基于循证决策理念的智库证据分级与决策路径建构

冯佳昊,陈 安 (1.中国科学院大学，北京 100049；2.中国科学院大学公共政策与管理学院,北京 100049；3.中国科学院科技战略咨询研究院,北京 100190)

0 引言

智库一直以来以解决现实问题为己任，特别是在秉持实用主义科学观的大背景下，智库研究人员基于丰富的知识和技能，从研究者转为实践者，为解决社会中繁杂而又具体的问题作出贡献。伴随着工业化信息化社会的到来，智库的外部环境也发生了变化。不同于以往稳定化、机械化的传统社会生态，开放化和市场化导致智库面临的问题域充满不确定性和复杂性。以往仅仅通过纯粹的技术范式即可解决的问题如今因其复杂难解的特征而对智库形成新的挑战，用来解决跨学科跨领域智库问题的决策方法变得尤为重要。

回顾已有的智库决策方法，包括基于技术经验的决策[1]、基于理论的决策[2-4]、基于模型的决策以及基于案例的决策[5]在内的诸多类型，其优势在于产生过程是基于成熟的科学研究范式，且智库成果的形式和内容均遵循传统学术路径。针对常规议题，上述决策方法在决策效率和质量方面展现优势。外部环境变化对智库传统决策方式的影响和挑战是深远而深刻，传统智库决策类型在面临动态且复杂问题时需做出应对，即从变化中的问题域寻找最具普适性的决策路径，而这一路径应是在吸收前述4类传统智库决策路径基础上且突破对传统路径的依赖。换言之，在反思传统智库决策模式的前提下，要结合当下外部决策环境的变化提出新的智库决策方法与路径。当前具有较大影响力的是过程融合法 (智库DIIS理论方法，简称DIIS)，该方法归纳总结了智库决策的4个环节，即收集信息 (Data)—揭示信息 (Information)—综合研判 (Intelligence)—形成方案 (Soluti-on)。该方法构建了系统性的智库决策路径，其核心是在反复循环论证过程中做出最优决策[6-7]，但当前DIIS框架仍需进一步细化，尤其是各环节需进一步细化步骤和完善逻辑。与DIIS框架类似，循证决策理论的核心是使决策主体的决策行为更理性，能够在最佳证据的基础上做出决策。鉴于此，本文受循证医学中证据分级的启发，将其证据分级的概念引入智库领域中构建智库决策证据分级金字塔，随后基于循证决策理念在DIIS框架内构建智库循证决策新路径并运用案例进行实证，目的是从另一种视角为DIIS提供理论支撑和实践准则，以期为智库决策方法的发展提供参考。

1 循证决策缘起与发展

“循证”一词最早起源于医学领域。1992年加拿大麦克马斯特大学Gordon Guyatt教授在 《美国医学会杂志》上发表文章提出 “循证医学”概念。2000年加拿大麦克马斯特大学David Sackett教授在 《怎样实践和讲授循证医学》中对循证医学概念给出权威解释： “慎重、准确和明智地应用当前所能获得的最好的研究证据，同时结合临床医生的个人专业技能和多年临床经验，考虑病人的实际情况与愿景，全面综合3个方面的考虑，最终制定出病人的治疗措施”[8]。随后，循证医学运动逐渐兴起并在医学领域产生巨大影响。伴随循证医学的不断发展与创新，其行为模式也逐渐系统化与框架化，促进了 “循证”理念在其他领域的应用与发展。循证理念逐渐深入人心，产生了循证社会工作[9-11]、循证矫正[12-13]、循证教育[14-16]、循证环境治理[17-18]等。其中，将循证理念移植到公共政策领域的做法则起源于20世纪末的英国。

1999年英国政府发布 《现代化政府白皮书》，将 “注重证据的有效性”纳入政府决策的基本准则[19]。同年，布莱尔政府发布报告 《21世纪的专业政策制订》指出，循证决策强调决策主体的决策建立在最佳证据基础上，这些证据的来源广泛且类型多样，在制订政策过程中正确使用最佳证据可提高政府决策的效率与合理性。布莱尔政府极力推动循证决策在政府内部决策事务中的应用，如1999年成立管理与政策研究中心，任务是获取现有的研究证据与实践活动，从而确保制订政策或执行政策的科学性[20]。除了最先将循证决策理念应用于政府事务决策的英国政府以外，其他国家也对循证决策产生浓厚兴趣，如美国教育部于2002年成立有效教育策略资料中心，旨在推进教育领域相关研究的证据科学化并为此领域的学者、政策制定者等提供科学而可靠的证据[21]。

