查看原文
其他

徐拥军,陈晓婷 | 自然评价模式的基本框架与运行机制研究

徐拥军,陈晓婷 甘肃社会科学
2024-09-23

点击上方蓝字 关注“甘肃社会科学



原文刊于《甘肃社会科学》2023年第4期,第27-35页。

徐拥军,博士,中国人民大学信息资源管理学院教授,博士生导师,中国人民大学书报资料中心主任。

陈晓婷,中国人民大学信息资源管理学院博士研究生。



提  要

学术评价逐渐从以计量为主的模式转向学术共同体、人工智能技术、评价大数据三种力量驱动的学术评价模式。提出自然评价模式,回顾了学术评价模式和相关概念的演进,引入共生理论与生态系统概念,探讨自然评价模式的核心要素和逻辑架构并阐述自然评价模式的运行机制。研究发现,自然评价模式以学术共同体为评价模式的核心主体,以评价大数据建设为评价的基础条件,以人工智能技术的应用为评价的必备工具,形成“产生评价数据→挖掘评价数据→评价结论反馈”的自然评价环;自然评价模式需要构建评价活动嵌入学术活动的机制,评价数据的公开/匿名、利益分配机制,人工智能技术的数据挖掘机制,评价模式的建设与运营机制。希望为学术评价提供全新视角和理论指导,建立中国特色的学术评价体系。

关 键 词

自然评价;学术评价;学术共同体;人工智能


2022年4月25日,习近平总书记在中国人民大学调研时提出“加快构建中国特色哲学社会科学,归根结底是建构中国自主的知识体系”。推出中国特色的学科和学术评价体系,是建构中国自主知识体系的重要范式。《国务院办公厅关于完善科技成果评价机制的指导意见》《关于规范高等学校SCI论文相关指标使用 树立正确评价导向的若干意见》也提出,要探索建立科学的评价体系。


但是,当前国内外学术评价模式未有实质性的理论创新和方法进步。我国学术评价在理论层面上又过度模仿、照搬西方学术评价的方法,在实践层面陷入暗箱操作、“马太效应”,缺乏回避机制、评价标准单一等弊端。学界迫切需求建立更加公平、公正、公开、科学、合理的学术评价模式。为此,笔者提出自然评价模式。自然评价模式是基于学术共同体在各种学术活动中自然产生的全量化大数据,将自然语言处理、数据挖掘等人工智能技术应用于知识内容和评价行为的语义理解与自动分析中,从而形成评价结论并服务于知识创新与学术进步的一种评价方法。这一概念的具体内涵包括三个方面:一是以探索建立科学的评价体系为核心价值与历史使命;二是运用定性与定量相结合的综合评价方式;三是以质量为核心,注重标志性成果的质量、贡献及影响。概念外延及建设的主要内容包括预印本评价交流、网络发表选稿、文献精选分级、学术影响力与社会影响力分析等。自然评价方法贴近学术活动,数据多源而广泛,是广大学术共同体成员的价值判断工具与知识资源集成、技术支撑辅助共同作用而自然产生的结果,评价过程人为干预少,有利于更加真实、客观、全面地呈现学术成果的质量,更有助于推进知识创新进程。


本文在文献回顾的基础上,引入学术生态系统理论,提出自然评价模式的概念,设计其基本框架与运行机制。希望本文对突破旧有学术评价模式的弊端、拓展学术共同体参与学术评价的路径、探索评价大数据的建设与挖掘流程、创新学术评价理论方法等有所裨益,从而推动中国自主知识体系的建构。


