科学家的行动会产生数据，而一个被称为“科学学”（science of science）的量化研究领域，多年来一直致力于分析这些大数据，考察科学的运作规律，并希望为政策制定者提供洞见，帮助优化资金分配，了解科学研究如何能更好地满足公众需求。Nature Human Behaviour 近期发表的评论文章指出，随着该领域的成熟，科学学下一步的发展需要将数据驱动的观察与干预实验结合，扩大研究范围并使数据来源多样化，从而使科学学研究在现实世界留下切实的印记。
研究领域：科学学
Nature Human Behaviour | 来源
郭瑞东 | 译者
邓一雪 | 编辑
从项目资助提案到文章发表，科学家的行动会产生数据。借助于先进的计算机和机器学习工具，科学学领域的研究人员搜索这些大数据，以深入了解科学的内部运作。他们希望使科学发现、研究资金、评估和传播更加高效和公平。
今年6月，我们参加了在华盛顿特区举行的“科学学”美国国家科学院的第一届年会。研究人员询问，关于雇佣、高效合作、影响、破坏性（创新）和科学中持久的不平等，大数据分析能够为我们提供哪些洞见。作为旁听者，资助者和政策制定者考虑科学学将如何帮助他们优化资金分配，以及科学研究如何能够更好地满足公众的需求。
科学学年会官网链接：https://www.icssi.org/
科学学不再是计算专家感兴趣的小生态位，而是一系列有明确定义的应用案例研究。但到目前为止，大数据分析导致的改进科学政策的具体行动相对较少。随着该领域在其他研究分支中找到自己的位置，其从业人员正在寻找方法，利用其数据驱动的洞察力，在科学政策中留下切实的印记。
科学学不应该只是告诉我们科学的世界现在是怎样的——它还应该推动我们走向可能的科学。
通过分析大数据，研究人员证实了科学产出和出版中根深蒂固的跨学科不平等。他们对多样性的各个方面（从性别、种族或民族构成到跨学科情况和地理）与结果（是否发表）之间的关系有着相当好的理解[1]。美国西北大学科学与创新中心（Center for Science of Science and Innovation）主任王大顺表示：“基于大规模数据集的相关性分析已经成功地揭示了一大批高度可重复的事实和模式，这些在各个领域都具有高度的普遍性。”
但是相关性仅仅反映了数据中的内容，它们并不直接意味着行动计划。
相关性还受到科学界广泛存在的偏见的影响。这些不平等反映在现有数据和传统的影响指标中。与机器学习中的偏差类似，基于数据相关性的决策可能会放大而不是改善现有的不平等。例如，如果资金充足的团队比资金较少的团队获得更多引用，这是否意味着我们应该增加他们的资金份额[2]？如果多学科团队积累更少的引文，我们是否应该阻止这种合作[3]？
我们需要来自科学学的、由数据驱动的洞见来解决科学事业中的一些大问题。科学学研究人员越来越意识到，他们需要用因果推理和干预技术来补充相关工作。
学术文章中的引文多样性声明是改进科学的一个切实步骤，旨在纠正引文列表中的性别和种族/民族差异[4]。“我们意识到科学领域存在大量的性别偏见，但我们仍像1995年那样引用。科学界的性别构成没有反映在引用模式上,”宾夕法尼亚大学教授、引用多样性声明倡议背后的研究人员之一Dani Bassett表示。“至关重要的是，仅仅知道这些偏见的存在本身不会改变这个领域——我们还需要测试具体的干预措施和推动力。”
科学指示的实践和科学政策可能需要干预性研究，而不仅仅是相关性研究。不过，这并不意味着纯数据驱动的工作没有价值，海量数据本身就是一个优势。计算分析的广度可以帮助研究人员设计正确的干预措施。
“在经济学中常见的狭义干预研究，有时可能会忽略我们在大数据中看到的一些更广泛的模式，”王大顺表示。“未来的科学学将同时受益于观察和实验研究的蓬勃发展。”
这个未来，似乎注定要模糊科学学（起源于计算科学的领域）与其他研究分支（如关于科学的经济及心理研究）之间的界限。
对科学的评价、资助及科学与社会的关系，也需要科学学的可操作性见解。在美国国家科学院的会议上，美国前众议员 Rush Holt Jr 向科学家群体提出了一个挑战——解决“科学与公众之间的深刻鸿沟”。如果科学成就不能满足社会的需要，它本身几乎没有什么意义。而科学学研究者在分析中使用的衡量科研成果影响力的内部方法，并没有捕捉到“成功”的维度。
从传统的定量指标——引文和期刊影响因子来看，大量的新冠病毒研究已经取得了巨大的成功。2021年，顶级新冠论文被引用数万次[5]，许多发表这项研究成果的期刊的影响因子增加了一倍[6]。但是，如果我们用拒绝接种疫苗的比率和总体死亡率来衡量成功，这些研究就不那么重要了。虽然这并不完全是科学事业本身的失败，但它确实表明，传统科学指标与公众影响之间的关系出现了某种破裂。科学学能帮上忙吗？