纵观上述关于循证决策的表述可以看出，循证决策 (Evidence-Based Policy Making，EBPM)的核心是使决策主体的决策行动更理性，在更大程度上使决策能够建立在明智、科学的证据之上。学界认为，循证决策是在严格检验而确立的客观证据基础上，通过把可能获得的最佳证据置于政策制定和执行的核心位置，进而帮助人们做出更好决策[22]。在以往的循证实践中，循证决策分为5个步骤，即提出问题、确定证据来源、评价证据、循证决策和后效评价[23]。本文认为，循证决策是兼具宏观战略性和微观操作性的活动，为服务对象提供面向下一步决策的证据基础[24]。

在循证决策过程中，需关注两个问题：①证据应从学术研究结果和不断评估中获得，具有科学性和高质量的特征；②证据在决策过程中被决策主体和辅助人员充分使用[25]。只有在充分厘清证据性质的前提下才能为智库从业者充分使用，而证据表现形式多样，不仅包括对事实进行数字化、编码化的数据，也包括专家意见、研究报告、研究成果、统计结果等[26]。多源多样的证据如何转变为科学、有效证据？如何判断证据的可信度？对此，本文将详细阐述数据到有效证据的转化流程并构建智库证据来源分级金字塔。

2 智库决策证据来源分级

2.1 从数据到证据

作为决策的依据，数据是对客观事物表征的刻画与反映。人类利用数据决策已有上千年历史，从最早的结绳记事到计算机二进制，数据存储方法和形式越发多样。在循证决策的证据环节中，证据来源是数据，数据既是证据的基础，也是循证决策的起点[26]。从数据到证据的转化环节[27]如图1所示。原始数据包括数据库数据、统计模型数据、编码化数据、文本资料、访谈资料等，这些数据可以通过有序化处理和信息媒介上的映射变成信息，如现有成果研究、咨询分析结果、个人经验等通过分析、解读与融入专家智慧转化为新知识与新观点如专家咨询意见、专家经验等，最后进入证据验证环节，经过证据验证、筛选与评价最终确定此来源是否为有效证据。此外，原始数据直接通过荟萃分析、可视化分析、NLP自然语言识别等先进技术工具进行处理，其结果直接进入证据验证环节来判断是否能作为支撑决策的有效证据。广义讲，前文所提到的原始数据、信息和新知识新观点等都可以称为数据。可见，数据作为证据的来源是多源异构的。

图1 数据到证据的转化流程

2.2 医学中的证据分级金字塔

决策需要以数据为起点、经处理并通过验证与筛选的证据。符合决策需要的有效证据具有高信度和高效度特征。在智库研究的数据收集环节，应尽可能采纳更高信度和效度的证据。证据来源是数据，其信度效度的高低直接影响证据信度效度的高低，本文借鉴循证医学中的证据分级金字塔构建智库决策中的证据来源分级金字塔。

证据分级概念源于20世纪60年代并首先应用于教育领域。1979年加拿大定期健康检查小组根据证据分级的概念首次提出医学领域的证据分级[28]。医学中的证据分级指根据证据的内外部真实性对证据进行评价与分级并根据分级结果指导医生进行有区别的实践活动[29]。随后，不同国家和地区的医疗机构不断发展与改进证据分级体系以使其符合自身的分级需求。至今，全球有影响力的证据分级体系已有50余个[30]，较有影响力的是2000年由19个国家和组织联合建立的GRADE小组提出的GRADE证据分级体系[27]和2002年美国弗吉尼亚大学Grandage教授提出的证据金字塔模型[31]。金字塔模型从塔尖至塔底依次为系统评价、试验研究、准实验研究、非实验研究、案例研究和权威意见，证据等级越来越低，其信度和效度也越来越低，这意味着医生在医学实践中应尽量选择靠近塔尖的证据来进行医学判断，这样才能使做出的医学行为更科学、更客观。由于证据金字塔模型直观清晰、原理简单易懂，本文依据Grandage教授提出的证据金字塔模型构建智库决策证据来源分级金字塔，如图2所示。

