科睿唯安社会影响力评估框架：负责任的影响力评估指南

2026年4月 作者简介 Gordon Rogers是科学信息研究所的数据科学高级经理。他在科睿唯安公司从事科学计量学、数据分析和软件工程领域的工作已超过25年。作为科睿唯安咨询团队的前成员，他曾支持全球客户开展其科研组合与 科 研 战 略 的 评 估 工 作。ORCiD:0000-0002-9971-2731. Web of ScienceResearcherID: ABA-65542020。 Dmytro Filchenko博 士于2024年 加入科睿唯安，担任科学信息研究所研究与分析高级总监。他取得了乌克兰数学建模与计算专业博士学位，在学术界和商界均拥有超过15年的经验。其多元化领导背景包括曾任苏梅国立大学副教授兼副校长、基准测试主管和技术总监。他还曾是一位企业创始人。加入科睿唯安之前，他曾就职于 QS（Quacquarelli Symonds），负责主导QS世界大学排名系列及一系列其他教育科技和研究情报产品的开发。 致 谢：Ryan Fry, Tina Jablonovic，KateKelliher，Milovan Kovac，NanditaQuaderi（ISI） 传承基石，引领未来 学信息的获取、解读与利用。ISI维护着Web of Science索引及其相关分析内容与服务所依托的核心知识库。ISI通过各类活动、会议和出版物传播相关知识，并开展原创研究以持续巩固、拓展和完善这一知识体系。 关于科学信息研究所（ISI） 如需了解更多信息，欢迎访问www.clarivate.com/isi 科睿唯安旗下的科学信息研究所（ISI）半个多世纪以来始终致力于科研信息组织工作的开创与推进。如今，ISI继续致力于提升科研诚信，并改进科 本报告是ISI关于科研社会影响力系列研究报告的一部分，阐述了如何将科睿唯安社会影响力框架（ClarivateSocietal Impact Framework）与其他方法结合应用，以支持负责任的科研分析。 该框架与现有的负责任科研评价原则保持一致，确保评估过程具备稳健性、透明性，并具有充分的情境适用性。 关于ISI报告 ISI报告借助科睿唯安值得信赖的出版物和引文数据与分析，针对前沿研究趋势提供简明而深刻的洞察。 概览 执行摘要评估科研社会影响力：挑战与方法框架设计的关键考量框架中社会需求的分类方式指标组介绍依据具体背景解读基础测量数据社会影响力全貌：负责任的数据聚合与解读框架在国家科研评估机制中的应用结论与未来方向 执行摘要 这是科学信息研究所（ISI）科研社会影响力系列的第三份报告。本报告展示了科睿唯安社会影响力评估框架如何与其他方法结合使用，以支持Web of Science Research Intelligence平 台 上 的 负 责 任 科 研 分 析。 报 告 还 为 机 构 与 科 研 人 员 在Web of Science ResearchIntelligence上负责任地使用社会影响力数据，提供了实践指导、示例说明与相关建议。 框架设计 本报告展示了这一兼具结构性与灵活性的科研社会影响力评估方法，如何将来自科睿唯安的多元、可验证数据，与ISI关于负责任使用的指导原则相结合。该框架整合了广泛的影响力指标，同时支持用户根据具体背景选择相关指标。通过对复杂数据进行结构化组织，并提供不同层级的颗粒度与背景性洞察，该框架能够在国家/地区、机构或项目层面实现可复现、有意义的评估。 社会需求的分类 该框架采用联合国可持续发展目标（Sustainable Development Goals，简称SDGs）对社会需求进行分类。其提供了一种透明、可复现的方法论，通过“引文主题”（CitationTopics）与“研究主题”（Research Topics），将科研成果映射至SDGs，从而确保无论是显性影响还是隐性影响，都能够得到准确识别。