大数据时代学术成果评价的困境及对策研究

摘 要：推动学术成果评价对大数据的有效利用，有助于减少信息不对称，做出科学合理的价值判断，进而发挥好学术评价的引领作用。大数据时代学术成果评价面临数据获取与利用存在阻碍、缺少综合性成果评价平台、理论体系不完善、管理制度不够科学合理等困境，破解上述困境，需各界共同参与，推动高质量数据建设、共建开放平台、完善理论体系、健全相关制度。

关键词：大数据；学术成果；学术评价；评价体系；评价理论；数字化；开放平台；创新方法

1 引言

现行学术评价体系中量化指标被滥用，学术共同体的价值判断作用远未充分发挥，难以保证评价的科学性。学术成果评价是其他学术评价活动的依据，学术界为改善学术成果评价进行了代表作评价、多元评价等探索，但科研成果数量指数级增加、量化评价操作简单、同行评议耗时费力，种种客观原因导致以刊评文、过于倚重量化指标等评价模式一时难以改变。随着大数据、人工智能技术的逐步成熟，学术评价有望从使用样本数据走向全数据，同行评议的规模也有望得到扩大，为解决积弊带来了新的契机。ChatGPT等工具向我们展示了应用全数据解决现实问题的典范，在大数据及算法融入易用的公共服务的情况下，量化评价被滥用的现象也将得到根本性改变。收集、整理学术活动中的各种数据要素，整合学术成果大数据，挖掘数据背后的深层含义，可以充分发挥专家群体的数据解读和价值判断能力，为评价客体出具科学、可信的学术评价意见，真正发挥学术引领作用。

当前基于大数据的学术成果评价探索涉及理论研究、方法创新、平台建设、多维评价等方面。

（1）理论研究。Picciotto，R（2020）[1]认为大数据能够扩大评价范围，提高评价质量，应积极利用大数据开展评价；邱均平等（2017）[2]从大数据环境的特点出发，探讨了大数据对科学评价的方法、流程、环境产生的影响；朱剑（2015）[3]分析了大数据对学术评价的影响，认为大数据时代必须处理好不同评价主体和评价方法的分裂关系；杨红艳（2018）[4]建立了包括基础数据、技术方法、网络平台、评价应用和推进机制的基于大数据的学术评价新模式；杨英伦等（2019）[5]提出了学术评价大数据之路的推进策略，需各方在革新观念、理论研究、技术研发、整合协作等方面不断努力；赵均（2021）[6]认为利用大数据推进全员评议，并为不同评议者加权的学术期刊质量评价体系是实现大规模同行评议的可行评价模式。

（2）方法创新。Zhang，J等（2017）[7]提出TRank算法，通过作者论文的时间感知PageRank分数来评估作者的影响；Chen，K等（2021）[8]提出了一种评价期刊的整数DEA方法，引入基于专家的期刊排名指标ABS排名、UT/DALLAS期刊列表和基于引文的指标IF、h指数等，对期刊进行综合评价；章成志等（2019，2020）[9，10]研究了基于学术论文全文对创新研究评价句进行抽取以及对研究方法进行自动分类的方法，有助于学者快速了解论文内容；Kumpulainen，M（2022）[11]等提出一种将Web of Science和Scopus的引文数据合并的技术，有助于实施多维评价。

（3）平台建设。国外有Dimensions、Scite、SemanticScholar等平台，Dimensions[12]平台除了提供常见的评价指标外，还提供了学科引用率FCR（Field Citation Ratio）、相对引用率RCR（Relative Citation Ratio）等归一化指标和替代计量学指标；Scite[13]利用人工智能进行引文智能分析，提供引文语境、引用位置、引用意图等信息；SemanticScholar[14]利用深度学习技术建立高影响力引用次数这一引文指标，并提供学者影响力评价等功能；国内也做了相关尝试，中国知网的学术评价支撑平台和CNKI科研评价与创新服务平台提供论文、机构、学科、期刊、图书等评价服务，提供包括被引内容和被引频次、下载频次、PCSI（论文引证标准化指数）等影响力指标在内的论文评价报告，为机构和地区提供科研成果统计分析和对比分析等服务。