图2 Grandage提出的证据金字塔模型

2.3 智库决策证据来源分级金字塔

智库决策中常见的证据来源类型有专家知识与意见、现有研究成果、定量调查统计数据及分析结论、定性个案研究及其结论、统计模型和现存数据、 先前的评估数据、咨询结果、网络二手资料、背景资料、随机控制实验研究、相关研究结果、利益相关者调查、个人价值观判断等[32]。这些证据来源可分为7种类型：系统评价或Meta分析结果、随机干预实验 (RCTs)研究结果、混合方法研究结果、定量或定性研究结果、原始数据、专家意见和描述性资料。本文遵循医学领域中证据金字塔理念，构建智库决策证据来源金字塔模型对以上7种证据来源进行分级，该分级原则是从低等级到高等级证据，信度和效度越来越大，表现在金字塔中则为越靠近塔尖，证据来源级别越高，效度和信度也越高。在智库决策中，应尽可能选择高等级数据，只有在高等级数据缺失的情况下，才选用相对等级低的数据，如图3所示。

图3 智库决策证据来源分级金字塔

(1)系统评价或Meta分析研究结果。系统评价指基于具体问题，全面收集可得的世界范围内的所有相关研究，通过相关标准的筛选和客观评价后，综合分析具体问题而得出可靠结论并为决策活动提供科学客观依据的研究方法[33]。Meta分析又称为荟萃分析，是汇总相同研究目的的多个研究结果并分析其合并效应的一系列过程，最终给出一个量化的平均效应指标[34]。Meta分析是运用定量方法对特定项目的所有研究进行综合分析的工具；系统评价是运用定性或定量描述方法对现有特定项目的所有研究进行综合分析，而当数据异质性较大无法合并分析或数据不完整时，只能运用系统评价方式进行综合分析。系统评价和Meta分析都是基于现有文献资料的二次研究方法，可将大量研究信息进行聚集并萃取，可以科学、全面地纳入所有相关研究，能够在公开透明而又科学可靠的基础上给政策制订者提供准确信息。系统评价或Meta分析以不同的形式被应用于社会科学领域数十年，经过丰富的实践检验，可以对特定研究项目进行最可靠、最信赖的总结。因此，本文将系统评价或Meta分析的研究结果作为证据来源分级金字塔的最顶端。

(2)随机干预试验研究结果。随机干预试验起源于医学领域，早期是采取对照实验的方式检验某种医疗方案或药物的治疗效果，其最大优点是随机分配实验对象进入干预组或对照组，大大消除实验误差，近乎没有影响地识别因果关系。近年来，随机干预试验被广泛应用于扶贫、教育、经济等领域，如2019年诺贝尔经济学奖授予麻省理工学院的3名经济学家，以表彰他们运用随机干预试验为解决发展中国家贫困问题所作的重大贡献。随机干预试验的最大特性就是能够近乎无误差地说明干预措施是否对结果产生影响。在众多影响评估方法中，随机干预试验由于其特性被看作是识别因果关系的 “黄金准则”[35]，使用严格随机干预试验的研究结果极具科学性与说服力。因此，本文将随机干预试验置于第二层。

(3)混合方法研究结果。混合方法研究指研究者综合使用定量或定性研究方法、手段、技术等的研究。相较于单独的定性或定量研究方法，混合方法研究可在同一框架内同时使用量化和质性技术，充分发挥二者长处，增加交叉性优势，压缩非重叠性弱点，也可针对具体研究问题选择合适的定量或定性技术，不受研究方法选择的限制。当前的智库问题普遍具有多学科交叉性，研究问题复杂而多源。混合方法的选择与使用能够以研究问题为导向，针对具体研究问题 “对症下药”，在单一的定量或定性研究方法研究结果的基础上妥善解决智库问题。因此，混合方法能够解决一些综合性的智库问题，对定性和定量研究起到补充作用。鉴于此，本文将混合方法研究结果与定量或定性研究结果置于同一分级之中。

(4)定量或定性研究结果。定性研究是使用实地调研、访谈、参与或非参与观察、文献分析等方法对客观现象进行分析的研究，其分析方式主要以归纳为主，研究结果往往与研究行为发生时的情境有关，是独特和受到环境制约的；定量研究指采用数量的方法对数据、信息、资料等进行分析从而得到有价值结果的研究，其研究工具是各种统计模型，研究结果一般具有概括性和普适性。定性研究与定量研究没有孰优孰劣之分，各有优缺点，其产出结果都建立在一定的数据处理上，相较于未经处理的原始数据，其研究结果具有更高的可信度。因此，将混合方法研究结果与定量或定性研究结果的分级置于原始数据之上。

(5)原始数据。本文所提原始数据是指通过访谈、调研、观察等活动所得的一些原始文本资料、现存数据库中的未经处理的数据或各种统计年鉴中的统计数据等。这些数据未经处理，能够呈现相对真实的信息，如数据库的数据和统计年鉴的数据都是客观实际的数字编码化反映，其真实与客观性远远高于专家意见等主观判断。因此，本文将原始数据的分级置于专家意见之上。

