关于新时代我国科技情报工作发展的思考

陈云伟

（1. 中国科学院成都文献情报中心，成都 610299；2. 中国科学院大学经济与管理学院信息资源管理系，北京 100190）

我国的科技情报事业起步于1956 年，历经初创期、恢复与发展期、改革探索期、深化发展期和转型创新期五大阶段，60 余年的发展[1]，科技情报工作在服务我国科技事业发展过程中发挥了重要的作用。所谓科技情报工作，即准确、及时、系统、全面地监测、收集、报道和分析国内外科技政策、战略、规划、计划、举措、进展、成果等信息，通过数据挖掘、统计对比分析、知识发现、专家咨询等方法，对相关信息进行归纳、比较、评价等分析和研判，提出相关对策和建议，为我国科技决策部门、管理部门、科研人员等提供准确的情报服务和智库决策咨询服务。在新时代、新形势下，新一轮科技革命和产业变革推动全球科技迅猛发展，竞争格局加速演化，科技创新已成为全球竞争博弈的主要战场。科技情报工作需要满足新时代加快科技自立自强步伐的新要求，要能适应转型创新期的全面要求，直面数字技术快速进步带来的信息环境与信息获取方式的革新，也要实现高水平的自立自强，创新工作范式和理念，拓展分析方法、工具和手段，开展高水平科技发展战略研究和决策咨询研究，提供高质量决策咨询意见和建议，为科技自立自强提供有力的情报支撑。

1 新时代科技情报工作面临的国际国内环境

1.1 世界科技发展态势与竞争格局深刻变化

我国科技情报事业进入转型创新期的同时，迎来了全新的发展环境，受全球新一轮科技革命和产业变革深入发展以及世纪疫情的叠加影响，当前世界百年变局加速演进，全球科技发展态势与竞争格局深刻变化[2]，主要表现包括两大方面。

其一，全球科技竞争加剧态势明显，固有合作规则不断被打破。科技创新成为国际战略竞争的主战场，科技强国奋力抢占科技制高点，积极布局未来科技发展战略，提高对基础研究的重视程度，重点部署数字技术、生物科技等前沿领域，高度关注可持续发展领域，重视人才培养与引进[3]。例如，美国国会于2021 年11 月通过了《基础设施投资和就业法案》（Infrastructure Investment and Jobs Act，IIJA），其重要目标之一就是应对气候危机和改善环境[4]；欧盟理事会于2021 年11 月通过《单一基本法案》（Single Basic Act），由“地平线欧洲”计划提供近100 亿欧元支持10 个欧洲伙伴关系项目，以加速欧洲社会向绿色和数字化转型[5]；英国政府于2023 年3 月发布了《英国科学技术框架》（UK Sci‐ence and Technology Framework）政策文件，旨在聚合英国政府各部门力量实现共同目标——到2030 年巩固英国作为全球科技超级大国的地位[6]。

其二，世界科技快速发展，突破性、颠覆性创新不断涌现。习近平同志指出，“科技创新广度显著加大”“科技创新深度显著加深”“科技创新速度显著加快”“科技创新精度显著加强”[7]，特别是量子计算、基因编辑、脑机接口、癌症诊疗等领域新技术日新月异[3]。例如，在《科学》杂志评选的2022 年度十大科学突破中，有6 个与生命科学相关，包括巨型细菌、多年生稻、黑死病如何改变欧洲人基因、古老生态系统、呼吸道合胞病毒（respi‐ratory syncytial virus，RSV）疫苗以及可能导致多发性硬化的病毒等前沿技术领域[8]。《全球创新指数2021》指出，受新冠肺炎疫情叠加影响，2020 年全球科技创新的效率相较于过去10 年的平均值而言有明显提升[9]。

在此全球发展新格局的背景下，要求科技情报工作能够在我国科学谋划科技发展战略与路径、有效展开高水平国际科研合作、有力参与国际科技竞争、抢占科技制高点、引领更多领域前沿方向等方面做出高质量情报支撑服务。

1.2 我国加快科技自立自强步伐的战略需求

目前，我国正开启全面建设社会主义现代化国家新征程，将科技创新作为核心支撑，坚持科技自立自强发展道路，加快建设科技强国。虽然我国科技整体水平已实现大幅提升，但与建设世界科技强国目标需求、国际科技竞争需求、创新驱动发展需求、科技体系布局需求、经济社会发展需求这五大战略需求[10]相比，我国科技事业在加强原始创新、创新体系效能、资源整合力度、科技创新力量布局、科研投入产出效益、人才队伍结构、科技评价体系、科研生态等方面仍然存在亟待补齐的短板[7]。例如，虽然我国PCT（Patent Cooperation Trea‐ty）专利申请量已经连续多年高居全球第一[11]，但是三方专利申请量与日本、美国还存在较大差距[12]，我国在诺贝尔科学奖方面劣势依旧十分明显[13]。在此背景下，我国科技情报事业也亟须在服务科技事业满足上述战略需求方面做出显性贡献。习近平同志指出，广大院士要勇攀科学高峰，敢为人先，追求卓越，努力探索科学前沿，发现和解决新的科学问题，提出新的概念、理论、方法，开辟新的领域和方向[7]；有意识地发现和培养更多具有战略科学家潜质的高层次复合型人才[14]；加快建设一批产品卓越、品牌卓著、创新领先、治理现代的世界一流企业，要全方位谋划基础学科人才培养，科学确定人才培养规模，优化结构布局，在选拔、培养、评价、使用、保障等方面进行体系化、链条式设计，大力培养造就一大批国家创新发展急需的基础研究人才[15]。同时，我国要破除制度的“藩篱”，持续优化科技体制机制，完善科技评价制度，营造良好科研生态。

