高校教学、科研及社会服务的关系辨析
众所周知，教学、科研、社会服务和文化传承是现代高校的四大职能，它们之间的关系也是大家都几能成诵，什么以教学为核心，一切为了学生，科研和社会服务各为纵横发展方向等等，但在教育的现实中，经常可以看到社会服务、科研挤兑教学的事情，教学反而要为这些活动让路，因此如何处理这四者的关系其实是值得教育工作者尤其是领导者权衡的事情，在这里欢迎大家讨论工作中这四大职能经常遇到的矛盾和冲突及其解决之道。 这个问题确实很严重，长期如此，后果不堪设想！ 引用第0楼golden21c于2012-11-29 18:32发表的 高校教学、科研及社会服务的关系辨析 :以我个人在高校从事行政管理工作的经历，来谈一下对于高校在履行职能方面的肤浅感受。
从高校管理层面来看，高校的管理目标无疑是为了实现教育目标，在我国现阶段，培养高级专门人才、学术水平、为地方经济社会发展服务，是高校特别是一些地方高校的教育目标，简而言之就是高校的教学、科研及社会服务三大职能，联系三大职能之间的一条主线就是人才培养，高校在管理上就是要充分利用全校的人、财、物等教育资源，培养高水平的各行各业人才，创造更多的科研成果，为社会提供更多更好的服务，提高办学效益。更好地培养人才，提高人才培养的质量是高校管理的出发点和落脚点。教学、科研、及社会服务三者之间在理想状态应该是相互融合、互为补充的关系。然而，在现实操作中，由于利益博弈等多方面的因素，会出现因过分追求科研成果输出、产学研对接而架空人才培养的现象，在我所在的大学，有些院系博士一大堆，大学生招收持续减少，部分教授四处走穴，联合报项目，搞产学研，一年到头一节课都没上，这种极不健康的现象，不利于高校的人才培养职能的发挥，短期的效益也难以持续，可以说是本末倒置的。
高校的内部管理主导性成员是一线教师队伍，他们是以掌握专门知识为标志的知识群体，在培养人才方面发挥直接作用的群体，是高校发挥三大职能的实际践行者。目前国内高校师资管理方面也出现了很多问题，这也是造成高校教学、科研及社会服务三者关系失衡的一个重要因素。定岗定编工作现在已经到了实际实施阶段，一些僵化的条条框框依然还在束缚着教师特别是青年教师的发展，举个最直接的例子就是从事实验教学的教师在岗位和编制核定上作为教辅人员来对待，各方面的待遇都要比同档的教师和管理岗位差，这就直接影响了实践创新人才培养的质量。实验教师不去占用学生的实验资源，多出科研成果，年底奖金打折扣、工资晋级和职称评定遥遥无期，大量的精力都偏向于个人的科研成果输出，人才培养、学生动手能力、实践创新能力逐渐沦为一纸空谈。
高校的自身能力发展体现在高校过程发展中，高校管理主要还是以知识管理为主，说白了学校的基本职能就是传播知识，培养人才。但是高校要发展，搭建更大的平台，不只是看培养人才多少，高校在社会上的各种关系中，很大程度上还是涉及到一些学术、科研问题，这是事关高校发展的深层次问题。高校的社会服务功能对于科研成果的要求也日益提高，很多成果为了实现产业化，必须要借助社会力量，这跟高校的发展规划有关。在三大职能之间的权重比列，是顶层设计者去谋划的事情，有些高校为了争取短期的重大突破，比如学科建设、博士点建设、国家级平台建设等等，在调配过程中，增加对科研和社会服务方面的比重，也是一种发展的短期策略。
高校教育，从长远来看，教学永远是第一位。科研和社会服务是在教学基础之上的更高层次的追求，是高校长足发展必不可少的助推器。在管理过程中，按照各自情况和不同时期，积极处理好三者之间的关系，考验的是高校行政管理层的智慧。
寒武妄言谈之，各位姑且笑之。 其实一线教师专注科研是保证这些教师饭碗的最好办法，现在一线教学已经能有很多替代方法了
比如远程教育，或者使用设备进行学习，学生的学习过程掺着信息化手段速度或许越来越快，一线教师的作用也在逐步被其他高技术手段替代或者替代前景越来越明显。
课件资源网络普及，课本的平板电脑化，人机交互和云计算的普及，这些学习手段都越来越加快了一线教师教辅作用的可替代的速度，加上计算机的计算能力的进步，将来的学校大部分还是要靠计算机教学来进行学生学习辅导，正如富士康的机器人普及一样吧。
资料：
