[论文解读] Appreciating the variety of goals in computational neuroscience

Konrad P. Körding, Gunnar Blohm+2 more|arXiv (Cornell University)|Feb 8, 2020

Functional Brain Connectivity Studies参考文献 23被引用 14

一句话总结

本文主张，计算神经科学中目标的多样性——从生物真实性到数学简洁性及临床相关性——导致了模型评估与同行评审中的分歧。通过倡导作者明确陈述建模目标，本文提出透明度将减少误解，改善同行评审，并通过认可多样且合法的研究目标，推动科学进步。

ABSTRACT

Within computational neuroscience, informal interactions with modelers often reveal wildly divergent goals. In this opinion piece, we explicitly address the diversity of goals that motivate and ultimately influence modeling efforts. We argue that a wide range of goals can be meaningfully taken to be of highest importance. A simple informal survey conducted on the Internet confirmed the diversity of goals in the community. However, different priorities or preferences of individual researchers can lead to divergent model evaluation criteria. We propose that many disagreements in evaluating the merit of computational research stem from differences in goals and not from the mechanics of constructing, describing, and validating models. We suggest that authors state explicitly their goals when proposing models so that others can judge the quality of the research with respect to its stated goals.

研究动机与目标

• 解决计算神经科学中广泛存在但常被忽视的目标多样性问题，该问题导致模型评估中的分歧。
• 证明不同目标——而非建模机制中的缺陷——是许多论文被拒稿和同行评审冲突的根本原因。
• 提出作者应在稿件中明确陈述其建模目标，以对齐期望并改善科学论述。
• 鼓励审稿人和编辑根据论文中明确陈述的目标进行评估，而非基于隐含或假设的标准。
• 将目标多样性视为一种优势，而非弱点，因其能促进创新、专业化和科学进步的平衡。

提出的方法

• 通过非正式调查并分析大量计算神经科学论文，识别出反复出现的建模目标。
• 将建模目标分类为不同类型，如可解释性、生物真实性、数学简洁性及临床实用性。
• 运用元科学分析，研究隐含目标偏好如何影响编辑和同行评审决策。
• 提出一个框架，供作者在稿件的多个部分（引言、方法、讨论）中明确声明其目标。
• 对本文本身进行自我反思，作为模型：在12项建模标准的语境下，描述作者自身研究工作的目标。
• 借鉴社会选择理论（例如，阿罗不可能定理）来论证强制推行单一统一的建模目标标准是不可行的。

实验结果

研究问题

• RQ1 为何在方法论严谨的前提下，计算神经科学模型的评估分歧仍持续存在？
• RQ2 驱动计算神经科学中不同建模工作的主要且独立的目标是什么？
• RQ3 审稿人和编辑的隐含目标偏好在多大程度上影响了科学论文的成功与拒稿？
• RQ4 明确声明建模目标在多大程度上能改善计算神经科学中的科学交流与同行评审？
• RQ5 建模目标的多样性是科学进步的障碍还是优势？

主要发现

• 建模目标的差异——如优先考虑可解释性、生物真实性或数学简洁性——是模型评估分歧的主要原因，而非方法论缺陷。
• 大量计算神经科学论文被拒稿，其根源在于作者明确陈述的目标与审稿人所假设或偏好的目标之间存在错位。
• 在稿件中明确陈述建模目标可减少误解，并提升同行评审的公平性与建设性。
• 建模目标的多样性反映了计算神经科学的跨学科本质，是一种优势，能促进专业化、创新，并抵御群体思维。
• 试图推行单一统一的建模目标标准的努力，由于社会选择理论的根本限制以及不同标准之间的固有权衡，极不可能成功。
• 本文本身通过明确将目标定位为描述建模目标并优先考虑可解释性与清晰性，体现了其自身提出的主张。