这些要求既是对我国科技管理部门、科研机构和广大科研人员提出的期盼，也是我国科技情报工作的有力抓手和关键切入点。党的二十大报告指出，我国要“强化科技战略咨询”。苏新宁[16]指出，高水平科技自立自强需要我国科技情报工作要能够发情报思想之声，在国家科技发展战略中发挥情报决策支持力，服务于国家安全与经济社会发展。在此背景下，赵志耘[17]提出，“十四五”时期，我国科技情报工作要着重提升科技文献资源的战略保障能力、科技情报智库对科技决策的支撑能力、前沿技术态势感知的情报预警能力、面向经济主战场的产业情报服务能力和科技计划管理全流程的情报支撑能力。

总体而言，新时代我国科技情报工作要坚持以解决国家重大关切、满足国家需求为出发点，为决策与管理部门提供高水平的情报服务和智库咨询成果，为科技自立自强提供高质量情报支撑[1]。科技情报工作的核心是促进我国科技事业的发展，因此，要聚焦未来科学发展范式、态势与方向、科学问题、前沿领域和关键技术选题等开展预见研究，要针对机构、团队、人才、项目等要素开展诊断性评价分析，要围绕科技体制机制改革、科技评价改革、科技政策供给、多元化科技投入、促进科技与经济融合、推进科技成果转移转化等问题开展对策研究。

1.3 数字技术驱动科技情报范式变革

数字技术的发展催生了智能化、数字化的新生态系统，促进了产业数字化转型，发展数字技术成为世界各国应对世纪疫情的重要举措之一，我国已将发展数字经济上升为国家战略，加快建设数字中国，数字化转型成为我国经济社会发展的主要特征之一。持续提升数字治理能力、改进数据要素质量、提高数字应用水平是各个领域面临的重要挑战之一。

数字化转型给科技情报工作的数据、方法、技术、工作范式和理念都带来了深刻的革命性影响。网络化、数字化带来科技信息数量的急剧膨胀，颠覆了固有数据管理、知识组织、数据服务、信息分析的方式和手段，大数据、人工智能等新技术对传统科技情报研究范式带来了变革性冲击；特别是2022 年11 月，ChatGPT 一经发布，就引发全球范围内的广泛关注，大模型正深刻影响着人类信息获取和信息创造方式。科技情报工作需要面对复杂信息环境下情报需求的新特点，及时创新服务模式和手段，以应对新一轮科技革命与产业变革所带来的全新挑战。

第一，面对类型多样、数量巨大、快速更新的大数据和信息，科技情报研究的理论、方法、工具和实现路径都需要进行主动的系统化优化或改进，克服理论和方法匮乏的窘境；特别需要关注大数据发展对数据与信息供给的驱动、数字技术与人工智能技术对方法供给的驱动、用户需求升级对科技情报内容和服务模式的驱动。

第二，数据成为数字社会的重要生产要素，对科技情报工作也同样如此。科技情报工作需要特别重视数据科学的发展，着力提升对数据科学的系统性认识，健全理论体系，推进方法创新，拓展应用实践[18]。一方面，科技情报工作需要提高对海量大数据的存储、标引和知识组织能力，特别是要加强专业领域数据库建设，形成支撑科技情报研究的关键基础设施；另一方面，要持续提升针对这些丰富多源数据的挖掘与计算能力，并充分与人工智能、深度学习等技术进行融合，实现智能分析与智能情报服务范式升级。

第三，数字技术的发展极大地丰富了科技管理者和科研工作者等科技情报用户的信息获取渠道，科技情报部门仅提供科技文献等信息已无法满足用户对科技情报工作的需求，科技界需要文献情报机构发挥智库及决策咨询作用。知识智能化服务需求推动科技情报工作范式变革[19]，科技情报工作不仅是资源、信息和数据的提供者，更是科研活动的参与者。服务内容更加多元化，可以为政府、企业、高校、科研院所等提供政策咨询、行业发展态势分析、情报可视化和前沿科学技术咨询等服务。借助大数据、云计算、数据挖掘等技术构建知识服务平台，建立较为全面的知识架构，提供信息咨询、战略规划、发展预测、个性化定制、成果评价等服务。