(6)专家意见。专家意见指专家做出的主观表达个人意愿与看法的评论性言论。专家意见作为一种主观判断，较之于客观数据和基于数据的研究结果来说，信度效度是偏低的，但在充分结合客观数据和研究结果基础上的专家意见是极为重要且有意义的，因此决策中也应充分发挥专家的主观能动性，尽可能做出最佳判断。

(7)描述性资料。描述性资料指具有描述性质的相关背景资料、网络碎片化信息等。此种资料的来源与真实性均不可靠，在查找相关数据时也应尽可能地避开此类信息。

3 基于循证决策理念的智库决策路径建构与应用

3.1 基于循证决策理念的智库决策路径构建

智库研究对象多是跨学科、跨领域、交叉性强的问题，通常涉及政治、经济、社会等领域，这需要智库研究者拥有跨学科视野和综合分析能力，能对研究对象进行系统性、多角度分析。此外，科学的方法与研究范式对多领域交叉的智库研究尤为重要。国际一流的智库普遍重视研究方法和范式的创新，如布鲁金学会的布鲁金斯学会模式、兰德公司的德尔菲法、欧盟联合研究中心的未来导向技术分析 (FTA)等。我国的智库研究大多以社会科学研究方式进行，研究方法以定性研究为主，在面对当前自然科学和社会科学混合交融的复杂问题时力不从心，亟需研究方法和范式的创新。潘教峰[36]在总结与归纳多年科技战略和政策研究的基础上提出过程融合法 (智库DIIS理论方法)，即收集信息 (Data)—揭示信息 (Information)—综合研判 (Intelligence)—形成方案 (Solution)。在做出相关智库决策前，首先应围绕要解决的问题全面收集各种来源的数据，即Data环节；对数据进行有序化整理与分析，筛选有效信息，形成反映客观现实的认识，即Information环节；在客观认识基础上引入专家学者的专业知识和智慧，结合现实需求进行综合研判与分析，得到新思路、新观点等，即Intelligence环节；最后得到相关的决策意见，形成解决方案，即Solution环节。DIIS作为一种智库决策路径，通过对研究过程中4个环节的把控，提高了智库研究工作的科学性和相关决策的准确性，加快了智库决策科学化的进程。

如上所述，循证决策的核心理念是使决策主体的决策行为更理性，能够在最佳证据的基础上做出决策。这与DIIS的核心理念不谋而合，将循证决策理念融入DIIS既能够丰富二者的内涵，又能为智库循证决策探索新的路径提供借鉴。本文将循证决策的过程融入DIIS的4个环节，构建基于循证决策理念的智库决策路径，如图4所示。

图4 基于循证决策理念的智库决策路径

在该路径中，本文将循证决策过程中的提出问题、确定证据来源、评价证据和循证决策4个步骤融入数据收集 (Data)和揭示信息 (Information)两个环节中，使数据收集环节中收集的数据质量能够得到保障；数据通过有序化处理使之转化为高质量的信息，经过筛选与评价进而转变为有效证据；最终，有效证据经过证据评估与筛选得出最佳证据，决策者在最佳证据基础上结合综合研判环节加入专家智慧与需求者期望，做出最优决策。

在数据收集环节，首先应确定待研究和解决的问题，敲定待解决的问题需要搜集何种类型、何种来源的数据。当前智库研究的问题来源主要是政府委托 (纵向)、企业委托 (横向)和自主研究等，证据来源主要包括相关社会试验结果、论文研究成果、调研数据、专家咨询意见等。随后，经过调查研究，确定证据来源，根据智库证据来源分级金字塔进行证据分级，分级完成后在分级完毕的数据中优先选择使用高等级的数据，如果数据分级都较低，则选择相对较高等级的数据作为有效的证据来源，为下一步数据转化做准备。

在揭示信息环节，首先应确定需要何种类型的信息，随后根据所需信息的类型找到相应的已筛选数据并对其进行有序化处理，使筛选出的高等级数据能够顺利 “有序化”成为信息。通过对信息的验证、筛选和评价，获得有效的信息 (有效证据)，等待进入下一步的研判环节。