一、文献回顾

(一)学术评价模式的演进


学术评价研究多集中于评价的程序与方法,其中关于评价方法的争议较大。我国学术评价经历了从行政主导到同行评议,再到以各类计量方法为基础的评价模式的演变。


1.基于同行评议的模式


当前的同行评议制度是由18世纪期刊论文审查制度演变而来。同行评议在人员招聘、职称评定、论文评审和研究基金分配等方面的科学决策中扮演重要角色,同时推动科学水平的提升。但传统的同行评议机制存在诸多局限。一是无法确保学术成果研究主题与评议专家研究方向的匹配性,可能导致评审不准确、意见不可靠、效率不高、创新遮蔽。二是评审责任与过程的不公开、不透明,无法保证评议的公正性和客观性。三是评审专家的修改贡献也难以得到公认。虽然开放获取运动的兴起使同行评议不断修正审稿与发表顺序、审稿标准、审稿的匿名性与交互性等缺陷,但只是对同行评议机制细枝末节的修补,未触及学术评价痼疾的根脉。尤其在我国“差序格局”中过于重视人情关系的文化背景下,同行评议的弊端更是被放大而饱受争议。


2.基于文献计量和科学计量的模式


1969年,学者们提出文献计量学和科学计量学,并进一步形成了以洛特卡定律、布拉德福定律等五大统计规律和引文分析法为核心的文献计量学理论体系。文献计量学以文献及其特征为研究对象,科学计量学则将与科学有关的论文、成果等作为研究对象,二者都以引文分析为主要方法,进一步推动了SCI、SSCI、影响因子、论文特征因子、科学计量H指数(H-index)、G指数(G-index)等科学计量工具的研制。但这也导致了国内过度重视SCI和IF、“以刊评文”、唯CSSCI与核心期刊的错误导向。理论和实践不断证明,静态数据评价与时间滞后性的文献计量学,导致引文动机的测度变难,也忽视了新兴文献的重要作用。过度追求量化的科学计量学也易遮蔽研究的创新性,陷入追逐数量和学术产品载体等级的狂热之中。


3.基于新型计量的模式


学术评价从以文献、数据和载体为主的计量模式到基于多层次、多结构的网络资源的网络计量;以知识的载体、内容和活动为研究对象的知识计量,到基于全方位在线科研交流的替代计量。这一过程实现了从信息特征分析到知识内容挖掘的演变,推动着计量分析指标、方法和模式的不断发展、深化和演进。如替代计量学,利用网络活动进行学术计量以测度学术圈外的社会影响力。但目前替代计量学存在定义模糊,研究方法和对象不够独特,缺乏理论基础和对行为的深度理解,指标覆盖率偏低、易操纵、差异性大等问题。不可否认,新型计量的模式优点鲜明,迎合了学术环境变迁的需要,但各自又有难以克服的局限性,无法突破计量学先天性不足。


4.基于混杂大数据的模式


大数据时代变革了学术评价模式,如挪威模型试图构建一个覆盖整个国家全领域的结构化、可验证、有效的全样本学术成果数据库。我国学者也提出建设“基于大数据的学术评价新模式”。在理论层面,大数据的全样本、接受混杂性、关注相关性的特性,很可能实现更为准确、真实、高效的学术评价。目前,基于混杂大数据的模式仍处于起步阶段,尚未实现的原因之一是学术评价的数据化问题,包括数据缺失或“隐形”、数据难获取、数据质量低、数据化成本高、数据化意识不足等难点。因此,迫切需要构建融合人工智能技术分析混杂大数据的新一代学术评价模式。


(二)学术评价相关概念界定


学术评价是对学术研究的诊断、分析与评述,核心是评价学术成果内容,广义上包括对学术成果、期刊、科研机构、学者等的评价。自然评价模式取学术评价的广义概念。学术评价代表性概念主要有计量评价、全评价、大数据评价和语义评价。这些概念在不同侧面为自然评价模式的形成提供了理论基石。


以上概念中,计量评价的发展历程最为悠久,历经文献计量学、科学计量学、信息计量学、网络计量学、知识计量学、替代计量学。学者们按照六计学被细化的方向进行计量评价的“修正补充”研究。大数据时代的学术评价模式趋向数据化、多元化、全量化、集成化和网络化,融合基础数据建设、升级技术方法、搭建网络平台、优化评价应用模型、重构推进机制,推动学术评价分析指标、方法和模式不断深化和演进,构成自然评价的数据来源和技术支持。


