南京大学俞扬发表的论文
2006年荣获国家自然科学一等奖；10年来取得国家自然科学二等奖12项，名列大陆高校第一。在最能反映基础研究水平的SCI论文榜上曾经在我国大学中领跑7年；在国际顶尖杂志《Science》和《Nature》发表的论文数全国第一。1995年，世界顶级学术期刊《Science》发布的大学排行榜中，南京大学位列中国高校第二，仅次于北大。英国伦敦泰晤士报最新全球顶尖大学排行榜，南京大学位居143位，位于亚洲大学第27位，居国内高校第五。上海交通大学高等教育研究所2008年世界大学学术排名，居国内高校第一。2009年中国高校国家重大自然科学奖排行榜，位居国内高校第三。2002年、2003年、2004年、2005年、2007网大中国大学排行榜，位居国内高校第三。中国管理科学研究院《中国大学评价》课题组武书连：2009年中国15所一流大学之一，2009年中国研究型大学研究生创新环境排名，位居国内高校第四。 国家实验室（1个）：南京微结构国家实验室（筹）国家重点实验室（6个）：固体微结构物理国家重点实验室、现代配位化学国家重点实验室、计算机软件新技术国家重点实验室、内生金属矿床成矿机制研究国家重点实验室、医药生物技术国家重点实验室、污染控制与资源化研究国家重点实验室（与同济大学合建）教育部重点实验室（8个）：海岸与海岛开发教育部重点实验室、中尺度灾害性天气教育部重点实验室、介观化学教育部重点实验室、生命分析化学教育部重点实验室、高性能高分子材料实验室、近代声学教育部重点实验室、现代天文与天体物理教育部重点实验室（筹）、模式动物与疾病研究教育部重点实验室（筹）教育部工程中心（2个）：蛋白质与多肽新药教育部工程中心、水处理与水环境修复教育部工程中心 一级学科国家重点学科（8个）：中国语言文学、数学、物理学、天文学、化学、计算机科学与技术、地质学、生物学二级学科国家重点学科（13个）：马克思主义哲学、世界史、政治经济学、企业管理、英语语言文学、社会学、情报学、微电子学与固体电子学、材料物理与化学、环境科学、气象学、自然地理学、外科学（普外）国家重点（培育）学科（6个）：世界经济、经济法学、中国近现代史、大气物理学与大气环境、水文学及水资源、环境工程注：13个二级学科国家重点学科中不包含8个一级学科国家重点学科中的24个二级学科国家重点学科
“9·11 是犹太人干的，把他们都送进毒气室！种族战争现在开始！”
2016年3月23日，一个人设为19岁女性，昵称为 Tay 的聊天机器人在推特上线。这个微软开发的机器人能够通过抓取和用户互动的数据模仿人类的对话，像人一样用笑话、段子和表情包聊天。但是上线不到一天，Tay 就被“调教”成了一个满口叫嚣着种族清洗的极端分子，微软只好以系统升级为由将其下架。
微软聊天机器人的极端言论。
这样的口号并不是聊天机器人的发明，而在社交网络上大量存在着。美国大选期间，一些所谓的“政治新媒体”账号发出的掺杂阴谋论、种族主义的内容，在Facebook 上进行了病毒式传播。这有赖于人工智能协助下的“精准定位”：谁最容易相信阴谋论，谁对现实最不满？相应的政治广告和假新闻能精准地投放到这群人中，使人对自己的看法更加深信不疑。
因为设计缺陷而 “暴走”的聊天机器人，和精心策划的线上政治行为，看起来仿佛是两回事。但这种我们似乎从未见过的景象，却指向了同一个“凶器”——大数据驱动下的人工智能。
1、人工智能有作恶的能力吗？
