基于獎項信息學的國際科學獎項特征規律分析

引用格式：任曉亞，張志強.基于獎項信息學的國際科學獎項特征規律分析[J/OL].知識管理論壇，2025，10（3）： 275-289[引用日期]. htps：//www.kmf.ac.cn/CN/10.13266/j.issn.2095-5472.2025.018.（Ren Xiaoya，Zhang Zhiqiang. AnalysisofCharacteristicsofIntermationalScientificAwardsBasedonPrizeInformatics[J/OL].KnowledgeManagement Forum，2025，10（3）：275-289[citedate].https：//www.kmf.ac.cn/CN/10.13266/j.ssn.2095-54722025.18.）

@引言/Introduction

學科信息學是近年來隨著大數據的發展而興起的新興學科，是開展學科領域大數據分析和知識發現的學科[1-2]。隨著有關學科領域相關大數據體系的不斷壯大，專門領域的學科信息學不斷拓展和滋生，學科信息學的范疇與邊界也在不斷拓展與延伸，形成了大數據時代學科信息學的龐大學科體系。各學科領域的學科信息學的發展，成為其學科領域應對學科大數據體系的發展而開展數據驅動的知識分析和知識發現的新興科技創新能力。學科信息學的理論方法在科學獎項領域的科學大數據分析與知識發現中的應用就是獎項信息學。獎項信息學是對科學獎項領域的科學大數據進行挖掘分析和知識發現的一門專門性學科信息學[3]，是學科信息學的有關理論方法在科學獎項領域的深度應用和發展，尚在發展完善中。

科學獎項研究是科學學研究的重要領域。科學本身就是一種社會建制[4]，對科學獎項的數據挖掘與分析已經成為科學學研究的重要領域，可以揭示并預測科學活動的規律與趨勢，有效支撐相關科學發展戰略的制定。早在20世紀60年代，科學社會學奠基者R.K.Merton就明確指出諾貝爾獎是科學殿堂中“至高無上的榮譽”，科學學、科學社會學等領域的學者紛紛對諾貝爾獎展開了一系列關于科學發展規律和獎勵制度的研究，促成了“諾貝爾獎學”的蓬勃發展。而由于諾貝爾獎的稀缺性和諸多限制條件，一系列聲名遠播的國際學術獎項紛紛設立，如菲爾茲獎、圖靈獎、維特勒森獎等，這類獎項被H.Zuckermanl稱為“諾貝爾獎補充”和“諾貝爾獎替代”。這些在國際上具有權威性的科學獎項，代表著對全球范圍內里程碑式科研成果的識別與肯定，這些“領域級諾貝爾獎”與諾貝爾科學獎一起，逐漸成為一種評價革命性科學發現的研究表現的代表性標準[7-8]，因此，以科學獎項為視角進行科學創新活動規律的研究具有特殊的研究價值和研究意義。

科學獎項發展歷程與研究價值Development and research value ofscientificawards

科技領域的學術成果獎勵是伴隨著近代科技革命的發展而逐漸發展起來的，國際科學獎項經過上百年的發展傳承，已經形成了完整的科技大數據體系。規范的科學獎項起源于18世紀上半葉，也就是1731年英國皇家學會設立的世界上第一個具有制度化性質的科技獎勵 一科普利獎章，獎勵在物理、生物學方面做出突出貢獻的科學家，在科技獎勵史上具有里程碑似的意義[9]。隨后，陸續出現一些早期面向國際的、具有一定影響力的科學獎項，如拉姆福德獎章、拉蘭德獎章、戴維獎章。1901年，諾貝爾獎的首次頒發更是將科技獎勵的承認與影響提升至國際化水平，此后，制度化的獎勵在世界各國興起，科技獎勵制度也逐步由制度化與非制度化并存發展為以制度化為主的形式。有學者[10]分析了過去100多年全球超過50個國家的3062項科技獎項，發現在1980年后世界各國和有關機構及個人迅速增設科技獎項，至今每年會新設超過350個獎項，各領域的科技獎項呈現蓬勃發展的趨勢，逐漸發展形成一系列特殊的“科學大數據”。發展至今，國際權威科學獎項已經積累了大量、全面且真實的數據，因此，基于獎項信息學的科學獎項數據挖掘分析，可以成為現代科學活動規律發現的一種典型手段，也可以作為與知識發現相關的新型專門領域學科信息學的一種應用。