叶继元提出形式评价、内容评价和效用评价的“全评价”新概念。形式评价指发表论著数、被引用数等外部特征的评价;内容评价指定性结论,如“此方案一致通过”“此人是一流学者”“该成果具有原创性”等;效用评价是经过有限实践、一定时间、已有历史事实为尺度的评价。其中,形式评价与计量评价类似,赋予自然评价基于数据外部特征的评价“外壳”。内容评价融合同行评议的优点,启发自然评价分析专家评审意见、编辑反馈数据等全同行评价数据。效用评价涵盖时空维度下的传统学术影响力与社会影响力,启发自然评价采集多渠道数据,如引文、转载、媒体报道、政策采纳、企业应用、第三方(外部)评价等数据,形成更全面的评价结论。因此,全评价是构建自然评价模式的重要理论来源。


大数据时代推动了语义评价的发展,实现在语义层面上对评价对象内容的数据挖掘和自然语言处理,带来微观化成果内容的语境分析,探讨成果的贡献、创新、价值和影响力。将成果内容拆解成相应的知识单元,用于知识发现及知识关联。语义评价是启发自然评价运用自然语言处理技术挖掘各类型评价数据的一种重要方法。


(三)现有研究述评


综上所述,学者对学术评价模式和相关概念已有丰富的修正和探索性研究。部分学者逐渐认识到既有学术评价模式难以通过“修补”手段构建全新的科学的学术评价模式。一是对同行评议的公正性和客观性存疑,文献计量学、科学计量学也存在时间滞后、忽视新兴文献、过度量化等弊端。二是不断探索基于新型计量、混杂大数据同行评议、文献计量的学术评价模式,分析对比优缺点,提出完善模式的建议,为自然评价模式提供评价大数据的基础和探索人工智能技术的方向。三是基于大数据的计量评价、全评价、语义评价为自然评价提供了数据来源、技术支持、理论来源和技术工具。四是现有学术评价模式研究与学术活动结合不够紧密、对哲学社会科学特征的体现也有所不足。由此可见,现阶段提炼学术科研规律、结合人工智能技术构建自然评价模式的实践方案,既有必要性,也具可行性。

二、自然评价模式的基本框架

(一)自然评价模式的理论基础


共生(symbiosis)概念最先由德国真菌学家德贝里(Anton de Bary)提出,描述了两种及以上生物种群间出于生存需要,逐渐与其他生物走向联合,共同适应复杂多变的环境,从而形成互相依存、相互合作、协同进化关系的现象。对共生现象的研究,进一步发展出共生主体、共生模式和共生环境三个维度的主要框架。其中,共生主体即共生单元,是物质、信息和能量传递的基本单元;共生模式是不同共生单元间的相互作用方式,包括寄生、偏利共生、互惠共生等行为模式和点共生、间歇共生、连续共生和一体化共生等组织模式;共生环境是指共生模式存在发展的外生条件。共生理论可用于分析各类生态系统内不同主体间的相互作用以及主体与环境之间的动态联系。


“学术生态系统”是由学术、学人和学术环境及他们之间的关系构成的,与外界进行物质、能量、信息交换的一个动态、开放的统一整体,涵盖合作主体、关键要素、子系统的多层环境交互作用、动态发展的生态体系。该系统包括学术研究、期刊工作、政策制定、学术评价、实践工作等互惠共生的共生单元,以及支撑系统运行的政治、文化、技术、法律、经济等共生环境(如图1)。知识创新的起点是对旧有知识进行质疑,质疑的必要过程即为学术评价。因此,学术评价是学术生态系统连接新旧知识和产生创新知识的重要环节。作为学术生态系统不可或缺的子系统之一,学术评价在模式演化过程中,主客体关系不断发展,要素之间呈现的生物“共生”特征逐渐加强。

在学术生态共生系统中,自然评价处于政策法规、技术支持等构成的新型数字平台(以下简称平台)共生环境中,学者(作者/读者)、期刊工作者、政策制定者、实践工作者等共生单元,通过互惠共生行为模式、一体化共生组织模式,在共生界面上开展不同学术活动场景的评价活动,并运用技术分析评价数据、形成评价结论,服务于知识创新与学术进步,最终构建出多元主客体共生的自然评价模式。