2 开展以国家战略需求为导向的科技情报工作

在新时代我国科技情报事业正面临着世界科技发展与竞争新格局这一全球大背景下，需要科技情报界置身全球科技竞争与合作这一国际场景，跟踪世界科技发展态势与前沿进展，认识科技自身发展规律，研判未来科技突破的前沿方向。我国科技强国建设与实现高水平科技自立自强为科技情报工作提供了广阔的应用场景，在解答国家对科技创新事业发展的重要关切问题上具有广阔的应用空间。习近平同志指出，我国科技整体水平大幅提升，我国科技实力正在从量的积累迈向质的飞跃、从点的突破迈向系统能力提升，同时也面临原始创新能力还不强、创新体系整体效能还不高、科技创新资源整合还不够、科技创新力量布局有待优化、科技投入产出效益较低、科技人才队伍结构有待优化、科技评价体系还不适应科技发展要求、科技生态需要进一步完善等长期存在的难点[7]；亟须创新工作思路，下大气力提出切实有效的解决方案。同时，数字化驱动科技情报工作要着重夯实科技情报学科理论根基，强化数据基础建设，拓展适用方法、数据与工具，最终为我国科技创新体系的健康发展提供有效的决策咨询问题解决方案。综合而言，在上述科技情报应用场景中，本文认为，我国的科技情报工作需要着力以下五大方面，提供超越学科领域限制，融合社会经济发展多维视角，具有战略性、专业性、综合性、前瞻性、适用性的情报。

2.1 夯实科技情报研究的理论、方法与数据根基

科技情报事业要实现服务科技自立自强的战略目标，首先要大力夯实科技情报理论与方法研究，尤其要牢牢把握数字化发展带来的数据、方法、工具等革新机遇和手段供给，形成开展高水平科技情报研究与服务的理论基础，进而为国家的科技决策提供高质量战略情报支撑。具体而言，我国科技情报工作要发展“三维一体”的科技情报研究理论与方法体系。

第一，科技领域维度。赵凡等[20]早在2006 年就指出，随着数字技术及网络化环境的发展，科技情报研究的内容和方式也快速向战略情报研究转型，并将战略情报研究划分为动态监测、态势分析和前瞻预测三种典型类型。时至今日，这种划分方案依旧适用于从科技领域维度对科技情报研究工作进行概括。①全球科技态势监测与感知。研究直接服务国家重大决策需求（如规划研究、实验室发展、双碳行动等）的长周期、结构化的全球科技态势监测与感知理论与方法。②科技领域发展观察与分析。基于科技领域政策、规划、战略、行动、基金资助、论文和专利等科研产出成果等外部特征，研究揭示科技领域发展态势与趋势的理论和方法。③科技前沿方向预见与前瞻。基于高质量科学学大数据、重大科技战略与政策等信息，借助先进的数据模型与数字技术手段，开展重要科技前沿方向预见与前瞻的理论与方法研究。

第二，创新主体维度。按照科技情报工作所关注的创新主体进行区分，科技情报研究可以从宏观、中观和微观三个层面进行归纳。①国家或地区科技发展战略研判与评价。一方面，观察美国、英国、德国、法国和日本等主要科技强国及欧盟的科技战略、规划和布局，特别是面向未来的科技战略布局特点，形成标准化的分析框架，评估各国面向未来战略布局的特点和规律。另一方面，重点研究有关国家竞争力与科技创新力评价的指标体系，主要从政策制度、基础设施、科技研发、金融投入、人力资本、知识资产等评价维度进行设计指标体系。例如，笔者团队在第五届科学计量与科技评价天府论坛上首次发布的《科技创新中心科技创新力指数2022》报告，从科技创新资源、科技创新成果、科技创新环境和科技创新影响四个方面构建指标体系，对科技创新中心的创新发展基础和能力现状进行评价。②机构科研布局特点剖析与评价。研究长短周期结合、宏观与微观结合、定性与定量结合的评价指标，探讨能揭示高校、科研院所、企业等机构的研发布局和竞争力指标体系的理论基础，并构建可行的诊断性评价指标体系。③人才培养与发展战略分析。构建发现科学大师、战略科学家、一流科技领军人才和创新团队、青年科技人才、卓越工程师、大国工匠、高技能人才的方法和模型，制定孕育科学大师的实施路径，研究人才独特价值的评价方法。为支撑上述宏观、中观和微观评价指标体系的指标选取与计算，需系统研究因子分析、熵权法、神经网络分析等相关理论与方法。

第三，分析方法维度。数字技术的进步极大地推动着科技情报研究方法的演进，赵志耘等[21]指出，智能方法和技术的迅速发展给科技情报研究方法带来了前所未有的发展机遇，我国新形势下科技情报研究主要需求是面向科技领域，以开源数据作为主要研究对象，为国家科技事业提供有价值的开源情报服务。总体来说，当前及未来一段时期，我国科技情报研究应关注以下方法能力的提升。

（1）大数据分析与知识发现方法。大数据分析对知识发现的价值在于可揭示更深层次的信息与知识，特别是隐性的关联知识，有助于促进科学研究全过程的知识融合，引导学科交叉融合，为知识发现研究提供新思路和新手段。科技情报理论与方法研究需重点关注基于科技领域大数据，特别是科学学大数据[22]解析科研规律和揭示科学结构的理论、方法和模型，形成基于数据开展科技情报应用研究的理论基础。