科學獎項已成為科技政策學、科學計量學、學科知識發現領域的重要研究主題，國內外學者對其開展了較為豐富的研究。圍繞科學獎項獲得者，王雙等[11]從學術背景、學術師承、學術網絡3個維度分析了圖靈獎獲得者的成長規律；張志強等[12-13]探索了諾貝爾科學獎、拉斯克醫學獎獲得者的地理分布、年齡結構、研究主題演變等一般規律；同時，較多研究揭示了一系列人才成長的特征規律，包括機構屬性[14]、科研創造峰值年齡[15]、發表偏好和引用特征[6]、獲獎后生產力變化[17]等。具體而言，研究發現諾貝爾獎科學家的“奇跡年”（hotstreak）在其學術生涯中呈隨機分布[18-19]，科學家在50歲后做出重大成果的幾率顯著下降[20]，這一現象在物理和化學領域尤為明顯[21]。研究還表明，學術合作和師承對人才成長乃至實現科學成功具有重要影響[22-23]

綜上，科學獎項大數據體系的挖掘和分析成為揭示科學活動規律的重要手段。科學獎勵建制化以來，權威科學獎項的頒發歷史見證了過去兩個世紀人類的重大科學進步和關鍵科技成就。在當下科學研究全球化、學術交流國際化的趨勢下，科學獎勵作為一種來自學術共同體對特定科學發現成果的共識性肯定、褒獎與激勵，具有較高的權威性、公正性與廣泛承認性，可以體現一個國家的科技水平乃至世界科技發展的趨勢。對科學獎項的數據挖掘與知識發現，可以揭示科學創新活動的歷史規律與特點趨勢，最終為國家科技獎勵制度、科研資助等科技政策的建立與完善提供基于數據分析的定量結論與支撐。

研究對象與數據說明/Researchobjectanddataexplanation

3.1國際權威科學獎項選取

本研究以國際權威科學獎項為研究對象，在參考國際杰出獎項大會（InternationalCenterforDataonAwards，ICDA）設立的“杰出獎項官方名冊”[24]、學術排名與卓越國際協會（IREG Observatory on Academic Ranking andExcellence，IREGObservatory）國際學術獎項清單[25]、美國國家研究理事會（NationalResearchCouncil，NRC）用于評估博士項目的質量和有效性所劃分出的213個“高聲望”獎項[26]、《國際科學技術獎概況》等國際科學獎項數據集的基礎上，根據科技界關于科技領域的大類劃分方法，基于主要的科學技術創新領域（基礎前沿交叉領域、先進材料領域、能源領域、生命健康領域、海洋領域、資源生態環境領域、信息領域、光電空間領域和綜合領域），聚焦于主要科技創新領域中科學界公認的、國際性的權威獎項（選擇相應領域1一2項“諾獎”級獎項）[27]。繼而，考慮到對全部科技創新領域的權威科學獎項進行分析工作量較大，且局部領域代表性分析能夠反映出整體的科學規律，因此從中選擇3項具有領域代表性的權威科學獎項為分析對象，分別是：數學領域的菲爾茲獎[28]、生理醫學領域的拉斯克醫學研究獎[29]以及信息科學領域的圖靈獎[30]，并分別以英文字母F、L、T表征，進行后續數據分析與規律發現。

3.2數據獲取與說明

截至2023年5月，菲爾茲獎已頒發給65位科學家（包括1位特別獎獲得者），其中19位來自美國，其余獲獎者來自法國（13人）、俄羅斯、英國等國家。美籍華人數學家丘成桐、澳大利亞華裔數學家陶哲軒分別獲得1982年度、2006年度菲爾茲獎。拉斯克獎自1946年開始每年頒發，78年來共有322人次獲此殊榮，其中227人次來自美籍，其余獲獎者來自英國（27人次）、德國（15人次）等國家。自1966年以來，截至2023年共有76人獲得圖靈獎，獲獎者以美籍科學家為主，中國的姚期智獲得2000年度該獎項。FLT獲獎科學家共計463人次。

獲獎科學家面板數據主要通過國際數學聯盟（IMU）、拉斯克獎基金會、美國計算機協會（ACM）獲得歷年來獲獎科學家名單、獲獎理由、工作機構等數據字段，同時有針對性地研讀獲獎科學家人物傳記或生平軼事，并結合EncyclopaediaBritannica（大英百科全書）、Wikipedia（維基百科）、科學家個人主頁等多方數據源確定科學家的出生年、國籍、工作機構等字段。其中，對于獲獎科學家所屬機構的確定，在前期收集數據時，考慮到研究樣本機構流動的復雜性，難以準確統計，本研究將獲獎科學家的所屬機構定義為“獲獎人就職的所有機構中具有最長工作時限的工作機構（連續或非連續均可）”，并且在最終確定的機構中，大部分（超過 95% ）獲獎科學家在該機構工作時限超過10年。雖然部分科學家相關資料缺乏，但缺失數據僅占FLT數據集的 2.5% ，對定量結果可能出現的誤差影響較小。

