大數據應用于高校科研評價的價值意蘊與適用構想

劉在洲

（武漢紡織大學，湖北武漢 430073）

1 研究背景

隨著信息技術飛速發展，人類進入了大數據時代，大數據正帶來一場偉大的技術變革，必將沖擊人們的思維和評價模式。與此同時，科技創新已成為國家強盛的根基和民族進步的靈魂，高校作為科技創新大軍中一支重要的生力軍，其作用和地位日益凸顯。然而，近些年來，面向以前瞻性基礎研究、關鍵共性技術、前沿引領技術和顛覆性技術創新為主和著力人才培養、學科建設的高校，科研成果原創性不足、創新性不強、轉化率低下，以及科研人才培養功能弱化、學科建設引領不夠等問題日益突顯，成為了我國高等教育領域的痛點。高校科研之所以面臨諸多問題，原因是多方面的，但高校科研評價問題是主因之一，其中缺少大數據理論和技術支撐是關鍵。其局限與不足主要有：一是高校科研評價數據采集不全，挖掘不夠，如數據來源單一、數據類型偏少，對半結構化和非結構化等數據沒有充分利用；沒能充分挖掘成果背后的隱性數據和潛在價值，特別是針對高校科研以基礎研究為主和著力人才培養、學科建設的特征采集數據、建立評價體系、挖掘核心價值不夠。二是指標集、指標權集的篩選和確定主要通過德爾菲法、層次分析法和因子分析法，沒有充分運用大數據技術。三是評價結果可視化程度不高，因而導致評價結果科學性不夠，精準度不高、可信度不強，效率太低。

高校科研水平的影響因素很多，且影響因素之間相互影響及耦合，基于傳統統計模型所獲取的評估數據準確度偏低［1］。大數據為這些問題的解決帶來了契機，充分運用大數據和人工智能等手段，建立科學的高校科研評價體系已是當務之急。2018年，黨中央在深化“三評”（項目評審、機構評估、人才評價）改革的意見中提出了構建科學、規范、高效、誠信的科技評價體系的任務。2019年，國家有關部委針對學科評估和規范SCI論文相關指標使用，提出了充分運用大數據和人工智能等手段獲取公開數據、探索建立科學的評價體系等要求。為此，本研究就大數據對于高校科研評價的價值意蘊、大數據在高校科研評價關鍵環節的適用性作一些探析。

2 文獻回顧

目前科研評價主要是采用同行評議法、文獻計量法、經濟計量法、多指標綜合評價法等方法［2］。正因為如此，對高校科研評價的研究也主要是基于這些傳統的視角，基于大數據的高校科研評價研究少見，但基于大數據的高校科研其他相關研究較多。其中，國外一些學者對大數據背景下的科研項目立項、科研成果水平、科研績效、學術論文影響力等方面的評價進行了研究，提出了一些思路和方法［3-6］，但對高校整體、系統的科研評價的研究尚未發現。國內學者如楊維榮［7］認為，大數據技術給高校科研管理工作帶來了重要機遇，有利于實現高校科研選題科學化，推動高校科研成果轉化，并指出當前學界對大數據問題的研究主要集中在商業推薦和經濟預測、科學研究范式變革等領域，大數據技術在高校科研管理工作中的應用研究還較為少見；梁子裕［8］、朱凌玲［9］主張加快高校科研信息化建設，建立大數據資源共享信息系統，實現大數據的交流與互通；馮海燕［10］提出通過大數據對科研團隊的創新環境、創新氣氛、創新溝通進行分析，進而考核其績效；王運紅等［11］基于大數據信息構建了包括基本科學素養、科研產出影響力、科研管理能力、學術潛力和學術地位5 個維度在內的科技人才科研綜合能力評價模型，以期較為全面地反映科技人才的綜合實力；陳輝［12］認為，在大數據環境下同被引文獻數在時間上的反應速度比引證文獻數快(論文發表即可獲取)，且具有客觀性、科學性和有效性等優勢，具有很強的學術評價功能；張安淇等［13］提出了科學評價中應用大數據既有優勢也有劣勢，既存在機遇也存在挑戰。已有研究對于探索大數據背景下的高校科研評價具有一定啟發價值和借鑒意義，但研究顯得較為零散，存在系統化程度不高、可操作性不強等問題。

