技术与创新

第一天项目

利用机器学习，以减少S＆T机构审查研究建议的成本和负担

08.28.20 | 1分钟阅读 | 文字伊拉娜·哈鲁斯（Ilana Harrus）

概括

美国大约有1300亿美元，领导着联邦研发支出的世界。大部分支出都是由科学技术（S＆T）机构分配的，这些机构使用内部评论来确定响应竞争资金机会提交的最佳建议。作为优质科学研究的管理者，每个资助机构的任务的一部分是确保在提案评估过程中的公平，透明度和完整性。手动提案审查是耗时且昂贵的，仅在国家科学基金会就估计每年耗资3亿美元。然而，在目前的提案成功率（大多数资金机会的5％至20％）中，很大一部分被审查的提案根本没有竞争力。

下一个政府应启动并执行一项计划，以推进机器学习，以分类科学建议。该提案提出了一系列行动和构想，以扩散科学和技术机构的机器学习，以最终成为提案审查的标准组成部分，同时提高融资过程的效率而不损害资金研究的质量。