以WebofScience核心合集為檢索數據庫、以獲獎人姓名為檢索詞，下載全文本記錄格式的出版物作為獲獎科學家出版物數據集，保留語言為英語的研究論文、綜述論文、會議論文三類文獻，便于統一分析。此外，結合科學家工作機構、所在學科和個人主頁中“出版物”（publications）等信息，對出版物數據集進行人工姓名消歧處理，盡量準確地識別獲獎科學家。此外，本研究中科學發現以公開發表的獲獎代表作論文具像化和定量化，因此科學發現數據集包括獲獎代表作的題目、摘要、發表年、研究領域、被引頻次、參考文獻、施引文獻等字段。若國際獎項官方網站提供科學家獲獎成就以及獲獎代表作論文信息，則直接與科學家出版物數據集進行匹配、定位與提取；若未提供明確的獲獎代表作論文信息，需結合科學家個人主頁、傳記等信息源，通過爬蟲等方式將科學家的獲獎成就與其出版物數據進行精確匹配，篩選得到獲獎代表作論文。

國際權威科學獎項的特征規律Characteristicsandlawsofinternationalauthoritativescientificawards

4.1獲獎國家機構集中化

FLT科學家的全球分布呈現顯著的不均衡性，高度聚焦于少數科技發達國家，其中美國的優勢地位尤為突出，擁有超過半數的FLT科學家。從地域分布來看，FLT科學家共計463人次，主要分布在歐洲和北美洲，特別是世界主要科技發達國家（見圖1）。其中，美國以300人次高居榜首，在FLT中占比 64.79% 。其次是英國（43人次）、法國（24人次）、德國（17人次），這一分布格局不僅映射出全球科研資源的分配不均，也揭示了國家科技政策、科研投入與頂尖人才產出之間的密切關聯。中國目前擁有2名L獲得者，分別是2011年度獲得者屠呦呦和2022年度獲得者盧煜明。此外，2000年度圖靈獎獲得者姚期智于2014年加入中國國籍。

FLT科學家的隸屬機構多為頂尖科研機構或世界一流大學（如哈佛大學、麻省理工大學、劍橋大學等），分別聚集于享有數學研究盛名的高校和研究機構、主攻生命科學和醫學的研究中心以及知名科技企業，這進一步印證了科研機構實力與頂尖人才集聚之間的相關性。 ① 菲爾茲獎獲得者的長期工作機構以普林斯頓高等研究院、哈佛大學、劍橋大學、普林斯頓大學為主，其中，IAS是進行領域尖端研究的著名理論研究機構，同時，后3所高校在《2019QS世界大學數學專業排名》中均名列前茅（前10名）（見圖2）； ② 拉斯克獎獲得者多分布于洛克菲勒大學、哈佛大學、美國國立衛生研究院、哥倫比亞大學或主攻生命科學和醫學領域的研究中心（見圖3）； ③ 相比于菲爾茲獎和拉斯克獎，圖靈獎科學家更傾向于在企業長期就職，如微軟、IBM、Google等知名跨國科技企業（見圖4）。這些領頭羊機構不僅是全球科研創新的高地，也是培養未來科學家和工程師的重要基地，往往擁有最前沿的研究設施和最優秀的科研團隊，能夠促進創新性科研成果的快速產出。

4.2獲獎者老齡化規律

通過對三大科學獎項獲獎年齡的統計分析，可以觀察到顯著的代際差異與演變趨勢。F獎由于其“40周歲以下”的授獎條件，除1998年A，Wiles在45歲獲得菲爾茲特別獎外，其余年間科學家獲獎年齡均分布在29一40歲區間，平均36歲，近一個世紀來未呈現顯著變化趨勢。這一穩定分布印證了菲爾茲獎設立時激勵青年數學家的初衷。相比之下，L獎和T獎則展現出相似的獲獎年齡演化模式。L科學家獲獎年齡整體呈波動上升趨勢，從1946年的平均54歲上升到2020年以來的平均68.5歲，授獎77年來整體增幅達14.5歲（年均增長0.19歲）。T獲得者獲獎年齡變化趨勢更為顯著，從1970年以前的平均48.8歲增長到2022年的76歲，平均增長27歲（52年間年均增長0.52歲），其中約 97% 的科學家在40歲之后獲獎。總體上，LT科學家的獲獎年齡呈現明顯的老齡化趨勢，授獎至今平均增加了25歲左右，近年來甚至發展到平均70歲左右才獲獎（見圖5）。這些數據清晰地表明，現代科研可能正經歷從“早慧突破”向“厚積薄發”的范式轉變，資深科學家的經驗價值愈發凸顯。新生代科學家面臨更長的成果孵化期，并且榮譽與成就的取得愈發倚重于資深科學家的經驗積累。此外，不同領域對創新年齡的敏感度存在顯著差異，反映出學科發展階段的本質區別。