在運用大數據技術采集、處理數據以及篩選指標等功能研究方面，國外一些學者對運用大數據技術搜索、采集、處理、挖掘數據以及建立數據模型評價進行了研究，但研究對象多在股票市場、公路交通、企業經營等領域［14-16］，國內學者的研究主要有如下方面：如李振等［17］、孫曙輝等［18］提出關聯規則挖掘、聚類分析、趨勢預測、時序分析、回歸分析、情感分析、語義分析、社交網絡分析等是教學評價數據采集、挖掘的主要方法；馬克［19］、王希予［20］研究了數據清洗對象、數據清洗的基本思路和流程，提出了異常值處理、缺失值處理、重復樣本處理、錯誤類型數據清洗等方法；路云飛等［21］提出了粗糙集屬性約簡和灰色關聯聚類相結合的指標篩選方法；龍浩等［22］基于大數據分析的視角，以學生的參與度、認可度和滿意度為切入點，構建了包括課程微觀評價指標體系、二級學院綜合評價指標體系和學校宏觀評價指標體系的三級教學評價指標體系；段紅等［23］提出了基于S-Kohonen 神經網絡的高校科研能力評估模型；田蕓［1］針對高校科研水平深度學習網絡訓練評價中存在的評價特征同質化現象造成評估結果精度不高問題，提出了稀疏交叉熵粗糙集雙向受限制深度玻爾茲曼機（DDRBMDNNS）高校科研能力評估方法；劉三女牙等［24］提出了一種基于地圖的教育大數據可視分析方法；任磊等［25］探討了面向大數據主流應用的信息可視化技術，如面向文本、網絡(圖)、時空、多維的可視化技術。上述研究為本研究打下了基礎，但已有研究僅僅限于大數據某一技術在高校科研評價某一環節的運用研究，同樣缺乏系統性、整體性，且研究教學評價的居多。

綜上所述，已有基于大數據的高校科研方面的研究大多局限于科研管理、科研信息化建設與教師個人學術影響和績效考核等方面，研究的廣度和深度遠遠不夠，基于大數據的高校科研評價方面的研究相對滯后，運用大數據技術采集、挖掘、處理高校科研大數據的研究成果不多，通過大數據技術構建高校科研評價指標集等方面的研究成果尚不多見。已有研究中存在的不足，正是本研究必須面對和突破的問題。

3 基于大數據的高校科研評價的價值意蘊

充分利用大數據的資源，科學運用大數據手段開展高校科研評價，對于促進高校科研評價更加系統全面、精準客觀、高效便捷具有重要的作用，特別是在面向以基礎研究為主和著眼人才培養、學科建設的高校科研評價方面具有明顯優勢，其價值意蘊體現在以下4 個方面。

3.1 使高校科研評價更加系統全面

大數據不僅量大，而且類型多，不僅有結構化數據，還有非結構化、半結構化數據，日益迅速增長的非結構化、半結構化數據是大數據時代到來的標志。有學者認為，非結構化、半結構化數據已占到所有采集到數據的85%以上，是重要的、有價值的數據［26］。對于高校科研評價而言，非結構化、半結構化數據是進行全面、系統、準確評價不可或缺的數據。傳統的高校科研評價數據不僅來源單一，而且數量有限，主要是政府教育、科技行政主管部門的統計數據、學校公布的數據、SCI 和中國知網（CNKI）等幾大檢索系統和數據庫的數據，其中結構化數據居多，非結構化、半結構化數據采集偏少，特別是關注科研對人才培養和學科建設的貢獻不夠。而高校科研有別于科研院所和企業的科研，一要出成果，二要出人才，三要促進學科生長，具有多重功能，因此對高校科研評價不僅要著眼科研本身，還要關注科研對人才培養和學科建設的貢獻。傳統的高校科研評價受評價技術限制，人才培養、學科建設方面的數據沒有充分挖掘利用，導致無法全面系統評價高校的科研水平和社會貢獻。大數據技術的引入使這一局面將得以改變：從數量維度來看，大量諸如高校科研成果隱藏性數據、企業轉化數據、社會應用數據、網絡分析數據、歷史數據等數據被采集出來，基于小樣本的評價變為基于大數據的評價，為高校科研評價提供了海量的數據，成為系統全面評價高校科研的重要基礎。從類型角度來看，通過大數據技術，不僅可以采集到海量的結構化數據，也可以采集到大量非結構化數據如文本圖形、圖像、音視頻等，同時還可以采集到半結構化數據如網頁等數據，特別是能采集到科研對于人才培養和學科建設作用的滯后性數據和長效性數據，由于多種類型的海量數據被挖掘利用，從整體上提高了高校科研評價的完整性和系統性；此外，還有利于對科研評價對象進行多視角、全方位的評價，彼此驗證和相互支撐，突破以往單一維度的思維模式，使高校科研評價的全面性、系統性將大為提升。