（4）多维评价。金洁琴等（2023）[15]利用被引、馆藏、借阅、出版、下载、转发、评论等传统计量指标和Altmetrics数据建立指标体系，对图书进行影响力评价；姜春林（2022）[16]采集SSCI和A&HCI的226万条书评数据，从数量、载体、合作度、学科等维度进行计量分析，全面展示了全球人文社会科学书评发展状况；李江波等（2020）[17]、王艳波等（2020）[18]分别以学术专著和学术论文为评价对象，结合传统引文指标和Altmetrics指标构建了多维评价模型；张久珍等（2022）[19]对《近代图书馆之性质及公用》的被引情况进行了计量分析和引文内容分析，综合评估该文的影响。

学术界积极探索将大数据应用于学术成果评价的方法并已取得了一系列进展，但大数据价值还远未充分发挥，滥用量化指标、同行评议规模不足等问题仍未从根源上得到解决。同时，大数据环境下学术评价发生显著变化，随着数据量剧增，量化评价的遮蔽效应更加明显，相关平台和评价机构一旦掌握了话语权，即使其所使用的底层数据和评价体系有缺陷、评价结论失之偏颇，外人也常因无法验证而难以察觉。鉴于学术评价研究在数据获取与利用、理论与制度体系建设、大数据技术应用等方面均存在很大的进步空间，本文针对社会科学领域，分析大数据时代学术成果评价的困境并提出相应对策，希望可以为学术评价的大数据之路提供参考。

2 大数据时代学术评价面临的困境

2.1 数据获取与利用存在阻碍。数据获取与利用存在的主要问题包括数据获取成本高、数据加工处理复杂、数据缺乏深层整合利用、数据确权及隐私问题等方面。

（1）数据获取成本高。为改善“唯论文”的不良评价导向，我国出台了多项政策文件，倡导综合评价、多元评价，但获取海量多源数据需耗费较高的资金、时间和技术成本，非一般研究者所能承受。一方面，在数据成为生产要素[20]的背景下，掌握了丰富数据的数据库往往对显示查询结果、下载数据条数等施加了多重限制措施，用户即使付费也难以轻松获取大量数据。另一方面，学术评价相关信息的数字化程度不高。数据缺失、数据化意识不足是学术评价数据化的难点[21]，目前数据库主要以文献为单位罗列学术信息，可获得下载量、被引量、学者发文量等基础数据，而其他诸如图书、专利、基金项目、专家评论等相关信息缺乏充分的整理与公开，图书即使付费获取的也多是图片形式的PDF文件，还需费时费力地做OCR处理。总之，现有数据对于有深度的科学研究来说是残缺不全的，即便采集到了多种相关数据，一旦缺少关键数据，终将功亏一篑。以引文数据为例，如果不能找到对应的发文数据来匹配、增强，我们很难从引文角度考察知识流动现象。

（2）数据加工处理复杂。数据质量不高、数据结构化程度低、数据分散等问题导致数据加工处理过程复杂。就学术评价而言当前还没有完全可信、易用的底层数据源，较为专业的数据库也存在数据录入错误、数据遗漏、不同数据库间格式不一等问题[22]，而其他来源的数据结构化程度较低，如官网公示的信息，往往需要深度整理方能利用。从各个数据库、网站采集数据后，还需对形式各异的数据进行清洗、纠错，转换为可分析字段，并统一格式、匹配及关联，加工处理过程颇为繁杂。

（3）数据缺乏深层整合利用。数据收集、处理的复杂程度和技术的不足严重阻碍了学术评价对大规模数据的深层挖掘与整合利用，选择性使用量化数据仍是学术评价存在的问题。当前学术评价实施过程中非专业人士滥用量化指标，以h指数、影响因子、被引频次等指标片面决定评价结果，而从事学术评价的专业人士虽有全面评价的意识，在实践中也结合多个维度展开评价，但大多仅仅是对不同维度数据的加权处理，且多是引文和Altmetrics等类型数据，缺少有效的数据整合方法以及对评论等内容质量层面信息的深层挖掘。

