一流博士生教育体现一流大学人才培养的高度（代丛书序）本文首发于《光明日报》，2017年12月5日。 人才培养是大学的根本任务。只有培养出一流人才的高校，才能够成为世界一流大学。本科教育是培养一流人才最重要的基础，是一流大学的底色，体现了学校的传统和特色。博士生教育是学历教育的最高层次，体现出一所大学人才培养的高度，代表着一个国家的人才培养水平。清华大学正在全面推进综合改革，深化教育教学改革，探索建立完善的博士生选拔培养机制，不断提升博士生培养质量。 学术精神的培养是博士生教育的根本 学术精神是大学精神的重要组成部分，是学者与学术群体在学术活动中坚守的价值准则。大学对学术精神的追求，反映了一所大学对学术的重视、对真理的热爱和对功利性目标的摒弃。博士生教育要培养有志于追求学术的人，其根本在于学术精神的培养。 无论古今中外，博士这一称号都是和学问、学术紧密联系在一起，和知识探索密切相关。我国的博士一词起源于2000多年前的战国时期，是一种学官名。博士任职者负责保管文献档案、编撰著述，须知识渊博并负有传授学问的职责。东汉学者应劭在《汉官仪》中写道： “博者，通博古今； 士者，辩于然否。”后来，人们逐渐把精通某种职业的专门人才称为博士。博士作为一种学位，最早产生于12世纪，最初它是加入教师行会的一种资格证书。19世纪初，德国柏林大学成立，其哲学院取代了以往神学院在大学中的地位，在大学发展的历史上首次产生了由哲学院授予的哲学博士学位，并赋予了哲学博士深层次的教育内涵，即推崇学术自由、创造新知识。哲学博士的设立标志着现代博士生教育的开端，博士则被定义为独立从事学术研究、具备创造新知识能力的人，是学术精神的传承者和光大者。 博士生学习期间是培养学术精神最重要的阶段。博士生需要接受严谨的学术训练，开展深入的学术研究，并通过发表学术论文、参与学术活动及博士论文答辩等环节，证明自身的学术能力。更重要的是，博士生要培养学术志趣，把对学术的热爱融入生命之中，把捍卫真理作为毕生的追求。博士生更要学会如何面对干扰和诱惑，远离功利，保持安静、从容的心态。学术精神特别是其中所蕴含的科学理性精神、学术奉献精神不仅对博士生未来的学术事业至关重要，对博士生一生的发展都大有裨益。 独创性和批判性思维是博士生最重要的素质 博士生需要具备很多素质，包括逻辑推理、言语表达、沟通协作等，但是最重要的素质是独创性和批判性思维。 学术重视传承，但更看重突破和创新。博士生作为学术事业的后备力量，要立志于追求独创性。独创意味着独立和创造，没有独立精神，往往很难产生创造性的成果。1929年6月3日，在清华大学国学院导师王国维逝世二周年之际，国学院师生为纪念这位杰出的学者，募款修造“海宁王静安先生纪念碑”，同为国学院导师的陈寅恪先生撰写了碑铭，其中写道： “先生之著述，或有时而不章； 先生之学说，或有时而可商； 惟此独立之精神，自由之思想，历千万祀，与天壤而同久，共三光而永光。”这是对于一位学者的极高评价。中国著名的史学家、文学家司马迁所讲的“究天人之际，通古今之变，成一家之言”也是强调要在古今贯通中形成自己独立的见解，并努力达到新的高度。博士生应该以“独立之精神、自由之思想”来要求自己，不断创造新的学术成果。 诺贝尔物理学奖获得者杨振宁先生曾在20世纪80年代初对到访纽约州立大学石溪分校的90多名中国学生、学者提出： “独创性是科学工作者最重要的素质。”杨先生主张做研究的人一定要有独创的精神、独到的见解和独立研究的能力。在科技如此发达的今天，学术上的独创性变得越来越难，也愈加珍贵和重要。博士生要树立敢为天下先的志向，在独创性上下功夫，勇于挑战最前沿的科学问题。 批判性思维是一种遵循逻辑规则、不断质疑和反省的思维方式，具有批判性思维的人勇于挑战自己、敢于挑战权威。批判性思维的缺乏往往被认为是中国学生特有的弱项，也是我们在博士生培养方面存在的一个普遍问题。2001年，美国卡内基基金会开展了一项“卡内基博士生教育创新计划”，针对博士生教育进行调研，并发布了研究报告。该报告指出： 在美国和欧洲，培养学生保持批判而质疑的眼光看待自己、同行和导师的观点同样非常不容易，批判性思维的培养必须要成为博士生培养项目的组成部分。 对于博士生而言，批判性思维的养成要从如何面对权威开始。为了鼓励学生质疑学术权威、挑战现有学术范式，培养学生的挑战精神和创新能力，清华大学在2013年发起“巅峰对话”，由学生自主邀请各学科领域具有国际影响力的学术大师与清华学生同台对话。该活动迄今已经举办了21期，先后邀请17位诺贝尔奖、3位图灵奖、1位菲尔兹奖获得者参与对话。诺贝尔化学奖得主巴里·夏普莱斯（Barry Sharpless）在2013年11月来清华参加“巅峰对话”时，对于清华学生的质疑精神印象深刻。他在接受媒体采访时谈道： “清华的学生无所畏惧，请原谅我的措辞，但他们真的很有胆量。”这是我听到的对清华学生的最高评价，博士生就应该具备这样的勇气和能力。培养批判性思维更难的一层是要有勇气不断否定自己，有一种不断超越自己的精神。爱因斯坦说： “在真理的认识方面，任何以权威自居的人，必将在上帝的嬉笑中垮台。”