4.3獲獎時滯規律

科學獎勵體系中普遍存在獲獎延遲現象[31]，但在不同學科間存在較大差異。數學領域獲獎時滯保持相對穩定，計算機科學領域獲獎時滯呈現大幅上升趨勢，而生理醫學領域獲獎時滯呈現逐年縮短趨勢。這一現象反映了科研成果從產生到獲得認可的時間跨度，其演變趨勢有一定的規律性和可預測性，可能與學科發展特征、評審機制及科學共同體認知變遷等因素密切相關。

以科學家做出獲獎成果的先后順序為角度（即以科學發現年為橫坐標）進行分析發現，整體而言，F獲獎時滯基本穩定在6年左右，波動范圍較小，表明數學成果的認可周期受學科內在邏輯（如理論驗證的確定性）影響較大，評審標準較為恒定。L獲獎時滯雖初期偏高但呈現逐漸縮短的趨勢，1935年之前的成果歷經平均20.7年獲獎，而2000年后縮短至平均12年（降幅達 42.0% ），這一變化可能得益于技術進步（如高通量實驗、計算生物學）加速了成果驗證，同時反映了科學獎勵體系對生命科學研究的優先響應。T獲獎時滯呈小幅顯著趨勢，1949一1960年產生的科學成果獲得獎項認可需要平均15.7年，1985年以來則需平均27.3年（增幅達 73.9% ），這一現象產生的背后，說明了新興子領域（如人工智能、量子計算）成果的涌現增加了評審的復雜性，尤其是跨學科研究因需多領域專家達成共識，導致“排隊效應”加劇（見圖6）。

4.4創新峰值年齡中青年化

科學家做出獲獎成果的年齡，即其科研創新的高峰年齡，才是真正反映科學家創造力高峰的重要指標[13.32]。通過對447人次FLT科學家的成果年齡進行統計分析，發現以生理醫學、數學、計算機科學為代表的基礎科學領域中，中青年科學家具有更大的創新能力和潛力。

將科學發現年齡從20歲起劃分為5個區間，分別計算不同區間內FLT科學家的概率分布（即占比，見圖7）。整體而言，FLT獲獎者的科學發現年齡高度集中于20—50歲（占比達94% ），平均創新年齡依次是：29.77歲、42.76歲和34.42歲。F獎由于其授獎條件限制，成果年齡普遍較為年輕化， 60% 的成果在20—30歲完成；T科學家全部在50歲以內做出獲獎成果，且31—40歲為成果產出高頻區間，占比 54% ；L科學家科學發現年齡呈“倒U型”分布，峰值位于31—40歲（ 40% ），但成果年齡跨度最大（從22歲到72歲），部分科學家在50歲后仍能產出突破性成果。對比來看，計算機科學這類快速發展領域因技術迭代快，中青年科學家的綜合能力更具優勢，而生理醫學這類實驗驅動學科的突破常需團隊協作與設備支持，因此創新年齡分布更廣。

4.5獲獎者合著網絡多樣化

（1）外部合著網絡。小世界網絡理論（“small-world”network）由J.W.Duncan與其導師S.Strogatz[33]提出，揭示了復雜網絡中的高效連接和緊密集群現象，可通過平均最短路徑與聚類系數兩個特征進行判定，具有較短的平均最短路徑和較大的聚類系數特征，即具有小世界特性。在合著網絡中，平均最短路徑反映的是合著網絡中任意兩個節點之間最短距離的平均值；聚類系數是指平均意義上一名作者的鄰接作者之間相互關聯的程度，表示科學家“朋友圈”的緊密程度。因此，利用Pajek分別生成與FLT科學家外部合著網絡相同節點規模的3個隨機網絡（即網絡節點數分別與F、L、T合著網絡一致，但各個節點之間的連接是隨機的），進行不同領域外部合著網絡特征的對比，如表2所示：

可以發現，FLT科學家外部合著網絡的主要特點是： ① 平均最短路徑長度相對較小，科學思想能夠迅速傳播，且聚類系數均遠高于相同規模的隨機網絡，因此均表現出小世界特性;② 聚類系數相對較高，說明FLT科學家與其合作者之間的合作關系呈現出高度的聚集性，與同一位科學家合作的其他科學家之間也進行合作的概率分別為 72% 、 53% 、 72% ，表明FLT科學家們傾向于與已有的合作伙伴繼續合作，形成較為緊密的科研“朋友圈”。這些特點揭示了頂尖科學家群體在科研合作中表現出的顯著小世界特性和高度聚集性。

