引文視角下的變革性研究早期識別模型構建方法與應用

梁國強　宋盧睿　侯海燕

關鍵詞： 變革性研究； 引文分析； 諾貝爾獎； 科學突破； 早期識別

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０６．００５

〔中圖分類號〕Ｇ２５０ ２５２ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） ０６－００５９－０８

“變革性研究” 是徹底改變人們對現有科學的認知， 創造新范式、新領域、引領新前沿的研究。２１ 世紀以來， 歐美主要發達國家（地區）大力加強對變革性研究的探索與支持力度， 以繼續保持在全球范圍內的科技領先優勢和國際競爭力。近年來，我國也提高了對變革性研究的重視程度， 在一系列文件中明確指出要切實加大對原創性、引領性、變革性創新研究的支持力度［１－２］ 。在此背景下， 盡早發現并識別變革性研究， 對于前瞻部署并搶占國際科技競爭制高點具有重要的戰略意義。

但變革性研究的非線性、偶然性和突變性等特征［３－４］ ， 使其早期識別成為學界面臨的重大難題。基于變革性研究在引文廣度、強度和速度方面的特征［２］ ， 本研究以１９０１—２０１６ 年獲得諾貝爾自然科學獎的關鍵論文為例， 借助機器學習方法， 構建了引文視角下的變革性研究早期識別模型， 并進行應用研究， 為早期識別引領性、前沿性研究成果提供借鑒。

１ 文獻綜述

本研究從變革性研究的概念及本質、典型特征及理論模型、識別方法３ 個方面進行綜述。

１.１ 變革性研究的概念及本質

變革性研究是以美國國家科學基金會為代表的發達國家（地區）科技界與科技政策界， 在科學范式理論基礎上， 面對同行評議的保守和固化傾向，力圖在科學研究中有更高突破， 以適應經濟社會變革外部壓力和公眾期望的重要理念變化， 是以美國為代表的發達國家（地區）科學研究結構性改革的重要體現。２００７ 年， 在《ＮＳＦ 加強支持變革性研究》的報告中［５］ ， 美國國家科學委員會認為變革性研究是由有潛力徹底改變對現有科學或工程概念的思想驅動， 或能夠創造新范式、新領域的研究， 這類研究往往挑戰現有的科學認知或能夠通往科學的新前沿。美國國家基金委作為資助機構提出了變革性研究的工作定義： 變革性研究是徹底改變對現有科學、工程概念或教育實踐的認知， 或能夠導致新范式、新科學、新工程產生想法、發現和工具， 它們挑戰現有認知并通向新的前沿［５］ 。變革性研究的提出引發了美國科技政策界的廣泛討論， 并對歐盟（地區）和我國科技政策產生了重要影響。

ＴＲ 的思想源于庫恩科學革命的結構理論， 從庫恩對范式的定義發現， 范式具有３ 個特征： 第一，庫恩認為， 范式是得到公認的具體的科學成就， 如著名的科學經典。第二， 潛在的新范式具有新穎性特征。庫恩指出， 常規科學的目的不在于事實或理論的新穎性， 當常規科學成功時， 也無新穎性的發現可言。第三， 范式轉移就是科學革命。庫恩認為，到了科學團體不再回避破壞現有傳統的反常時期，就開始了非常規的研究， 最終導致科學共同體做出一系列新的承諾， 建立了一個科學實踐的新基礎。

變革性研究在本質上屬于庫恩科學革命的結構中提到的“范式” 的范疇， 二者都具有奠基性的、全新的、反傳統的特點， 但庫恩所指出的“范式”更傾向于哲學范疇內較為宏觀的科學概念， 而本文的變革性研究更傾向于相對微觀層面的科學研究成果， 如學術論文、專著、會議報告、專利等， 顆粒度較“范式” 更細。當這些科學研究成果中蘊藏的重大發現或發明能夠挑戰或顛覆某學科領域的傳統研究共識， 并為新的研究領域開辟道路、奠定基礎時， 則可將這些成果視為變革性研究。

１.２ 變革性研究的典型特征及理論模型

變革性研究的典型特征是各國（地區）政府及研究人員關心的重要問題。對基礎研究領域變革性研究的特征， 美國政府認為它具有以下特征： ①由挑戰現狀和顛覆傳統研究范式的想法所驅動； ②會帶來對傳統科學理解的變革， 甚至是顛覆； ③具有完全不同的研究路徑； ④能夠引領新的科學前沿，開拓新的領域［５］ 。它們經常是由新方法導致的， 因此一部分變革性研究被認為是冒險的， 而且跨學科研究經常導致變革性研究的產生， 但并非全部的跨學科研究都是變革性的。