（2）智能情报分析方法与模型。第一，研究基于人工智能与大数据的智能情报与知识发现方法，推进利用人工智能技术开展语义关系挖掘与知识抽取，提升数据关联分析、知识发现和情报感知能力。第二，围绕关键核心技术攻关需求，深入开展科技领域知识产权布局、专利组合与专利池分析与挖掘的理论和方法研究，深化知识产权价值评估方法，服务于我国知识产权强国战略。第三，研究构建适应科技体制改革的新型科技评价体系，科学地开展科学的项目、机构、人才、成果、技术等分类评价。

（3） 决策需求导向的智库咨询方法。研究嵌入国家和地方各领域科技发展规划、科技体制改革、重大战略咨询、重点科技项目、产业战略布局等任务的决策咨询理论和方法，为面向我国机制性、常态化开展领域科技前沿和创新政策情报决策服务提供诸如智库双螺旋理论[23]等理论和方法根基。

同时，我国亟须下大气力推进国家科研论文和科技信息高端交流平台建设工作，加强对自主知识产权的科技情报数据库、索引系统、分析平台与工具的开发与建设工作，夯实支撑科技情报工作的数据根基，为科技事业提供安全、持续的数据资源保障。建设支撑智能分析的科技情报数据库，需要融合基于深度标引的标准化数据的智能情报分析工具和模型，可提升科技情报研究的标准化，提升情报研究结果的可重复性和验证性。高质量的数据库，一方面可作为科技情报信息的可靠来源，另一方面可作为支撑科技情报界开展情报理论与方法研究的分析测试的试验场。

2.2 布局面向科技未来发展的科技战略政策研究

科技强国面向未来布局科技发展战略的共性特点包括提高对基础研究的重视程度，重点部署数字技术、生物科技等前沿领域方向，高度关注可持续发展领域等人类社会重大关切[3]。科技情报工作需针对这些共性关切问题提出先进的中国方案。

第一，深化基础研究战略政策研究。基础研究是整个科技创新体系的源头，是决定科技竞争实力和能力的基本保障，更是我国成为科技强国的基本前提[24]。我国已明确要在“十四五”时期以及至2035 年中长期的时间里持之以恒地加强基础研究，并实施基础研究十年规划，突出原创，鼓励自由探索。科技情报工作需要围绕在未来5～15 年切实持续提升我国基础研究整体实力、基础条件和原始创新能力这一核心目标，开展战略与政策引领性的情报研究任务，以夯实基础研究在国家建设科技强国进程中的坚实基础。具体而言，开展基础研究相关战略政策研究，需要坚持六大原则。原则一：前瞻性，面向未来十年科技创新发展对基础研究发展的需求；原则二：引导性，顶层设计基础研究未来十年要推动的具体举措；原则三：操作性，聚焦基地、人才、项目、平台、任务、生态等统筹设计具备可操作性的行动方案；原则四：专门性，注重与科技创新规划和基础研究规划等定位的差异；原则五：主线性，提出一个从管理者到科研工作者都认同的共同抓手；原则六：可行性，符合我国科技创新与基础研究发展实际的行动计划。

第二，研判未来科技前沿发展方向。随着我国科技创新能力的不断进步，逐步有更多的领域开始处于“并跑”甚至“领跑”地位，没有了“跟跑”时所跟随的“标杆”，此时需要我国相关科技领域科研共同体能准确判断未来科技突破的方向，敢闯科学技术“无人区”，开展原创性、引领性科技攻关，解决重大原创科学问题。习近平同志要求，我们要能“发现和解决新的科学问题，提出新的概念、理论、方法，开辟新的领域和方向，形成新的前沿学派”；“要深度参与全球科技治理，贡献中国智慧，塑造科技向善的文化理念，让科技更好增进人类福祉，让中国科技为推动构建人类命运共同体作出更大贡献”[7]。发现新科学问题、研判未来科技发展方向，除了对专业领域的科学家们提出了更高的要求，也给面向科技领域的科技情报工作带来了全新的契机和挑战。科技情报界需要回答的问题是，新的科学问题与未来科技方向是否具备可识别性和可预见性，以及哪些情报分析方法可用于识别和预见工作。例如，冷伏海等[25]通过观察主要科技发达国家和国际组织等开展的前瞻与预见工作，从社会发展趋势、未来发展愿景、未来关键技术群和应用场景等角度，对我国未来十年的发展愿景和科技创新需求场景开展了预见研究。对于此类探索与尝试，科技情报界还需持续发力，特别是需要重视使用高级数据模型和可视化手段来预测未来科技发展范式或方向，帮助人们理解未来社会各种潜在的替代行动可能产生各种影响，进而科学地构想和勾画未来。