Holt说: “作为一门学科，科学学面临的真正挑战是，我们该如何评估，科学家为公众提供的知识、所有权，以及在处理自身日常事务时应用科学的期望”。
提高可执行性还意味着，扩大研究范围和使数据来源多样化。公开的出版物和专利数据现在广泛可用。它们包括越来越多的期刊和欧洲、美国和大洋洲以外以前被忽视的机构[7]。但是，对于科学事业的一些幕后方面，例如同行评审、编辑决策和资助提案评估，情况就不是这样了。
Novo Nordisk 基金会（一个大型的科学资助机构）的高级合伙人 Rikke Nørding Christensen 说，幕后数据具有巨大的潜力，可以帮助设计具体的干预措施，但是目前在获取这些数据方面存在重大障碍。例如，评估委员会可能不是选择最有前途的研究提案的最佳方式，但是如果没有来自基金会的细粒度评估数据，科学社区就不可能知道。“如果资助者和组织对他们的数据更加开放，科学学可以做得更多,”Christensen 说。
企业、投资者和出版商不愿意分享他们的幕后数据，而且只能在限制性数据共享协议的前提下分享。尽管存在重要的法律和隐私方面的考虑，但更开放的数据共享文化将使科学学研究者能够扩展他们的分析，超越传统的影响指标。此外，只有通过开放和协作，资助者才能设计大规模的随机临床试验，以有效地检验因果关系。
科学学研究者力求解决的问题清单很长，这些问题也并不陌生，包括科学政策的制定和科学传播中的不平等、次优的资金决策和合作模式、主观评价、可能有问题的研究实践等等。多年来，在科学学领域工作的研究人员一直使用他们自己学科的工具来审查科学的发展。科学学作为一个计算领域，不应该狭隘地局限于对现有大数据的分析。为了在科学事业的各个角落产生更大的影响，它必须不断扩大其方法和数据来源的范围，更密切地与其他研究分支结合起来，并从这些密切相关的领域学习。
本文翻译自 Nature Human Behaviour 评论文章。
原文题目：Broader scope is key to the future of ‘science of science’
原文地址：https://www.nature.com/articles/s41562-022-01424-5
1 Wang, D. & Barabási, A. L. The Science of Science (Cambridge Univ. Press, 2021).Wuchty, S., Jones, B. F. & Uzzi, B. Science 316, 1036–1039 (2007).
2 Sun, Y., Livan, G., Ma, A. & Latora, V. Commun. Phys. 4, 263 (2021).
3 Zurn, P., Bassett, D. S. & Rust, N. C. Trends Cogn. Sci. 24, 669–672 (2020).
4 Zurn, P., Bassett, D. S. & Rust, N. C. Trends Cogn. Sci. 24, 669–672 (2020).
5 Google Scholar reveals its most influential papers for 2021. Nature Index https://go.nature.com/3amP25O (2021).
6 Quaderi, N. Journal Citation Reports 2022: COVID-19 research continues to drive increased citation impact. Clarivate https://go.nature.com/3OPu8LD (2022).
7 Singh Chawla, D. Nature https://doi.org/10.1038/d41586-022-00138-y (2022).
科学是研究实践、是理性精神，也是一个由学者、文献、科研项目、科学思想与灵感等一起构成的自组织、自生长的复杂系统。科学学则是一门学科，旨在深入理解科学研究的种种因素并推动科学发展。认知层面上，从复杂系统的视角研究科学，能否给我们带来对科学更深刻的理解？个人科研实践中，什么样的论文高引？怎样规划科研路线？哪些课题大有可为？
集智俱乐部组织了6期「复杂系统视角下的科学学」读书会，讨论科学学相关的科研进展和经典文献，形成了包括数十位相关领域的研究者和硕博在内的科学学社区。欢迎感兴趣的朋友报名加入交流讨论。
