基于范式识别的科学评价新趋向论析

摘要：传统科学评价方法存在引文依赖、重论文数量而轻质量、时效性差等诸多局限，面对大数据和人工智能技术的蓬勃发展，科学评价亟待实现新的转向。由科学哲学家托马斯·库恩围绕科学革命的结构所发展的“范式”理论为科学评价的新转向提供了重要的理论依归。具体而言，在常规科学时期，科学评价者基于大数据技术而全景式揭示科学世界的结构，并通过识别研究者的位置而判断其学术贡献；在科学革命时期，通过定位研究者在范式转换中所发挥的作用，则可对其学术贡献作出评判。科学评价走向范式识别兼具必要性和可能性，而新兴的共词分析等方法则为基于范式识别的科学评价落地提供了条件。展望未来，全景式、多模态、动态式、历时性、循证式的科学评价已渐成主流，科学评价将在引领科学事业的创新发展方面发挥越来越重要的作用。

关键词：科学评价；范式识别；共词分析；大语言模型

DOI： 10.20066/j.cnki.37-1535/G4.2024.01.09

基金项目：本文系国家自然科学基金项目“循证信息贫困研究”（72374170）的阶段性成果。

一、引 言

科学评价的本质是要衡量研究者或具体研究成果在科学体系中所作出的实质性贡献。自20世纪60年代尤金·加菲尔德（Eugene Garfield）创立美国科技信息研究所（Institute for Scien？ tific Information，ISI）并发展了科学引文索引（Science Citation Index，SCI）和社会科学引文索引（Social Sciences Citation Index，SSCI）评价体系以来，引文分析一直是传统科学评价的主流指标。引文分析法通过统计研究论文被引用的次数来评估其影响力和重要性，其评价结果虽然对于识别重要研究者和研究成果具有一定的参考价值，但也存在诸多局限。随着大数据与人工智能技术的发展和大规模语言模型的兴起，科学评价正逐渐走出引文分析的桎梏，转向更全面和多维度的考量。

新兴信息技术可以更全面地了解研究者和研究成果在科学界的影响力，从而为科学评价的全面创新提供契机。特别值得注意的是，大数据和大规模语言模型使研究者之于“范式”形成与转换的实际贡献的识别成为可能。“范式”（Paradigm）是科学哲学家托马斯·库恩（Thomas Kuhn）在其名著《科学革命的结构（The Structure of Scientific Revolutions）》重点阐释的概念，指“科学共同体在特定时期所共享的普遍认知和共识，包括基本理论、假设、方法、实验规范以及问题解决方式等”①。由于范式的形成和转换是科学进步的重要标志，因此，研究者可以通过分析大规模科学文献数据集并运用先进的语言模型，更好地追踪和评估研究者在范式形成与转换中的作用，从而对研究者、研究机构或研究成果在科学领域的实际贡献作出客观评判。

总之，以引文分析为主体的传统科学评价指标虽然在过去起到了重要的作用，但随着大数据和大规模语言模型的应用渐成主流，科学评价亟待转向和创新。本研究旨在对范式理论加以解读的基础上，解析传统科学评价指标的局限，结合笔者在前期针对共词分析展开的系列研究，深入阐释科学评价走向范式识别的可能性及其路径。

二、科学革命的结构与范式理论

托马斯·库恩（Thomas Kuhn）提出，科學的发展并不是线性的逐渐的累积过程，而是经历了革命性的转变。在科学革命的过程中，存在两种不同的科学阶段，即“常规科学”阶段和“革命性科学”阶段①。在常规科学阶段，科学家们工作在一个共同认同的理论框架或者范式下。此时的范式被认为是解决问题、解释现象和开展研究的共同准则。科学家通过正常科学的活动，进行问题解决、实验验证、数据收集，以进一步发展和完善既有的范式。然而，随着时间的推移，某些问题和现象可能会出现与当前范式不相兼容，从而依靠现有逻辑无法解释的情况。这些异常和矛盾会逐渐积累，最终导致科学界的危机。在这个时候，新的理论和范式可能会出现，并被一些先锋科学家所接受和推崇。当新的范式逐渐取代原有的范式，科学革命就会发生，科学的结构从而将发生根本性的变化。显然，无论是在正常科学阶段还是科学革命阶段，识别研究者、研究机构和研究成果在整个科学图景中所处的位置，对于准确判断其科学贡献具有重要的启示意义。

