科技评价贯穿于科学研究活动的全过程。为了不断优化和改进各种评价指标和模型，提高评价的公正性和客观性，学术界开发了丰富的评价指标。这些指标通常可以作为一定边界范围内的有效评价工具，从某个角度揭示或反映科学家的影响力或研究能力，可以表征项目的水平和科研机构的创新绩效。然而，困难和挑战在于如何在评价实践中合理而有限地利用基于这些评价指标的评价结果。在这个过程中，评价指标很难得到合理利用，评价指标往往被误用甚至滥用而不受约束。

一般来说，科技评价指标可分为定性指标和定量指标。定性评价法是以同行评议为基础，借助特定领域专家的专业知识，对该领域的机构、项目或人才做出定性判断。理想的同行评审应该只基于人才的能力或项目的水平，要求同行专家对相应领域有准确的把握，对机构和人才的发展路径和科研业绩有准确的判断，并负责参与评审工作。然而，即使在美欧等同行评议广泛使用的国家和地区，传统的同行评议仍然会受到主观性、马太效应、人际关系、利益关联等因素的影响，很难保证每个同行评议专家在某一特定领域具有相同的认知水平。即使是同行评审专家，对于科技创新前沿方向的判断、科技突破的重要性、学术成果的价值、人才的发展潜力，也会有截然相反的看法。

虽然定量指标不能作为科技评价的唯一依据，但它们对定性评价的支持作用也是不可或缺的。定性评价需要定量指标的数据支持，这样定性评价才能有更充分的依据。定量指标主要是可测量或可计算的指标、算法或模型。常见的指标有基于论文数、专利数和引文数的传统指标、基于网络链接的指标、替代计量指标、各种指标的复合指标等。

需要注意的是，即使这些量化指标有客观数据支持，有时也会得出不同的评价结论。例如，Wainer等人研究了论文数和专利数、引用数、H指数等常用的计量评价指标与同行评议结果之间的相关性，发现各单项指标之间的相关性分布区间为0.29 ~ 0.95，且仍存在学科差异，甚至结果完全相反，显示了采用单一评价指标开展评价工作的不确定性、客观性和风险性。

随着社会网络分析方法在科学计量学领域应用的不断深入，越来越多的科技评价，尤其是对科学家的评价，都采用了基于链接的指标。理论基础是科学家的合作结构与其科研绩效之间存在正相关关系。例如，早在2008年，怀特菲尔德就指出科研合作对一个团队的成功起到了积极的推动作用。Abbasi等人指出，科学家的社交网络可以用来预测他们未来的研究业绩)；McCarty等人发现，如果作者想要获得更高的H指数，他们需要有更多的合作者。

近年来，没有一个单一的指标或方法可以有效地支持评价，科学计量学领域的学者们在不断地讨论和寻找有效的指标。近10年来，代理计量的指标越来越受到学术界的关注，但代理计量本质上仍然是一种定量指标，主要利用科学家在线学术交流产生的记录数据，获取和共享科研资料等。目前，运用该方法在科技领域的探索较多，但在科技评价实践中的应用较少。

在摆脱“唯论文”和“SCI第一”的过程中，首先要客观看待论文在科技评价中的作用，摆脱“唯论文”，也就是不能从一个极端走向另一个极端。这需要从基于论文的量化评价的历史来分析。美国科学计量学家尤金·尤金·加菲尔德于1963年创建了SCI数据库。其初衷是作为一个文献检索系统，促进学术交流。加菲尔德一直强调基于SCI的评价应用只是其衍生功能，也只是评价科研影响力的一个方面，并不能代表全部。经过近半个世纪的发展，SCI数据库已经发展出多种定量统计指标，如期刊影响因子、论文被引频次、高被引论文、高被引科学家等，也广泛应用于论文、科学家甚至机构、国家的评价。科学计量学领域的大量学者基于SCI数据库的各种定量统计指标，不断设计和优化各种评价指标，如H指数。大量学者还利用社会网络分析方法、PageRank等对论文的数据进行分析，以便从更多角度开展基于论文数量以及与作者、机构、国家等的合作或引用关系的评价。

20世纪80年代末，我国部分高校开始对SCI论文进行奖励，直接刺激了SCI论文数量的增长。正因如此，国内高校纷纷效仿，很快SCI论文成为衡量我国高校、科研院所和科学家科研绩效最关键的指标之一。与此同时，我国SCI论文数量持续快速增长，显著提升了我国科研的国际影响力。在此过程中，科研人员与国际同行开展了广泛的科技合作，中国科研工作的国际参与度和国际地位日益提高。通过检索Web of Science(WOS)数据库发现，到2021年6月，中国近10年SCI论文总数约为374.8万篇，位居世界第二，约为排名第一的美国论文总数的3/5，是排名第三的英国论文总数的2.4倍。中美SCI论文总数的差距在缩小。2020年，中国发表SCI论文约58.9万篇，位居世界第二，约占美国SCI论文总数(67.7万篇)的87%。