（2）內部合著網絡。在FLT科學家內部合著網絡中，合著人員規模存在明顯差異，從合著社團劃分和整體節點規模的角度綜合來看，分別呈現出“單核一小規模”“多核一大規模”“雙核為主”等合著模式（見圖8）。雖然科學家的合著網絡規模大小各異，但網絡內的合著關系比較牢固。此外，FLT科學家內部的學術合著網絡還具有一個典型特點，即多樣化合著關系，合著關系中包括師生合著、同事合著、跨國跨機構合著。其中，師生之間的合作是常見的一種形式，這種合作關系通常基于導師對學生的學術指導，有助于知識和思想的傳承。而同事合著涉及不同研究方向的學者之間的合作，促進了學科交叉融合。跨國跨機構的合著關系尤為普遍，這種合作模式不僅拓寬了研究的地域和文化視野，還加強了全球科研共同體之間的聯系和資源共享。

F科學家可獲得的文獻數據集中包括49位獲獎者，其中互相產生合作的作者僅有16位。顯然，F科學家之間較少產生合著關系，合著網絡比較稀疏，特殊地，有7人產生小范圍的合著關系網絡，分別是1994年獲得者J.Bourgain、2006年獲得者陶哲軒、2010年獲得者E.Lindenstrauss和C.Villani、2014年獲得者M.Mirzakhani、2018年獲得者A.Venkatesh和A.Figalli。

L科學家可獲得的文獻數據集中包括196位獲獎者，合著網絡比較緊密，其中產生合作的作者有154位。L科學家內部合著關系非常顯著，整體上看是一個覆蓋范圍廣、連通性強的合著網絡，僅有48位科學家屬于“獨立的”兩兩合作關系。其中，大型合著網絡以C.A.Elvehjem（1952年獲得者）、R.A.Good（1970年獲得者）、S.H.Snyder（1978年獲得者）、T.

E.Starzl（2012年獲得者）、R.C.Gallo（1982年和1986年獲得者）等生理學和醫學領域科學家為代表。同時，D.W.Cushman和M.Ondetti（同為1999年獲得者）、W.G.Lennox和F.A.Gibbs（同為1951年獲得者）兩兩之間也建立起緊密的合作關系。

T科學家可獲得的文獻數據集中包括71位獲獎者，其中互相產生合作的作者有47位。T科學家合著網絡集中與分散并存。根據FR布局算法，該合著網絡中擁有2個最為顯著的、分別共計30人的合著社團，分別是以S.Goldwasser（2012年獲得者）、R.L.Rivest（2002年獲得者）、A.Shamir（2002年獲得者）、S.Micali（2012年獲得者）等17位科學家為代表的社團，以及以R.Tarjan（1986年獲得者）、H.A.Simon（1975年獲得者）、A.J.Perlis（1966年獲得者）、J.McCarthy（1971年獲得者）、J.Backus（1977年獲得者）、R.Hamming（1968年獲得者）等13位科學家為代表的社團。

4.6科學發現影響力演化模式

從科學社會學視角來看，引文動態反映了科學共同體對特定研究成果的認知接納過程，其演化軌跡本質上體現了科學知識傳播與轉化的內在機制。一般而言，一篇學術論文在發表之后的幾年時間內會被其他論文引用，被引次數反映在時間上的曲線被稱為“引文曲線”“引文模式”“引文歷史”或“引文生命周期”。總體上，引文曲線是從被引用的角度記錄文獻的老化軌跡，作為科學計量學的重要分析工具，可以在一定程度上反映科學成果的學術影響力。基于引文曲線的演化模式分析有助于理解科學研究的發展軌跡、把握學術前沿的演進路徑等。通過構建長周期引文曲線，可以大致觀察科學發現影響力的演化模式，預測學術影響的持久性。因此，對獲獎代表作（即科學發現）的長序列引文曲線進行曲線擬合，進一步提煉影響力演化模式，挖掘科學發現引文曲線的一般規律與主要模式，能夠為觀察科學發現影響力演化路徑提供更科學地依據。

本節以引文年代為橫軸，各年度引文量為縱軸，運用引文分析方法繪制科學發現代表作的引文分布曲線（圖9），同時使用Origin8工具進行曲線擬合。其中，曲線擬合是指選擇適當的曲線類型來擬合觀測數據，并用擬合的曲線方程分析兩變量間的關系。曲線擬合的效果通常以 R² 值給出，該值越趨近于1，則擬合效果越好。本研究中要求曲線擬合結果中 R²gt;0.8 若不滿足該條件，則認為擬合效果較差或擬合失敗。部分擬合結果見圖10。