在常规科学时期，由于科学共同体达成了科学共识并具备统一的认知基础，因此，科学研究议题稳定且方法通用，科学领域整体上呈现出一个平衡有序的局面。此时，由于存在一个稳定的科学“全景图”，因此，科学评价者只要有效识别每个个体研究者、研究机构或研究成果在这幅全景图上的位置及其作用，即可判断其贡献。

在科学革命时期，由于科学领域发生了根本性变革，旧的科学观念和范式被取代，新的科学范式得以确立，因此，科学观念、理论和方法也将随之发生彻底转变。范式转换（Paradigm Shift）正是这样一个用来描述科学革命行将发生或已经发生的重要术语，意味着科学共识和科学共同体整体认知的根本性改变。在科学革命的萌芽阶段，随着范式转换的酝酿，一些先兆性的因素常常开始露出端倪。例如，新的理论、方法与工具开始涌现，旧的科学观念、理论和方法面临根本性挑战。而在科学革命发生的过程中，范式转换的特征体现得更加明显，新的理论、方法和工具开始以摧枯拉朽的态势占据科学研究的主流。无论是在科学革命的萌芽时期还是发生时期，科学评价者只要能捕捉到范式转换的蛛丝马迹，则完全可能循着这些线索，找到科学革命的策源者、驱动者和集大成者。也就是说，通过定位研究者在科学革命中的实际位置，则可以确定其研究工作之于科学发展的实际贡献，据此而使科学评价回归到本真。

库恩的范式理论甫经问世，就得到了科学界的广泛关注。当然，学界对于库恩的理论也存在不同的评价。一些研究者认为，库恩的科学革命理论深刻地揭示了科学发展的非线性和不确定性特点，对科学哲学产生了深远的影响。然而，也有研究者对库恩的理论提出了批评。其中一些批评意见主要集中在库恩对科学进步的解释和科学发展的趋势性问题上。一些学者认为，库恩过于强调科学革命的不可预测性和相对性，忽视了科学发展中的一些稳定和持续的趋势。虽然存在上述争论，但从科学评价的角度看，这些争议都不会对基于范式理论而展开的科学评价的合理性产生影响。简言之，以范式理论为基础，构造新的科学评价体系，既能够克服传统科学评价的局限，又具有非常紧迫而重要的时代意义。

三、亟待转向的科学评价

（一）传统科学评价方法的局限

传统科学评价方法存在多方面的局限，从而使科学评价结果的准确性、客观性和科学性存疑。具体表现在：

第一，传统科学评价方法主要依赖于引文分析，即通过统计论文被引用的次数来衡量其影响力和重要性。然而，引文分析可能受到领域偏见的影响，某些研究领域可能引用率较高，而其他重要但较小众的领域则可能被忽视。

第二，传统科学评价方法通常倾向于重视论文的数量，即发表的论文数量和被引用的次数。这可能会鼓励研究者追求数量而忽视质量，从而产生大量低质量的论文。

第三，传统科学评价方法主要关注学术论文的发表和引用情况，忽视了其他类型的学术贡献，如开发开源软件、参与学术社区的服务和领导，以及对公众科学传播的贡献等。

第四，评价指标往往在一段时间之后才能反映出研究的影响力和贡献，从而具有滞后性。科学研究可能需要数年甚至更长的时间来展现其实际价值，因此，在科学家的评价中，很难及时反映他们的最新贡献。