人工智能会“作恶”吗？面对智能的崛起，许多人抱有忧虑和不安： 拥有感情和偏见的人会作恶，而仅凭理性计算进行判定的计算机似乎也会“作恶”， 且作起来易如反掌。这让许多人（特别是非技术领域的人）对人工智能的发展持悲观态度。
这种忧虑并不是最近才有的。人工智能这个词诞生于上世纪50年代，指可体现出思维行动的计算机硬件或者软件，而 对机器“拥有思维”之后的伦理探讨，早至阿西莫夫开始就在科幻作品里出现。
14 年前，威尔·史密斯主演的电影《机械公敌》里就有这样一个场景：2035 年的人类社会，超高级的人工智能承担大量工作，并与人类和谐相处。这些原本完全符合阿西莫夫“三定律”的人工智能，在一次关键升级之后对人类发起了进攻。这些机器人拥有了思维进化的能力，在它们的推算下，要达到“不伤害人类”的目的，就必须先消灭“彼此伤害”的人类。
十分高产的科幻作家阿西莫夫（1920-1992）。
看起来，人工智能并不像人类一样拥有所谓“人性”，并不与我们共享一个道德伦理体系。 然而 将智能的“作恶”简单理解为“人性缺乏”，未免把这个问题看得太过简单。
一方面，机器似乎还不够“智能”。 南京大学计算机科学与技术系副教授、人工智能专家俞扬认为，“人性”对于人工智能来说是一个非常“高层次”的东西。“描述一张图片上，有草原，有狮子，机器可以做到，”俞扬举了个例子，“而要归纳它是‘非洲’，就要更高级一些，对机器来说更困难。”他说，判断一件事情在道德上好不好，意义上怎么样，目前来讲并不是机器的能力范围。
而正视人工智能的“恶”，或许应该首先找出作恶之源——为什么人工智能忽然变得可怕起来？
另一方面，机器似乎已经太过“智能”，某些方面几乎要超越人类的理解。 近 10 年，人工智能领域迎来了爆发，这要得益于 “机器学习”的发展：拥有强大运算能力的计算机程序能够对大量数据进行自动挖掘和分析，并学习各种行为模式。输入和输出不再是人工赋予的几个变量掌控，而是让机器在大量数据中自己分析特征，决定变量权重。
目前最火的领域“深度学习”就是这样——行业者有时会将其戏谑地称为 “当代炼金术”：输入各类数据训练 AI，“炼”出一堆我们也不知道为啥会成这样的玩意儿。 处理数据的神经网络，通常由数十个或者上百个（或者更多）神经元组成，然后用数层逻辑结构组织起来，运算过程及其复杂。智能程序自己给自己设定算法和权重，而最后为什么输出了某个决策，人类并不能完全理解。
这看起来就仿佛一种本能一样——蒙特利尔大学的计算机科学家约书亚·本奇奥将其称为 “人工直觉” （artificial intuition）。
我们会信任一个我们“无法理解”的决策对象吗？当它出错的时候，我们能够察觉、能够纠正吗？
“我们必须清楚地知道人工智能会做出什么样的决策。对人工智能的应用范围，以及应用结果的预期，一定要有约束。”俞扬认为，“黑箱”的现实应用，一定要慎之又慎。环境是否可控，是否经过了可理解性的测试，决定了它是否可以用在关键的场所，否则就是产品的重大缺陷。
今天的人工智能之所以危险，不仅是因为它已经具备了一定的能力和“权力”，还因为 人类生活的大规模网络化、数字化，为机器的“学习”提供了足够多的数据“食粮”。
今天的人工智能与其说是拥有“思维”，不如说是对于人类世界中现存数据的反映和理解。与其说“没有人性”，会不会是“太有人性”？ 机器是否也继承了我们既有的偏见、无常和贪婪？
2、人工智能的罪恶之源