第三，识别领域新兴、前沿与颠覆性技术。近年来，科技情报界对前沿技术、新兴技术、热点技术、颠覆性技术等的识别与预测研究兴趣持续提升，大量学术成果和研究报告得以发布。例如，Liu 等[26]使用代表“科学-技术-产业-市场”链的多源数据来识别颠覆性技术；白如江等[27]通过融合科技规划、基金项目和论文数据，提出了一种基于主题相似度、强度、新颖度的前沿识别方法，用于识别研究领域的热点前沿、新兴前沿、潜在前沿及衰弱的前沿等。近年来，《科学》杂志每年都会发布年度十大科学突破，介绍全球科技发展最新突破性进展[8]；中国科学院联合科睿唯安通过研究论文的被引模式和聚类分析等方法，持续发布年度研究前沿报告[28]。已有研究发现，这些技术的识别方法还存在模糊与边界不清的问题。从这些技术的概念梳理可见，一旦技术的重要性被确定或发现后，它们之间的基本关系可以理解为，颠覆性技术属于前沿技术，前沿技术与新兴技术存在部分重叠，其共性成为热点技术。然而，在这些技术被发现或被确认前的早期阶段，技术识别是极为困难的：前沿技术和新兴技术都未成长为热点技术时，难以被发现；颠覆性技术可能已是前沿技术、新兴技术、热点技术，也可能是已有的常见技术；颠覆性技术被确认后，基本可归为前沿技术的范畴，但前沿技术不全是颠覆性技术。厘清这些基本逻辑关系是有效开展相关技术识别研究的基本前提。

2.3 组织科技体制机制改革方案及管理制度研究

党的十八大以来，党中央全面推进科技体制机制改革，致力于扫除阻碍科技创新的体制障碍。2015 年9 月开始实施的《深化科技体制改革实施方案》部署的10 个方面涉及143 项改革任务已经全面完成[29]，科技体制机制改革取得实质性进展。然而，一些深层的体制与制度藩篱仍未得以根本破除，改革进入深水区，需要科技情报工作深入开展科技体制机制及管理制度改革方案研究，为我国进一步深化科技体制改革、优化政策供给提供高质量决策参考，重点包括以下六大方面。

第一，优化科学计划与科技项目管理办法。随着我国科技迈入更多“无人区”、探索更多世界科技前沿问题，未知性与不确定性明显增强，需要持续研究优化决策方式与决策模式，探索灵活的过程管理方法，加速前沿创新突破进程。需要重点研究科学可行的长周期、高风险、难度大、前景好的战略科技项目的立项与管理办法；探索灵活、有效的“揭榜挂帅”“赛马”等新项目资助模式的运行机制；研究制定非共识和颠覆性项目管理办法；制定持续、稳定的基础研究立项与考核机制，特别要明确对自由探索性以及纯基础研究课题的评选机制。

第二，研究打通科技和经济转移转化通道的有效路径。研究发挥科技创新对促进国内国际双循环、国内统一大市场的作用机制；探索科技创新和实体经济协同转型升级发展的新路径；创新促进科技成果转化、增强知识产权保护、科技金融、科技服务等产品类型与服务模式；探索企业主导的产学研深度融合路径，提高科技成果转化和产业化水平等。

第三，研究面向2050 的科技人才引育工程。我国需要建设规模宏大、结构合理、素质优良的人才队伍，培养造就大批德才兼备的高素质人才，并形成更多青年学生追求成为科研型人才的社会文化氛围。科技情报界应系统分析战略科学家与科技领军人才的成长规律、发现与培养机制，研究杰出青年科技人才培养方案，研究高水平创新团队培育机制，健全起步于中学阶段的长周期科技人才培养系统，探索全方位的科技人才引进、培养、使用体系。

第四，研究科技体系布局与科研条件建设战略。系统研究国家实验室、国家科研机构、高水平研究型大学和科技领军企业四大类战略科技力量的定位布局的演化历程，研究未来发展定位与布局策略；科学论证重大科技基础设施的建设规划；探索科学仪器设备自主研发与产业化应用推广路径等。

第五，探索科技开放合作新路径举措。探索高质量融入全球创新网络的路径，设计以国际大科学计划和大科学工程等为抓手的相关国际合作战略规划，研究面向全球的科学研究基金实施办法，分析国际科技组织运行机制，提出我国更多参与和承担国际科技组织管理与事务的相关路径。

第六，研究营造良好科研生态的政策。研究进一步提高全社会科研诚信水平的思路；打造创新创业梦想地的新路径；研究弘扬科学家精神、营造崇尚创新、宽容失败氛围、为人才松绑的有效举措；研究全面提升全民科学文化素质的长期行动计划，不断创新符合数字社会发展需求的科普新范式；研究推进科技管理职能转变路径，向科研机构和科研人员释放更多自主权的办法；前瞻研判新技术突破带来的潜在科技伦理风险，研究相关规则与管理框架，构建防范体系。

