浅议大数据背景下的学术评价工作

浅议大数据背景下的学术评价工作

刘静慧

武汉大学新闻与传播学院

【内容摘要】学术评价有内生性评价和专业性评价之分。大数据深刻介入和影响了当下的学术研究工作，导致社会科学重建、思维方式变革、学术生产力提升，也让学术评价更趋开放、精准、科学。

【关键词】大数据 学术评价 演进

学术评价是学术研究的衍生物，伴随于学术活动的始终。政府、学术机构、基金资助机构、学者个人乃至社会公众都对学术评价都有各自的需求。学术评价是世界性的难题，关于学术评价的争论从来都没有消停过，对学术评价的反思和探讨也一直在进行当中。2018年以来，有关方面先后出台了一系列文件，为健全分类评价体系、完善学术同行评价、破除“五唯”时弊等作出了新思考，提出了新要求，提供了新遵循，指明了新方向。

一、内生性学术评价和专业性学术评价之辨。学人在进行某个课题、方向研究之初事实上就已经开始了学术评价，只不过这种基于学术研究主体的学术评价活动往往被我们习惯性无视。问题的提出、框架的搭建、材料的爬梳等等学术建构活动，前提条件是对已经发生的学术活动、发表的学术成果、发现的学术观点有自己的判断和选择。这种学术评价活动是有学术活动的主体在学术成果面世之前自觉进行的，可以视为内生性评价。学术评价的另外一种类型是在学术研究成果出来后由他者进行的日常评价活动，这种类型的评价相对于前述的内生性评价，我更愿意称之为专业性评价，因为这类的评价更多的是基于某种体系安排下的制度化、专业化评价。二者统一于学术生产全过程，相辅相成不可分割。内生性评价的实施者是学术研究的主体，专业性评价的实施者是他者；内生性评价是一种隐性评价，专业性评价是一种显性评价；内生性评价更多的是实时性评价，专业性评价更多的是延时性评价；内生性评价更多的是基于学人的主体经验，专业性评价更多的基于制度性安排；内生性评价在某种程度上是闭环式的，专业性评价是开放式的；内生性评价发生于学术成果形成之中或之前，专业性评价多在成果形成之后。但二者也有共同点，评价的目标指向都是学术创新质量、学术繁荣发展；评价的基本手段都不外乎是对数据的提取和分析。

二、大数据深刻介入和影响了当下的学术研究工作。大数据为学术研究方法的变革、研究领域的拓宽、研究能力的提升提供了可能。《自然》（Nature）杂志早在2008年就推出了大数据专刊。《科学》（Science）杂志也在2011年2月推出了专刊。相比之下大数据作为一个典型的外来概念，在我国兴起的时间较短。考察CNKI数据库，2012年后才有大量以“大数据”为主题或关键词的文章出现。

（1）大数据导致社会科学的重建。大数据对社会科学的影响远远大于人文科学。传统的社会科学学科，诸如经济学、管理学、社会学、政治学、法学、教育学等学科对数据的依赖性较强，大数据所展示的意义会更充分，而文学、历史、艺术、哲学等更加关注人们的精神生活、价值理念、心灵世界等，对外在数据的依赖性较低，大数据所展示的意义相对较弱。哈佛大学King·Gary预言：随着大数据的出现和使用，整个社会科学研究的实证基础将会出现重大变化，甚至会加速定性与定量研究的大融合。从纯粹的研究问题转向更多地解决现实问题；从只研究少量的碎片化数据转向系统性的大数据；从过去各个学者单打独斗，到今后不断增多的集团化、跨领域、实验风格的研究团队。

（2）大数据带来思维方式的革命。大数据对传统的机械还原论进行了深入批判，提出了整体、多样、关联、动态、开放、平等的新思维，这些新思维通过智能终端、物联网、云存储、云计算等技术手段将思维理念变为了物理现实。大数据思维是一种数据化的整体思维，它通过“更多”（全体优于部分）、“更杂”（杂多优于单一）、“更好”（相关优于因果）等思维理念，使思维方式从还原性思维走向了整体性思维，实现了思维方式的变革。大数据通过数据化的整体论，实现了还原论与整体论的融贯；通过承认复杂的多样性突出了科学知识的语境性和地方性；通过强调事物的相关性来凸显事实的存在性比因果性更重要。