3.2 使高校科研評價更加精準客觀

大數據具有應用價值大的顯著特征。由于大數據具備強大的數據處理功能，所處理的數據不僅體量大，而且粒度小，從中獲取的信息更加細致和清晰，有利于提高分析結果的精準度。首先是大數據技術不僅能處理結構化數據，而且還能對半結構化數據和非結構化數據進行處理，使對科研成果的科學價值與社會貢獻的判斷突破了單一的顯性數據、當下數據的定量評價和主觀性強、效率低下的同行評議傳統模式，大大地提高了高校科研評價的精準度。其次，大數據的預測功能十分強大，大數據的核心就是預測［27］，這一功能對于長效性的科研成果評價非常重要。在大數據的背景下，依托海量數據，加上云計算技術等強大的數據處理能力，對結構化、半結構化和非結構化的數據高效地分析歸納，讓人們對于未來的準確預測變得越來越清晰，預測結果也變得越來越趨近事實［28］。在高校科研評價的實踐中，運用預測功能評價科研及成果的長期功效是十分奏效的。其三，大數據的應用、數據之間的關系考量從線性關系轉向非線性關系，方便對各項評價數據進行關聯度分析，使評價結果更加可靠和精準，主要表現在人們對數據分析的思維方式打破了傳統的、單一的因果分析格局，加入了關聯度分析手段，突破高校科研評價傳統刻板的“一根筋”式評價方式，為提高評價的精準度增添了有利條件和手段。

3.3 使高校科研評價更加高效便捷

由于大數據還有處理速度快和獲取與發送方式自由靈活的顯著特征，一方面以云計算為代表的技術使得大量數據快速傳輸、運算和處理成為可能，大大提高了高校科研評價能力和效率，使科研評價更加及時，另一方面，更為重要的是對各種實時性數據的把握，使高校科研評價不再僅僅是科研及成果創新點的評價，而是創新鏈的評價，甚至是創新面的評價，便于實現對評價要素歷史性、發展性乃至全生命周期的動態性判斷。有學者認為，大數據時代的來臨更是把數據功能推上了前所未有的高度，智能手機、可穿戴式電子設備等各種先進傳感器等智能終端的推出和網絡與社交媒體的出現，實現了數據全面、自動、實時地采集［29］，為高校科研評價更加高效便捷提供了可能。

3.4 為高校科研評價提供了新的方法論

新的技術帶來新的思想和理論、思維和方法，大數據的引入為高校科研評價方法論提供了全新理論基礎和廣闊的思維空間，讓高校科研評價方法論更具有指導性。在大數據時代，傳統科研評價方法的局限和短板越來越突顯，在評價實踐中的問題越來越多，也很難從傳統的高校科研評價方法論中找到有效的思想觀照。Hey 等［30］將這種數據密集型的技術方法視為科學研究的“第四范式”。李國杰等［26］認為，“第四范式”可能是唯一具有系統性的方法，它既是科研方式的轉變，又是人們思維方式的大變化。大數據將為高校科研評價方法論的創新發展提供新的思維方式和范式，擴展了高校科研評價方法論的理論范疇，從而為高校科研評價方法提供了堅實的理論基礎，為高校科研評價提供了新的途徑。實踐中，大數據技術為高校科研評價提供了全新的方法，基于數據采集、存貯、整理、挖掘、計算等科研評價方法可以彌補當下高校科研評價中種種不足，為高校科研評價提供更加科學的評價工具和操作系統，有效克服傳統的同行評議和定量評價的種種弊端。