2.4 探索可揭示问题和规律的科学学大数据分析

科学学大数据研究对知识发现的价值在于可揭示更深层次的信息与知识，促进科学研究全过程的知识融合，引导学科交叉融合，为知识发现研究提供新思路和新手段。所谓科学学大数据，是用于科学学研究数据的统称，具体包括贯穿科学研究全过程的有关科学生产活动的基金、论文和专利等科技文献数据，科研主体的合作、引用、流动等网络关系数据，以及学者背景数据、科研行为信息、科研工具软件数据、科研新媒体数据等，这些数据为开展科学学研究提供了广泛的数据基础[22]。得益于数字技术的进步，开展科学学大数据分析极大地拓展了科技情报工作的应用领域，将在以下四大方向发挥重大作用，并将取得深入发展。

第一，揭示科研规律。基于这些丰富的科学学大数据，可以揭示与描绘科学研究的内在规律与特征，如揭示学科方向的诞生与演化进程、挖掘科研活动规律、科研创新规律等，有助于从科学研究全过程视角整体理解影响科学发展的各种因素，从而促进科技管理与研发组织行为向更优方向发展。例如，Wu 等[30]关于小团队更有潜力做出颠覆性创新的发现表明，科技创新活动需要多元组织模式，在制定科技政策工具与科研资助过程中，需要考虑支持多形式的科研组织机制。基于科学学大数据揭示的科研规律和特征的普适性需要辩证的理解，将其限定在一定的条件下进行解读，必要时进行相应检验。

第二，解析科学结构。在科学计量学领域，针对科学技术系统的数学建模研究有着悠久传统，旨在回答有关科学学科、科学范式和跨学科研究前沿等新兴结构背后的基本机制问题。2005 年，Boyack等[31]基于自然科学和社会科学领域7000 余种期刊的100 多万篇期刊论文，制作了一张全领域的科学结构地图，可用于检测学科之间的关联关系。近年来，得益于网络分析方法、数据挖掘算法、机器学习模型、信息可视化方法的发展，以及CiteSpace、Sci2、VOSviewer、CitNetExplorer 等各类分析工具的出现，研究人员可以从基于科学学大数据的外部特征出发，解析并识别出科技领域本身固有的、客观存在的科学结构特征[32]。需要指出的是，当前针对科学结构的分析通常基于合作或引用网络而展开，然而这种选择目前既无系统的理论解释，也无明确的理论依据，哪种类型的网络更适用于揭示科学结构，还需深入探讨。例如，Ahlgren 等[33]对基于不同引用关系、文本关系构建的网络进行社团划分比较研究，发现了不同网络在社团划分效果上的差异，对指导选择适当网络开展科学结构分析具有参考价值。在科学结构研究中，还需持续研究网络的构建问题，网络是否科学、合理且准确，能否有效揭示科学结构的最基本前提。例如，蒋璐等[34]、张瑞红等[35]开展的混合网络社团划分研究，为科学结构研究提供了更深入的视角。

第三，分析科研活动。通过分析论文、专利等科研产出数据，以及科学家个人的教育经历和职业生涯等信息，可以揭示研究人员的科学行为、就业和职业选择等规律性知识，可以揭示科研团队或机构的组织运行模式，对于指导科研团队建设、人才引进与培养等工作具有重要价值。例如，研究发现职业生涯的早期到中期更易产出科学家个人最佳科学发现或科研成果[36]。然而，不论是科学家个人还是科研机构，论文和专利等科研产出仅是其科研活动的衍生产物，基于这些产品来逆向揭示的科研活动信息并不是个人和机构科研活动的全貌，对这些结果的利用应严格控制边界条件。

第四，支撑技术识别与预测。如今在现代科学的各个领域几乎都存在预测新科学发展的愿望，如预先知道新发现是什么，由谁在何时何地发现。在技术预测领域，已有研究方法以同行评议与德尔菲法为主，但是在图书情报领域，研究人员期待利用这些科学学大数据信息可以产生比专家的定性预测更加客观、准确的预测结果。然而，急剧增长的科学学大数据对分析方法和工具的需求快速增加，传统的统计与分析指标、算法和模型已经无法满足新的研究需求，特别是技术识别与预测研究方法，尚无完全可靠的有效方法和工具。为了解决这一瓶颈问题，一方面，需要构建科学、可行的理论框架体系和方法体系，提出有效的算法或模型；另一方面，要求开发开源的标准化工具和平台供用户广泛使用，并不断升级工具的实用性。近年来，机器学习与人工智能方法获得越来越广泛的应用。例如，Zhou 等[37]利用数据增强方法与深度学习技术，基于专利数据来预测新兴技术，该研究对Gartner 技术成熟度曲线的实证预测结果表明，该方法具有77%的准确性。

2.5 展开围绕提出可行解决方案的科技评价研究

围绕科技评价促进科学技术发展这一初衷[38]，创新评价理论与方法，研究科技评价新方案，准确认识定量指标和方法的客观价值[39]并开展有效利用，避免虚假的、精准性的个人评价指标，严格限制论文及引用数据的使用[40]，推广分类评价，探索非共识和颠覆性科技项目的评价机制，开展与国家科技自立自强发展相适应的科技评价工作范式。