（4）数据确权及隐私问题。解决好数据确权及数据隐私问题是利用学术评价大数据的前提，然而目前还没有完善的解决方案与法规。《中华人民共和国数据安全法》虽做出了有关规定，但大多仅为概括性和宣示性条款，法律实际实施过程中仍存在界限模糊不清的情况[23]。且我国数据立法中缺少权利相关条款，义务规范的数量远胜于权利规范[24]，用户权利得不到有效保障。当前我国文献数据库由于独有的经营模式普遍面临数据治理困境[25]，存在侵犯用户合法数据权益和隐私安全的问题。2021年赵德馨教授与知网版权官司的胜诉进一步证明我国现有数据库对作者版权的处理不当，2023年9月国家互联网信息办公室判定知网运营的手机知网、知网阅读等14款App存在违反必要原则收集个人信息、未经同意收集个人信息等违法行为，对其判处5000万元罚款。数据库对用户权益及隐私的侵犯不仅打击了用户参与数据建设的积极性，更限制了数据的开发利用和开放共享，阻碍了大数据价值实现的进程。

2.2 缺少综合性学术成果评价平台。大数据时代我们有了掌握全数据的可能，但由于技术、人力、资金等原因，获取全面数据并形成科学判断对于个体来说仍难以实现，且非专业人员往往不会耗费精力于复杂的数据采集与处理。因此有必要建立一个综合性的学术成果评价平台，尽可能多地搜集、整合数据，同时汇集学术共同体，借助内行群体的判断科学处理数据，既向从事学术评价的专业人员提供丰富数据以供深入挖掘研究，又能使普通用户轻松获取全面、科学的评价信息。学术评价平台不仅是整合数据、消除信息不对称的有效途径，还能够方便用户了解领域知识全景，进而集中精力于决策、智慧层面的劳动，是学术创新与社会发展的需要。

当前我国缺乏一个提供多维评价信息、支持学术交流的综合性学术成果评价平台。国外Scite等平台收录中文学术成果有限，国内知网开发的学术评价支撑平台和科研评价与创新服务平台虽提供了文献、期刊、图书、机构、学科等评价服务，但其开放程度不高且功能有限，大多是定量分析，缺乏学术共同体的参与，不能满足广大用户的需要。目前使用广泛的文献数据库评价功能更为稀缺，仅提供期刊影响因子、被引频次、下载次数等简单计量指标，无法形成全面、科学的评价。且现有平台或多或少地存在垄断[26]或信息幽禁问题，信息幽禁即因数据库自身功能缺陷或数据质量问题导致用户难以从平台获取其所允诺信息的现象[27]，严重违背了实施可信评价的期望，因此仅对这些文献数据库进行简单升级并不能形成我们所需的平台。此外，专家评审意见和同行评议信息能提供较为综合的评价意见，是学术评价的重要依据，但我国现有平台还未完全实现学术共同体交流与评价功能。

2.3 评价理论体系不完善。（1）缺乏系统性的理论框架。为确保评价结果的科学性，现有很多权威机构的评价工作都有意识地结合了多元评价信息，但各机构的评价工作往往遵循不同的评价方法和流程，标准各异，缺乏理论指导。其实在学术评价发展过程中不乏科学的评价理论，如全评价理论从评价活动的各项要素出发构建了一个完整的评价框架[28]，学术授信评价理论充分利用学术群体的授信情况，提供了影响力研究、人才评价等学术评价活动的分析框架[29]，但目前实践应用较少。尤其是大数据浪潮对学术评价产生了重大影响，海量数据与先进的大数据技术大大提高了评价效率，但如何正确利用大数据、避免陷入“唯量化”陷阱，需要有一个完整的理论体系，综合各类评价方法与指标，从总体上统筹指导。