(二)自然评价模式的核心要素和逻辑架构


自然评价模式的构建,以学术共同体为评价的核心主体、以评价大数据建设为基础条件、以人工智能技术的应用为必备工具,将融合学术创新、学术交流、学术出版、学术资源和学术服务于一体的新型数字平台作为支撑,以配套体制机制为保障(如图2),形成“产生评价数据→挖掘评价数据→评价结论反馈”的自然评价环。该模式涵盖预印本评价交流、网络发表选稿、文献精选分级、读者阅读评价、影响力分析、发布平台评价结果等逻辑架构。

1.以学术共同体为评价模式的核心主体


英国哲学家迈克尔·波拉尼(Michael Polanyi)认为“学术共同体”(scientific community)是具有共同信念、价值观和规范的科学研究群体与组织,包含学者(作者/读者)、期刊工作者、政策制定者、实践工作者等。与已有学术评价模式相比,自然评价模式由有限数量的精英专家评价向全体学术同行评价转变,实现学术评价话语权的重组和优化,规避评价中的偏颇。平台的全同行特色使得扩展与流动的学术共同体全体成员可以在学术生产流程的各环节参与评价(见表1),在任何接触评价对象的节点产生评价数据,促进学术评价动态性发展,完成从一次性的时点评价向动态评价的转变。

2.以评价大数据建设为评价的基础条件


自然评价模式覆盖论文、著作、研究报告、项目、学者、期刊、机构等全种类评价对象且不拘泥于文本,还包括数据、图片、视频、音频等形式。依托学术共同体的“云评价”,基于其专业属性与能力开展全样本评价和数据分析。如表2所示,在不同学术活动场景下形成五类数据。

3.以人工智能技术的应用为评价的必备工具


学术共同体在学术生产流程的各个环节中参与评价,如审稿评价、突破性理论评价等,都需要人工智能技术作为自然评价的支撑。


一是审稿评价。平台使用学术服务算法,对预印本发布者身份和内容进行简单审核,通过基础筛选从源头控制稿件质量。之后由相关学术共同体、平台基于学科领域相似性,运用关键推荐算法进行期刊、评审专家和作者双向推荐,自愿审稿参评,实现论文与发表期刊的匹配。


二是读者阅读评价。平台运用主题聚类算法对学术成果进行知识标引、提炼知识点等操作;读者通过点击相关的主题词、关键词进行选择;平台运用语义分析、数据分析算法对读书笔记进行语义分析,对阅读时间进行统计,对其他行为进行记录,评价学术成果。


三是突破性理论评价。平台用户(Mendely精准用户)通过学术笔记、评论批注等自然阅读学习方式完成学术成果的重点、难点及亮点标注,将自然语言处理、文本挖掘等人工智能技术应用于文本内容的自动分析与语义理解,发现科研论文中的新知识、新价值、新贡献、新突破。


在自然评价模式的三维框架中,以学术共同体、评价大数据、人工智能技术三大核心要素为驱动。全同行对全样本的评价对象进行多种评价,产生许多评价数据,在平台上留痕,通过人工智能技术对全流程数据进行挖掘并将评价结论反馈给全同行参考。此外,自然评价模式实则是一项巨大、复杂的系统工程。一方面,需要有整合性平台收集更加广泛的评价数据与观点集合,接受学术共同体的广泛监督。另一方面,需要相关的配套机制,如高校、研究机构和出版机构等多主体共建共享,定性为工程项目并提供支撑的配套资金,由专家组建立智库提供指导和咨询服务等智力支持。


(三)自然评价模式与传统评价模式的对比


与传统学术评价模式相比,自然评价模式具有自然形成、全面覆盖、开放透明、多元聚合的特色(如表3),二者主要有如下四个方面的差异。

1.数据形成过程


传统评价是根据引用、评奖、评议等评价目的专门组织活动产生数据。在自然评价中,平台充分采集依据学术共同体在科研全生命周期活动过程自然形成的各种评价数据,如学术共同体之间的交流、发表审稿、阅读笔记等。


