||
随着科学进步,对引文网络、研究成效、科学政策等的研究越来越受关注,逐渐形成了一个交叉学科——科学学(the Science of Science)。2018 年,网络科学家Albert-László Barabási领衔的多位学者,在 Science 上发表了一篇重磅综述,从科学学的跨学科方法、科学学对提高科研生产力的指导等方面,全面介绍了这门“高阶学科”。
编译:集智俱乐部翻译组 来源:science 原题: science of science 目录 一、 结构摘要 1.背景 2.进展 3.展望 二、 正文 1.摘要 2.科学家、科研机构与科研想法组成的网络 3.研究问题的选择 4.创新 5.科学家学术生涯的动力学 6.团队科研 7.引用量背后的动力学 8.展望 附:参考文献
结构摘要 背景
如今,随着对科学研究全过程——包括科研基金资助、学术生产、科学家合作到文章的引用和科学家的事业移动——的数字化获取能力的日益提高,人们获得了探索科学的结构和发展的前所未有的机会。科学学(The science of science,后文缩写为科学学SciSci)提供了对不同空间和时间尺度的科学单位之间相互作用的定量理解:它让我们了解“创造力”背后的条件和科学发现的过程,其最终目标是发展一系列能加速科学研究的政策和工具。
在过去十年中,科学学吸引了自然、计算机和社会学等研究背景的科学家。他们一起构建了用来进行实证分析和生成模型研究的科研大数据, 以捕捉科学背后的生产力与从业者的发展变化。科学学希望更深入地理解和推动科学研究中的种种因素,从而更有效地解决环境、社会和技术问题。
科学可以被视为一个不断扩大和演化的思想、学者和论文网络。科学学探寻基于科学结构和动态的普遍或特定领域的普世规律。
进展
科学可以被描述为一个复杂的、自组织的,不断进化的网络。它由学者、论文和思想组成。这种描述问题的方法解释了很多潜在的模式,例如,对合作网络的研究和对引用网络的研究解释了新学科的诞生和重大发现的诞生过程。微观模型追踪了引文积累的动态,使我们能够预测单个论文在未来的影响力。
科学学揭示了科学家在他们扩展职业生涯和科学视野道路上面临的选择和权衡。例如,分析表明学者们不喜欢风险,更愿意研究与他们当前专业知识相关的主题,这限制了他们未来发现的潜力。那些愿意打破这种模式的人会从事风险更高的职业,但更有可能取得重大突破。
总之,最革新的科学是基于传统的学科组合,但是这种组合往往是前所未有的。最后,随着研究工作更多的从个体转移到团队中,科学学越来越关注团队在科研中的影响和意义。一些研究发现有革命性的思想通常诞生于小团队。相比之下,大型团队倾向于推进前沿领域的研究,获得高却通常也短暂的影响力。
展望
科学学提供了关于科学家、研究机构和思想之间结构框架的定量理解。它有助于识别负责科学发现背后的基本机制。这些跨学科数据驱动的内容补充了科学计量学(scientometrics)和有关科学的经济学与科学社会学等相关领域的内容。
尽管科学学渴求适用于各个科学领域的长期普遍的规律和机制,但首先需要面对不同领域和国家之间文化、习惯和偏好之间难以避免的差异。这种变化使得一些跨领域的见解难以理解,并且相关的科学政策难以实施。科研问题、数据之间的差异,一般是与领域所关联的,这也暗示在将来科学学的研究会因“学科特色”而产生相应的变化。
科学界限的致密化(densification)过程也是跨学科探索、融合和创新的信号。
正 文 摘要
识别科学发展背后的动力,构造能够捕捉科技发展的模型能够指导人们设计促进科学进步的政策。例如,通过加强科学家的职业道路的政策设计,更好的科学绩效考核,更有效的经费设计,甚至是识别将要诞生的前沿研究。科学学使用关于科学生产的大规模数据来寻找普遍和特定学科的规律和模式。在这里,我们回顾了科学学这个跨学科领域的最新发展。
大量关于学术输出的数字数据为探索表征科学结构和演化的模式提供了前所未有的机会。科学学将科学发展过程置于显微镜下,对科学发现、创造力和实践的起源有定量的理解。它能开发加速科学进步的工具和政策。
科学学的出现受到两个关键因素的驱使。
首先是数据的可用性。除了专有的Web of Science(WoS),它是历史悠久的第一引文索引,今天还有多种数据源(Scopus,PubMed,Google Scholar,Microsoft Academic,美国专利和商标局等)。其中一些来源是免费提供的,涵盖了与科学家及其成果有关的数百万个数据点,这些数据来自各行各业,大江南北。
其次,科学学受益于自然,计算和社会科学家的涌入和合作,他们开发了基于数据的工具,使关键测试能在生成模型(generative models)上运行,旨在揭示科学发现的现象,其内部机理和驱动力。
这个新兴领域的亮点之一是打破学科边界的过程,科学学整合了来自多个学科的研究发现和理论,并使用了广泛的数据和方法。
从科学计量学中,学会了分析和衡量大规模数据集的方法; 从科学社会学,它学会了一些理论概念和社会过程; 从创新研究中,它探索从科学发现到发明和经济变革的途径。
科学学依赖于广泛的定量方法的整合,从描述性统计和数据可视化到高级计量经济学(econometric)方法,网络科学方法,机器学习算法,数学分析和计算机模拟,包括基于主体的建模方法(agent-based modeling)。
科学学的价值主张基于这样一个假设:随着对成功的科学突破背后因素的深入理解,从整体上把握科学的研究进展,从而更有效地解决社会问题。
(全文:https://mp.weixin.qq.com/s/_Ye_9_88VAoCJQqro-OB-g)
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-27 06:48
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社