸质期刊不同(科学家和学者倾向于通过电子方式进行搜索，并遵循超链接，而不是浏览或仔细阅读) ，电子期刊可能预示着科学界的一种具有讽刺意味的变化。 通过使用一个包含3400万篇文章的数据库，它们的引用(1945年至2005年) ，以及在线可用性(1998年至2005年) ，我发现随着更多的期刊问题出现在网上，被引用的文章往往是更新的，被引用的期刊和文章更少，而且这些引用的文章更多是针对更少的期刊和文章。 对印刷档案的强制浏览可能使科学家和学者们将研究成果深入到过去和现在的学术研究中。 在线搜索更有效率，跟踪超链接可以让研究人员快速接触到流行的观点，但这可能会加快共识，缩小基于研究结果和观点的范围。

研究方向

研究侧重于思维和认知的集体系统，从注意力和直觉的分布，思想的起源和共享的推理习惯到协议（和争议）的过程，确定性（和怀疑）的积累，以及质地的新颖性，模糊，人类理解的拓扑。James Evans对创新特别感兴趣，包括如何出现新的想法和技术以及社会和技术机构（例如，互联网，市场，合作）在集体认知和发现中的作用。他的大部分工作都集中在现代科学和技术领域，但他也对其他知识领域感兴趣——新闻，法律，宗教，八卦，预感和历史思维和认知模式。我支持通过众包，从文本和图像中提取信息以及使用分布式传感器（例如RFID标签，手机）来创建人类理解和行动的新型天文台。我使用机器学习，生成建模，社交和语义网络表示来探索知识过程，扩展解释和现场方法，并创建当前发现制度的替代方案。他的研究由美国国家科学基金会，国立卫生研究院，DARPA，Facebook，IBM，斯隆基金会，Jump交易和其他来源，并已发表在Science，PNAS，自然人类行为，自然生物技术，美国社会学杂志，美国社会学评论，社会科学研究，行政科学季刊，PLoS计算生物学和其他期刊。

科研成果（所在实验室）

科学家研究策略的传统与创新

科学家研究策略的传统与创新

哪些因素会影响科学家对研究问题的选择？科学史，哲学和社会学的定性研究表明，这种选择是由专业人士对生产力的需求与对风险创新的冲突驱动之间的“本质张力”所塑造的。本研究在生物医学化学的背景下根据经验检验这种紧张。使用复杂的网络来表示科学知识不断发展的状态，如出版物所述。然后，定义与这些网络相关的研究策略。科学家可以引入新的化学物质或化学关系或深入研究已知的化学物质。他们可以整合现有的知识集群，或者桥接远程知识集群。综合分析这些选择，结果发现策略的分布仍然非常稳定，即使化学知识急剧增长。探索新化学关系的高风险策略在文献中不那么普遍，反映出以牺牲新机会为代价越来越关注既定知识。遵循风险策略的研究更有可能被忽视，但也更有可能实现高影响和认可。虽然风险策略的结果具有比保守策略的结果更高的预期回报，但额外奖励不足以弥补额外风险。通过研究生物医学和化学中137种不同奖项的获奖者，结果表明，偶然的“赌博”对于非凡的影响是对观察到的冒险水平最合理的解释。

编制科学结构：科学展开结构的动态网络模型

科学展开结构的动态网络模型

科学是一个复杂的系统。在拉图尔的演员网络理论的基础上，本文将已发表的科学模型化为动态超图，并探索这种结构如何为未来的科学发现提供基础。使用来自MEDLINE的数百万篇摘要，发现生物医学事物（即人，方法，疾病，化学品）之间的网络距离非常小。然后，文章还将展示科学如何通过加权随机游走模型从一年内回答的问题转移到下一个问题。文中的分析揭示了生物医学科学发展方式中有趣的模态倾向：方法起着桥接作用，一种类型的东西通过另一种类型的东西联系起来。

预言预测网络的模块化社区结构

预言预测网络的模块化社区结构

本文考察了英语文本中语言预测的结构。通过copular“is-a”形式识别，预测断言两个词之间的类别成员 hypernymy 或等同 synonymy。由于预测表达了本体论结构，假设预测网络将形成模块化群体。为了衡量这一点，文中引入了一种语义动机的预测强度测量方法来衡量文本中观察到的相关预测。结果表明，预测确实形成了没有任何加权的模块化结构（Q _ 0.6），并且使用预测强度增加了这种模块性（Q _ 0.9）而不丢弃低频项目。这种高级模块化支持基于网络的分析和预测强度的使用，作为提取密集语义聚类的一种方式。