人工智能在判断上失误的一个指责，是它经常会 “歧视”。使用最先进图像识别技术的谷歌曾经陷入“种族歧视”的指责，只因它的搜索引擎会将黑人打上“猩猩”的标签；而搜索“不职业的发型”，里面绝大多数是黑人的大辫子。哈佛大学数据隐私实验室教授拉谭雅·斯维尼发现，在谷歌上搜索有“黑人特征”的名字，很可能弹出与犯罪记录相关的广告——来自谷歌智能广告工具 Adsense 给出的结果。
而这种危险并不仅仅是 “另眼相看”本身——毕竟将一张黑人的照片打上“猩猩”的标签，只是有点冒犯罢了。而 人工智能的决策正走入更多与个人命运切实相关的领域，切实影响着就业、福利以及个人信用，我们很难对这些领域的“不公平”视而不见。
人工智能会加剧人类社会的不公平吗？
对每个毕业季都会收到数以万计简历的大公司人力部门而言， 用机器筛简历并不是什么新鲜的事情，百分之七十以上的简历甚至都到不了 HR 的眼皮底下。 筛简历的 AI（业界用语“雇佣前评估”）因此而获得了大约30亿美元左右的市场。有些关键词，例如性别、地域，或者出身阶层，至少在明面上，是不宜成为筛选标准的——这个时候，HR 就会以“并不适合”为由，推掉不喜欢的性别、籍贯乃至星座。那么，彻底排除 HR 或者项目经理个人偏见的人工智能会解决这个问题吗？答案可能会更糟。
最新的人工智能雇佣辅助技术，并不需要人为设置关键词，而全靠“过往的优秀员工数据”对机器的训练，决策权重也并不是加或者减去一个过滤的变量就能解决的，看起来似乎十分公平。 然而人工智能的检视，却让少数族裔、女性、或者有心理疾病史的人更难找到工作。
美国 IT 作家、数学家凯西·奥尼尔曾经调查到，人力资源解决方案公司 Kronos 提供的智能筛选服务会用“个性测试”把有心理疾病史的申请者挡在门外；而施乐在招聘的时候发现，人工智能大量过滤掉了有色人种的申请，因为这些申请者提供的地址位于市内某黑人聚居区。
金融领域也不例外。位于美国洛杉矶的科技金融公司 Zest 开发了一个人工智能信用评估平台 ZAML，使用用户网络行为，而不是实际的信用记录，来判定用户的信用值。
百度作为搜索引擎合作商，向他们提供了大量可以数据用于归纳出用户可能的财务状况。它声称有近十万个数据点，没有所谓“决定因素”，因为美国法律禁止金融机构以性别、种族或宗教等决定一个人的信用。然而在现实应用中，对于不同人群的“另眼相看”却体现得非常明显——比如，它会“研读用户的申请”，检查申请中是否有语法和拼写错误等，来判定一个人“守规矩”的倾向；然而这导致并不能熟练使用英语的移民群体在信用问题上被抹黑。
歧视的来源是哪里？是打标签者的别有用心，是数据拟合的偏差，还是程序设计哪里出了 bug？ 机器所计算出的结果，能为歧视、不公、残酷提供理由吗？ 这些都是值得商榷的问题。
我们训练机器的“过往数据”，实际上是人类自身偏见和行为的产物。 《MIT 商业评论》的分析者认为，类似于 ZAML 的智能采用的“贴标签”策略，很难排除相关性（而非因果性）带来的偏见。少数族裔常常会因某种特定行为被打上标签（比如访问某个网络社区等），即使他/她有良好的信誉和稳定的工作，只要出现这样的行为，就可能会被人工智能判定为低信用，需要为他/她的借贷支付更高的利息，或者干脆没有资格。
机器能解决处理效率的问题，却不能避免“过往数据”本身造成的缺陷。一个公司过去10年男员工工资比女员工高，有可能源自某个高层的性别歧视；智能筛选却能把对于此群体的偏见刻印在对于个体的判断上，这跟人类的刻板印象如出一辙。问题在于，机器的抉择往往被包装上“科学”“客观”的外衣， 此类解决方案往往能够因为其科技噱头而卖出高价，殊不知只是用“科学结果”对现有的偏见进行的“大数据洗白”。