基于引文分布曲線和曲線擬合，本研究識別出6種具有顯著統計學差異的引文演化模式。

從引文曲線的長序列分布上看，引文曲線的演化模式主要呈現“指數增長”模式、“正態分布”模式、“雙峰波動”模式、“低空波動”模式、“瞬時增長”模式、“睡美人”模式等幾種類型。其中，“指數增長”模式在引文曲線中表現為隨著時間的推移，引文數量呈指數級上升，這種模式通常出現在某一領域快速發展的時期，反映了學術界對某一主題興趣的急劇增加和研究的深人。“正態分布”模式在引文曲線中表現為引文數量隨時間呈現鐘形分布，即初期逐漸增加至峰值后開始下降，這種模式常見于成熟學科領域，表明某一主題經歷了從興起到頂峰再到衰退的完整周期。“雙峰波動”模式在引文曲線中表現為兩個明顯的高峰期，中間間隔一段時間的低谷，這種模式可能反映了研究領域內的重大突破或理論變革，導致研究興趣的兩次集中爆發。“睡美人”模式在引文曲線中表現為科學發現代表作在發表后相當長一段時期內被引次數為零或被引極少，仿佛是在“沉睡”，而在突然引起大量關注成為高被引，這種模式可能反映了學術思想由于過于超前而不被同期學術界所認可、科學共同體意識不到其潛在知識價值，特別是在自然科學領域，需要經歷較長時間睡眠以后其價值才能顯現。

研究總結與展望/Conclusionsandprospects

分析和應用學科信息學的理念與研究方法，本文引申出“獎項信息學”的學科概念，并論述了開展科技領域國際權威獎項大數據分析的價值意義與具備條件。國際科學獎項已成為科學學、文獻計量與科學計量、科技情報學以及相關科技領域等多個領域關注和研究的對象，科技獎勵及其授予的科學發現成果可以成為研究科學自身發展基本規律和特點、杰出科學人才成長和演化規律等的主要觀察視角。

獎項信息學的相關研究作為新型專門領域學科信息學的一種應用，成為揭示現代科學發展和科學活動規律的一種典型手段。本文在梳理主要科技領域的國際權威科學獎項的基礎上，選擇數學領域的菲爾茲獎、生理醫學領域的拉斯克獎和信息領域的圖靈獎3項國際權威獎項作為領域代表性獎項，進行系統地定量大數據挖掘與科學規律的知識發現揭示，測度了科學獎項大數據所表征的一系列科學學現象或規律：獲獎國家機構集中化、獲獎者老齡化、獲獎時滯規律、創新峰值年齡中青年化、獲獎者合作網絡多樣化、科學發現影響力演化模式等。這些規律對于科技政策決策、科技人才培養具有重要意義。例如，獲獎老齡化規律可以引發關于科研生態、資源分配及創新速度等問題的討論，提示科學家們需要更加關注科研成果的質量而非僅僅追求新穎性，因為長時間的研究積累有助于產出更具深度和影響力的成果。這種老齡化趨勢不僅是社會現象，同樣是科學界不可忽視的重要趨勢之一。獲獎時滯規律體現出顯著的學科差異，科技成果不斷涌現的同時也對“有限的”科學獎項如何遴選獲獎成果帶來了挑戰。在現代科學發展的范式下，數學作為基礎學科，其理論體系相對穩定，評審標準變化較小，故獲獎時滯波動有限。生命科學因其與人類健康直接相關，呈現出社會關注度持續攀升、實驗可重復性顯著提高以及臨床轉化效率提升等特點，這些特征共同作用，縮短了從發現到認可的周期。計算機科學領域自20世紀以來快速發展，計算機科學的快速迭代導致早期成果可能因技術過時而被低估，而近期成果需更長時間驗證其長期價值，并且跨學科研究的增加、計算機科學的倫理爭議（如AI的社會影響）等現實問題可能促使評審更謹慎，從而延長考察期。

同時，科學獎項大數據分析與科學規律發現已成為科學學研究的主要內容，可以揭示并預測科學活動的規律與趨勢，進而有效支撐相關科學發展戰略的制定。國際上大部分科技領域獎項經過多年的發展傳承，已經積累了大量、全面且真實的數據，并具有了特殊的研究價值，這類科學獎項的“大數據體系化”就使得進行科學獎項大數據挖掘與知識發現成為可能。需要注意的是，國際權威獎項本身就是科學評價的對象、手段與結果，是關于科學突破性發展的最主要的同行評價方法和評價指標，是科學家及其科學成就獲得國際學術共同體承認的直接證明。但科技獎勵相關的科學評價也存有爭議，獲得權威獎項的畢竟是極少數科學家，面對不同對象和不同目標的評價需求，如何建立科學合理、具有適用性的科研評價體系仍需進一步探索。

