科睿唯安社会影响力评估框架：负责任的影响力评估指南

核心观点

本报告阐述了科睿唯安社会影响力评估框架的设计与应用，旨在应对科研社会影响力评估中的挑战，并支持负责任的科研分析。该框架结合了科睿唯安的多元数据与ISI的负责任使用指导原则，提供结构化且灵活的评估方法。

关键考量

• 多样性： 框架整合了广泛的影响力指标，涵盖经济、社会、技术、法律与治理、环境等多个层面。
• 数据来源： 支持整合外部数据（如专利、政策文件）与内部数据（如项目产出），形成更全面的认识。
• 影响分类： 默认采用基于联合国可持续发展目标（SDGs）的PESTLE模型，并支持自定义分类体系。
• 影响类型： 区分回顾性指标（已显现影响）与前瞻性指标（潜在影响），展现影响路径。
• 颗粒度与背景： 提供不同层级的细节与背景信息，以适应机构或项目评估的需求。

社会需求分类

框架采用基于SDGs的PESTLE模型对社会需求进行分类，并通过“引文主题”和“研究主题”将科研成果映射至SDGs，确保影响的准确识别。

指标组介绍

框架包含11个指标组，分为前瞻性指标和回顾性指标：

• 前瞻性指标： 实用性、传播、关注度、参与交流、学术界之外的合作、可转移性。
• 回顾性指标： 在学术界以外的研发活动中的利用情况、在非研发活动中的利用情况、媒体报道、表彰、培养。

数据解读

• 相对规模： 考虑机构或项目的规模因素，避免绝对数量比较的误导。
• 规范化： 采用相对位置（如分位数）进行比较，提高可比性。
• 背景信息： 结合机构内部数据、国家或全球基准等背景信息，进行负责任的解读。

社会影响力全貌

“社会影响力全貌”功能以图形化方式总结机构在不同社会层面的已显现影响与潜在影响，帮助用户整体判断机构的社会影响力。

应用

框架可用于支持国家科研评估机制（RAE）中的“影响力案例研究”，帮助机构发现和展示科研的社会影响力。

未来方向

ISI将持续完善框架，探索新的数据源、度量指标和定性数据源，并研究大语言模型（AI）的应用，以支持更负责任的科研分析。