从非结构化文本中提取专家术语集群

自动识别相关的专家术语是理解词典中较不突出部分的结构所需的困难且重要的任务。术语通常定义特定域的特征。James团队开发了一种基于语料库的方法，使用非结构化文本中的共现网络，提取卫星术语的相干聚类 - 词典边缘的术语。通过在共现图中提取社区来识别聚类，之后我们最大的被丢弃并且通过中心性对剩余组中的词进行排名。该方法在大型语料库上是计算上易处理的，不需要文档结构和最小规范化。结果表明，该方法确实在语料库中提取了具有不同内容，风格和结构的连贯卫星术语组。

量化无证生物医学同义词的影响和程度

从研究文献中提取和整合信息的自动化系统在生物医学中已经很普遍。由于相同的含义可以用许多不同但同义的方式表达，因此访问综合叙词表可以使这样的系统最大化其性能。在这里，我们确定了同义词对于特定文本挖掘任务（命名实体规范化）的重要性，并且我们建议当前的叙词表在他们的语言现象的记录中可能不足。为了测试这个主张，我们开发了一个估计缺失同义词数量的模型。我们将模型应用于生物医学术语和通用英语叙词表，预测两个词汇中大量缺失的同义词。此外，我们通过“众包”来验证我们对后一领域的一些预测。

寻找文化洞穴：学术交流网络中结构与文化的分歧

寻找文化洞穴：学术交流网络中结构与文化的分歧

不同的兴趣，专业知识和语言形成了沟通的文化障碍。没有任何形式可以描述这些\文化漏洞。“在这里，我们使用信息理论来衡量文化漏洞，并使用JSTOR的论文在科学传播的背景下展示我们的形式主义。我们从引文流的结构中提取科学领域，通过在全文中对短语频率进行编目并测量场间通信的相对效率来推断特定领域的文化。然后我们将引文和文化信息结合在一个新颖的科学地形图中，将引文与地理距离和文化洞穴映射到地形。通过分析完整的引文网络，发现交际效率随着引用距离以场特定的方式衰减。这些衰变率揭示了隐藏的凝聚力和分裂模式。例如，生态科学被行话标准化，而社会科学则相对融合。研究结果强调了利用文化数据丰富结构分析的重要性。

关注地方卫生负担与全球卫生研究差距

大多数关于全球卫生不平等的研究都考虑到不平等的卫生保健和社会经济条件，但忽视了与解决疾病负担相关的卫生知识生产中的不平等。James等证明了这种不平等并找出了可能的原因。使用世界卫生组织在全球和国家评估的111种突出医疗条件的残疾调整生命年 DALY，我们将DALYs与MEDLINE文章联系起来，以评估基于DALY的全球疾病负担与全球疾病负担的影响治疗市场，相关MEDLINE的制作，系统评价，临床试验和使用动物模型与人类的研究。然后，我们探讨了国家内部的DALY，财富和研究生产如何与这种全球模式相关联。我们表明，每种情况的全球DALYs与该条件下每种MEDLINE文章的产生有一个小的，显着的负相关关系。健康研究的当地进程似乎就在此背后。临床试验和动物研究，但没有在国家内部进行的系统评价，受到当地DALY的强烈指导。越来越不发达的国家的疾病状况非常不同，富裕国家的出版率远远超过贫穷国家。因此，发达国家共同的条件比欠发达国家的共同条件获得了更多的临床研究。欠发达国家的许多卫生需求并没有引起发达国家研究人员的注意，这些研究人员根据他们自己的当地需求生产绝大多数全球卫生知识 - 包括临床试验。这引起了对缺乏自身研究基础设施的贫困人口相关知识的关注。我们建议采取措施解决全球卫生不平等的这一关键方面。

合作学者

Kanix Wang

芝加哥大学医疗分析实验室的研究专家。

合作文章

Quantifying the Impact and Extent of Undocumented Biomedical Synonymy

主要内容：生物医学术语中的同义关系在专业术语中得到了广泛的注释，这意味着同义关系在该领域的实际计算应用中具有重要意义。 然而，文本挖掘是否真正受益于文档中的同义词，以及现有的生物医学术语词表是否充分涵盖了这些语言关系，这些问题仍然不清楚。 在这项研究中，研究结果揭示了当前生物医学术语词典的戏剧性的不完整性，并建议需要“下一代” ，高覆盖率的词汇术语。