第五，传统科学评价方法往往忽视学术合作和交叉学科的贡献。事实上，科学家之间的合作能够带来创新和跨学科思维，但这些方面在传统评价中并未得到充分考虑。

第六，在传统评价方法中，评委或决策者的主观因素可能会影响评价结果。不同的评委可能会根据自己的标准和偏好做出不同的评价，缺乏统一的标准和客观性。

正是由于传统的科学评价存在上述局限，科学界急切呼唤新的、更加全面客观的评价方式和评价指标。面向研究范式识别的科学评价，正是对这种趋势的最新响应。

（二）科学评价走向范式识别的必要性和可能性

1.可能性。范式理论和全景式科学领域的整体呈现为科学评价带来了新的可能性，使得科学评价不必再局限于传统的引文分析方法。范式理论强调科学共同体及与之关联的共同认知、约定俗成的学术规范及相对统一的方法与工具的重要性。在科学发展的过程中，范式作为一种基本的理论框架或模式，指导着科学家对研究方法和问题的选择。简言之，科学共同体是一群共享共同范式的科学家，他们共同构建知识，并通过对话和批判来推动科学的进步。范式理论强调科学知识是由特定的社会和历史背景塑造的，不同的范式和科学共同体会产生不同的科学知识。

从本质上说，科学评价是一个识别出研究者、研究机构和具体研究成果在范式的形成和发展中发挥实际作用的过程。在此过程中，构建科学领域的全貌，全景式地将研究议题、研究者、研究机构相关联并将其内在特征呈现出来是一个关键环节。全景式科学领域的整体呈现意味着将科学研究看作一个复杂的生态系统，这是一个综合的、多样化的整体，包含多个相互关联的领域和学科。通过对科学领域的全景式呈现，科学评价者的视野将不再局限于某个狭窄的领域，从而获取更加宽广、更加全面的认识。

总之，范式理论和全景式科学领域的整体呈现为科学评价提供了新的选择和契机。在此前景下，科学评价将不再仅仅依赖于引文分析，而是更加关注科学的范式、科学共同体和全局性的视野。科学评价可以更多地考虑研究的质量、实际影响和创新性，而不仅仅是简单地计算引用次数。这种全面性的科学评价有助于推动科学的发展和进步，促进不同领域之间的交流与合作。具体而言，走向范式识别的科学评价具有如下优势：

更全面的贡献评估。基于范式识别的评价方法能够综合考虑研究者在学术界的地位、学术合作网络、研究领域的重要性等多个方面。这样的综合考虑能够提供更全面和多维度的贡献评估，不仅仅局限于引用次数或论文数量等传统指标。

重视学术转变和创新。范式识别强调科学发展中的转变和创新。研究者在范式转换中的作用可能比仅仅在一个范式内的贡献更为重要。因此，通过范式识别，能够更好地评估研究者的开创性工作和对学科发展的推动作用。

关注学术合作。基于范式识别的评价方法考虑学术合作的重要性，这有助于准确评估研究者与其他学者之间的合作网络，进一步了解其在学科中的地位和影响力。

2.必然性。基于范式识别而实现科学评价不仅具备上述可能性，也具有一定的必要性，具体表现在：

第一，隨着科学研究领域的交叉和融合，传统的评价方法可能无法准确评估这些新兴领域的贡献。而范式识别考虑了学科的交叉和综合性，有助于评估研究者在这些新领域中的作用。

第二，传统评价方法在某些情况下可能会产生不当的激励机制，导致科学家追求短期产出或数量而忽视长期价值和创新。基于范式识别的评价方法能够更加关注科学的长远发展和重要的理论突破，为推动科学发展提供更合理的激励。

第三，科学研究的发展并不是线性的，而是在不断变化和演进中的。范式的形成和转换是科学进步的必然过程。因此，基于范式识别的评价方法能够更好地反映科学发展的实际情况。

如上所述，基于范式理论而走向基于整体科学图景的研究者实际贡献识别，已渐成数智时代科学评价的主流。在诸多绘制科学图景的方法工具中，共词分析因直接应用自然语言处理的方法，且能够与大语言模型相对接，从而更具可操作性。

四、基于共词分析研究范式识别

（一）基于共词识别研究范式的原理

基于共词识别研究范式是一种有前景的科学评价方法，它通过挖掘文献中的词语共现现象，从而识别学术领域内的范式，即学科中被广泛接受和采用的核心理论、方法和概念。这种方法对于深入了解学科的结构、发展和研究趋势具有重要意义，能够帮助科学家和学术界更准确地评估研究者和研究成果的贡献。