4 大數據在高校科研評價關鍵環節的適用與調控

高校科研受“遺傳與環境”的影響，形成了自身的鮮明特征，表現出科研功能的多重性、科研重心的基礎性、科研成果價值的非顯性以及科研評價的導向性等，大數據在高校科研評價這些關鍵環節中可發揮獨特的作用。

4.1 針對科研功能多重性的數據采集

如前所述，高校科研有別于科研院所和企業的科研，除了出成果外，還要出人才、促進學科生長、引領社會發展，其功能表現為多重性，具體體現為科研過程教育性、科研起點和落腳點的學科性以及科研推廣的服務性，為此，高校科研評價對于培養人才、支撐學科建設、引領社會發展等方面的數據必須全面采集，納入評價之中。而傳統的評價方法運用的數據主要來源于政府、高校、企業、個人公開的數據和SCI、EI、SSCI、CSSCI 等檢索系統及CNKI 等數據庫的數據，還有多媒體與互聯網上的數據，主要類型一是來自關系數據庫和excel 等格式的結構化數據，如項目、成果、經費等量化數據，二是來自XML 和JSON 等格式的半結構化數據，如論文影響因子、他引量、ESI 值等數據，由于技術手段受限，對來自文本文件、圖片和音視頻等格式呈現的項目、成果、經費、隊伍及產出效益等大量的非結構化數據采集不多。然而，高校科研在培養人才、支撐學科建設、引領社會發展等方面的貢獻價值以非結構化數據居多，如科研對于培養學生的學術道德與科學精神、科研動力與動機、提升科技創新能力的貢獻價值，對學科建設的基礎作用價值，以及對引領社會發展的長效價值和滯后價值等，大都是一些文本、語音、視頻等形式的非結構化數據，這些方面的數據過去往往被忽視，采集不夠，影響了高校科研評價的全面性和真實性。在大數據技術時代，可通過搜索引擎、主題搜索引擎、手機APP 等手段在互聯網、各種媒體、各類數據庫、社交網站等渠道采集這些數據，特別是可以通過圖像識別、自然語言處理、文本挖掘、文本分析等數據挖掘技術來采集和處理這些信息，以獲取有價值的量化數據，判斷其價值高低，從而擴大數據采集面，提高高校科研評價的完整性和綜合性。