（2）现有评价方法不完善。学术评价的目的不只是评价优劣，更重要的是揭示价值，引领学术发展。现有评价方法对于指数级增长的学术成果来说是远远不够的。一方面，我国定量评价的主体主要是学术评价机构而不是学术共同体，专业性欠缺。现行多数定量评价方法仍停留在对指标与评价结果的追求，评价维度较为单一，得到的结果只是单薄的排行榜、数字，对价值的揭示不充分，而大数据时代随着可分析数据量规模变大，现有方法已难以实现海量数据的科学利用，甚至会导致量化遮蔽效应的加剧。另一方面，同行评议主观性强且规模较小。以期刊论文来说，其在发表之前仅受到少量专家的评价，大数据时代研究细分领域增加，各种成果增长迅速，而目前的期刊采编系统专家库规模较小，也未严格将学科领域细分，因此选择到研究领域完全匹配的专家比较困难，加上同行评议中存在的学术不端行为[30-32]，导致同行评议结果不确定性较强，容易受主观因素的影响。

2.4 管理制度不够科学合理。（1）各方话语权分配不均。学术评价过程中，若某一方占据主导地位，则很难确保评价的全面和客观，因此科研人员、评级机构、数据库商等都需享有足够的话语权。然而实际评价过程中掌握话语权的仅是少数，以刊评文、只认核心期刊等学术评价话语权垄断行为[33]阻碍了各学科和期刊的均衡发展。拿论文发表过程来说，审稿专家享有评议权，但最终采纳与否仍是期刊编辑部做主，甚至存在审稿人意见不受重视的情况[34]。在匿名评审制度的影响下，作者缺乏与审稿人的对话和反馈渠道，导致从事学术创作的学者反而处于被动地位。此外，主流数据库由于受众广、收录全，不仅在与期刊等论文提供方议价时有着很大优势，还向读者、科研机构、学校等数据使用方收取高额使用费，占据了话语权的主导地位，限制了知识的获取与传播。

（2）监督制度不完善。完善的监督制度是保障学术评价合理开展的基础，然而现行监督制度还有待完善。一方面，评价活动缺乏监督和约束。各方往往依据自定的标准进行评价，评价流程和评价数据公开性差，评价结果可验证性不高，缺乏社会公众的意见反馈渠道。另一方面，对基础数据质量的监督力度不够。坚实可靠的底层数据是科学准确的评价结果的保证，但目前还未形成数据质量的监督机制，数据库、官网等多种数据来源渠道均缺乏大众监督反馈渠道和奖惩制度。

（3）利益协调制度缺位。大数据时代伴随丰富数据而来的是数据生命周期过程所涉及的生成者、收集者、处理者、使用者等不同主体间的利益协调问题，其中最突出的是数据库商等机构的盈利与用户知识获取的冲突。数据库商以收集、处理数据获取利益，知识付费本是合理行为，但现有数据库多存在不同程度的垄断行为，2022年知网就因垄断行为被判处8760万元罚款。部分数据库并非以提供优质的增值服务来盈利，而是依靠抢占资源的低水平竞争，这种过于追求商业利益的竞争不利于我国学术研究的长久发展。探索各机构和数据库合理的盈利模式、平衡好各主体的利益问题，是学术评价制度中应解决的重要问题。