这句名言应该成为每一位从事学术研究的博士生的箴言。 提高博士生培养质量有赖于构建全方位的博士生教育体系 一流的博士生教育要有一流的教育理念，需要构建全方位的教育体系，把教育理念落实到博士生培养的各个环节中。 在博士生选拔方面，不能简单按考分录取，而是要侧重评价学术志趣和创新潜力。知识结构固然重要，但学术志趣和创新潜力更关键，考分不能完全反映学生的学术潜质。清华大学在经过多年试点探索的基础上，于2016年开始全面实行博士生招生“申请审核”制，从原来的按照考试分数招收博士生转变为按科研创新能力、专业学术潜质招收，并给予院系、学科、导师更大的自主权。《清华大学“申请审核”制实施办法》明晰了导师和院系在考核、遴选和推荐上的权力和职责，同时确定了规范的流程及监管要求。 在博士生指导教师资格确认方面，不能论资排辈，要更看重教师的学术活力及研究工作的前沿性。博士生教育质量的提升关键在于教师，要让更多、更优秀的教师参与到博士生教育中来。清华大学从2009年开始探索将博士生导师评定权下放到各学位评定分委员会，允许评聘一部分优秀副教授担任博士生导师。近年来学校在推进教师人事制度改革过程中，明确教研系列助理教授可以独立指导博士生，让富有创造活力的青年教师指导优秀的青年学生，师生相互促进、共同成长。 在促进博士生交流方面，要努力突破学科领域的界限，注重搭建跨学科的平台。跨学科交流是激发博士生学术创造力的重要途径，博士生要努力提升在交叉学科领域开展科研工作的能力。清华大学于2014年创办了“微沙龙”平台，同学们可以通过微信平台随时发布学术话题、寻觅学术伙伴。3年来，博士生参与和发起“微沙龙”12000多场，参与博士生达38000多人次。“微沙龙”促进了不同学科学生之间的思想碰撞，激发了同学们的学术志趣。清华于2002年创办了博士生论坛，论坛由同学自己组织，师生共同参与。博士生论坛持续举办了500期，开展了18000多场学术报告，切实起到了师生互动、教学相长、学科交融、促进交流的作用。学校积极资助博士生到世界一流大学开展交流与合作研究，超过60%的博士生有海外访学经历。清华于2011年设立了发展中国家博士生项目，鼓励学生到发展中国家亲身体验和调研，在全球化背景下研究发展中国家的各类问题。 在博士学位评定方面，权力要进一步下放，学术判断应该由各领域的学者来负责。院系二级学术单位应该在评定博士论文水平上拥有更多的权力，也应担负更多的责任。清华大学从2015年开始把学位论文的评审职责授权给各学位评定分委员会，学位论文质量和学位评审过程主要由各学位分委员会进行把关，校学位委员会负责学位管理整体工作，负责制度建设和争议事项处理。 全面提高人才培养能力是建设世界一流大学的核心。博士生培养质量的提升是大学办学质量提升的重要标志。我们要高度重视、充分发挥博士生教育的战略性、引领性作用，面向世界、勇于进取，树立自信、保持特色，不断推动一流大学的人才培养迈向新的高度。 清华大学校长 2017年12月5日 丛书序二 以学术型人才培养为主的博士生教育，肩负着培养具有国际竞争力的高层次学术创新人才的重任，是国家发展战略的重要组成部分，是清华大学人才培养的重中之重。 作为首批设立研究生院的高校，清华大学自20世纪80年代初开始，立足国家和社会需要，结合校内实际情况，不断推动博士生教育改革。为了提供适宜博士生成长的学术环境，我校一方面不断地营造浓厚的学术氛围，一方面大力推动培养模式创新探索。我校已多年运行一系列博士生培养专项基金和特色项目，激励博士生潜心学术、锐意创新，提升博士生的国际视野，倡导跨学科研究与交流，不断提升博士生培养质量。 博士生是最具创造力的学术研究新生力量，思维活跃，求真求实。他们在导师的指导下进入本领域研究前沿，吸取本领域最新的研究成果，拓宽人类的认知边界，不断取得创新性成果。这套优秀博士学位论文丛书，不仅是我校博士生研究工作前沿成果的体现，也是我校博士生学术精神传承和光大的体现。 这套丛书的每一篇论文均来自学校新近每年评选的校级优秀博士学位论文。为了鼓励创新，激励优秀的博士生脱颖而出，同时激励导师悉心指导，我校评选校级优秀博士学位论文已有20多年。评选出的优秀博士学位论文代表了我校各学科最优秀的博士学位论文的水平。为了传播优秀的博士学位论文成果，更好地推动学术交流与学科建设，促进博士生未来发展和成长，清华大学研究生院与清华大学出版社合作出版这些优秀的博士学位论文。 感谢清华大学出版社，悉心地为每位作者提供专业、细致的写作和出版指导，使这些博士论文以专著方式呈现在读者面前，促进了这些最新的优秀研究成果的快速广泛传播。相信本套丛书的出版可以为国内外各相关领域或交叉领域的在读研究生和科研人员提供有益的参考，为相关学科领域的发展和优秀科研成果的转化起到积极的推动作用。 感谢丛书作者的导师们。这些优秀的博士学位论文，从选题、研究到成文，离不开导师的精心指导。我校优秀的师生导学传统，成就了一项项优秀的研究成果，成就了一大批青年学者，也成就了清华的学术研究。感谢导师们为每篇论文精心撰写序言，帮助读者更好地理解论文。 感谢丛书的作者们。