3、资本驱动的数据世界
如果说“过往数据”的积累是机器作恶的基础的话，那么资本力量的驱动则是更深层次的原因。
如同开篇提到的那样，2016 年美国大选期间，一家叫剑桥分析（Cambridge Analytica）的公司使用人工智能技术，针对任意一个潜在选民的“心理特征”投放付费政治广告；而投什么样的广告，取决于一个人的政治倾向、情绪特征、以及易受影响的程度。很多虚假的消息在特定人群中能够迅速传播、增加曝光，并潜移默化地影响人们的价值判断。技术主使克里斯托弗·威利最近向媒体揭发了这个人工智能技术的“食粮”来源——以学术研究为名，有意攫取的 5000 多万用户数据。
剑桥分析CEO亚历山大·尼克斯（Alexander Nix）。
剑桥分析并不是一个孤例。澳洲一个 Facebook 的广告客户透露，Facebook 的人工智能会分析其用户特征和所发的内容，给出诸如“有不安全感的年轻人”“抑郁、压力大”等标签，然后有针对性地投放游戏、瘾品和甚至虚假交友网站的广告，从中获取巨大利益。
即使不存在数据泄露问题，对用户数据的所谓“智能挖掘”也很容易游走在“合规”但“有违公平”的边缘。例如，电商能够根据一个人的消费习惯和消费能力的计算，对某个人进行针对的、精密的价格歧视。购买同样的商品，用 iPhone X 手机的用户很可能会比用安卓“千元机”的用户付更多的价钱，因为他们“倾向于对价格不敏感”。而我们所经常谈论的“大数据杀熟”——比如携程老用户订旅馆的价格会更高——也建立在用户行为数据的基础上。
数据的收集本身也值得商榷。前百度人工智能首席科学家吴恩达（Andrew Ng）就曾公开表示， 大公司的产品常常不是为了收入而做，而是为了用户的数据而做；在某一个产品上收集的数据，会用于在另一个产品上获利。 在智能面前，没有所谓的个人隐私和行踪，也很难确定数据收集的边界在哪里，尤其是个人隐私与公共信息、主动提供与被动提供的边界。
总而言之， 在以商业利益为目标的人工智能眼里，并没有“人”或者“用户”的概念，一切都是可以利用的数据。 剑桥大学互联网与社会研究中心教授朔沙娜·祖博夫将这种人工智能和资本“合体”的现状，称之为 “监控资本主义” （Surveillance Capitalism）——在大数据和人工智能的协助下，通过对每个人的监控和信息的榨取，实现资本的最大化。
业界对此的态度很暧昧。AI 作为当下最热门、来钱最快的行当之一，这些动辄年薪50万美元的工程师很少得闲来思考“形而上”的问题。 一位不愿具名的研究人员在与我的微信私聊中表达了他的“个人看法”：“现在的技术离‘通用人工智能’还很远，对社会伦理方面的影响没有那么大，更多还是从繁琐的重复劳动中解脱出来。”
作者试图找到行业内人士对此评论，谷歌（中国）和百度自动驾驶部门的人工智能相关人员均表示，探讨 AI 的社会问题，牵涉到公司利益和形象，比较敏感，不便评论。
“人工智能作为一个工具，如何使用，目前来看决定权依然在人。”俞扬说道 ，“系统的设计者和商业（应用）的提供人员需要对此负责。”
如何负责？这或许需要我们正视人工智能对整个社会关系的挑战。
4、人工智能作恶之后