4.2 針對科研重心的基礎性的學術價值判斷

基礎研究是高校科研的傳統，也是高校科研的優勢所在。盡管高校科研呈現出多樣化的趨勢，但對于大學尤其是研究型大學來說，其重點應該還是基礎研究與理論研究［31］。2015 至2019年間，我國高校承擔的國家自然科學基金項目占比較大，獲得的資助資金在國家自然科學基金資助總額中的占比分別為80.83%、80.93%、82.01%、83.03% 和83.81%［32］。可見，我國高校承擔著國家基礎研究的重任，基礎研究始終是高校科研的“重頭戲”。高校科研重心的基礎性是高校科研的一大特征，具體表現為科研項目的前沿性、科研成果的原創性、科技創新的顛覆性、科研作用的基礎性等特點，采集和挖掘這些方面的數據，并對其科學價值進行準確判斷是做好高校科研評價的基礎。然而在現實中，基礎研究成果一般都是通過發表論文和專利展現出來的，對論文質量和水平的評價過去主要看其被幾大引文索引的數據庫收錄情況，但由于幾大引文索引數據庫的輻射面受限和收錄機構的主觀傾向以及論文作者影響力的馬太效應等因素，這一評價方法在可信度方面飽受爭議，如以被引頻次反映論文的影響力而掩蓋了引文動機和論文發表時間、被引作者單位和個人身份等，以SCI 影響因子反映期刊與論文等級而忽視了論文創新性、研究領域及數據來源等問題，以專利轉讓數量和金額反映高校科技創新能力而忽視了專利技術的科技孵化效應與長效作用等［33］。引入大數據技術，以論文為例，評價主體可以通過下載、引用、收藏實際數據和注釋、標簽、推薦、排名等客觀情況，以及根據論文提出的理論和原理形成的技術和產品，建立起論文多層面、多視角、多維度的立體評價大數據資源庫［34］，為準確地評價學術論文的科學價值提供核心依據，特別是在通過論文引用評價論文的學術價值時，可運用大數據相關技術對引文上下文的位置、引文內容的語境、引文動機、情感及行為進行分析，有利于發現論文的學術價值及學術價值相互關聯所在，也有利于對論文非結構化數據進行量化處理，聚焦科研論文的學術價值，從而實現對學術價值準確判斷。這種深入論文內容層面的分析方法帶來了傳統評價理念的創新，使高校科研評價的理念內涵從過去注重論文刊發刊物影響因子與引文數量的思維模式向對引文質量的精細化識別與論文影響力精準化判斷轉變［35］，完善和彌補傳統引文分析表面化、單一性的評價模式，突破以往基于文獻引證關系信息識別的單一層面的局限，從而挖掘引文的真實動機和引文的影響力，從多方位、多層面綜合考察科研成果的隱性價值［36］，及其滯后性、長效性、間接性作用，引導高校科研評價聚焦科研成果的科學價值、技術價值、經濟價值、社會價值、文化價值（以下簡稱“五大價值”）展開［37］。可見，大數據技術對于以論文為標志的基礎研究成果的科學價值判斷具有很強的適用性，能洞察學術成果內容深層面的價值內涵，深度理解和解析學術成果的創新價值，使高校科研評價成果的科學價值和社會效益得以深入挖掘。

4.3 針對科研成果價值非顯性的數據挖掘

高校科研重心的基礎性和科研功能的多重性特征帶來了部分科研成果的非顯性，這些研究成果的價值表現為隱藏性、滯后性、長效性、間接性等非顯性特征。傳統單一的、線性思維的因果關系評價理念和一般的定量、定性評價方法很難掃描到科學價值的核心層面和學術價值，對于非顯性特征明顯的科研成果的評價更是難以評判。大數據挖掘技術的引入和思維方式的轉變給高校科研評價解決這一問題提供了方案和工具，通過大數據挖掘技術和相關關系分析，對高校科研數據背后的數據即隱藏性數據、滯后性數據、長效性數據等進行追蹤，提取有價值的數據信息已不是難事。

首先，隨著大數據挖掘技術的運用，可以挖掘到大量的隱藏在顯性數據背后的數據和間接性數據。比如在評價高校基礎研究成果方面，通過大數據技術可分析這些原創知識對技術創新的基礎性作用，挖掘其產生的連鎖效應和對經濟社會的科技貢獻率等數據，對于真實、客觀地評價科研成果的創新價值和經濟價值具有重要的意義；還可以從大量的、不完全的、有噪聲的、模糊的、隨機的實際數據中提取隱含的、內在的、人們事先所不知的但有潛在價值的信息和知識［38］，將表象數據背后的科學價值挖掘出來，為深入評價科研成果的價值和社會貢獻提供了重要的觀察視角。具體而言，隱性數據挖掘可采用機器學習、模式識別、圖譜構建與挖掘、事件分析法等技術，對基礎研究中原創成果隱藏的科學價值進行挖掘，并預測其產生的連鎖效應和對經濟社會的科技貢獻率等；還可采用語義分析法等方法對科研論文中隱藏的科學價值進行挖掘，洞察學術論文深層面的價值內涵。

其二，大數據時代人們的思維方式開始從單純的因果關系向相關關系轉變。相關關系分析方便人們通過關聯物來分析現象而無需揭示其內部運作機制，在科研評價中具有獨到的作用。在大數據背景下，通過關聯性分析研判、回歸分析和情感計算等技術，對于數據全程的動態跟蹤，有利于揭示一些具有滯后性特征成果的科研價值。比如，科研過程中對研究生的培養和科研成果對高校碩士點、博士點以及一流學科的支撐價值等，這些科研價值往往是滯后或長效體現的，過去很難挖掘這些方面的數據；而引入大數據技術，可以對這些數據進行深度挖掘，使科研對人才培養和學科建設價值納入到科研評價之中。還比如，專利的作用是長效的，傳統對專利的評價是根據專利數量和專利轉讓金額作出判斷，主要是結構化數據；而運用大數據技術，可對專利應用中的一些半結構化和非結構化的數據進行采集和分析，讓專利滯后性的科技價值得以準確評價，并預測其可能產生的經濟效益和社會貢獻。