他们优秀的学术成果，连同鲜活的思想、创新的精神、严谨的学风，都为致力于学术研究的后来者树立了榜样。他们本着精益求精的精神，对论文进行了细致的修改完善，使之在具备科学性、前沿性的同时，更具系统性和可读性。 这套丛书涵盖清华众多学科，从论文的选题能够感受到作者们积极参与国家重大战略、社会发展问题、新兴产业创新等的研究热情，能够感受到作者们的国际视野和人文情怀。相信这些年轻作者们勇于承担学术创新重任的社会责任感能够感染和带动越来越多的博士生，将论文书写在祖国的大地上。 祝愿丛书的作者们、读者们和所有从事学术研究的同行们在未来的道路上坚持梦想，百折不挠！在服务国家、奉献社会和造福人类的事业中不断创新，做新时代的引领者。 相信每一位读者在阅读这一本本学术著作的时候，在吸取学术创新成果、享受学术之美的同时，能够将其中所蕴含的科学理性精神和学术奉献精神传播和发扬出去。 清华大学研究生院院长 2018年1月5日 导师序言 如今，个性化推荐技术已经广泛应用到电子商务、内容分发以及社交网络服务等消费系统中。它如同一个智能化的信息助手，通过分析用户与系统的交互历史行为，如浏览、点击、购买、评价等，挖掘用户偏好和潜在消费需求，即可为用户推荐感兴趣的物品。随着推荐系统的广泛应用，其作用日益彰显。通过捕捉用户偏好和精准匹配用户需求，个性化推荐系统在提升用户的消费体验的同时，也提高了企业运营效率和收益。 因此，如何设计合理有效的个性化推荐系统已经成为业界和学界普遍关注的问题。从2006年开始举办的、当年风靡一时的Netflix Prize推荐模型竞赛，到近年来国内著名电商平台阿里巴巴、京东都频频推出的有关推荐系统的竞赛，越来越多的科研人员加入到推荐系统的研究中来，贡献了各种各样的推荐模型和算法，也大大提高了推荐系统在业界和学界的影响力。 用户的消费行为是一个复杂的过程，存在多种影响因素，其中个性心理因素是影响用户选择物品、服务进行消费的重要因素。营销、心理学以及信息系统相关领域的研究旨在描述和解释用户的行为，而有关用户行为的预测及其在推荐系统中的应用方面的研究还十分缺乏。同时，已有研究多数采取实验、问卷调查等方式，不仅耗费大量的人力物力，得到的数据十分有限，数据的客观性也难以得到保障。因此，基于用户在消费过程中的行为数据，通过数据驱动的分析方法和技术，发现用户潜在的需求和心理因素，基于用户的个性心理因素进行用户行为的预测和个性化推荐方法的设计，这就成了非常值得研究的具有挑战性的课题。本书作者以此为切入点，在攻读博士学位期间选取了探索、涉入、从众三种心理特质，结合心理学理论和数据科学理论，系统展开了考虑用户心理因素的推荐方法研究，丰富了用户心理分析、行为预测和个性化推荐领域的研究方法。 考虑心理因素的推荐方法研究首先需要解决“心理因素识别”的问题。用户心理因素具有不可观测和因人而异的特点，给心理因素的识别带来很大的挑战。为了解决这个问题，本书援引有关心理学理论作为支撑，基于贝叶斯模型的框架提出了新型的概率图模型，通过用户的外在行为表现挖掘其内在心理特质，并将心理因素的影响加入用户行为预测中，提出了一系列新颖的推荐模型和策略，显著提高了个性化推荐的性能。此外，本书提出了数据驱动的分析用户心理特质和行为模式的方法，基于已有经典理论分析新型电子商务情景中的用户行为，发现了很多有意义的行为特质和结论，为电子商务的运营管理和决策提供了有效启示。 总之，本书以心理学理论和数据科学为基础，设计了一系列基于用户行为挖掘用户潜在心理特质并应用于行为预测和推荐系统的模型和方法，这些模型和方法不仅提升了推荐系统的性能，也同时便于理解用户行为，提升推荐系统的可解释性，为个性化推荐领域的研究以及消费者行为的研究开辟了新的方向。从更广义层面来说，利用有关心理学和行为学理论指导机器学习等计算模型的设计正成为一个有前景的研究方向，将催生出更多值得研究的问题。 本书涉及的研究得到国家自然科学基金项目“考虑心理因素的用户在线行为预测及其在推荐系统中的应用研究（编号71771131）”的资助，特此说明。 刘红岩 2019年12月于北京清华园 摘要 如今，个性化推荐技术已经得到广泛的应用，成为业界和学界的研究热点。个性化推荐旨在通过预测用户的行为和偏好为用户推荐需要的物品。以往的推荐研究较少考虑心理因素的影响，本书着重研究如何基于用户行为数据挖掘其潜在的心理特质，并将其考虑到用户行为预测和推荐中，以提升个性化推荐的效果。为了解决这一问题，笔者援引用户心理学和行为学的相关理论为支撑，基于贝叶斯模型进行推荐方法设计，通过用户的外在行为表现挖掘其内在心理特质。 具体来说，本书重点考虑了三类心理特质的影响，包括探索、涉入和从众，来进行推荐方法的设计。 探索指用户的多样化探求倾向，受个体最佳刺激水平的影响。在考虑探索的推荐中，将探索心理识别和用户行为建模统一起来，提出GEM模型。该模型整合高斯模型和话题模型，并引入马尔科夫依赖关系对前后选择行为之间的序列关系进行建模。 涉入指用户内在感知的物品的重要性，与其内在的需求、兴趣和价值取向有关。在考虑涉入的推荐中，将涉入度识别和兴趣发现统一起来，提出IMAR模型。