在综合研判环节，应充分征求专家咨询意见和决策需求方意见，再次回顾证据收集过程与环节并从当前的有效证据中筛选出最佳证据，确保决策所依据的证据是当前所能收集到的最佳证据。最后，在科学明智的最佳证据基础上，综合考虑需求方期望并融入专家智慧，最终做出决策，形成相应的解决方案。至此，在DIIS的4个环节基础上融合循证决策理念的智库决策过程完成。

综上可见，智库决策路径并非是刻板的决策过程。在智库决策中，应考虑环境、需求方等因素，本文提出的基于循证决策理念的智库决策是确定证据标准后，专家在充分考虑最佳证据和需求者期望的前提下做出的，力求达到专家智慧、最佳证据和需求者期望的平衡点，如图5所示。

3.2 基于循证决策理念的智库决策路径应用-以中国区域应急表现能力评价为例

我国幅员辽阔，区域经济发展水平参差不齐，间接影响了不同区域应急能力的高低。国内学者对不同区域进行应急能力评价的研究较为丰富[37-40]，但这些研究多聚焦于评价特定区域内应急相关硬件设施及人员配备的基本情况，即对该区域理论上的应急能力进行评价，此种评价是一种静态评价。本文在2018年中国区域应急能力评价中引入动态评价机制，即根据实际发生的突发事件所表现的应急能力而评价，不同区域表现能力的 “分值”会随突发事件的发生而变化，得到2018年中国31个省份应急表现能力评价[41]。本文将每个区域搜集、筛选的5件具有较大影响的突发事件制成打分表，运用德尔菲法与专家打分法进行打分，最终生成不同区域的应急表现能力评分。在该文中，搜集突发事件可视为收集数据环节 (Data)，对不同区域突发事件的特征进行描述并打分可视为揭示信息环节 (Information)，组织专家对打分结果进行分析与研判可视为综合研判环节 (Intelligence)，最终根据结果提出政策建议可视为形成方案环节 (Solution)。本研究使用基于循证决策理念的智库决策路径对2018年中国31个省份应急表现能力评价进行复现，在此过程中更注重数据收集的来源与质量，在综合研判环节综合考虑打分结果、专家智慧和需求方期望，得出更合理的政策建议，以验证在循证决策理念指导下，智库决策路径的优越性及科学性。

图5 需求者期望、最佳证据与专家智慧

(1)收集数据。在收集数据阶段，首先应确定在研究中需要收集的数据类型。在应急表现能力评价研究中，应收集能够反映突发事件处置过程的数据以及能够反映处置方救援与响应流程的数据；随后，确定证据来源并对其分级，本文总结新闻报道、官方通报与发布会发布信息、非官方渠道消息以及事故调查报告消息等来源渠道，经过证据分级，将优先使用事故调查报告与官方通报以及发布会信息，次优先使用新闻报道，尽量不使用非官方渠道的消息；最后确定选用的数据，搜集各个区域2018年度的所有突发事件，人为筛选出影响较大的5件突发事件，随后搜集5件突发事件相关的事故调查报告与官方通告、新闻发布会信息等并整理汇总，如图6所示。

图6 收集数据阶段

(2)揭示信息。在揭示信息阶段，应首先进行数据处理，即对各个区域5件突发事件对应的事故调查报告、新闻发布会信息等进行整理与归纳形成文本；随后对文本进行筛选与检查，做到及时补全、补漏，确保搜集到的文本是完整、全面、科学和客观的；接着，以整理好的文本为基础制作专家打分表；最后，进行信息揭示，即邀请专家进行打分，得到打分结果，如图7所示。打分结果显示，应急表现能力优秀的区域有北京市、上海市、新疆维吾尔自治区和浙江省；应急表现能力良好的区域有天津市、江苏省、广东省、海南省、河南省；应急表现能力一般的区域有江西省、云南省、吉林省、山西省、陕西省、安徽省、内蒙古自治区、辽宁省、宁夏回族自治区、四川省、河北省、福建省、西藏自治区和湖北省；应急表现能力较差的区域有重庆市、贵州省、青海省、甘肃省、广西壮族自治区、湖南省、山东省和黑龙江省，如图7所示。

对比原研究中的结果[41]发现，除甘肃、山东、宁夏和河北外，不同区域的排名与等级变化不大，甘肃与山东原属于表现一般的等级，而经过打分，现属于表现较差的等级；宁夏与河北原属于表现较差的等级，经过打分现属于表现一般的等级。