Anna Divoli

加利福尼亚大学研究及发展主管(自2013年12月起)总研究主任

合作文章

Conflicting Biomedical Assumptions for Mathematical Modeling: The Case of Cancer Metastasis

主要内容：生物医学中的计算模型依赖于生物学和临床假设。 这些假设的选择在很大程度上有助于建立成功或失败的模型。 然而，科学出版物很少明确描述研究前沿的专家所使用的假设。 人们可以通过访谈和调查直接收集和评估其中的一些假设。 在这里，建立了一个正式的马尔可夫转移模型来封装专家关于转移的整个序列的收敛和分歧。 这个模型揭示了分歧最大的阶段，包括癌症进入和离开血液的部位。 该模型提供了一个正式的概率假设，研究人员可以据此评估有关转移过程的数据。 这将使随后的改进模型通过贝叶斯概率更新。

Stephen Barley

斯坦福大学威兰德 Weiland 工程学院教授，现荣誉退休。

合作文章

Why Do Contractors Contract? The Experience of Highly Skilled Technical Professionals in a Contingent Labor Market

主要内容： 高技能技术专业人员在临时劳动力市场的经验。

出版物

  • 科学的科学 “Science of science” Fortunato, Santo, Carl T. Bergstrom, Katy Börner, James A. Evans, Dirk Helbing, Staša Milojević, Alexander M. Petersen, Filippo Radicchi, Roberta Sinatra, Brian Uzzi, Alessandro Vespignani, Ludo Waltman, Dashun Wang, Albert-László Barabási. 2018. Science 359(6379): eaao0185, doi: 10.1126/science.aao0185. 被引量224次
  • 我们可以同意科学吗？用书籍共同购买的数据来衡量科学的意识形态一致性 “Can We Agree on Science? Measuring the Ideological Alignment of Science with Book Co-purchase Data” Shi, Feng, Yongren Shi, Fedor Dokshin, James Evans & Michael Macy. 2017. Nature Human Behaviour1(0079), doi: 10.1038/s41562-017-0079.
  • 选择实验以加快发现 “Choosing Experiments to Accelerate Discovery” Rzhetsky, Andrey, Jacob Foster, Ian Foster and James Evans. 2015. Issue cover: “Engineering of Biology and Medicine”. Proceedings of the National Academy of Sciences112(47):14569–14574, doi:10.1073/pnas.1509757112. 被引量87次

联系方式

Office: Social Sciences 420

电话: 773-834-3612

邮箱：jevans@uchicago.edu

James Evans和集智

AI&Society 学术沙龙

为了挖掘在AI与社会研究交叉领域有想法的研究者，促进思维碰撞，腾讯研究院S-Tech工作室与集智俱乐部共同打造了“AI&Society”的系列学术沙龙活动。

2017人工智能与公共政策工作坊

2017年7月，James Evans 教授曾作为主题演讲嘉宾之一，受邀参加由集智俱乐部、凯风基金会、美国芝加哥大学社会学系Knowledge Lab、清华大学科技政策研究中心、腾讯研究院联合举办的“人工智能与公共政策工作坊”，与普林斯顿大学社会学教授，美国艺术与科学学院院士、美国国家科学院院士谢宇，美国西北大学商学院副教授王大顺，清华大学公共管理学院院长薛澜，北京师范大学系统科学学院教授张江等探讨在人工智能时代，科学研究进步的规律，以及如何通过政策来促进创新、有效的研究。

演讲主题:


计算社会科学区别于的社会科学，在数据获取上，不局限于传统的问卷和田野调查等方法，而是利用充分利用互联网大数据与AI 算法，来研究曾经受数据规模所限制而尚未被探索的个体或集体人类行为，对社会现象提出崭新的理解。


计算社会科学是传统社会科学研究的注脚，还是能给社会科学既有的理论与范式带来革命性改变？对此，在集智俱乐部和腾讯研究院联合举办的 AI&Society 系列沙龙中，已经做过大量的探讨，并将讨论成果集结为电子书籍《计算社会科学》，即将问世。

在本次AI&Society 沙龙中，Evans 教授结合多年的教学、研究、基金申请，与主持各类计算社会科学研讨会的经验，回顾与介绍计算社会科学发展的历史与现状，并展望该领域的未来发展。

科学如何思考

科学如何思考

2018年11月6日，James A. Evans做客北京师范大学，就“科学如何思考”展开专题讲座。

Evans提出两个概念：Content（内容）与Context（语境），Content指论文中有科技革新意义的实质内容，Context指现有的学术研究提供的语境。科学“进化”的过程，就是content与context混合的过程。