相關學者關于變革性研究的特征也做了諸多努力。例如， Ｔｒｅｖｏｒｓ Ｊ Ｔ 等［６］ 認為， 變革性研究具有新穎性、易引發爭議、發現新的和未預見的途徑、實現價值、挑戰假設等特點。杜建等［３］ 認為， 變革性研究或革命性科學源自庫恩的科學范式理論， 并認為諾獎成果是變革性研究的代表， 往往容易遭遇延遲承認和低被引， 具有技術屬性和跨領域擴散特征。Ｃｒｏｃｋｅｔｔ Ｄ 等［８］ 認為， 從問題識別方面來講， 變革性研究的問題是需要長期的、多觀點、多學科、多文化交叉的觀點來解決的， 需要采用讀者友好的方式以及有影響力的工具對研究成果進行擴散。通過文獻梳理發現， 對變革性研究特征的描述多采用全新的、前所未有的、學科交叉、破膜研究等方法， 而顛覆性和新穎性特征是被學者提及最多的兩個特征。

目前， 對變革性研究的探索尚處于起步階段。一方面， 理論基礎較為薄弱； 另一方面， 針對性的理論模型十分少見。梁國強等［２］ 嘗試從引文視角下構建了變革性研究的理論模型， 該模型借鑒了科學革命的結構理論和引文分析相關理論， 認為變革性研究以傳統知識為基礎， 可出現于學科領域的非核心地帶， 通過遙遠、稀有游離態知識的新穎、巧妙組合促進其生成， 而產生早期可能并不會引發同行的關注， 甚至因其超前性的研究而招致批判， 一旦其優越性展現出來， 就會空前吸引一批堅定的擁護者， 并為后人留下非常多的掃尾工作。

１.３ 變革性研究的識別方法

已有研究中關于變革性研究早期識別相關指標設計的探索不多， 基于典型特征或多指標綜合的早期識別模型則更少。與本文較相關的研究是陳超美等［９］ 、Ｃｈｅｎ Ｃ 等［１０］ 基于結構上和時間上的特征屬性， 以中介中心性和引文突現為基礎， 對變革性研究的識別做出了探索， 但該方法的時間窗一般較長，不適于變革性研究的早期識別。另外， 與本文較為相近的早期識別模型構建是Ｓｍａｌｌ Ｈ 等［１１］ 的研究，他們采用機器學習方法， 借助Ｓｃｉｋｉｔ－ｌｅａｒｎ 中的回歸模型用以識別學術文獻中的“科學發現” （Ｄｉｓ?ｃｏｖｅｒｙ）與“非科學發現” （Ｎｏｎ－ｄｉｓｃｏｖｅｒｙ）， 人工標注科學發現詞并構建科學發現詞庫， 從而早期識別生物醫學領域的科學發現。

目前， 較為常用的早期識別模型構建方法有趨勢外推法、因子分析法、回歸分析法、卡爾曼濾波分析法、ＢＰ 神經網絡法等。模型構建的關鍵在于賦權， 常用方法有熵值法、主成分分析、因子分析、ＲＳＲ 秩比、ＤＥＡ 包絡分析及基于機器學習的樣本均衡等方法［１２］ 。熵權法在綜合考慮各因素提供信息量的基礎上計算綜合指標［１３］ ， 該方法作為一種較為流行的客觀賦權方法， 廣泛應用于除物理學外的系統科學、控制論、經濟管理等多學科領域。關于該方法在科學計量學領域的應用價值， 俞立平以ＪＣＲ２０１７ 年經濟學領域期刊為例， 對熵權法、ＣＲＩＴ?ＩＣ 法、復相關系數法等６ 種客觀賦權方法的評價效果進行了比較， 認為熵權法更適于同類指標的評價［１４］ 。

２ 數據來源與特征抽取

２.１ 數據來源與預處理

以諾獎論文為例， 獲取了公認的變革性研究數據集“Ｐｒｉｚｅ－ｗｉｎｎｉｎｇ Ｐａｐｅｒ Ｒｅｃｏｒｄｓ”［１５］ ， 并基于印第安納大學購買的ＷｏＳ 數據庫（時間范圍： １９００—２０１６ 年）， 匹配了諾獎論文的ＷＯＳ 號及引文等信息， 作為變革性研究數據集。進一步根據１ ∶１ 的原則選取了與變革性研究發表在相同年份、相同期刊上的非獲獎論文作為對照組。最終， ７０８ 篇論文納入變革性研究數據集， ５９６ 篇論文納入對照組， 詳見參考文獻［２］。