经过复核与讨论，在原研究中，甘肃、山东、宁夏和河北这4个区域搜集的突发事件资料多来源于新闻报道拼凑的材料，其数据来源等级较低，数据失真程度较高，不能真实反映该区域的实际情况，从而直接导致数据的有效性偏低，专家打分也就不能真实反映这4个区域的真实水平。而在复现的研究中，本文根据证据来源有效性的分级金字塔优先选择了更高等级的证据来源 (各区域突发事件的事故调查报告、官方通告或发布会信息)作为专家打分的基础，使数据的效度大大提高，专家的打分也能如实反映4个区域的真实情况，由此验证了数据来源分级的重要性与科学性。

图7 揭示信息阶段

(3)综合研判。在综合研判阶段，首先应融合专家智慧。邀请专家对打分结果的合理性进行分析并研判。例如，打分结果显示，北京市、上海市、新疆维吾尔自治区和浙江省的应急表现能力较优秀，那么其突出优势是什么？应如何保持？对此，经讨论得出：这些区域全年虽然未发生严重的自然灾害或较大生产安全事故，但在发生的一些小的突发事件中，政府应急部门表现优异，能响应迅速和及时救援，在应急响应和应急处置阶段，均能快速出动，联合相关部门妥善处置危机。在善后恢复阶段，能积极与死伤者家属对接，控制危机蔓延避免次生灾害，这些区域应在未来继续保持这种快速响应与联动，继续加强应急准备能力建设；重庆、贵州、青海、甘肃、广西、湖南、山东和黑龙江的应急表现能力较差，那么其原因有哪些？应着重提高哪些方面的应急能力？对此，经讨论得出：这些区域均发生了重大自然灾害或生产安全事故，应急准备严重不足且缺乏突发事件的监测与预警机制，救援的响应速度迟缓，救援中存在处置不力、救援方式不科学、装备匮乏等情况，这间接导致了人员和经济损失重大；随后，邀请此次评价的需求方进行讨论，了解其需求与目标，以便更好制定对策建议；接着，对专家打分过程进行审查与评估；最终，结合打分结果、专家研判与需求者期望，给出适当的对策建议，如图8所示。

图8 综合研判阶段

(4)形成方案。经过专家研判，形成如下4条政策建议。

第一，对于应急表现能力优秀的区域，应加强突发事件的监测与预警机制，继续发扬迅速的应急响应能力、协调的应急联动机制以及科学的应急救援行动等优势；

第二，对于应急表现能力较差的区域，应组织全面的安全生产隐患大排查行动，对区域内的企业员工开展安全生产教育培训活动，提高企业及员工的安全生产意识。还应加大对救援相关人或物的资金投入，提高救援人员训练与演习的强度与频次，提高救援队伍的专业化和科学化水平。

第三，针对全国大部分区域存在应急准备不足、突发事件监测与预警机制缺位情况，应利用大数据技术强化安全生产基础信息工作，建立基础数据采集制度，在一些高危行业建立安全生产大数据风险源数据库，做好对应的应急准备工作。

第四，针对全国大部分区域存在应急响应与应急救援得分不高的情况，应进一步完善应急预案系统，依靠大数据的技术红利构建数字化的应急预案系统，在救援中大量使用无人机、机器人等智能化设备，以减少救援人员的伤亡。

本研究结合打分结果、专家研判与需求者期望，根据全国不同区域应急表现能力现状有针对性地给出4条建议，较原研究的政策建议更具有合理性与可操作性，体现出本文构建的基于循证决策理念的智库决策路径的合理性与科学性。

4 总结与展望

本文将循证医学中常用的证据分级金字塔引入智库研究证据分级中，其主要目的是为了使智库研究者在证据验证与评价阶段有据可依，提高决策的效率和科学性；随后基于循证决策的理念在DIIS框架内构建不同于传统决策模式的智库决策路径，为DIIS框架提供理论支撑的同时也丰富了循证决策的内涵；最后，运用实际案例验证基于循证决策理念的智库决策路径合理性和优势。本文所提基于循证理念的智库决策建立在最佳证据、专家智慧和决策需求者期望的综合考虑之上，在最大程度上保证决策的科学性与可靠性，但循证决策的顺利实施亦需要人员、环境等作为保障，当前我国循证决策的发展还面临一些困境，如一些智库研究人员缺乏一定的数据处理能力，导致高质量的数据无法顺利转化为高质量的证据；国内开源数据较少，智库研究多依赖于质性资料，高质量的证据如RCTs研究结果或系统评价研究结果不易获取等。为了解决这些困境，应提高智库研究人员的数据收集与处理能力，加强企业与智库间的合作，利用市场和资本的力量搜集更多高级别的证据以做出更高质量的决策。