Evans提出的数学模型，将每三篇论文编进一个模组 block，通过一定指标建立起公式计算论文的倾向性 propensity，研究什么样的论文有稳健型 robustness和一般化的潜质。Evans得出结论，科学“思考”的方式，是贝叶斯式的，展现出自我纠正的机制。论文中的模糊、深奥性 ambiguity 会吸引更多注意，并发展出更多分枝，因此不应该要求绝对的精确 precision。

研究结果对政策有指导作用，Evans认为，为了让政策鼓励创新、有效的研究，应该去资助更小型的团队，使他们维生的需求不影响到科研生产力；应该资助人才，而非项目；对于成功率低、有风险的项目，应该降低壁垒，让人们多多去投资他们。

相关报道

在2014年7月25日腾讯互联网与社会研究院主办的“大数据连接的未来——2014腾讯互联网与社会研究院高峰论坛”上，芝加哥大学知识实验室主任James A. Evans分享了《大数据的大蓝图》。

相关链接

1、詹姆斯埃文斯知识实验中心官网: [1]

2、芝加哥大学官网：[2]

参考文献

  1. ↑ Evans, J.A., 2004: Sharing the Harvest. The Uncertain Fruits of Public/Private Collaboration in Plant Biotechnology, Unpublished Dissertation, Department of Sociology, University of Stanford.

编者推荐

集智论文

团队合作
2019年2月13日，Nature 杂志官网在线发表了一篇以Large Teams Have Developed Science and Technology; Small Teams Have Disrupted It为题文章（article），介绍了对于团队创新的最新研究成果，发现小团队比大团队更能做出颠覆式的创新成果。


突破性的发现和发明涉及意想不到的内容组合，包括问题、方法和自然实体，以及不同的背景，如期刊、子领域和会议。 基于数以千万计的研究论文、专利和研究人员的数据，本文构建模型，预测明年的内容和上下文组合，基于根据高维随机块模型构建的嵌入，AUC 为95% ，其中新组合的不可能性本身预测高达50% 的可能性，他们将获得超大规模的引用和重大奖励。 这些突破大多发生在一个领域的问题出乎意料地被远方的研究人员解决的时候。


网络network
在过去的十年里，在社交和数字媒体平台上，使用简单的评级和比较调查的做法激增，以推动推荐。 这些简单的调查以及他们用机器学习算法进行的推断，揭示了用户对大量且不断增长的项目的偏好，比如电影、歌曲和广告。 本文介绍了一些简单的社会科学应用调查。 通过实验来比较个人和集合比较评估的预测准确性，使用了4种类型的简单调查: 2,5的成对比较和评分，以及3种不同背景下的连续点量表: Google街景 / 图片的感知安全性，艺术作品的喜爱度和动物 gif 的喜悦度。 在不同的情境中，发现持续的等级评定能够最好的预测个人评估，但是却消耗了大部分的时间和认知努力。


现代交通和通讯技术的进步，从飞机到互联网，伴随着全球媒体、移民和贸易的扩张，使得现代世界比以往任何时候都更加紧密地联系在一起。 但这对于全球文化的融合来说意味着什么呢？ 在这里，探讨了社交网络中的集权与语义表达的多样性，如思想、观点和品味的收缩或崩溃之间的关系。 通过引入多种学习的新方法，可以将社会网络和语义组合映射到可比较的双曲空间，从而推进对这种关系的正式研究。


集智视频

计算社会科学是传统社会科学研究的注脚，还是能给社会科学既有的理论与范式带来革命性改变？在本课程中，Evans 教授将结合多年的教学、研究、基金申请，与主持各类计算社会科学研讨会的经验，回顾与介绍计算社会科学发展的历史与现状，并展望该领域的未来发展。


James Evans：科学如何思考

本课程的主要内容有：

  • 协议的社会结构 Social Structure of （Dis）agreement
  • 大型重叠团队减少混乱 Large Overlapping Teams Decrease Disruption
  • 小型不连通的团队增加混乱 Small Disconnected Teams Increase Disruption
  • 群集限制未来理解 Flocking Limits Future Understanding
  • 用行话分隔的领域 Fields Separated By Jargon
  • 社会三段论 Social Syllogisms

本条目由费米子编辑，如有问题，欢迎在讨论页面进行讨论。


本词条内容源自公开资料，遵守 CC3.0协议。

取自“https://wiki.swarma.org/index.php?title=James_Evans&oldid=8728”