2018年3月 19 日，一辆自动驾驶的优步（Uber）在美国亚利桑那州惹上了麻烦。面对路中出现的一个推着自行车的女性，这辆车速 38 mph（约61km/h）的沃尔沃在昏暗的光线条件下并没有减速，径直撞了上去，受害者被送往医院之后不治身亡。这是自动驾驶第一例行人致死的事故。
电视台对自动驾驶优步车祸的报道。
事故发生之后，有不少人将矛头指向了自动驾驶的人工智能是否足够安全上，或者呼吁优步禁止自动驾驶。然而更关键的问题在于，亚利桑那有着全美国几乎最开放的自动驾驶政策，事故发生地坦佩市（Tempe）是实行自动驾驶最火的“试验田”之一；事故所在的街区早已做过路线测试，并被自动驾驶的智能采纳。但是在事故发生之后，对于责任的认定依然遇到了困难。
因为人的疏忽造成的车祸数不胜数，人们早已习惯了如何处理、怎样追责；然而机器出错了之后，人们忽然手足无措。 人工智能会出错吗？当然会。只是我们在这个问题上一直缺乏认知。 就如同上文提到的“隐性歧视”，深度学习的“黑箱”，现有的法律法规很难对这些错误进行追究，因为不要说普通人，就连技术人员也很难找出出错的源头。
当人工智能的决策在人类社会中越来越重要时，我们也不得不考虑，智能为什么会犯错，犯错了怎么办；若要让智能摆脱被商业或者政治目的支使的工具，真正成为人类的“伙伴”， 需要怎么监管、如何教育，才能让人工智能“不作恶”。
人工智能的监管问题亟待解决。
对此，现有的法律框架内很难有清晰的、可操作的实施方案。欧盟率先在数据和算法安全领域做出了立法的尝试，2018年5月即将生效的新法规规定，商业公司有责任公开“影响个人的重大决策”是否由机器自动做出，且做出的决策必须要“可以解释”（explainable）。但法条并没有规定怎么解释，以及细到什么程度的解释是可以接受的。
另外一个重要的问题是， 让机器求真求善，需要人类自己直面决策中的黑暗角落。 在 Atari 游戏智能的测试中，游戏中的人工智能 bot 可以用最快的速度找到漏洞开始作弊，而游戏玩家又何尝不是呢？不管是带有歧视的语义分析，针对少数族裔进行的“智能监视”和跟踪，或者把已婚未育女性的简历扔掉的智能简历筛选，都长期以各种形式存在于人类社会中。
人工智能不是一个可预测的、完美的理性机器，它会拥有人类可能拥有的道德缺陷，受制于人们使用的目标和评估体系。 至少目前，机器依然是人类实然世界的反应，而不是“应然世界”的指导和先驱。 对机器的训练同样少不了对人性和社会本身的审视——谁在使用，为了什么而使用，在我们的世界中扮演着怎样的角色？数据是谁给的，训练的目标是谁定的？我们期望中的机器，会继承我们自己的善恶吗？
谷歌中国人工智慧和机器学习首席科学家李飞飞认为， 要让机器“不作恶”，人工智能的开发需要有人本关怀 。“AI 需要反映我们人类智能中更深层的部分，”李飞飞在《纽约时报》的专栏中写道，“要让机器能全面地感知人类思维……知道人类需要什么。”她认为，这已经超越了单纯计算机科学的领域，而需要心理学、认知科学乃至社会学的参与。
未来，人工智能进入更多的领域、发挥更强的功能，是无可争辩的事实。然而，我们的生产关系能否适应人工智能带来的生产力，这句马克思政治经济学的基本原则值得我们认真思考一番。 我们并不想看到未来的“机器暴政”将我们的社会绑在既有的偏见、秩序和资本操纵中。
一个AI
人工智能之所以会作恶，可能就是因为太像人类了吧。
人工智能只是人类的工具的延伸，背后的操控者还是人类。不过这个仅限于弱人工智能，如果超人工智能产生，他的智慧远超人类，他背后的操控者就不一定会是人类了...