第一，拓展重大项目部署和绩效评估。我国当前各级科技项目立项评估工作在流程、专家选择、标准等方面存在不足，项目立项评估的有效性、科学性、风险可控性等方面还有很大提升空间[41]。科技项目管理部门在不断优化评估工作的同时，急需科技情报力量的系统性参与，基于有关科学结构分析、重大科学问题发现、科技热点与前沿方向识别、颠覆性技术预测等的研究结果，指导科技项目的立项工作，特别是长周期重大科技项目的总体部署，将有助于项目目标设定的合理性、实施方案的科学性。对项目结题的绩效评估，科技情报工作则可聚焦于评判项目成果的学术价值本身，如科学价值、技术价值、经济价值、社会价值、文化价值等，而不局限于与任务目标中确定的定量指标的量化评估。

第二，探索科技成果质量评价与分类评价。科技成果评价工作必须要回归科学研究本身来寻求科学的解决方案，真正通过科学的评价方案去催生真正高水平的科技成果。在此过程中，一方面，我们要充分认识到科技成果价值的多元性，避免采用单一的、片面的指标；另一方面，科学合理地使用定量评价指标已成为科技界关注与议论的焦点，如何改进定量评价指标也是学术界非常关注的问题，需要充分把握科学学大数据的发展为科技评价走向深化带来的契机。例如，Liu 等[42]采用引文迭代的思想，加入时间维度，构建了同时考虑论文被引次数、发表期刊质量和施引论文影响力的动态论文影响力评价Q 指数，可揭示论文基于多个引用层级的施引文献的影响力差异。

第三，组织关键技术竞争力水平评价。国际科技竞争是包含科技体制、人才、技术、标准等整个科技创新体系的竞争，最直观的外在表现是关键技术的竞争。然而，现有科技情报工作对关键技术竞争力的评价工作依旧停留在围绕论文或专利等科技成果的定量比较分析层面，深入到核心技术内在竞争力的研究工作相对较少，究其原因在于缺乏有效的方法。因此，需要研究关键技术的识别方法，并基于论文或专利等科技成果及影响力、相关科研力量的学科结构、年龄结构、科研范式等多维评价策略，联合经济效益、产业价值等指标，提升对关键技术竞争力分析的客观性。

第四，细化优秀人才发现与成效评估。我国的科技人才队伍规模全球领先，然而我国科技人才队伍的总体水平依然有待提升，与建设科技强国目标需求相比，还存在很大差距，特别是科学大师、战略科学家、科技领军人才和创新团队、顶尖基础研究人才和关键核心技术人才不足。因此，开展人才评价工作，要实施贡献导向的分类分级人才评价机制，切实“破四唯”。出发点应为发现每位科学家个体不可替代的独特价值，而不是把科研人员进行横向比较大排名。要以发现和培养战略科学家、科技领军人才和创新团队、各类高层次人才及优秀的青年科学家作为基本导向，努力创造静心致研的良好科研环境，筑牢各类人才愿意安定下来、可发挥个人最大潜能的良好条件，进而最大化地发挥全社会科技人才的创新潜能，努力孕育科学大师。

第五，推广国家、区域、机构竞争力诊断评价。当前有关国家、区域和城市、科研机构竞争力评价的主流工作是排名或等级评定，如各类国家排名、城市排名、大学排名、企业排名等报告，相关结果可以作为观察国家、城市、机构所处竞争地位的参考。然而，这些排名高度依赖经济和产业数据、期刊论文、被引频次或专利等定量指标，引起了“唯论文”“唯数量”等以提升竞争力得分为目的的逐利行为。针对国家、城市和科研机构的评价更多的应为诊断性评价，即以揭示其优势与不足为出发点，提出诊断性改进建议，最终提升其内在核心竞争力。

3 建设符合新时代要求的科技情报人才队伍

人才是自主创新的关键，同样地，科技情报人才是科技情报事业发展的关键。科技情报工作人员队伍的整体能力决定着我国科技情报事业的水平，唯有夯实人才队伍根基，才能具备开展满足新时代国家加快科技自立自强步伐需求的高质量科技情报工作。然而，我国科技情报人才队伍还存在结构性矛盾，近年来，科技情报界对自身领域人才队伍建设的系统性研究与思考较少，与国家对人才队伍建设的高度重视度相比并不相适。我国新时代人才强国战略特别强调战略科学家、一流科技领军人才和创新团队、青年科技人才队伍、卓越工程师的培养和使用[14]，可以认为是我国人才强国战略的人才队伍战略基底结构。为此，科技情报界需以此人才队伍结构作为战略指导，高度重视人才队伍建设，紧跟时代发展需求，基于科技情报事业发展场景与需求，结合大数据、人工智能、机器学习等数字技术在科技情报领域快速发展要求，持续优化科技情报人才队伍结构，着力打造集成“战略-理论-方法-数据-工具-分析”六型协同的新时代科技情报人才队伍。