基于共词识别研究范式的优势在于：其一，多维度视角。共词识别方法通过对文献中的共现关系进行分析，能够从多维度角度揭示学科的知识结构和学术发展趋势，追踪学科的演变过程。其二，揭示新领域和创新方向。这种方法能够发现学科内的交叉融合现象，识别出新兴领域和具有创新性的方向，帮助科学家把握学科发展的先机。其三，对学术合作的重视。共词识别方法不仅关注独立的概念和方法，还能分析学术合作中的共现关系，从而更全面地评价科学家在合作中的贡献。

（二）共词分析的科学性评价

既然共词分析是识别研究范式的一种重要方法，那么，科学评价者需要关注的一个基本问题是，共词分析本身是否具有科学性。对于共词分析科学性的评价，笔者在所主持的国家自然科学基金项目中，通过信度和效度两个指标进行了深入研究。

信度和效度是评价测量指标科学性的基本工具。信度（Reliability）指测量工具的稳定性和一致性，即在相同条件下，重复使用该工具是否能够得到相似的结果。效度（Validity）指测量工具是否能够真实、准确地衡量所要测量的特征或现象，评估测量工具是否有效地反映出所研究的概念，即工具是否在理论上和实际应用中都能够测量到所关注的内容。

在前序研究中，笔者所在研究团队从研究热点识别、研究领域聚合和研究前沿预测三个方面，应用信效度检验的理论与方法，对共词分析的科学性进行了系统检验。

就研究热点的识别而言，前序研究发现，以关键词为分析单元而识别的研究热点的表面效度最低，而基于全文而识别的研究热点表面效度最高；以复合型指标（算法）识别的研究热点表面效度较高，而以单一型指标（算法）识别的研究热点的表面效度较低①。关键词在研究热点识别中内容效度较低，存在一定效度风险；从综合指标来看，基于题名、全文和摘要而识别的研究热点具有相对较高的内容效度②。基于摘要而识别的研究热点同时效度最高，而基于关键词所识别的研究热点同时效度相对较低；文本比词的同时效度高，而且文本的长度对于同时效度有着一定影响③。

就研究领域的聚合而言，前序研究发现，关键词在研究领域聚合中具有相对最高的表面效度，摘要和题名的效度则相对较低。同时，研究也发现，科学计量领域现有聚类指标和工具所聚合的研究领域缺乏区分能力，且各种指标均存在着一定的效度风险④。

就研究前沿的预测而言，前序研究发现，基于全文而探测到的研究前沿表面效度最高，基于题名和关键词而探测到的研究前沿则表面效度很低。此外，基于摘要而探测到的研究前沿的表面效度具有不稳定性，因此摘要在研究前沿探测中的价值存疑①。同时，针对共词分析在研究前沿预测中的效标关联效度，前序研究也发现：首先，无论基于标题、摘要、关键词还是全文等何种分析单元，基于爆发词进行研究前沿的预测都存在一定的效度风险；其次，相对而言，全文在研究前沿预测中的效度最高，而题名、摘要和关键词的预测效度则受到语料数量的影响；第三，如果以不同单项指标（算法）所识别的研究热点为效标，基于不同分析单元所探测的研究前沿存在着效度不一致的情况②。

综上所述，前序研究已经从热点识别、领域聚合和前沿预测三方面对共词分析的科学性展开了系统评价。由于这三个方面在很大程度上反映了对整体科学图景加以深度分析的科学性和可能性，因此，前序研究的展开为基于共词分析展开研究范式识别进而实现科学评价目标奠定了基础。这些研究虽未能解决基于研究识别而展开科学评价的所有问题，但代表了一种更为全面的研究新趋向。

五、基于范式的科学评价新趋向

（一）基于范式特征揭示的全景式评价

基于范式的科学评价是一种更为全面和多维度的科学评价方法，它通过揭示不同范式特征和全景式评价的方式，为科学评价的未来走向提供了许多有意义的展望和可能性。

第一，基于范式特征揭示的全景式评价具有多样性和全局性视野。基于范式的科学评价将不同科学范式和学科领域的研究纳入考量，实现了全局性视野。这种评价方式能够识别不同范式和学科的优势与特色，促进跨学科交流与合作。未来的科学评价将更加关注整体和多样性，鼓励跨学科研究，从而促进科学的整体进步。