该模型利用浏览强度识别涉入度高低，并综合用户选择和浏览行为发现用户兴趣。 从众指个体倾向于匹配群体规范而改变自身的观点、行为和态度。与传统社会化推荐研究不同，本研究试图区分不同朋友圈子影响的差异性，提出ICTM模型。该模型能结合社会网络结构和用户的选择行为自动地划分朋友圈，并在对用户选择行为进行建模时自动地考虑不同朋友圈的影响。 在真实的推荐数据集上的实验表明，以上推荐模型均明显优于传统推荐方法，说明了考虑心理因素对于提升个性化推荐质量的重要作用。不仅如此，笔者还得到了一系列有关用户心理倾向和行为模式的有趣结论，给平台运营和管理提供了有效启示。比如，探索倾向高的用户更喜欢寻求多样化，有更高的风险偏好和参与度； 又如，游戏类应用往往比功能类应用更容易引发用户的涉入。 总而言之，本书立足于信息系统技术研究和行为研究的交叉点，结合心理特质分析用户行为偏好，提出了具有创新性的用户行为建模方法，提升了推荐系统性能，丰富了用户行为分析和个性化推荐的理论和方法。 关键词： 个性化推荐； 心理因素； 贝叶斯模型； 话题模型 Abstract Nowadays, personalized recommendation techniques have been widely used and become a hot research topic in both industry and academia. Personalized recommendations aim to recommend users the items they desire by predicting their behaviors and preferences. Existing recommendation studies pay limited attention to the role of psychological factors. However, this study focuses on explicitly mining users’ psychological factors from their behaviors, and incorporating the discovered psychological factors into the task of user behavior prediction and item recommendation, in order to improve the performance of personalized recommendation. To solve this problem, we lay theoretical foundations in psychological and behavioral theory, design novel recommendation methods based on the framework of bayesian models, and mine users’ internal psychological factors from their external behavioral patterns. Specifically, we select three representative psychological factors, including exploration, involvement, and conformity, to improve the design of recommendation models. Exploration refers to the tendency that an individual seeks variety, affected by his or her optimum stimulation level. To consider the effect of exploration in recommendation, we propose a novel GEM model to identify a user’s exploratory tendency and model his or her behaviors simultaneously. This model combines mixture Gaussian models and topic models with a Markov dependency rule that could consider the sequential pattern between a user’s successive selection behaviors. Involvement refers to a user’s perceived relevance of a product category, based on the user’s inherent needs, interests, and