3 破解大数据时代学术评价困境的对策

3.1 树立数字化意识，推动高质量数据建设。数据不全、质量不高、加工处理及整合利用困难是学术评价在大数据时代急需解决的问题。推动高质量数据建设首先要树立数字化意识，收集保存学术活动全过程数据。学术活动从写作、发布、阅读到评价等行为信息都有保存意义，拿撤稿论文来说，其虽因某些原因不符合发行标准，但仍有其价值，若一撤了之那么即使后人想研究或批判也找不到相关信息。除了传统的学术信息外，还需对能反映学术作品质量、贡献、影响的评论等信息进行数据化存储，这类数据以非结构化数据为主，处理难度较大，但挖掘隐含在其中的深层意义对内容质量评价有重要作用。当然，不是所有数据都可以直接用于学术评价，我们不能盲目使用所有可获得的数据，要对滥用量化评价指标可能导致的不良后果保持警惕，例如不能将下载量、阅读次数等指标视为学术价值高低的表现，在利用数据时，需对不同来源的数据进行学术授信分析，只有那些具有明确学术评价含义的可信数据才能用于评价研究。在广泛收集数据的基础上，学术界应积极利用大数据技术，探索整合利用数据的方法，深入挖掘数据价值。近年来，笔者团队开发了具有一定规模的增强型引文数据库，将发文数据和被引数据整合在一起，不仅能提供较为全面的数据，还可以结合多项数据进行审查、核对，从而改善数据质量，实施可信评价，笔者团队依托该数据库为《国家社科基金年度报告（2021）》《国家社科基金年度报告（2022）》、中国社会科学院AMI核心期刊评价等研究工作的数据清洗、数据整合提供了有力支持，成效显著，得到相关服务单位的好评，是数据整合利用的有力尝试。

此外，在积极推动数据建设的同时，应加快我国数据基础制度建设，完善相关法律法规。在立法机关和国家数据局等政府部门的带领下，统一数据标准与格式规范，加强对数据质量的审查力度，并建立管理与奖惩制度，鼓励社会公众参与监督。针对现行数据保护法规不够完善的情况，鼓励学者及立法人员针对实际问题分析研究，不断探讨数据保护与利用的平衡策略，明确数据权益配置方案，将法律法规精细化，调和好数据库、用户等各方的利益。

3.2 共建开放平台，保障知识获取。专业的学术成果评价平台不仅需整合各种学术成果、学者和机构信息等基本学术资源，还需汇集学术共同体，提供全面且专业的评价信息，是改善当前评价维度单一、滥用量化指标、信息不对称问题的有效途径。基于数智技术建立平台，结合关联数据、云存储、数据挖掘技术收集、整理并存储学术成果相关评价信息，整合其引用、获奖、评论等数据，并对其进行计量分析与可视化呈现，通过文本挖掘、自然语言处理技术对学术成果进行主题识别、知识单元抽取、评论情感分析等，为学术成果的价值判断提供依据。为保证评论的可靠性和效率，平台需对用户的身份和发表内容进行审核，建立学术交流社区，鼓励学者间的交流和反馈，对学术成果发表评论。在多源数据和学术共同体评议信息的支持下，平台将其关联并向用户提供不同评价对象的多维评价信息，帮助用户做出科学判断。

值得注意的是，在建立平台的过程中涉及技术问题以及学者、数据库、期刊社等多方的知识产权和利益协调问题，因此平台的建设离不开国家的支持，需要国家政府部门的统筹协调，建立平台与各方的合作关系，为平台提供资金支持。其次，平台应向广大学者开放使用。平台可以大胆创新论文发表模式，积极探寻“数据库-知识点”的组织模式，以知识点替代论文作为科研产出的基本单位[35]，或是寻求与作者的直接合作，打破学术信息访问门槛，重新建立良好的知识获取秩序。此外，平台建设需要专家的宏观指导，在其带领下制定运行规则，探讨运营与盈利模式，组建专业的数据库建设与信息分析等技术团队，借助内行群体的判断科学处理数据，共同建立一个提供多维信息、支持学术交流的开放学术成果评价平台。

3.3 鼓励方法创新，完善理论体系。当前我国学术评价理论体系建设还有很大的发展空间，政府部门和相关学会应发挥领导作用，加强顶层设计，结合实践调整评价政策，改善评价导向，建立以质量、价值、贡献为核心的评价体系和评价机制，为各种评价对象分类制定评价框架。同时，应积极建设人才队伍，鼓励方法与技术创新，促进学术评价理论体系的建设。政府部门可联合企业，加大奖励与资助力度，鼓励学者深入理论研究，积极探寻学术成果评价的有效方法，合理利用引文内容分析、自然语言处理、文本挖掘等技术，挖掘同行评议等内容质量层面信息，探讨学术评价的最优策略。

