
诺奖评选有何“潜规则”?大数据告诉你答案
时钟刚走到北京时间9日19时,村上春树却又落选了,一个不怎么认识的法国人拿走了今年的诺贝尔文学奖。“领跑书榜、白跑诺奖”,一个村上小说的粉丝感叹道。看来,即使押注万贯,也看不穿诺奖评选的秘密了。不过,大数据为一窥这一大奖的神秘评选提供了有用工具。梳理诺奖诞生以来的所有获奖人资料可以发现,年纪够大、共同获奖和出身欧美这三点已经成了大部分诺奖得主的共性。
年纪够老 资历够重
阿尔伯特·爱因斯坦说,一个人要是在30年前没有实现抱负,那他以后便注定碌碌无为。
不过,和《美丽心灵》中的诺贝尔经济学奖得主约翰·纳什经历相似,爱因斯坦早在21岁时发表了他关于光电效应的论文,但却是在20年后才获得诺贝尔奖。
印度新闻网站livemint就历届诺贝尔奖获得者统计分析后发现,除了和平奖之外,其他各项奖项的获得者在年龄上越来越大。
统计发现,本世纪(2000-2013年)诺奖获得者的平均年龄是65岁,这距离大多数国家60岁的退休年龄已经过去了五年。而在100年前的1911-1920年,当时诺奖获得者的平均年龄仅有51岁。100年过去,诺奖得主普遍“老龄化”了。然而,这并不能说太令人惊讶。在上个世纪,科学门类已经极大扩展和细化,知识也极大丰富,在基本框架没有发生颠覆的情况下,要让学者们证明他们无愧于得到这个人类最高奖项自然要花费更长时间。
今年的情况也大概如此。截至发稿前,在已经公布的四奖项的10位获奖人中,就有85岁的物理学奖得主赤崎勇以及75岁的生理学或医学奖得主约翰 ·奥基夫。
文学奖得主的年纪最大。本世纪所有诺贝尔文学奖得主的年纪平均高达69岁,而且未来可能还会更老。相对来说,文学奖更多的是对一个作家终身作品非单个成就的肯定,这可能是一个原因。昨晚公布的诺贝尔文学奖得主、法国作家帕特里克·莫迪亚诺也已经年近70岁了。
与人合作 共享诺奖
以物理学奖得主为例,每年的平均获奖人数从1901-1910年的1.4个上升到本世纪的2.6个。化学奖变化更为惊人,诺奖诞生后十数年都是由一人独揽,但到了本世纪,每年获奖者人数达2.4个。
在今年已经公布的四个奖项中,除了文学奖之外,其他三个奖项都分别是三人共同获奖。其中,诺贝尔生理学或医学奖得主中有一对“夫妻档”科学家(挪威科技大学教授梅·布里特·莫泽和丈夫爱德华·莫泽),被引为美谈。
正如上文提到的年纪越来越大一样,同一奖项分享者越来越多在科学界也不是稀罕事,因为巨大的工作量让合作非常必要。
分享的不仅是荣誉,还有真金白银。
在过去110多年,诺贝尔奖奖金也经历了多轮上涨,今年每个奖项的奖金为800万克朗(约113万美元)。不过,由于越来越少的人无法自己“独吞”该奖项,两人或多人分享的案例越来越多,现在每个人拿到的奖金也不如当年。
在去年,每个诺贝尔物理学奖获得者只能得到400万瑞典克朗的奖金。而1901年,每个获奖者能得到610万瑞典克朗(以可比价格计算)。
不过,绝大多数诺贝尔文学奖得主可以“独享”这笔巨款。由于文学作品对个人精神体验和艺术特色更加重视,文学奖得主100多年来绝大部分颁发给单个人。截至目前,两人“平分秋色”分享该奖的情形只发生了四次,最近一次是在1974年。当时两名瑞典作家埃温特·约翰逊与哈瑞·马丁松同时获得该奖。由于两人均是瑞典学院院士,一时饱受争议。
还是西方人最多
关于诺奖一个极富争议的话题是,大多数获奖者都来自北美和欧洲,超过八成的诺奖得主出生在这里。
虽然出生自欧美以外地区的诺奖得主比例一直在稳步上升,但到本世纪仍只占到所有获奖者的23%。并且这些人中的大多数都是在欧美方才夺得该奖,反映出科技移民的大背景。
例如,2009年获得诺贝尔化学奖的万卡特拉曼·莱马克里斯南出生于印度,但却是作为美国公民得奖的。
今年因发明蓝光LED而摘得诺贝尔物理学奖的3名日本科学家中,中村修二便是日裔美籍人士,他现在在加州大学圣巴巴拉分校任教授。一个细节是,中村修二在1993年发明蓝光LED后只获得数万日元的奖励,愤而离日赴美,还曾因专利问题与所在公司对簿公堂。
但在非西方环境中土生土长最后摘得桂冠的例子也不少,文学奖就是其一。
比如马尔克斯,其是1982年诺贝尔文学奖得主,虽然曾游历欧洲并在那里做过记者,但他的主要生活经历仍是在拉丁美洲,代表作《百年孤独》从骨架、血肉到灵魂都扎根于这块“魔幻现实主义”的土地。被称为“中国马尔克斯”的莫言在去年也荣膺了该奖,其作品“融合了民间传说、历史与当下”,是中国而非西方的文化结晶。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14