同时，除SCI论文数量外，引用频次、期刊划分、影响因素、ESI高被引论文、基于SCI论文的高被引科学家等指标在我国科技评价及相关活动中被广泛使用。在这样的逐利背景下，国内形成了“SCI第一”的评价体系。当前，我国科技创新进入了“跟随”、“并行”、“领先”并存的新阶段。虽然重大突破性成果不断涌现，但在诺贝尔科学奖、领域权威奖、三方专利比例、知识产权收入、世界一流大学、世界一流R&D机构和企业等方面，中国与科技强国尤其是美国仍有较大差距因此，越来越多的管理者和研究人员呼吁，在这些关键指标上要有质的突破和大的发展，科技成果的产出必须逐步从量的积累向质的突变转化和升级，而不是只看论文数量。另一方面，仅凭论文数量来判断自己的科技水平也是不客观的。因此，科技界需要一个适应新时代科技创新需求的科技评价体系，服务于我国建设科技强国的重要国家战略。

事实上，量化评价指标使用不当的问题已经在世界范围内引起了反思和讨论。2012年发表的《旧金山宣言》和2015年发表的《莱顿宣言》都提出，定量评价可以为支持定性评价提供配套服务，但不能取代定性评价。在评价科学家时，必须以学术实质性贡献和质量为根本遵循的原则。

发表论文的初衷是与学术同行进行学术交流，促进科学发现和新知识的传播。从这个角度来看，80年代我国逐渐开始鼓励科研人员发表论文，尤其是SCI论文，对促进我国科研的国际交流和提高研究水平起到了积极作用，需要客观评判。正是这种鼓励政策，带来了今天中国SCI论文的量变。所谓积极的量变，是质变的前提。正是有了现在的量的积累，我们才有信心去争取更多质的变化，也就是要更加注重高水平论文的质量，而不仅仅是量。因此批评SCI论文在科技评价中的应用在于“SCI第一”，即过度片面依赖SCI，而不是发表SCI论文。这一点，各级科技管理部门和科研机构的管理者必须明确，发表高水平论文本身的正常学术交流活动，不能在“破四德”的洪流中被破坏。科技部《破除科技评价“唯论文”不良导向的若干措施(试行)》提出，论文评价要实行代表作制度，鼓励发表“三类优质论文”。由此可见，我们在进行科技评价时，“三类优质论文”会是代表作品的重要来源，而被业界公认为国际顶尖或重要科学期刊的论文通常大多是SCI论文，所以我们在选择代表作品时通常无法回避SCI论文。那么，在判断SCI论文代表作品质量时，如何正确使用期刊影响因子、被引频次、期刊划分等数据。，是机构、学科、项目、人员评价不可回避的问题。

山达基教徒莫德教授指出，研究成果和影响是多维度的概念。在使用论文、引文、期刊影响因子、社交媒体等指标评价个人和团队时，必须对这些指标进行严格限制:针对个体研究人员的评价指标已被证明具有“虚假准确性”，期刊影响因子的评价有效性仍缺乏足够的计量证据，基于社交媒体的指标只能作为补充措施。只有将纸质评价指标限定在一定的解释范围内，才能客观发挥基于纸质开发的各种量化评价指标的评价功能。

要摆脱“唯论文论”，强化分类考核的导向，意味着需要多个评价指标或指标体系。

首先，要解决的问题是如何对评价对象进行分类。中国实施创新驱动发展战略，强调要促进科技与经济紧密结合，增强科技进步对经济增长的支撑和贡献。基础研究尤其是应用基础研究与应用研究之间有着密切的关系。基础研究的大量突破是支撑新技术创新和新产品发明的重要前提。这个时候，我们不能忽视基础研究对经济发展的贡献价值。相应地，在评价指标的设置上，不能片面地只以高水平的论文或代表作作为评价指标，反之亦然，要充分重视在基础研究层面从事应用研究的人员和团队所做出的突出贡献。

其次，每一项科研都是相对独立于其他研究的，而无论是进行项目评估还是人才评估，我们通常面对的都是相对独立的研究对象，有的甚至来自不同的学科，有的则是来自同一个领域，但研究方向却大相径庭。这样的项目或人才评价工作往往是在一套评价方案和流程中进行的。当相互之间很难横向比较的时候，一些正规指标的比重就会在无形中被放大。即使都是好奇心驱动的纯基础研究，但不同的研究项目由于学科不同、与技术发展的关系和潜在的经济社会影响可能相差甚远，成果的影响也可能大相径庭，不能简单地用一个标准来比较。

最后是指标的综合应用。综合运用指标的理想前提是了解每个指标的实际效果。然而，目前科技界对各种评价指标的实际效果仍然知之甚少，对这些评价效果缺乏系统的、循证的、学术的解释。也很难区分一个或几个具体评价指标或评价方案的效果与其他社会因素的效果。因此，在综合应用指标方面仍然存在相当大的挑战。除分类评价外，还应考虑人员的性质、领域、发展阶段、国际国内竞争地位、岗位、年龄、发展潜力等诸多因素。这时候需要的综合指标要有客观的数据支撑，而不能仅仅用数据模型简单量化。既要定性综合评价，又不能无限放大主观印象。

今日图书推荐

本文摘自陈主编的《科技评价方法与应用》(标题有所调整)。科学创造未来，人文温暖世界。在科技引领发展的时代，我们将关注科技史、科技哲学、科技前沿和与您的科学交流，关注人类社会的可持续发展。科学在线，创造有价值的阅读！欢迎，喜欢，留言，转发，参与赠书活动。联系邮箱:houjunlin@mail.sciencep.com。