总之，科学评价导向的形成需要政府部门、学会、学者、评价机构等多方的积极参与，各评价主体应摒弃对量化指标的盲目追求，以价值揭示为目的，加强对代表作评价等以质量和贡献为主的评价方法的应用，共同推进科学评价模式的形成。

3.4 健全相关制度，协调各方权益。建议在相关政府部门和学会的管理下成立一个评价管理机构。评价管理机构由学界专家、数据库商、出版商和图书情报机构等相关群体分别委派代表担任委员，共同商讨评价事宜，确定具体的监管制度与奖惩措施，指导并监督评价活动的开展，保证评价过程的公开透明。同时机构应充分保障学术共同体在评价实施过程中的主体地位，不仅要扩大定性评价的规模，还应在定量评价中发挥内行群体的价值判断作用，保证数据的有效利用。

此外，建议确定利益协调制度。数据库商等数据收集、加工方的利益和数据开放共享间的矛盾阻碍了数据利用的进程。现行数据库商定价高、垄断等问题愈发严重，应尽快研究具体方案，完善相关政策法规，科学规划数据产业链，协调好数据库商、出版商以及科研人员的权责与利益分配。为改善数据库垄断问题，中国科学院打造科技论文预发布平台ChinaXiv，支持学术成果的快速传播，是开放共享的积极尝试。政府管理机构可联合企业提供资金资助，引导各图书馆及科研院所共同出资或扶持研发开放平台，鼓励探讨学术论文多渠道出版发行的方式，破除知识壁垒。

4 结语

大数据为消除信息不对称、改善学术评价积弊带来了新的机遇。基于大数据的学术评价可以有效整合利用多维数据，充分发挥专家群体的价值判断作用，挖掘评价信息的深层含义，进而实现定量评价和定性评价的有机结合，帮助评审者减少学术偏见和学术评价误差，得出科学合理的学术评价结论，同时帮助非专业学者了解领域知识全貌，形成全面认知。笔者对当前学术成果评价所面临的数据获取与利用、平台建设、理论体系与管理制度等问题进行了具体分析，并提出了相应对策，以期推动学术评价的大数据之路，从而真正发挥学术评价的引领作用，建立良好学术生态。诚然，大数据时代学术评价涉及多方利益，破解其当前所面临的困境，还需各界的共同努力。

本文系国家社会科学基金项目“学术图书价值揭示方法研究”（项目编号：21BTQ067）的研究成果之一。

参考文献：

[ 1 ] P I C C I O T T O R . E v a l u a t i o n a n d t h e B i gD a t a C h a l l e n g e [ J ] . A m e r i c a n J o u r n a l o f Evaluation，2020，41（02）：166-181.

[2]邱均平，柴雯，马力.大数据环境对科学评价的影响研究[J].情报学报，2017，36（09）：871-877.

[3]朱剑.大数据之于学术评价：机遇抑或陷阱？：兼论学术评价的“分裂”[J].中国青年社会科学，2015，34（04）：66-78.

[4]杨红艳.顺势而为：基于大数据的学术评价新模式探析[J].甘肃社会科学，2018（03）：76-81.

[5]杨英伦，杨红艳.学术评价大数据之路的推进策略研究[J].情报理论与实践，2019，42（05）：62-66+152.

[6]赵均，张欣然.基于大数据分析的学术期刊质量评价构想[J].中国出版，2021（21）：12-17.

[7]ZHANG J，NING Z L，BAI X A，et al.Exploring timefactors in measuring the scientific impact ofscholars[J].Scientometrics，2017，112（03）：1301-1321.

[8]CHEN K，REN X T，YANG G L.A novel approach forassessing of academic journals：Application ofinteger DEA model for management science andoperations research field[J].Journal of Informetrics，2021，15（03）：101176.

[9]章成志，李铮.基于学术论文全文的创新研究评价句抽取研究[J].数据分析与知识发现，2019，3（10）：12-19.

[10]章成志，李卓，储荷婷.基于全文内容的学术论文研究方法自动分类研究[J].情报学报，2020，39（08）：852-862.