其三，對長效性數據挖掘可采用并行計算、關聯規則等技術。比如在評價高校教育科研成果方面，僅憑論文和報告來評價是不夠的，通過關聯性分析，可跟蹤到研究成果應用實施中的互動情況和實施后對學校發展戰略、教育教學改革、人才培養質量和科學研究水平提升方面等數據，改變了傳統的定量評價和經驗主義判斷，使得教育科研評價更加聚焦人才培養和科研價值的貢獻度。

4.4 針對科研評價的導向性指標體系構建

通過大數據技術分析數據的特征和核心價值、揭示各類指標間關系，提取有價值的代表性指標構建指標集和指標權集是關鍵，但構建指標集必須遵循國家科研評價的價值導向。高校科研評價的價值導向是構建評價體系的風向標，有什么樣的導向就會有什么樣的評價體系，高校科研評價體系的導向性至關重要，直接影響科技創新的質量和水平。高校科研評價，從評價的外延來講，不僅要重視對科研成果本身的評價，還要重視高校科研支撐人才培養、促進學科建設的評價和科研對社會發展引領價值的評價，圍繞高校科研功能的多重性特征展開；從評價內涵上而言，要貫徹落實習近平總書記重要講話精神和中央政策精神。在2018年兩院院士大會上習近平總書記強調：“要改革科技評價制度，建立以科技創新質量、貢獻、績效為導向的分類評價體系，正確評價科技創新成果的科學價值、技術價值、經濟價值、社會價值、文化價值”［37］；2018年中共中央辦公廳、國務院辦公廳印發了《關于深化項目評審、人才評價、機構評估改革的意見》，要求破除唯分數、唯升學、唯文憑、唯論文、唯帽子的頑瘴痼疾（以下簡稱“破五唯”）；2020年教育部、科技部印發《關于規范高等學校SCI 論文相關指標使用 樹立正確評價導向的若干意見》。這些都是高校科研評價應遵循的價值取向。據此，高校科研評價的價值導向應為：以“破五唯”和引導SCI論文規范使用為手段，以提高“五大價值”為宗旨，以促進科研成果、人才培養和學科建設質量和水平全面提高為目標。為此，在高校科研評價過程中，要注重加大挖掘體現“五大價值”內涵的數據，重視提取人才培養、學科建設、引領社會發展方面指標，對前瞻性基礎研究、關鍵性共性技術、前沿性引領技術和顛覆性技術創新項目加大評價的權重等。

然而，傳統的科研評價手段在把握上述價值導向方面有很多的局限性，人工智能和機器學習等大數據技術為我們提供了思路。首先，運用大數據技術對所采集和挖掘到的數據進行清洗、融合、降維、表征，清洗掉異常值數據、缺失值數據、重復值數據、不一致數據、多來源數據、表達格式和計量單位不一致的數據等，得到歸一化的有效數據。其次，建立科研評價指標體系構建模型，具體分兩步。第一步，輔之以人工辦法篩選評價大指標。由于大數據的智能處理與分析技術還無法真正完成全方位智能識別，仍需要人工假設與價值判斷［39］，運用德爾菲法圍繞評價導向篩選評價大指標。第二步，依靠人工智能辦法構建模型。S-Kohonen 神經網絡方法是其中之一，運用S-Kohonen 神經網絡方法模擬生物神經網絡，通過復雜函數不斷學習，以適應評價專家構建評價指標體系的導向要求建立科研評價指標模型。實踐證明，運用基于S-Kohonen 神經網絡的高校科研評估模型能公正、公開、公平地評價高校的綜合科研能力［23］。其三，構建指標體系。將采集到的有效數據導入模型進行優化訓練，淘汰與評價導向相關性不大的指標，提取出對目標變量或評價指標有重要影響的指標，得到高校科研符合導向的評價指標，從而構建指標體系。