（3）大数据推动学术生产力提升。大数据通过事物的数据化，实现了定性定量的综合集成，使人文社会科学等曾经难以数据化的领域也走向了定量研究。著名数据库专家Ｊｉｍ Ｇｒａｙ博士认为在科学研究上，先后历经了实验、理论和计算３种范式，当数据量不断增长和累积到今天，传统的３种范式在科学研究，特别是一些新的研究领域已经无法很好地发挥作用，需要有一种全新的第４种范式来指导新形势下的科学研究，基于这种考虑，Ｊｉｍ Ｇｒａｙ提出了一种新的数据探索型研究方式，被他自己称之为科学研究的“第４种范式”。在海量数据时代，大数据在某种程度上成为学术研究的前提条件和重要原点，时下的学术研究往往从大数据出发，以数据为中心，以数据为牵引，推动学术研究不断创新的进程。在某种意义上，大数据已经成为从复杂现象中透视本质、从无序变化中把握规律的重要工具，大数据一定程度上提升了学术研究的发现力、释放了学术研究的生产力。

三、大数据对哲学社会科学学术评价工作的影响判断。大数据时代，可以让学人轻点鼠标进行文献爬梳，了解同行的最新观点，进而基于已有的基础，开掘自己的方向，很大程度上可以避免选题重复和资源浪费，学术生产在某种意义上而言变得相对轻松。同样，在学术研究的进程中，也可以随时对自己的学术生产进行省思和调整。打个生动的比方，以前的学术生产是在封闭的屋子里进行的，现在的学术生产是在透明的空间里进行的。以前的学术研究是在池塘中钓鱼，现在的学术研究是在大海中捕鱼。传统的实证研究，是一种自上而下的决策和思维过程。大数据时代的预见性是一种自下而上的知识发现过程，是在没有理论假设的前提下去预知社会和洞察商业趋势和规律。大数据在为同行评价提供更好地数据支撑的同时，也为学术评价体系的重置开辟了更大的空间。

三、大数据时代学术评价的演进方向

（1）大数据时代的学术评价走向更加开放。２０１３年６月英国签署的“开放数据宪章”提出数据开放五原则，即开放数据是基本要求、注重开放数据的数量与质量、开放的数据让所有人都可用、为改善治理而发布数据、开放数据激励创新。大数据时代的学术评价更能有效的实现中外对接，可以更好地在更大视野下观照我们的学术研究现状，导致学术评价可以在地化进行，也可以全球化进行；大数据时代的学术评价可以呈现更多的向度，不必拘泥于已有体系。大数据在一定意义上是显微镜，在另外一定意义上是望远镜。

（2）大数据时代的学术评价走向更加精准。所谓精准，就是在时空范围上非常准确的意思。大数据时代的学术评价也追求“精准”。“今日头条”是一款基于大数据计算、大数据挖掘的客户端产品，给大数据时代的学术评价工作以深刻的启发，通过有效设置用户模型、通过海量数据处理架构、通过精准定位人群传播给用户提供有价值、有意义、有个性的新闻产品。同样，大数据时代的学术评价在评价维度、评价标准、评价方式上都可以借助数据引擎进行细分。同行评价中可以更精准的匹配同行专家，量化评价中可以更精准的进行指标设置，也可以更有效更便捷的将富于个性化的评价结果反馈给评价对象，形成专业性评价的闭环，让学术评价进入良性生态循环。

（3）大数据时代的学术评价走向更加科学。因为大数据在很大程度拓展了学术评价在不同方向上的量化维度。2012年，来自哈佛大学和 Wellcome Trust 的一小组杂志编辑，使用 taxonomy 系统对一些研究人员的贡献度进行了分析。有的学术机构已开始对作者的基础贡献度进行分析的尝试，毫无疑问这类量化评价维度的转向只有在大数据时代才有可能实现，才有可能让学术评价更为科学。