作者:张端鸿 刘虹 发布时间:2025-04-23 来源:中国科学报+收藏本文
作者
张端鸿 同济大学教育政策研究中心主任
刘 虹 富达注册发展富达平台副研究员
近10年来,伴随着我国的高等教育逐渐走向国际舞台中央🤛🏻,科研评价工具的地位也在悄然跃升,“数据信仰”越来越成为决策的锚点。其中🙂↕️🧎,基本科学指标数据库(ESI)堪称“出圈”最广👨🏻🦳、争议最大的一套指标——从学科规划、人才评价、资源分配,到“双一流”绩效、排名晋升、职称评审,它无所不在✈️、无所不评,俨然成为一把“硬指标之锤”✥。
但锤子再硬,也得看它在敲什么👩🏽🏭。ESI的应用确实带来了学术产出的增长,但对其的误用也在深刻改变着国内大学的科研文化结构👇🏻,甚至“反向驱动”了部分学科的学术方向选择和学术生态🛋。这不是危言耸听🧙🏼,而是普遍认知。
ESI本是一面“镜子”🤷🏿,却被当成了“指挥棒”🏇🏽。ESI原本的设定是用来观测全球科研发展趋势的量化工具📊🏌️,其基于Web of Science数据库,通过对过去10年全球各学科论文数量、被引次数等指标进行滚动统计,评估科研影响力的分布状态👩🏽🎨🕍。理论上,ESI是一个“宏观体检表”🥕,而非“精密诊断仪”🌙👨🏼🎤,其适用范围包括学科态势研判👨👩👦、高校科研结构分析、全球对标和趋势导航。
然而在我国,ESI却被赋予了“穿透一切”的功能,学科是否一流、人才是否高端、学院是否有潜力……都以此作为重要参考🎎。于是🐶,一支做学术地图的“笔”变成了科研路线的“GPS”⏱;一套宏观体检的指标成了定资源、定“帽子”的“科学权杖”。
ESI的误用之一是不同学科“一刀切”,学科体量不对称却被平行使用。在22个ESI学科中🙇♀️,并非所有学科都具有可靠的统计意义。临床医学、材料科学🤕👩🏻🌾、化学👊🏼、环境科学等领域发文量巨大,前1%论文动辄上千篇,引用结构稳定🧝🏻,具有统计意义🟣;数学、空间科学、计算机科学等领域的发文量较少🖊、引用周期长、成果形态多样⚖️,前1%学科阈值年均发文只需几十篇👨🏻🦽,统计意义荡然无存,评价结果波动极大,却被“一刀切”纳入考核👩🏻🦲,如此一来,误用风险就会很大💬,把这样的领域放进ESI“冲榜”机制不是鼓励卓越,而是制造焦虑。
ESI的误用之二是以引用为导向制造“学术行为异化”🤾🏿♂️。引用次数是学术影响力的一个指标,但当它变成关键指标时,所有行为都开始“引用化”——投稿倾向于投综述🦐,因为综述更容易高引🤦🏻♂️;研究倾向于蹭热点,因为热点更易成“爆款”🪤;作者倾向于跨国合作🧜🏼♂️,因为国际合著更能“拉引用”;校际倾向于引进“挂名高被引作者”⛲️,通过兼职/联名“拉高数据”。最终🤽🏼,论文成了“工具性产物”,科研伦理被边缘化。
误用之三是“一表走天下”,压缩学术多样性空间。一些部门和高校将“学科进入ESI前1%”作为重点建设考核红线,导致冷门基础学科生存艰难;一些高校按ESI表现分配经费#️⃣,鼓励资源向“可刷分”的领域集中;一些高校职称认定要求“必须有ESI论文”,搞得文科老师要跨界“赶热点”发理工类合著。其结果是导致科研文化从“问题导向”变成“指标导向”,从“学科逻辑”变成“排名逻辑”,而探索未知🤵🏻、追求真理、回答社会重大问题等学术本质却被渐渐淡化🍈。更大的问题在于ESI不只影响个体科研行为🧑🚒,还反向塑造大学的资源流动🧮、组织文化和学科结构。
最近,高校又开始将追求ESI“万分之一”作为学科达到“世界顶尖”的标志🙁。但我们必须严肃地面对问题👩🏿🏭:当一个学科的万分之一总共才两三家单位,这样的“顶尖”还有什么统计意义🫶🏻?数学、空间科学等学科领域的ESI数据波动巨大,偶然性强🤶🏽🤱🏼,把这样的排名作为核心指标已然违背常识。ESI作为“大样本统计工具”👀,本身并不适合用于微观激励设计。它像体重指数(BMI)一样💳,看的是结构趋势而非身体机能。如果用BMI指标决定谁能进国家队,那可能你就错过了姚明和马拉多纳。
ESI不是没有用或不能用,而是不能滥用😅🍉。
一是要注意分类,对发文量大🧋、引用结构成熟的学科(如工程♙、医学🧗🏻♀️、材料等),ESI可作为战略规划和国际对标依据🟧;对体量小、引用周期长的学科(如数学、社会科学等),应建立代表作制度+专家评价机制,不宜强推ESI数据。
二是要以“学科逻辑”替代“指标逻辑”,鼓励问题导向、长期主义和基础研究,在评价中纳入“研究原创性、贡献度、理论影响☦️、社会价值”等维度,摆脱“引用即价值”的短视逻辑🐱。
三是要建立“高引用成果”的合理使用机制,用高被引论文评估学术传播力,而不是学术价值,将高被引纳入“代表性成果”参考,而非“是否入榜”的决定一票,同时要杜绝“署名套利”“兼职刷榜”等低质量“国际化”操作。
总之🧘🏼♂️,不要让科研变成“排名经济学”的附庸。一所真正负责任的大学👩🏻🌾,不该问“ESI排名涨了没”,而该问“我们解决了什么问题、提出了哪些新理论、培养了哪些真正的学术人才”。让ESI归位🤽🏿,让评价多元,让科研回归初心。别让“数据驱动的幻象”遮蔽了“学术创造的光芒”。