准确率73% IBM超级电脑沃森将用于诊病
IBM说，希望凭借“沃森”强大的分析功能和数据存储，未来“沃森”可以通过口语对话方式，与临床医生诊断病情，甚至商议治疗方案。
IBM自己的资料，预计10年内类似沃森的集群学习能力就到达普通成人的学习水平（目前是费用问题，不能过多堆叠服务器）
=====================
IBM借沃森再转型 延伸至隐形决策人
想象一下数万亿个互联互通、可感知可度量的物体，比如汽车、相机、道路、管线，甚至家畜和医药都可以进行互联互通创造巨大的数据，而IBM要在未来10年内将这些海量数据通过“大数据整合”、“优化的系统”和“云计算”技术转变为“商业洞察”——某种意义上它将决定一家企业或一个政府部门的未来决策——并为IBM带来新的增长。
IBM的研究称，整个人类文明所获得的全部数据当中，有90%是过去两年内产生的。而到了2020年，全世界所产生的数据量规模将达到今天的44倍。就像罗睿兰所说的，“数据将成为一切行业当中决定胜负的根本因素，最终数据将成为人类至关重要的自然资源。”
================
教师必须考虑到所谓可替代的成本，高校的教学科研和服务也涉及成本核算，大家也可以借鉴富士康的案例，富士康现在发现用一个工人的成本已经高到了不能承担的程度，使用机器人可以大概两三年就回收成本，以后就是纯赚的了，现在高校服务部门的成本多少，教师的必要的生存成本多少，替代的成本有多少。
IBM的沃森集群是一个小的体系，大概几百颗IBM的CPU搭建的集群，按照目前硬件变化的速度和云的进化，要不了多久，简化的廉价版本的类似沃森的只给学校学生做教辅的类似系统或许能节省多少个新毕业的一线教师（刚刚毕业的新教师也有一个成熟的成本问题），这点背后的人力成本如果被机器替代，未来几年也不是什么难事，弄不好或许还有学校会拿出来做个宣传的招生卖点吧 资料参考：
未来电脑技术将取代80%医生工作量
2012-12-06 10:00:48来源:腾讯科技
腾讯科技讯（乐学）北京时间12月6日消息，据国外媒体报道，在不久的将来，医疗行业将会发生大变革。新的电脑技术将不仅有助于医生得出更具个性化的、更精准的诊断结果，而且还能够减少医疗成本、改善患者护理服务以及减少医生的工作量。
误诊率高的“医疗实践”
今天的医疗卫生实际上是“医疗实践”，而不是“医疗科学”。
就以发烧为例。150年来，医生通常会开一些布洛芬之类的退烧药来帮助缓解发烧症状。但是，在2005年，美国福罗里达州迈阿密大学的研究人员对82名重症特别护理病人进行了研究。他们随机选择一些病人，要么在其体温超过101.3°F令其服用退烧药（“标准治疗”），要么仅在其体温达到104°F时才允许其服用退烧药。结果，七名接受“标准治疗”的病人死亡，而在体温更高时才接受治疗的病人中仅有1人死亡。这个实验到此就结束了，因为这个医疗团队认为，再让任何病人接受标准治疗都是不道德的。
因此，像退烧这样基本的医疗方法仅属于“医学实践”，而且在100多年未受到任何挑战。在这种情况下，我们不禁会问：还有其他什么医疗问题可能依靠传统经验而不是科学来解决呢？
今天的诊断往往根据病人过往的病史和现在的病症（但是病人往往说不清楚自己的身体到底哪里不舒服）而做出。他们往往通过广告和医生的经验来了解自己的病情；而这些医生往往只是从医学院一些过时的课程上学了点皮毛而已。很多时候，如果你就同一个问题咨询三个医生的意见，你可能会得到三种不同的诊断结果和三种不用的治疗方案。
最后的结果就是，病人接受了质量更低劣、价格更昂贵的医疗服务。美国约翰霍普金斯大学的一项研究发现，在美国，每年有40500名病人因为误诊死在重症监护病房里，超过了因乳腺癌死亡的人数。然而，另一项调查却发现，“体制因素”，例如糟糕的处理方法、医疗团队和医患交流，与65%的误诊案例有关。而“认知因素”与75%的误诊案例有关，其中最常见的认知因素是“早闭”（坚持最初的诊断结果，而忽视合理的可替代方案）。这些诊断错误还导致医疗费用增长，平均每次误诊会导致成本增加30万美元。