2.评价覆盖范围


传统评价主要采用以文献计量指标和小样本的同行评议为主导的评价体系,这种模式导致科学评价中过度强调论文发表数量、被引频次、期刊影响因子等外在量化指标,未深入论文内容层面。小样本判断也会出现失之偏颇的情况,忽视了从科学性、价值性、创新性、规范性方面进行科学评价。自然评价模式强调“全样本、全同行、全流程”的全面覆盖的评价大数据,包含论文、著作、研究报告、项目、学者、期刊、机构等全部对象和数据;学者、期刊工作者、政策制定者、实践工作者、读者等全部共同体成员;科研全生命周期动态更新评价数据。


3.评价流程方式


传统评价依赖专家的主观判断或单一的数据统计的封闭性评价。自然评价覆盖更加广泛的学术共同体成员,所有学术同行均可自愿参与,过程公开,改变评价中的“暗箱操作”“人情关系”“左右为难”等状况。平台也具备开放式同行评议功能,邀请由学者、期刊工作者、政策制定者、实践工作者组成的学术共同体分类赋权、多种方式参与学术成果评价,保证了评价结果的科学、专业、公正、客观。


4.评价结果机制


传统评价由于评价主体有限,方式、工具单一,使得不同类别数据各行其道,甚至是“唯式”评价。为解决这一评价困境,自然评价通过构建多元主体、多元方式、多元工具的评价模式,从单一的学术专家评价向多元评价主体的转变;从小规模样本的评价(精评)向基于海量文献的评价(海评)转变;实现传统评价工具与人工智能技术的多元组合。


自然评价推动学术评价从文献计量和小样本评价走向语义计算,将语义关联、知识组织与科学评价相结合,将大数据、人工智能技术融入科学计量学中,从外在统计评价转向知识单元评价,识别其中的新发现、新原理、新方法,测度文献规范性、文本相似性和观点创新性,革新和完善现有学术评价体系,形成定量与定性、形式与内容相结合的评价体系,开创信息化、语义化、智能化的评价工具,丰富了知识计量理论方法与工具体系。

三、自然评价模式的运行机制

(一)评价活动嵌入学术活动的机制


在学术评价服务于岗位招聘、项目立项结项、职称评定、职务任命等活动中,传统学术评价模式受时间成本与人力成本限制,通常是在特定时间节点、特定空间进行评价,且通常为一次性评价。换言之,根据科研生命周期的“研究构想、研究规划、研究实施、发布与传播、学术评价”五个阶段,传统学术评价只注重科研生命周期的后端。然而,现实问题在于,当前学术界存在许多专门组织的各种评价活动,而专门活动所能参照的评价数据有限。


自然评价模式强调“全流程”评价,评价活动“嵌入”知识生产和创新的各环节,平台依托技术手段组织学术共同体全员在不同评价应用场景中参与学术评价活动,记录、统计、分析各类评价活动所产生的数据和行为,研究成果的全生命周期都要接受学术共同体的监督和遴选,并且学术共同体在学术生产流程的各环节中参与评价,如审稿评价、二次转载评价、读者评价、学术轨迹评价、突破性理论评价等。自然评价模式自动记录和挖掘数据,为学术平台用户提供评价数据和服务,为专门活动提供充分依据。反过来在支撑协同创新、成果发表传播、辅助科研、检索知识、价值判断、支撑应用、激励学者等方面发挥作用,即专门评价活动所产生的数据又再次为自然评价提供原料,如此交替循环往复,逐步提升评价的科学性、合理性和及时性。