第二，基于范式特征揭示的全景式评价能够实现对知识生态系统的理解。范式的概念强调了科学知识是在特定社会和历史条件下形成的，科学研究是一个生态系统。未来的科学评价将更注重了解知识生态系统中不同范式和学科的相互关系，深入研究不同范式之间的交互作用和知识传播过程。

第三，基于范式特征揭示的全景式评价更关注科学价值和社会影响。基于范式识别的科学评价能够更綜合地考虑科学研究的价值和实际影响。未来的科学评价将更关注科学研究对社会和人类福祉的贡献，包括解决现实问题、推动科技进步、促进社会发展等方面的影响。

第四，基于范式特征揭示的全景式评价更具有创新性和开放性。范式的概念鼓励创新和开放性的科学研究。未来的科学评价将更加重视创新性研究和开放性科学实践的价值，鼓励科学家尝试新的研究方法和理论框架，推动科学的不断发展。

综上所述，基于范式的科学评价新趋向将引领科学评价走向更为综合、全局和价值导向的方向。未来的科学评价将更加重视多样性和全球性视野，深入理解知识生态系统和科学研究的社会影响，鼓励创新和开放性的科学实践，以及强化科学伦理和社会责任。这将为科学评价提供更广阔的空间，促进科学的发展和社会的进步。

（二）基于范式结构描述的多模态评价

基于范式识别的科学评价是一种多模态的综合评价。这种评价方法通过关联分析不同模态的数据，来确认具体研究者在科学范式结构中的作用，从而评价研究者贡献的大小。这种评价方法可以综合考虑词语、作者、机构等多个维度的信息，从而更全面地评估研究者的学术贡献。

从词语模态来看，可以通过对研究者的论文题目、摘要、关键词及全文等进行分析。通过对词语的关联分析，可以将研究者的研究兴趣与特定的科学范式相联系，从而确定其在范式结构中的位置。

从作者模态来看，涉及到对研究者的学术合作网络进行分析。通过研究者与其他学者的共同发表论文情况，可以了解他们在科学共同体中的影响力和地位。同时，作者的合作关系也能反映出研究者在范式结构中的交流和合作程度。

从机构模态来看，考虑了研究者所属的研究机构或学术单位。不同机构可能在特定领域有不同的优势和特色，通过对研究者所属机构的研究产出进行分析，可以评估其在特定范式中的贡献。

总之，通过将词语、作者和机构等不同模态的信息进行关联分析，可以综合判断研究者在科学范式结构中的地位和贡献。比如，一个研究者在特定领域的论文涉及到频繁出现的关键词，同时与其他有影响力的作者和机构有密切合作，这就表明该研究者在该范式中的贡献较大。相反，如果一个研究者的研究领域与特定范式不太相关，或者合作网络较为孤立，那么他的贡献可能相对较小。

这种多模态评价方法可以为科学评价提供更全面、客观和准确的信息，有助于辨识出具有重要学术贡献的研究者，促进科学共同体的发展和创新。同时，它也有助于发现潜在的研究合作机会，推动跨学科交流和合作，促进科学知识的整合与创新。通过更全面地了解研究者在范式结构中的地位和贡献，科学评价能够更客观、公正地评估研究者的学术价值，并为学术界提供更有针对性的发展指导。

（三）基于范式转换识别的动态式评价

基于范式识别的科学评价还能够与时间维度相叠加，实现动态式评价。具体而言，基于范式转换识别的动态式科学评价是一种基于范式转换理论的评价方法，旨在通过对科学革命时期的重要研究者和研究成果进行识别，突出发现和评价标志性科学成果的贡献，从而实现科学评价者对研究者实际贡献予以甄别的目标。根据范式理论，在范式转换的过程中，标志性科学成果和贡献尤其重要。