不认识，sorry。搜到这个：...本文承泰州市市志办公室主任俞扬先生、南京大学副教授顾黔博士审订和指导。谨志谢忱。... 然则他是泰州市市志办公室主任，我想你可以想法联系上他了。（知之为知之，不知114之）
南大俞扬发表的论文
《科技进步与对策》南大核心期刊投稿经验分享 本期选介的期刊是 《科技进步与对策》 。 《科技进步与对策》 由湖北省的科技信息研究院主办，是（ CSSCI ）来源期刊，常设栏目有“科技管理创新”“区域科学发展”“产业技术进步““企业创新管理”“科技法制与政策”“知识科学与知识工程”“人才与教育”及“综述”等。 《科技进步与对策》每年出版24期，每期刊载论文约20篇。 作为 CSSCI来源期刊中少有的半月刊之一，《科技进步与对策》在管理学科领域（工商管理、管理科学与工程、公共管理）拥有较高的人气和关注度，许多研究生的第一篇论文就是发表在该期刊。 该期刊非常 侧重科技类 ， 不符合要求的好像是两天就退稿 。不过相关主题写的还不错， 基本上一个月就给录用通知 。但是 版面费有点贵 ，一个版面400，版面费是按照400乘以最终提交论文的页数。但是出刊论文页数会小于你最终提交论文页数。所以 在终稿提交之前尽量简化 … 算是管理类C刊里面 审稿很快 的期刊了， 两个月一般都会出结果 ，偏好 创新类主题 一个月完成整个流程。 初审-一审-二审-两个外审-三审-返修-录用 。外审速度很快。主题符合的论文很容易发表，主要是 科技和创新相关的实证论文 ，也发少量综述。 半月刊 ，发文量非常大 ，文章水平在科技管理类论文中属于一般水平，速度比较快 。近年来投稿太多，导致发表越来越困难。 这个期刊 审稿比较快 ， 费用高 ，喜欢 科技创新类 文章。 【 审稿流程 】主编—编辑部主任/主编—外审—主编。【 文章要求 】重复率10%以内，参考文献20—30篇（30%近三年文献），重点在于发现知识缺口，明确边际贡献。【 审稿速度 】比较快，收稿时间在一周以内，从投稿到录用大概一个半月到两个月的时间，外审可能比较慢，因为外审专家审稿周期较长，有时候会超期。出刊10个月左右，一版400元，加OA费400元，加急5-6个月，加急费1000元。【 职称要求 】在读硕士生投稿必须老师一作，在读博士生可以一作或独作。 未录用，但给评审意见， 意见比较中肯，编辑部也较好沟通 。 速度很快，但 外审意见很扯 ，说偏经济学方法，不适合本刊退稿！ 更多信息
数列类公式的论文可以在以下发表投放，祝你马到功成！
1.数学通报
著名数学家华罗庚及著名数学教育家傅种孙出任总编辑，一批知名数学家担任了数学通报的编委。他们秉承先辈们的优良传统，致力于推进我国数学的普及和数学教育工作，亲自撰写了大量数学科普文章，大力推介国外数学及...
2.数学教育学报
《数学教育学报》宗旨：服务于中小学数学教育改革及高等数学教育专业课程设置与改革，确立现代数学教育观，倡导数学教育科学学术争鸣，推动我国数学教育由应试教育向素质教育转变，反映数学教育实践与改革的新成...
3.数学通讯
《数学通讯》的声誉与质量吸引了众多的作者，他们纷纷向《数学通讯》投稿，致使《数学通讯》的稿源非常丰富，这一方面保证了《数学通讯》刊用文章的质量，另一方面也促使《数学通讯》的办刊思路向更广阔的方向发...
4.数学教学通讯
《数学教学通讯.数学金刊》（学生初中版、学生高中版）旨在培养中学生的数学兴趣，拓展数学思维，提高数学成绩，夯实理科基础。《数学教学通讯》为教师教学提供更高效的教学参考，为帮助学生有针对性地解决数学问...