4.5 針對大數據評價局限性的調節與控制

大數據蘊含著巨大而重要的價值，大數據以及大數據技術在高校科研評價中雖然有許多優勢，但究其根本，仍然是對數據量化的統計預測，處理不當或過度依賴容易淪為“數據萬能”的陷阱，對高校科研評價的實踐作用發揮依然有其局限性，而同行評價是彌補其局限的有效途徑。

其一，追求大而全的數據樣本，隨之而來的就是數據質量、信度的問題。大數據的數據體量雖大，但價值密度低，數據并非就是客觀事實。全球的數據總量是海量的且類型繁多，由于收集手段千差萬別，有軟件系統收集的和硬件傳感器收集的；收集時間跨度之大，有歷史的、現實的，還有預測未來的；收集空間范圍之廣，有物理空間和網絡空間；數據來源類別之多，有政府和科研部門的，有企業和社會的等等。因此，數據并非都是可信的［40］。劣質的、信度不高的數據會成為高校科研評價的“短板”，在實踐中一定要處理好數據質量和信度問題，不然大數據的優勢就會變成劣勢。然而，同行評價的信度和效用相對而言是可控的，與量化評價在理論邏輯層面具有一致性。可見，在大數據時代，同行評價仍然不能舍棄。

其二，大數據的本質仍是量化評價，這就無法解決定量評價直接或間接帶來的一系列問題。大數據的掃描關聯分析不排除會產生對既有事實及現象的推理預測分析，對數據進行挖掘和相關性分析時容易受經驗主義和主觀主義的影響而按人們頭腦中預設路徑挖掘和由“原因”推測“結果”的思維定勢，更何況許多科研成果價值的隱藏性、滯后性致使成果的效用難測量，其評價更不能“泛大數據化”，不能單純地量化評價其科學價值。而同行評議的方法應是重要補充。否則，定量評價勢必遭到扭曲，將產生大量形式數據，而真正體現科學價值的數據將付之闕如。

其三，引入大數據技術，使科研評價的數據采集、處理、挖掘、運算等技術具備很多絕對優勢，但若把這種優勢充分展現在高校科研評價領域還必須解決兩個問題，即對數據內涵的界定和對運算結果的解讀［13］。解決這兩個問題恐怕不單是通過改變方法思路和技術手段能解決的問題，而且由于科研成果涉及的學術性、專業性很強，僅通過量化評價會遇到很多障礙和盲點，這些學術性、專業性很強的問題只有通過同行專家來評價可能最合適。此外，對信息的解讀和評價結果的分析也顯然是同行專家學者最拿手的“好戲”。

5 結論

本研究基于大數據理論和大數據技術在高校科研評價中的應用，通過文獻研究等方法探討大數據在高校科研評價中的價值意蘊和適用環節。研究表明，充分利用大數據的資源、科學運用大數據手段開展高校科研評價，對于促進高校科研評價更加系統全面、精準客觀、高效便捷具有重要的作用，特別是面向以基礎研究為主和著眼人才培養、學科建設的高校科研評價具有明顯優勢；對于采集非結構化和半結構化數據、挖掘隱性和滯后性科學價值、提高處理速度和實現可視化表達、促進科研評價方法和方法論創新發展等方面具有強大功能和應用價值，且在實現高校科研功能多重性的數據提取、科研重心基礎性的學術價值判斷、科研成果價值非顯性的數據挖掘和圍繞破除“SCI 至上”、聚焦“五大價值”的導向性指標體系構建等環節功能突顯、適用性強。

值得指出的是，大數據技術雖然具有強大的功能，但也有其自身的缺陷，如何利用好大數據技術這把雙刃劍，防止淪為“數據萬能”的陷阱，避免“泛大數據化”傾向，是科研評價不得不思考的問題。只有堅持大數據技術評價與同行評價相結合原則，既發揮大數據技術做數據的優勢，又發揮同行專家對數據意義界定和評價結果解讀的作用，才能使高校科研評價實現高質量運行。