２.２ 特征抽取

模型構建的前提是遴選適用的特征指標， 經前期調研， 本文整理了引文視角下常用的特征指標，如表１ 和表２ 所示。

經特征指標遴選［２］ ， 最終得到變革性研究典型的引文特征指標， 其中， 參考文獻相關特征指標有普賴斯指數、參考文獻標準化被引次數和學科交叉度； 施引文獻相關特征指標有引文增長率、被引次數和學科組合系數。這些特征指標是引文視角下變革性研究所特有的、最典型的指標， 當學術成果同時滿足上述特征時， 其成果很大可能會成為變革性研究。

３模型構建

３.１ 模型構建方法

目前， 較常用的模型構建方法有趨勢外推法、因子分析法、回歸分析法、卡爾曼濾波分析法、ＢＰ神經網絡法等［１３］ 。熵權法是一種在綜合考慮各因素提供信息量的基礎上計算的綜合指標， 該方法作為一種較為流行的客觀賦權方法， 廣泛應用于除物理學外的系統科學、控制論、經濟管理等多學科領域。因子分析法是對各特征進行賦權或降維后對新的因子進行賦權的一種經典統計學方法， 而回歸分析法也是解決分類預測問題的重要方法。為比較不同模型的早期識別效果， 本研究將借助熵權法、因子分析法、回歸分析法分別構建變革性研究的早期識別模型。

３.２ 早期識別模型構建

考慮到不同學科論文的擴散特征［１９，２２，２４］ ， 本研究將論文發表后第３ 年作為變革性研究識別的早期階段。以變革性研究發表后第３ 年的數據為例， 將變革性研究數據集整合并打亂順序合成新數據集后， 隨機選擇１ ０００篇納入訓練集， 將剩余９９ 篇納入測試集。結果顯示， 基于式（１） 構建的早期識別模型測試準確率為８０％， 召回率為８０％， Ｆ 值均為０ ８， 且十折交叉驗證結果顯示模型得分的均值為０.７６４， 具有較高的穩定性。

基于式（２）， 本研究對熵權法下第３ 年特征指標的信息熵、信息效用值和權重進行了計算， 結果如表３ 所示。

基于式（３）， 本研究對變革性研究發表后第３年的數據進行了Ｂａｒｌｔｅｔｔ 球形度檢驗， 結果顯示，顯著性水平小于０.０５（ｐ＜０.００１）， 提示適合進行因子分析。經計算， 變革性研究中的６ 項指標共提取４ 個因子， 旋轉后的方差解釋率分別是３２.０７６％、１８. ７５６％、１６. ７３８％、１６.７２５％， 旋轉后累積方差解釋率達８４.２９５％， 提示上述４ 個因子對信息的保存度較好， 如表４ 所示。

４ 模型評估

４.１ 案例選取

分別以醫學領域、物理學領域、化學領域的“基因靶標” “磁阻效應” 和“富勒烯” 為例， 對上述３ 個早期識別模型的效果進行評估。上述３ 個領域均有諾獎得主產生： 基因靶標領域２００７ 年諾貝爾生理學或醫學獎得主Ｃａｐｅｃｃｈｉ Ｍ Ｒ 等的關鍵論文“ＷＯＳ：Ａ１９８７Ｋ７８５４０００１７” 發表于１９８７ 年；磁阻效應領域２００７ 年諾貝爾物理學獎得主Ｆｅｒｔ Ａ等的關鍵論文“ＷＯＳ：Ａ１９８８Ｑ９４８９０００２２” 發表于１９８８ 年； 富勒烯領域１９９６ 年諾貝爾化學獎得主Ｋｒｏｔｏ Ｈ 等的關鍵論文“ＷＯＳ：Ａ１９８５ＡＵＤ４２０００７１”發表于１９８５ 年。所有數據均源自印第安納大學所購買的ＷｏＳ 數據庫核心合集， 分別選擇１９００—２０１６ 年“基因靶標”（Ｇｅｎｅ Ｔａｒｇｅｔｉｎｇ）、“富勒烯”（Ｆｕｌｌｅｒｅｎｅ）、“磁阻效應” （Ｍａｇｎｅｔｏｒｅｓｉｓｔａｎｃｅ）領域的論文（Ａｒｔｉ?ｃｌｅｓ ｏｒ Ｒｅｖｉｅｗ）為數據集， 表６ 顯示了３ 個領域數據的檢索主題及結果。

４.２ 識別結果驗證

表７ 顯示了不同變革性研究早期識別模型， 在諾獎論文發表后５ 年識別出基因靶標、富勒烯和磁阻效應領域諾獎論文歷年的排名情況。從“排名”指標看， 基于回歸分析構建的變革性研究早期識別模型的識別效果優于其他兩種模型， 識別出諾獎論文的排名更為靠前， 且在發表后第３ 年即可對諾獎論文進行早期識別； 從“ｔｏｐ％” 指標上看， 該模型在發表后第４ 年的識別效果優于其他年份。