南京大学发表的论文
南大发表论文的平台：核心期刊、论文部落等等。
在核心期刊投稿发表论文，一般的时间大概得三、四个月，四个月以后，若论文还不见发表，基本上就被pass掉了，与其这样望眼欲穿，还不如交给机构发表，可以找论文部落，专业的发表网站。
目前网上有很多学术论文发表的平台，性质来说都大同小异，也曾经发表过学术论文当时选的是学术优选，有19年的学术平台经验，为学术优选在学术领域奠定了雄厚的技术基础和师资储备。
南大cssci期刊：
指的是被南大核心期刊目录收录的期刊，也就是俗称南大核心期刊。中文社会科学引文索引由南京大学中国社会科学研究评价中心开发研制而成，是国家、教育部重点课题攻关项目。
CSSCI遵循文献计量学规律，采取定量与定性评价相结合的方法从全国2700余种中文人文社会科学学术性期刊中精选出学术性强、编辑规范的期刊作为来源期刊。目前收录包括法学、管理学、经济学、历史学、政治学等在内的25大类的500多种学术期刊。
以上内容参考：百度百科--论文
人文社科类期刊。南京大学中国社会科学研究评价中心已经公布了马克思主义理论，哲学，宗教学，语言，外国文学，中国文学，法学，民族学与文化学，政治学，社会学，高校学报，历史学，冷门绝学，考古学等学科的期刊目录。2创刊60年以来，该刊始终坚持正确的舆论导向，跟踪理论前沿，聚焦学术热点，坚持基础理论与与应用研究并重的原则，关注我国社会主义现代化建设的重大理论与实践问题研究。
南京大学发表论文
一般来说，南京大学科研博士研究生需要通过导师审核和指导才能完成论文并发表。导师会对论文的质量和内容进行审查和指导，确保论文符合学术规范和要求。建议您与导师保持良好的沟通和合作，按时完成论文并遵守学术道德规范。
是的。南京大学博士生论文答辩制度使用的是《南京大学研究生学位论文答辩管理办法》。根据该办法规定，南京大学博士生在完成论文撰写和答辩之前，必须发表与研究方向相关的学术论文。通常来说，南京大学博士生必须至少在知名的、国内外公认的期刊或出版社发表一篇学术论文作为博士学位论文的基础，并确保发表的论文质量符合相关要求，并得到导师确认。因此，根据南京大学博士生的学位论文答辩管理规定，发表一篇学术论文是必要的确保博士学位论文和答辩的前提。南京大学是中国教育部直属、中央与地方共建并以地方管理为主的全国重点大学，创建于1902年，前身是江南制造局机器造修学堂和南京高等师范学校。
南京大学论文发表
南大核心论文发表对文章质量要求极高，其中整个文章的字符数要在六千字符以上，而且文章重复率不能太高，每本南大核心期刊对文章要求都不一样，在投稿的时候要提前查一下具体的收稿要求，或者直接咨询线上老师帮你挑选最合适的期刊发表。南大核心是由南京大学中国社会科学研究评价中心，组织评定的。通过对全国所有符合两月以下出版的人文社会科学各学科学术性期刊，进行他引影响因子分析。南大核心来源期刊,受到了学术界的广泛认同。从影响力来讲，其等级属同类划分中国内最权威的一种,入选难度高于北大核心。
首先南大核心论文发表对文章质量要求极高，其中整个文章的字符数要在六千字符以上，而且文章重复率不能太高，抄袭率一般在5%左右，每本南大核心期刊对文章要求都不一样，所以在投稿的时候要提前查一下具体的收稿要求，或者直接咨询我们线上老师帮你挑选最合适的期刊发表，能节省不少时间。其次南大核心论文发表对作者的资质也有一定的要求，一般是要求博士或副教授以上的，如果有基金项目一定要把这些附在文章上，这些都是对自己资质的佐证。因为南大核心级别比较高，所以对作者资质要求比较高，如果资质不符合，文章再好也不行。南大核心期刊发表难度比较高，小编建议大家找我们专业老师指导指导，我们有内部投稿渠道，可以帮你快速发表，保证通过率。