(二)评价数据的公开/匿名、利益分配机制


1.评价数据的处理受制于个人数据权益、非公开数据的保密义务


依照《中华人民共和国民法典》第一编总则和《中华人民共和国个人信息保护法》的相关规定,个人数据主体可对其个人数据主张个人信息权益,享有知情权和决定权,有权限制或者拒绝他人对其个人信息进行处理,从而对平台收集、处理非公开数据构成了法定限制。学术共同体成员的非公开数据涉及个人隐私,并且基于数据平台协议,网络平台通常负有保密的合同义务,从而对网络平台使用该类数据以及向他人提供、披露、分享数据构成限制。网络平台欲向第三人提供用户的个人数据,必须要获得用户的授权。因此,若平台未获得学术共同体成员的同意而向第三方提供其个人数据,则有可能招致法律责任。


2.利用评价数据的基本前提是尊重知识创造


评价数据蕴含了学术共同体的创新知识。如学者产生的阅读、利用、评论与传播等数据,期刊工作者的评审意见、编辑反馈、交互信息等。学者、期刊工作者在评审论文、产生评价数据的同时,也面临着选题创新观点、创新修改意见等非常态知识成果被窃取的风险。若单纯强调评价数据的有效利用,而不关注非常态知识创新成果的保护,只能最大限度地发挥现有知识的利用价值,却不利于知识的创新。利用评价数据需要尊重知识的创造,注重保护知识产权,激发人们知识创新的活力。


3.评价数据的使用以公益目的为优先


《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》提出,“让高质量数据要素‘活起来、动起来、用起来’”。只有利用才能充分发挥数据的价值,数据本身的价值就是在利用中实现的。自然评价利用学术生产全流程的评价数据,发布学术成果质量评价、学术成果影响力等动态评价结果。此外,“社会影响力”的评价数据为有关实践工作者在创造性转化、创新性发展活动中的成果转化痕迹、社会传播痕迹、成果反馈数据等。此类数据有关成果的创新转化,应具备公开的属性,并由数字学术平台负责积极公开,服务于学术共同体的科研全生命周期。


(三)人工智能技术的数据挖掘机制


目前,传统学术评价过于强调数据的量化。人工智能技术赋能自然评价模式,使学术评价从表层的量化评价,向内容的语义评价方向发展,挖掘学术热点、创新点和空白点等,改善学术评价结果,向存在真实涵义的评价结论发展,进而健全学术评价机制。例如,Scite.ai分析平台基于学术大数据,采用自然语言处理、机器学习等人工智能技术,为引文内容分析的智能化发展提供了技术支持。在人工智能技术的辅助下,平台将发挥“第三方枢纽”作用,通过提供评价功能、采集评价数据、提供评价服务等方式开展自然评价。平台收集整理学术活动中的多种评价数据,应用自然语言处理与文本挖掘技术识别论文的创新性,努力做到评价过程的客观、公正,评价结果的科学、合理。


在邀请专家评价时,平台根据数据进行智能遴选、专家赋权的模式,尽可能地减少对评价活动的人为干预。以学术亮点为例,有作者自己标注、读者阅读的同时标注以及数据挖掘标注等三种方式。前两种为人工标注,准确度较高,但成本高、效率低,无法解决海量论文亮点标注的需要。同样,自然评价也可采用开放科学的典范——OpenReview的评审机制。OpenReview网站将部分计算机领域顶级会议的同行评议过程进行开放并利用人工智能技术进行处理。目前已经开展的研究包括利用同行评议文本预测引用频次,挖掘同行评议文本中的论辩信息并进行理解,对同行评议文本开展情感分析,预测最终审稿专家打分。


平台通过自然语言处理,分析亮点的语言学特征,探寻其在论文中分布的规律,实现对论文的亮点自动识别和抽取。已有研究采用基于规则的方法从科学论文题录数据中抽取出上述研究问题创新、理论创新、方法创新和结论创新四种知识单元识别文献创新性,或者基于深度学习的方法对不同类型论文进行学习,构建学术论文画像,综合评价论文质量。人工自然标注和自然语言处理的自动智能标注相结合生成的评价数据,能够最大限度保证评价结果的正确性。