第一，需系统化培养科技情报战略科学家。科技情报战略科学家，是长期奋战在科技情报工作一线、具有深厚理论素养和实践经验、对情报工作发展方向和国家需求有深刻判断、能够提出并组织重大科技情报攻关任务的“关键少数”，是能够带动或引领相应组织、机构、部门或团队瞄准国家战略目标，深耕科技情报特定方向研究，甚至能够影响我国科技情报界发展方向和发展路径的领军级科学家，其最重要特点就在于“战略性”[43]。

第二，需持之以恒培养科技情报理论人才。科技情报理论与科技情报事业相互促进、同步发展，科技情报理论指导着科技情报事业发展；反过来，后者的进步又推动前者的不断完善和提升。然而，与科技情报实践相比，我国情报理论研究与思辨不足，亟须加强理论创新与学科理论体系建设[44]。首要任务就是要提高科技情报理论人才供给，培养更多科技情报领军人才，融通“数据-信息-知识-情报-解决方案”链条这一基本理论框架。

第三，需大力培养科技情报方法研究人才。数字技术在快速推动科技情报研究方法演进的同时，也对科技情报方法研究人才的知识结构提出了新的要求。传统的基于结构化数据库和信息门户网站开展信息检索与统计、利用通用的数据分析工具或平台开展数据统计的方法已经无法完全适应数字社会科技情报工作的发展要求。我国需要大力培养智能化情报方法的研究人才，特别是先进数据模型研究人才，促进人工智能技术在科技情报分析工作中的运用，为情报分析人员开展针对开源数据、科学学大数据的情报研究工作提供智能方法。

第四，需专门培养科技情报数据组织人才。数据是科技情报分析的原始生产要素，大数据时代需要具有专业的数据存储、标引和知识组织背景的人员开展数据组织工作，涉及专业科技领域数据库建设、知识图谱构建、知识组织、知识管理等内容。需要关注数据科学家的培养工作，架起数据组织与数据分析之间沟通与协同的桥梁。

第五，需着重培养知识系统工具开发人才。优秀的知识系统工具开发人才及工程师应该是具备良好的系统开发能力、熟知科技情报工作范式以及了解相关数据结构与特征的复合型人才。应具有开发普惠的通用性情报分析工具、搜索引擎的能力，或具有研发基于数据的在线分析平台系统、科技情报监测与跟踪平台的能力，为科技情报分析专家提供丰富的研究工具，辅助其开展数据的准备、清洗、组织、分析、计算、可视化等，提高情报分析的效率和水平。

第六，需分类培养科技情报分析咨询专家。基于科技情报任务的多样性，我国要分类培养以下不同类型的情报分析咨询专家：针对综合领域科技政策与战略问题提出解决方案的领军级咨询专家，包括分析科技态势、研判重大科技问题、学科布局、机构改革、人才遴选的咨询类研究；开展特定学科领域发展态势监测、前沿预见分析、技术识别的战略情报分析专家及创新团队，研判重要科技前沿进展与发展趋势；以全新评价理念为指导，开展分类评价研究的科学计量专家，分析关键核心技术方向、人才、机构、区域、城市、国家、成果等竞争力；聚焦相关领域或主题的专利布局、竞争、转移转化等问题的知识产权分析专家，为制定知识产权竞争策略提供参考咨询，等等。

需要指出的是，做好六型协同的科技情报人才培养工作，需要与我国人才强国战略的人才队伍战略基底结构体系相协同。具体而言，要处理好三大关系：上述在科技情报分析统一链条上的各类人才并非孤立存在，要处理好各类人才之间的协同关系；关注青年人才成长，要处理好青年人才队伍建设与科技情报战略科学家、领军级专家及创新团队作用发挥的关系；要处理好数量与质量的关系，追求培养更多高水平人才的同时，也要关注人才队伍总体数量规模。最终，形成各类人才高效协同、年龄梯度完整、总体规模合理的科技情报人才队伍体系。

4 讨论与展望

未来相当长的一段时间内，新时代科技情报工作所面临的科技发展态势、学科交叉与颠覆性创新涌现、全球竞争格局、科技信息环境还将越发复杂，推进高水平科技自立自强的情报需求场景也将越发多样和迫切，对科技情报的需求将不会仅停留在信息的供给层面，更多的是提供决策建议的更高层面。同时，科技情报工作还需与情报学科协同发展，前文所述的开展符合推进高水平科技自立自强的战略需求的科技情报工作与赖茂生提出的情报学使命高度统一，即我国情报学的使命是探索数据和信息的特性和运动规律，创新理论、方法和工具，为管控和开发利用数据、信息、情报和知识做出贡献[45]。科技情报工作唯有走上高质量发展道路，持续探索符合数字社会发展要求的科技情报工作新范式，以开放的姿态迎接未来发展诸多挑战，不断完善并升级理论体系，丰富研究方法，拓展数据供给，瞄准面向未来发展的关键问题，聚焦科技体制改革问题，揭示科学规律，开展科学合理的、适应新时代要求的科研评价研究[46]，我国的科技情报事业方能应对科技强国战略的发展需求，紧紧围绕科技自立自强的战略要求，开展全方位、多维度的高质量情报决策咨询服务。