内容提要：大数据时代的来临为学术评价带来一丝新曙光，可能使学术评价的模式突破惯性思路，以崭新的角度、更好地挖掘出学术成果的价值。大数据时代与之前时代环境的差异，集中体现在评价数据的变革上。着重分析大数据时代学术评价数据变革带来的五个评价模式改进的重要趋势，即数据化、多元化、全量化、集成化和网络化。提出应顺势而为，建设“基于大数据的学术评价新模式”，这一新模式应包括基础数据、网络平台、技术方法、评价应用和推进机制五类要素和内容。指出推进机制在新的评价模式中居于核心地位，是推进基于大数据的学术评价的关键所在。

　　关 键 词：大数据;学术评价;评价模式;数据管理;新模式

　　标题注释：本文为国家社会科学基金项目“大数据时代学术评价理论方法改进研究”(17BTQ015)的阶段性成果。

　　作者简介：杨红艳(1981- )，女，内蒙古通辽人，管理学博士，中国人民大学人文社会科学学术成果评价研究中心主任助理、副编审。

　　中图分类号：C3 文献标识码：A 文章编号：1003-3637(2018)03-0076-06

　　一、大数据时代的学术评价现状与发展需求

　　学术评价受到党和政府的高度重视。2016年5月17日，习近平总书记在主持召开哲学社会科学工作座谈会上讲话指出，当前我国哲学社会科学学术评价体系不科学、管理体制还不完善，“建设中国特色社会主义哲学社会科学体系必须要建立科学权威、公开透明的哲学社会科学评价体系，建立优秀成果推荐制度，把优秀研究成果真正的评出来，推广开”。其实不仅是哲学社会科学领域，学术评价已成为学术发展不可或缺的组成部分，几乎在所有学科领域的学术发展中均发挥着诊断、引导、激励等越来越重要的作用。

　　学术评价在广义上包括对学术成果、期刊、科研机构、学者、学科等对象的评价。国内外的学术评价可大体概括为三种基本模式或这三种模式之间的交叉混合，即：基于同行评议的模式、基于引文计量的模式和基于成果统计的模式[1]。在这些评价模式基础上，相关评价理论和实践得以确立和发展。上述两种或三种模式的交叉混合更是现阶段研究和实践的常见现象。

　　基于同行评议的模式是指基于同行专家的评审意见判断成果、作者、机构或期刊的研究质量或影响力。该模式具有较强的智能性和灵活性，能有针对性地判断学术质量和影响力、满足评价活动的特定需求，但其明显的不足是操作成本高、易受人为因素的负面干扰，同行专家遴选失当容易导致评价不合理[2]，评委的偏见和不一致性也很难控制[3]。基于引文计量的模式是指通过分析评价对象的被引用数据判断成果、作者、期刊、机构的研究质量或影响力；其优势是数据受主观因素的干扰相对较弱，但其显著的弊端包括数据难以体现引文动机(如自引、批判引用、循环引用等)，引文数据库通常是样本数据而非全数据，因而数据源不同可能使评价结果大相径庭；不同学科的引文数据可比性也不强，尤其是某些人文社科学科，引文数据形成周期长、数据量小、区分度不强，评价参考价值不高[4]。基层科研管理部门最常采用的是基于成果统计的模式，即通过统计成果的数量、级别、反响等可证明且可量化的数据来判断成果、作者、机构、期刊的研究质量或影响力。该模式通常依据前两种模式的评价结果，基金资助级别、核心期刊发文量等常用指标。这虽为管理者提供了便捷的评价工具和数据，但重量轻质、以刊评文等问题遭到了学者的颇多诟病，学科差异、数据真实性等也常受到质疑[5]。