４.３ 早期識別模型的應用

基于回歸分析法的變革性研究早期識別模型識別效果最高， 因此， 本研究將該模型應用于２０１７年分子生物學（Ｂｉｏｃｈｅｍｉｓｔｒｙ ＆ Ｍｏｌｅｃｕｌａｒ Ｂｉｏｌｏｇｙ）、聚合物科學（Ｐｏｌｙｍｅｒ Ｓｃｉｅｎｃｅ）和天體物理學（Ａｓｔｒｏ?ｐｈｙｓｉｃｓ）領域的研究成果， 該模型識別出的變革型研究如表８ 所示。

結果顯示， 分子生物學領域有３ 篇變革性研究， 第一篇由以色列Ｗｅｉｚｍａｎｎ 科學研究所和新西蘭Ｕｔｒｅｃｈｔ 大學醫學中心的Ｋｅｒｅｎ－Ｓｈａｕｌ Ｈ 等報道了一種與阿爾茨海默病相關的新型小膠質細胞類型，該文被引５２５ 次； 第二篇由美國埃默里大學醫學院的Ｈａｙｅｋ Ｓ Ｓ 團隊撰寫， 發現了預測慢性腎臟病發生和發展的標記物， 該文被引５８ 次； 第三篇由美國康涅狄格大學Ｂａｓｕｌｉ Ｄ 團隊報道， 發現了卵巢癌在鐵代謝中可表現為針對性改變， 為該病的治療提供了新靶點， 該文被引４９ 次。聚合物科學領域的３ 篇變革性研究中， 第一篇由我國西北大學于游教授團隊發表， 報道了一種自愈聚二甲基硅氧烷彈性體， 該文被引４８ 次； 第二篇為香港城市大學ＡｌｉｃｉａＫ Ａ 教授團隊發表， 該研究制備了一種能夠高效處理印染廢水的納米纖維薄膜， 該文被引１００ 次； 第三篇由上海海事大學范潤華教授團隊發表的成果，報道了一種可取代周期性超材料的柔性超復合膜，該文被引２３５ 次。天體物理學領域有２ 篇變革性研究， 第一篇由美國加州理工學院Ａｂｂｏｔｔ Ｂ Ｐ 教授團隊報道了一種新發現的由兩個恒星質量的黑洞合并產生的引力波， 該文被引４４６ 次； 第二篇由美國約翰霍普金斯大學Ａｌｉ－Ｈａｉｍｏｕｄ Ｙ 教授團隊發表， 探討了宇宙微波背景輻射在增加原始黑洞方面的限制， 該文被引１２７ 次。

５ 討論與結論

早期識別變革性研究， 前瞻培育和早期扶持前沿性、引領性的基礎研究成果， 一直是我國科技部門、基金資助機構的重要議題。已有研究常從顛覆性、新穎性、學科交叉性、價值屬性、超前性、爭議性和風險性等切入， 但這些特征的描述僅是針對變革性研究某一方面的表現而言的， 且各項描述存在一定的交叉和重疊， 如超前性、風險性和爭議性，超前性的研究往往會引發爭議， 并伴有不被同行認可的風險。又如學科交叉性、新穎性等， 學科交叉的研究往往導致新穎的成果產生， 而新穎成果也多源于在學科交叉之處的研究， 這些特征間不存在完備正交的關系。而且， 單從某一特征入手， 很難形成對變革性研究的全面認識。

本文將上述特征提煉為變革性研究產生前的參考文獻特征和產生后的施引文獻特征， 它們分別體現了變革性研究產生前所依賴的知識基礎的組合特征和產生后新知識在學科中的擴散特征， 更加全面地刻畫了變革性研究的特征。對引文視角下的相關指標進行遴選的基礎上， 從廣度、強度和速度維度構建了變革性研究的識別模型， 經模型評估最終選擇早期識別效果最高的模型作為變革性研究的早期識別模型， 并將該模型應用到２０１７ 年分子生物學、聚合物科學和天體物理學領域， 是早期識別變革性研究的一次嘗試， 深化了對變革性研究特征的認識。

變革性研究多源于已有知識的非常規組合， 是隨著新知識在科學體系中擴散， 影響逐漸增強并最終戰勝傳統范式的學術成果， 可體現為學術論文、專著、會議報告、專利等。未來， 本研究將積極整合多源數據集， 借助大數據優勢， 吸收和借鑒動態時序網絡、網絡動力學的一些理念和方法， 深入探究變革性研究的涌現機理和識別手段， 為我國科技部門和基金資助機構早期識別變革性研究， 提高科研投入的有效性和經費貢獻率、完善資助機制提供， 促進基礎研究領域前沿性、引領性成果的不斷產生和涌現提供借鑒。