医疗过程更应该是以数据为基础进行的推断，而不是不断地试错。随着数据和研究案例越来越多，不采用相应的技术很难满足现代医疗服务的要求。下一代医疗服务将利用更复杂的生理机能模型和更多的传感器数据来给出个性化的诊断结果。成千上万个数据点、更多的病史资料以及案例研究将有助于得出更精准的诊断结果。不断改善的对话管理系统，将帮助医生从患者那里获得的病情信息更准确和全面。在这里，数据科学是关键。最后，它将会减少成本、减少医生工作量以及改善患者护理服务。
取代80%的医生所做的工作？
医生所做的很多工作（检查、测试、诊断、开药、行为校正，等等），均能够通过传感器、消极和积极的数据收集以及分析做得更好。但是，医生不应该只是做些测量工作。他们应该了解所有这些数据，并结合最新的医疗发现和患者的病史综合考虑这些数据，并找出患者的真正病因。电脑能够处理所有这些诊断和治疗工作，甚至能够比一般医生做得更好（因为它能够综合考虑更多的选择，从而可以少犯错误）。大多数医生不可能读完和理解最新的5000份有关心脏病方面的研究论文。而且，大多数一般医生的医疗知识往往来自于他们曾就读的医学院，早已过时；而且由于认识局限，他们不可能记住人类可能患上的1万多种疾病。
电脑比哈佛大学最优秀的医学博士更擅长于组织和回忆复杂信息。它们还比一般的医生更擅长于综合考虑患者的病症、病史、行为和环境因素等。何况，50%的医学博士还处于一般水平之下！而且，电脑的出错率相对来说也低得多。难道我们不该为了自己的健康而充分利用电脑吗？
技术弥补了人类的弱点，放大了我们的优点——医学博士和培训相对较少的医疗专业人士将能够做更多事情。最终，电脑将能够取代医生所做的80%的工作，并大大提升他们的能力。Lifecom公司的临床试验表明，借助于诊断知识引擎，医疗助手不必通过实验、扫描或检测就能使其诊断结果的准确率达到91%。该公司所做的另一项临床研究表明，75%的病例都能够筛选出来交给注册护士，剩下的少数病例则可让医生来处理。MassGen公司的一项调查发现，在25%的案例中，最终得到“病危诊断”的患者的病历上，其实早在医生最终做出这样的诊断之前就已有了“足以及早发现问题的信息”——换而言之，如果人们利用临床决策支持系统来分析这些数据，那么他们就可以避免耽搁患者的治疗。
新的技术将让接诊医生更胜任他们的工作——诊断过程更快，结果更准确，治疗方案更有事实根据。现在的数据量之大是前所未有的，其中蕴含着巨大的机会。一旦我们拥有足够的数据组和随时可访问的研究案例数据库，我们就更充分地能够掌握患者的病情。
随着时间的推移，医生将会越来越依赖于技术来进行分类、诊断和决策。最终，我们将只需要更少的医生，但是每个患者都将能够得到最好的治疗。诊断和治疗计划将通过电脑来完成，再配上精挑细选的医疗人员——这种挑选更看重他们的爱心，而不是诊断能力。我们不会让态度恶劣但技术高明的诊断师，即像“怪医豪斯”那样的医生，与患者直接见面。相反，我们会使用电脑算法来提供诊断，而由极具爱心的人类来提供护理服务。
诊断系统发展路径：从蹒跚学步到成熟高效
不要指望顶级的诊断系统一夜之间形成。它们刚开始可能只是一些看起来比较零星的小创新，或者听起来不入流的笨拙系统。
设想一下，每天利用AliveCor设计的iPhone手机套来测量心电图，每次测试费用不足1美元。这种设备以及其他类似的设备，比让心脏病人每半年到医务室做一次心电图检查，获得更多的病情信息，而且成本也要低得多。想一想，你做500次的“自我心电图诊断”的费用不及你在医院做一次心电图检查的费用，这该是多么省钱，而且你还能将这些测试结果发送给你的医生。今天，大多数心脏病只是在病人的心脏病发作后才为人知晓。但是，想像一下，我们可以使用可识别不正常情况并预测病情的电脑软件来进行预防性心脏护理。我们能够在人们心脏病发作或中风前发现大多数心脏疾病，从而以少得多的成本进行治疗。但是，我们需要几十年的数据积累才能够做到这一点。
CellScope公司能够提供皮肤科医生预约服务，该公司生产的低成本iPhone配件，可用于拍摄皮肤痣、皮疹、耳炎，而且（在将来）还可以拍摄你的视网膜或喉咙。各种算法将会处理这些照片，并搜寻与之最接近的病例。而像Eyenetra这样的设备，能够进行视力测试，从而让你更快更省钱地配眼镜。Adamant公司试图生产一款芯片，用于检测你呼出的数百种气体，从而排查和甄别各种不同的肺癌。这比大型CT扫描机的费用来得低，而且CT扫描机只能告诉你有无肿瘤。Ginger可监测你发送电子邮件、发布消息、发送短信以及拨打电话的频率，从而衡量你的社交活动。通过观察你行为中的变化，它能够比精神病医生更准确地告诉你的心理状况。