參考文獻/References：

[1] 張志強，范少萍.論學科信息學的興起與發展[J].情報 學報，2015，34（10）：1011-1023.（ZHANG ZQ，FAN S P. Onthe emergence and development of Subject Informatics[J].Journal of the China Society for Scientific and Technical Information，2015，34（10）：1011-1023.）

[2] 張雪，張志強.再論學科信息學發展與趨向[J].圖書情 報工作，2023，67（19）： 3-17.（ZHANG X，ZHANG Z Q. Further discussion on the development and prospect of Subject Informatics[J].Library and information service， 2023，67（19）： 3-17.）

[3] 張志強，等.面向領域知識發現的學科信息學理論與應 用研究[M].北京：科學出版社，2023.（ZHANGZQ. Subject Informatics and subject knowledge discovery[M]. Beijing：Science Press，2023.）

[4] MERTON R K. Science，technology and societyin seventeenth century England[J]. Osiris，1938，4：360-632.

[5] MERTON R K. The Matthew effect in science[J]. Science，1968，159（3810）：56-63.

[6] ZUCKERMAN H. The proliferation of prizes： Nobel complements and Nobel surrogates in the reward system of science[J].Theoretical medicine，1992，13（2）： 217-231.

[7] CHARLTON B G. Scientometric identification of elite 'revolutionary science' research institutionsby analysisof trendsin Nobel Prizes 1947-2006[J].Medical hypotheses， 2007，68（5）： 931-934.

[8] CHARLTON B G.Which are the best nations and institutions for revolutionary science 1987-2oo6？ analysis usinga combined metric of Nobel Prizes，Fields Medals， Lasker Awards and Turing Awards （NFLT metric） [J]. Medical hypotheses，2007，68（6）：1191-1194.

[9] 姚昆侖.20世紀全球科技獎勵的發展及特點分析[J].中 國科技獎勵，2008，（2）：30-33.（YAO KL.Analysis of the development and characteristics of global science and technology awards in the 2Oth century[J]. China awards for science and technology，2008，（2）：30-33.）

[10]MA Y F， UZZI B. Scientific prize network predicts who pushes the boundaries of science[J].Proceedings of the National Academy of Sciences，2018，115（50）：12608- 12615.

[11]王雙，趙筱媛，潘云濤，等.學術譜系視角下的科技人才 成長研究——以圖靈獎人工智能領域獲獎者為例[J]. 情報學報，2018，37（12）：1232-1240.（WANG S，ZHAO X Y，PAN Y T， et al. Growth of talent from the perspective of academic genealogy： taking the laureates of Turing awardartificial intelligence field for example[J]. Journal of the China Society for Scientific and Technical Information，2018，37（12）：1232-1240.）

[12] 張志強，任曉亞，門偉莉.諾貝爾科學獎的科學學規律 及其對建設科技強國的啟示[J].中國科技人才，2024 （5）：45-56.（ZHANG ZQ，RENXY，MENW L.The scientific laws of the Nobel Prize in science and its implications for building a strong country in science and technology[J]. Scientific and technological talents of China，2024（5）：45-56.）

[13]任曉亞，張志強，陳云偉.杰出科學家的科研產出規律 -以拉斯克醫學研究獎得主為例[J].情報學報， 2019，38（9）：894-906.（RENXY，ZHANGZQ，CHENY W.Laws governing outstanding scientistsresearch output： the example of Lasker Award Winners[J]. Journal of the China Society for Scientific and Technical Information，2019，38（9）： 894-906.）

[14]門偉莉，張志強.機構屬性的諾貝爾科學獎分布規律研 究[J].情報學報，2019，38（9）：907-920.（MENWL， ZHANG Z Q. Research on the Nobel Prize in science based on institutional attributes[J]. Journal of the China Society forScientific and Technical Information，2019，38 （9）： 907-920.）

[15]門偉莉，張志強.科研創造峰值年齡變化規律研究- 以自然科學領域諾獎得主為例[J].科學學研究，2013， 31（8）： 1152-1159.（MEN W L， ZHANG Z Q. On the trend of most creativity age for Nobel winners in natural science[J]. Studies in science of science， 2013，31（8）： 1152-1159）

[16]張洋，朱嘉麒，邵蘇晨，等.社會科學國際權威獎項得主 的成果特征[J].圖書館論壇，2023，43（1）：49-59. （ZHANG Y， ZHU JQ， SHAO S C， et al. Research on the characteristics of international honorary award winners' achievements in the field of social sciences[J].Library tribune，2023，43（1）： 49-59.）

[17]BHATTACHARYA J，BOLLYKY P， GOLDHABERFIEBERTJD， etal. Resting on their laureates？ research productivity among winners of the Nobel Prizein physiology or medicine[EB/OL]. [2025-03-28].http：// www.nber.org/papers/w31352.