在动态式科学评价中，评价者将重点放在科学革命时期的研究者和研究成果上，因为科学革命是科学发展中最显著的时期，其中涌现出许多具有重要贡献的科学成果。评价者通过对这些科学革命时期的研究者和成果进行深入分析，识别范式转换的过程，从而理解和评价这些研究者的实际贡献。

在范式转换的过程中，科学范式会因为新的理论、观念和实践的出现而发生改变。评价者通过研究者在范式转换时的行为和思想变化，识别他们在科学进步中的作用。例如，在范式转换时，研究者可能提出新的理论或观点，解决了以前范式无法解释的問题，或发现了新的实验结果，从而推动了科学的进展。这些标志性的科学成果和贡献将被评价者重点关注和突出评价。

综上所述，基于范式转换识别的动态式科学评价通过对科学革命时期的重要研究者和研究成果加以识别，突出发现和评价标志性科学成果的贡献，实现科学评价对研究者实际贡献予以识别的目标。评价者通过分析范式转换的过程，识别科学革命时期的重要贡献，从而为科学发展和进步提供有针对性的评价与指导。

（四）基于范式演化规律的历时性评价

基于范式演化规律的历时性评价是一种根据科学领域的范式演化过程，沿着时间线索对研究者的贡献进行评价的方法。这种评价方法将研究者的贡献与科学领域的范式演化相联系，从而全面地理解他们在科学领域萌芽、发展、成熟和转型过程中的作用。

在范式演化萌芽阶段，也就是新兴科学领域的萌芽期，可能出现一些具有先锋意义的研究者，他们在范式形成初期提出了一些新的理论或观点。历时性评价可以追溯到这些先驱研究者，评价他们在范式形成初期的贡献，以及对新范式的发展产生了哪些重要影响。

在范式演化发展期，也就是科学领域逐步趋于稳定的时期，可能涌现出一批重要的研究者，他们在范式发展阶段作出了深入的研究和贡献。历时性评价可以考察这些研究者的学术成果，分析他们在范式演化过程中的地位和影响力。

在范式演化成熟期，可能形成多个主流范式，各自具有一定的研究群体和学术传统。历时性评价可以关注这些主流范式的代表性研究者，评价他们在范式的发展和巩固过程中所起的作用。

在范式演化转型期，可能出现范式的变革和重大的学术转折。历时性评价可以审视这一时期的研究者，评估他们在范式转型和新范式建立过程中的贡献与影响。

在基于范式识别而进行历时性评价时，还可以结合研究者的学术合作网络、研究产出和学术声誉等信息，对研究者的贡献进行全面的考量。同时，要将研究者的贡献与当时的学术背景、社会环境和科技水平相联系，以更好地理解他们在范式演化过程中的作用。

总之，历时性评价的目标是全面地评估研究者在科学领域的发展中的实际贡献，帮助科学界更好地理解科学发展的历史轨迹和学术传承。通过这种评价方法，可以发现和挖掘那些在范式演化过程中具有重要贡献的研究者，为科学领域的发展与进步提供宝贵的参考和启示。同时，历时性评价也有助于认识到科学发展是一个渐进的历史过程，不同研究者在不同时期所作出的贡献都是推动科学进步的重要力量。

（五）基于范式内核要素的循证式评价

杨克虎提出，科学的本质是寻找证据，而科学评价的本质是对科学证据的质量与贡献加以评价①。在科学领域，任何证据都体现在科学文献中，因此，本研究前序部分即基于全景式科学领域呈现而识别研究贡献的科学评价思路，是一种对证据形式特征的展现。基于范式内核要素的循证式科学评价主要强调通过元识别原始证据的偏倚，寻找真实效应值，从而使科学评价回归到对科学证据本身加以评价的“本真”。这种评价方法注重对科学研究的核心证据和关键数据进行全面、系统的分析，以确保评价的可信度和准确性。

在基于范式内核要素展开循证式科学评价过程中，元分析（Meta-analysis）是关键步骤之一。评价者应用元分析方法和工具，通过对多个独立研究的结果进行综合和整合，得出一个总体效应的估计值。在元分析过程中，评价者收集多个独立研究的原始数据，然后对这些数据进行统计分析。通过元分析，可以减少小样本研究的偶然性误差，得出更可靠的效应估计。同时，元分析还可以检测研究之间的异质性，帮助识别潜在的偏倚因素。