这些小创新乍一看似乎无关紧要，但是，当这些创新变得足够多的时候，它们就能够整合到一起，成为一项革命性的创造。2020年的技术与今天的诊断系统将会有天渊之别，就像今天的iPhone与1986年几磅重的电话之间的区别。
人的因素仍不可少
一些批评自动化医疗服务的人称，医疗服务并不只是输入病症，输出诊断结果这样简单；它是建立医患之间的关系。人类比电脑更擅长于提供友善的服务，以及回答病人的问题。但是，你并不需要获得医学学位才能做到这些。护士、临床护士、社会工作者以及其他非医学博士护理者，能够与医生一样做好（如果不是更好的话）这些事情，而且能够花费更多的时间来提供个性化的护理服务。在这里，我并不主张取缔人们在医疗服务中的一线地位。我的观点是，我们应该通过先进的电脑学习和人工智能来分析处理远远超过人类处理能力的庞大数据，从而打造强有力的后台传感和诊断技术。
在其他我们曾认为必需人类判断力的领域，自动化的转变已经开始了。现在，大多数商业飞行是通过自动驾驶仪，而不是机长来完成的。自动交易技术现在推动着绝大多数的股市交易量。谷歌(微博)的无人驾驶汽车已在一般的街道上零事故地安全行驶了30万英里。电脑取代人类工作的趋势也将蔓延到医疗行业。这将有助于全面了解患者的情况，并通过更多个性化的治疗方案改善患者的健康状况。这样一来，医生将有更多的时间来与他们的病人交流，确保他们更深地了解患者，找出那些尚未传递出来的隐含信息，因为他们不用像以前那样花费大量时间来收集数据或查阅研究案例了。而且，他们将能够接诊比现在多得多的病人，从而减少医疗成本。
医疗创新之源
所有这些创新将来自于何处呢？有人认为，我们必须在医学成果的框架内工作。我不这么看。
创新很少会从内部发生，因为现有的激励机制往往是不鼓励“搞破坏”的。医药公司会大力推销各种不同的、利润较高的药品，而不是疗效最佳的药品，因为他们希望你成为他们的药品用户，从而尽可能持久地创造营收。医疗设备制造商并不愿意推出廉价的、随处可买到的监测设备，因为这样可能会蚕食其贵重设备的销售额。传统的医疗公司将会说服、激励、贿赂和恐吓医生和管制者拒绝创新。你要创新，实际上就是要他们减少自己的利润。要真正实现医疗行业的变革，必须要有很多了不起的、具有较高道德水平的医生和组织一起来推动，而且需要经过几代人的努力。
庆幸的是，不管既得利益者愿不愿意创新，这一切都将会发生。这种创新可能会先从边缘人群中产生，例如美国4000万没有医疗保险的人，或印度数亿得不到医疗服务的人。医疗服务的这种变化将会让固定设备方面的支出更少，从而能够节省成本。它还将允许我们给那些无钱看病的人提供护理和最基本的医疗服务。它有助于避免误诊，而且有助于尽早发现治疗，防止病情恶化。
企业家能够解决这些挑战，提出新的思想。他们能够提出各种富有远见的问题，他们能够推动业内人士真正理解医疗的真谛，他们能够打造智能化的电脑，从而减少费用成本，提高服务水平。
这种变革将需要时间，但并不像人们想象的那样漫长。这种变革将会沿着不同的路线逐步向前推进，在这个过程中，将会多次出现路线调整、倒退和错误。也许我们能够最先在边缘地带看到破旧立新的壮举。大多数创新者，甚至90%的创新者，都将会在变革中以失败告终。但是，少数人将会获得成功，从而彻底改变医疗系统。对于支持企业家和公司实施变革的人来说，大多数投资将会付诸东流，但是我们能够从少数成功的创新中获得巨大的回报——远远超过我们损失的回报。没有人知道这个行业将会如何变化，但是技术专家、企业家和其他思想先锋将很有可能做到减少医疗开支，同时改善患者护理服务。
======================
相比起教学一线来说，医疗判断更加复杂和更加有风险，所以复杂的医疗都能被计算机辅助一大半，那么可以想见如果计算能力提高和相关服务价格下降后，计算机辅助学校教学的进化或许步伐更大。
页:
[1]