[18]LI J， YIN Y，FORTUNATO S， et al. Nobel laureates are almost the same as us[J].Nature reviews physics，2019， 1： 301-303.

[19]LI J，YINY，FORTUNATO S，et al.Scientific elite revisited：patternsofproductivity，collaboration， authorship and impact[J]. Journal of the Royal Society Interface，2020，17（165）： 20200135.

[20]李淑敏，王永偉.STS領域杰出人才的特征分析——以 貝爾納獎獲得者為例[J].自然辯證法通訊，2021，43（7）： 100-107.（LI S M，WANG Y W. An analysis of the characteristics of outstanding individuals in the field of STS：a case study of the Bernal Prize recipients[J]. Journal of dialectics of nature，2021， 43（7）： 100-107.）

[21] CHAN HF， TORGLER B. Time-lapsed awardsfor excellence[J].Nature，2013， 500（7460）：29.

[22] HEIBERGER R H，WIECZOREK O J. Choosing collaboration partners.how scientific success in physics depends on network positions[DB/OL]. [2025-03-21]. https：//arxiv.org/abs/1608.03251.

[23]RICHARD S JT. The Nobel family[J]. Scientometrics， 2024，129 （3）： 1329-1346.

[24]The International Center for Data on Awards （ICDA）[EB/ OL]. [2025-03-21]. https：//www. icda. org/awardscriteria. html.

[25]IREG List of International Academic Award [EB/OL]. [2025-03-21]. https：//reg-observatory.org/en/wp-content/ uploads/2019/12/ireg-list-academic-awards.pdf.

[26]OSTRIKERJP，KUHC V.National Research Council （US）Committee to examine the methodology for the assessment of research-doctorate programs. Assessing Research-Doctorate Programs： a methodology study[M]. Washington （DC）： National Academies Press （US），2023.

[27]任曉亞，張志強.主要科技領域國際權威獎項規律及其 驅動因素分析[J].情報學報，2019，38（9）：881-893.（REN X Y，ZHANG ZQ.Analysis of the Laws of international authoritative awards in main science and technology fieldsand their driving factors[J].Journal of the China Society for Scientific and Technical Information，2019，38 （9）： 881-893.）

[28]FieldsMedal[EB/OL].[2025-03-28].https：//www. mathunion.org/imu-awards/fields-medal.

[29]LakerAward[EB/OL].[2025-03-28]. http：//www. laskerfoundation.org/awards-overview/.

[30]A.M. Turing Award[EB/OL]. [2025-03-28]. https：// amturing.acm.org/bvvear.cfm.

[31]MITSIS P.The Nobel Prize time gap[J].Humanitiesamp; social sciences communications，2022，9（1）：1-11.

[32]張志強，門偉莉.諾貝爾物理學獎獲得者中師承效應量 化研究[J].情報學報，2014，33（9）：926-935.（ZHANGZ Q，MEN WL.Quantitative research on the effectsof accomplished teacherson Nobel Prizewinners in physics [J].Journal of the China Society for Scientific and

Technical Information，2019，38（9）： 894-906.） [33]WATTS D J， STROGATZ SH.Collective dynamics of “small-world”networks[J].Nature，1998，393：440-442.

作者貢獻聲明/Authorcontributions：任曉亞：撰寫與修改論文，采集與分析數據；張志強：提出研究思路，審定與修改論文。

Analysis ofCharacteristics of International Scientific Awards Based on Prize Informatics Taking three international awards as an example

Ren Xiaoya1，2Z Zhang Zhiqiang3， 4 1.Business College， Southwest University， Chongqing 402460; 2.Research Institute for Publishing， Southwest University， Chongqing 400715; 3.National Science Library （Chengdu）， Chinese Academy of Sciences， Chengdu 610299; 4.Xinjiang Institute of Ecology and Geography of the Chinese Academy of Sciences， Urumqi 830011

Abstract：[Purpose/Significance] Prize Informatics is the applied research direction of Subject Informatics in the field of scientific awards.Research on data mining and knowledge discovery of scientific awards based on Prize Informatics can quantitatively characterize the evolution of scientific innovation activities.[Method/Process] Based on an overview of the development history of international scientific awards and the research value of award data mining analysis，this study further selected three internationally authoritative Samp;T awards as key analysis subjects，conducting systematic quantitative data mining and measuring the paterns of scientific evolution.[Result/Conclusion] Empirical analysis reveals that scientific awards with domain representativeness generally exhibit scientometric characteristics or patterns，including the centralization of award-winning countries and institutions，the aging of awardees，the award time lag，the trend of innovation peak ages being in the middle and youth，the diversification of awardees'collboration networks，and the evolution of the impact of scientific discoveries.

Keywords： prize informatics; subject informatics; scientific awards; evolutionary laws