values. To consider the effect of involvement in recommendation, we propose an innovative IMAR model capable of discovering a user’s involvement states and interests at the same time. This model identifies involvement states through browsing intensity, and discovers interests from both users’ browsing and selection behaviors. Conformity refers to the tendency that an individual changes his or her opinions, behaviors or attitudes according to group norms. In contrast with existing studies on social recommendation, this study tries to differentiate the influence of different friend groups and proposes ICTM model. This model is able to automatically detect friend groups according to users’ selection behaviors and the structure of social networks among the users, and appropriately incorporate the social influence of specific friend groups in modeling users’ selection behaviors. Experimental results on realworld recommendation datasets show the superior performance of our proposed models in comparison to stateofart recommendation methods, demonstrating the essential role of considering psychological factors in personalized item recommendation. Furthermore, this study also obtains some interesting findings on users’ psychological and behavioral patterns, which provide useful implications for platform operation and management. For example, users of high exploratory tendency prefer to seek variety, take risks and demonstrate higher participation. Besides, game apps are more likely to arouse users’ involvement than utility apps. Overall, standing at the intersection of technical and behavioral study in information systems research, this study predicts user preferences by considering psychological factors and proposes some innovative methods for user behavior modeling, which largely improves the predicative quality of recommender systems and has enriched the theories and methods in user behavior analytics and personalized item recommendations. Key words: personalized item recommendations; psychological factors; bayesian models; topic models

• 暂无课件
• 样章下载
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接