[11]KUMPULAINEN M ，SEPPÄNEN M.Combining Webof Science and Scopus datasets in citationba s e d l i t e r a t u r e s t u d y [ J ] . S c i e n t o m e t r ics，2022，127（10）：5613-5631.

[12]Dimensions[EB/OL].[2023-07-16].https：//www.dimensions.ai/.[13]Scite[EB/OL].[2023-07-16].https：//scite.ai/.

[14]Semantic Scholar[EB/OL].[2023-08-06].https：//semanticscholar.org/.

[15]金洁琴，冯婷婷.中文人文社会科学学术图书的学术影响力与社会影响力评价研究：以省哲学社会科学优秀成果奖为例[J].情报理论与实践，2023，46（03）：166-173.

[16]姜春林.近30年全球人文社会科学书评的计量与启示：基于1990-2019年SSCI和A&HCI来源数据[J].西南民族大学学报（人文社会科学版），2022，43（01）：216-227.

[17]李江波，张梁，姜春林.Altmetrics视角下的人文社会科学学术专著影响力评价研究：基于BkCI、Amazon和Goodreads的比较分析[J].情报学报，2020，39（09）：896-905.

[18]王艳波，汪雷，吴小兰.基于Altmetrics与传统文献计量指标的国内学术论文影响力评价研究[J].情报理论与实践，2020，43（06）：76-81.

[19]张久珍，崔汭.基于引文内容分析法的刘国钧《近代图书馆之性质及功用》影响研究[ J ] . 图书情报工作，2022，66（20）：93-100.

[20]欧阳日辉，龚伟.基于价值和市场评价贡献的数据要素定价机制[J].改革，2022（03）：39-54.

[21]杨红艳.大数据时代学术评价的数据化难点及其应对[J].现代情报，2020，40（11）：136-143.

[22]王丰年.论我国学术文献数据库的质量调控[J].出版广角，2017（04）：28-31.

[23]张浩然.数据财产与数据安全法益保护的重叠及协调[J].法律适用，2022（09）：83-95.

[24]张钦昱.数据立法范式的转型：从确权赋权到社会本位[J].经贸法律评论，2023（01）：1-20.

[25]曾建勋.“知网事件”对我国文献数据库行业的警醒与反思[J].信息资源管理学报，2022，12（06）：11-17.

[ 2 6 ] 王伟.学术期刊数据库的反垄断监管[ J ] .现代法学，2022，44（04）：131-144.

[27]周春雷，李彦博，孟丽慧.学术资源平台信息幽禁问题探讨[J].档案管理，2021（06）：23-25.

[28]叶继元.人文社会科学评价体系探讨[J].南京大学学报（哲学.人文科学.社会科学版），2010，47（01）：97-110+160.

[29]周春雷.学术授信评价及其应用[M].北京：科学出版社，2016：68-96.

[30]李新根.学术期刊同行评议中的学术不端行为及防范[J].编辑学报，2022，34（02）：179-183.

[31]蒋颖.中文学术图书评价的瓶颈与突破：基于图书生命周期视角的分析[J].中国社会科学评价，2022（04）：133-144+158.

[32]侯嘉淳.“非升即走”制度下高校教师保障机制的整体性构建[J].江苏高教，2023（04）：49-55.

[33]徐拥军，陈晓婷，杨红艳，等.学术资源反垄断视角下知识创新促进策略研究[J].情报资料工作，2023，44（02）：53-63.

[34]王维朗，黄江华，游滨，等.科技期刊同行评议中编辑-审稿专家-作者之间关系的重构与强化[J].编辑学报，2019，31（02）：145-147.

[35]刘益东.关于一流科技人才评价方法创新的建议[J].国家治理，2023（03）：76-80.

（作者单位：1.郑州大学信息管理学院、河南省“双一流”建设研究中心、郑州市数据科学研究中心 周春雷，博士，教授，博士生导师；2.郑州大学信息管理学院 薛宁，硕士研究生；3.郑州大学教育学院 汪巧红，博士，讲师，通信作者 来稿日期：2024-08-19）