(四)评价模式的建设与运营机制


自然评价模式是基于多元评价、分类聚合的模式,强调评价主体的多元性、评价方式的多元性与评价工具的多元性,由此,其建设和运营应统筹规划、多措并举、有序推进。


1.多方参与评价模式的建设与运营


自然评价模式是一个涉及多元利益相关者的复杂系统,不仅需要学者、期刊工作者、政策制定者、实践工作者等在内的学术共同体成员的支持,而且需要基金组织、学/协会、出版机构和科研机构等学术交流组织主体的参与。如基金组织通过资金支持推动自然评价基础设施的建设,促进学术共同体对自然评价模式的使用。学/协会创立并运营以自然评价模式为核心的平台,为其建设和发展提供财政补贴,制定相关政策提升学术评价领域内学术共同体对预印本的认可度。作为宣传推广者,科研机构和组织则应促进自然评价在学术群体中的传播。


2.强调评价模式的市场与行政机制并重


习近平总书记强调:“在市场作用和政府作用的问题上,要讲辩证法、两点论,‘看不见的手’和‘看得见的手’都要用好,努力形成市场作用和政府作用有机统一、相互补充、相互协调、相互促进的格局,推动经济社会持续健康发展。”自然评价模式的构建以中国自主知识体系构建的宏大目标为导向,需对接我国学术评价所遵循的行政机制,在各类学术行政活动中,发挥自然评价公正、透明的作用。此外,还需一双“看不见的手”。学术共同体在平台进行学术生产、知识创新活动,势必要发挥市场对自然评价模式资源的配置作用,促使学术生产要素优化组合并最终实现自然评价模式对资源的优化配置。


3.谨防评价模式发展过于趋向商业化


如前述,自然评价模式的建设和运营需市场作用与行政作用并举,但前车覆而后车戒,自然评价不可过度朝着商业化发展。比如深陷学术垄断丑闻的知网,不仅是商业化的经营平台,更是社会化的知识资源平台,却未在知识付费与开放共享之间找到平衡点,过于趋向商业化,不可避免受到制裁。非营利性学术交流平台商业化后,学术生产活动不可避免会受到商业利益的影响,会限制学术交流的效率和创新性。因此,自然评价模式应谨防过于商业化的趋向。

结  语

为构建科学的学术评价模式,推动中国自主知识体系建构,本文提出“自然评价模式”的概念,并设计了自然评价模式的基本框架,阐述了其运行机制。当然,本文的思考仍局限于理论层面,尚需在实践层面进一步的检验。


目前,自然评价模式的实施还存在三方面的疑问。一是学术共同体的参与度。学术共同体对自然评价模式的认可问题表现之一是学术共同体对新型学术平台的参与度。需回答“学术共同体能否涌入新型学术平台?是否能增加平台用户粘性?学术共同体科研全流程汇聚于平台能否实现?”进而拓展学术共同体对自然评价模式的参与深度和广度。二是人工智能技术的可行性。人工智能技术的计算化、技术化、解构化等特征不断挑战着学术评价的实践逻辑,学者陷入价值理性与技术理性的融合与背离的争论。如何看待人工智能的本质以及与自然评价模式的关系,技术理性与价值理性如何在运用人工智能技术上实现和谐共融,如何在价值理性的导向下合理设定自然评价模式的人工智能的伦理边界。需要探讨人工智能技术在自然评价模式中,何以可能?何以可为?三是相关机制的落实度。自然评价模式的参与主体各自拥有不同的权益,各参与主体对评价模式中自身权益的认知不足或滞后将导致权益问题的出现。如何在数字学术平台上制定行之有效的学术共同体行为规范?以上三方面的疑问还有待在未来展开进一步的研究。


大数据时代下,人工智能技术赋能学术评价,助力学术共同体的科研全生命周期活动已是大势所趋。本文希冀在顶层设计和微观机理层面为学术评价提供全新视角和理论指导,逐渐建立起一套中国特色的学术评价体系,以促进我国哲学社会科学的繁荣发展。

责任编辑:巨虹

继续滑动看下一个
甘肃社会科学
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存