基于范式内核的循证式科学评价强调对研究的偏倚进行识别和纠正。评价者会注意研究设计、样本选择、数据分析等方面是否存在偏倚的可能性。例如，若某研究设计存在选择性报道，只选择公布符合预期结果的部分数据，就会导致结果的偏倚。通过元分析和系统评价，可以识别并排除这些偏倚，使得评价结果更加客观和可靠。

基于范式内核的循证式科学评价的根本目标是寻找真实效应值。通过元分析得出的总体效应估计值，通常被认为是更接近真实效应的估计。通过对多个独立研究的数据进行整合，元分析能够减少个别研究的误差和随机波动，提高效应估计的准确性。寻找真实效应值是循证式科学评价的目标之一，确保评价结果更加客观和可靠。

总之，基于范式内核要素的循证式评价强调对科学证据本身的评价，以避免主观偏见或其他干扰因素的影响。这种评价方式通过元识别原始证据的偏倚，寻找真实效应值，从而使科学评价回归到对科学证据本身加以评价的“本真”，由此而有助于提高科学评价的准确性和可信度，确保评价结果更为客观和全面。

六、小 结

在中国式现代化进程中，科学技术的持续发展和创新是至关重要的。科学评价的转型对于引领未来中国科学发展进程具有重要意义。随着中国科技事业的迅速崛起，科学评价面临着新的挑战和机遇。传统的科学评价方法由于难以全面准确地评估中国科学研究的特点和成果，因此需要进行转型和创新。事实上，不仅是在自然科学领域，即使在社会科学甚至在人文领域，基于结构化的资源基础而展开科学评价也具备了一定的可行性①。

本研究通過对科学评价领域研究成果的梳理和分析，评估了传统科学评价方法中存在的过度依赖引文分析，忽视科学研究背后的范式演化过程，以及对研究者真实贡献的全面考量等不足之处。为了解决这些问题，本研究提出了基于范式识别展开科学评价的五个维度即范式内核要素、范式转换识别、多模态评价、历时性评价和循证式评价。

本研究为后续研究提供了理论准备和逻辑前提。在未来的科学评价研究中，可以深化范式内核要素的研究，加强范式转换识别方法的应用，拓展多模态评价的数据来源和分析手段，推动历时性评价的实践，以及加强循证式评价的方法和技术。通过不断探索和创新，可以进一步提高中国科学评价的质量和水平，为中国式现代化进程中科学技术的发展提供有力支持。

[责任编辑 贾乐耀]

① Thomas Samuel Kuhn， The Structure of Scientific Revolutions （Chicago： University of Chicago Press， 1962）.

① 周文杰、高冲：《共词分析识别研究热点的表面效度研究：基于自然语言处理》，《高校图书馆工作》2018年第2期，第3―11页。

② 李承晋、高冲、周文杰：《共词分析识别研究热点的内容效度研究：基于自然语言处理》，《图书与情报》2018年第1期，第8―14+27页。

③ 杨丽、张彤彤、周文杰：《共词分析识别研究热点的效标关联效度研究：基于自然语言处理》，《图书与情报》2018年第1期，第15―19页。

④ 周文杰、张彤彤、高冲：《共词分析聚合研究领域的表面效度研究：基于自然语言处理》，《高校图书馆工作》2018年第2期，第12―16页。

① 周文杰、张彤彤、高冲：《共词分析预测研究前沿的表面效度研究：基于自然语言处理》，第17―21页。

② 周文杰：《研究前沿探测的效标关联效度研究：基于自然语言处理》，《图书与情报》2018年第1期，第1―7页。

① 杨克虎：《科学评价亟待回归“循证本真”》，《中国社会科学报》2023年8月4日，第4版。

① 周文杰：《知识资源的序化与数字人文的结构化知识资源基础——基于知识地图和认知结构学说的解析》，《情报资料工作》2020年第6期，第79―87页。