该框架的默认设置是基于SDGs的分类体系及基于PESTLE（政治、经济、社会、技术、法律、环境）的聚合方式，同时用户也可采用其他国家、地区或学科特定的分类体系。 影响力指标的选择 每个指标组均包含多种数据、度量指标以及定性与定量指标。框架同时提供底层原始数据，以确保各项指标构建方式的透明度。 对测量数据的背景性洞察 对指标的解读需要结合具体背景。绝对计数可能具有误导性，尤其是在比较样本量较小或数据分布高度偏斜的情况下（见图1、图2）。经过规模规范化的数据、国家或全球基准，以及对各项指标局限性的理解，均有助于获得有意义的洞察。 社会影响力全貌 本报告还展示了如何构建“社会影响力全貌”（Societal Impact Profile），以帮助Web ofScience Research Intelligence用户应对底层数据、度量指标与评价指标在数量和类型上的复杂性。此功能以图形化的方式总结了机构在不同社会层面上的已显现影响与潜在影响，并作为进一步深入探究分析的起点（见图3、图4）。 当地需求的适应 本报告强调的一个核心观点是：尽管该框架在设计上具有全球适用性，但其目标之一是支持各国“科研评估机制”（Research Assessment Exercise，简称RAE）及影响力案例研究。框架支持通过多种分类体系考察社会影响力，同时允许用户将外部数据源与机构内部数据相结合。 本报告包含两个附录：附录A为关键术语表，附录B为来自全球科研人员及科研管理部门的观点。 1.衡量科研社会影响力：挑战与方法 关于如何突破对学术引用指标的依赖，更有效地评估科研工作，相关论述已十分丰富1-3。在评估科研成效时，无论是在机构、项目还是科研人员层面，都应基于更广泛的数据，同时结合定性与定量评估。事实上，许多基金资助机构、政府部门及行业利益相关方如今都期望科研不仅能够对学术界产生影响，更能够在社会层面发挥更大作用。 然而，衡量科研的社会影响力本身极具挑战性。目前，对于社会影响力的定义以及评估方式，尚未形成明确共识。这一点也体现在Research Professional News开展的“未来的科研管理部门”调查4中：56%的科研管理部门受访者表示，“社会效益”是未来长期需要衡量的重要科研影响类型之一；而70%的受访者认为，科研的社会影响力难以衡量。 困难主要源于科研与其影响之间的作用路径复杂且存在时间滞后5,6，而这又为判断科研是否以及如何对社会产生影响带来了若干挑战。具体包括7,8： 1.数据缺乏。尽管已有研究建议采用专家评审方式3，但数据的缺乏可能令同行更难恰当评估科研的广泛影响。 2.定量与定性评估之间的平衡。定量数据具有可扩展性和客观性，但往往缺乏深度和细微差异；而定性数据的可扩展性较差，且可能受主观偏见影响。因此，必须在两者之间取得平衡，才能形成全面的评估。 3.多样化评估依赖多元化方法。对于机构或科研团队的评估，并不存在“放之四海而皆准”的通用性方法。不同学科领域需要采用不同的方法，并依赖不同类型的数据开展评估。社会影响力评估同样应根据被评估机构或团队的性质进行定制化设计2。 4.科研活动与已显现影响之间存在时间滞后。科研成果产生的社会效益往往需要数十年才能完全显现，但评估人员又需依托早期信号开展优先级研判。那么，该如何协调这两种不同的时间尺度？ 5.社会影响的归因问题。任何效益背后的根本原因都可能难以确定。某一特定影响往往由多个研究领域共同促成。那么，该如何衡量这些领域各自的相对贡献？ 科睿唯安社会影响力评估框架由科学信息研究所（ISI）设计开发，旨在应对上述挑战。该框架提供广泛的原始数据，以及相关测量数据和背景性指标。这些数据在呈现方式上兼顾机构与科研项目的不同评估需求，并按照不同指标组进行分类，有助于追踪科研产生社会影响的过程。指标组包括用于衡量潜在影响的前瞻性指标，以及用于衡量已显现结果与影响的回顾性指标。该框架仍在持续完善的过程中，以进一步提升其应对上述挑战的能力。 科睿唯安社会影响力评估框架，与其他旨在解决上述挑战的评价框架形成互补9-11。 2.框架设计的关键考量 科睿唯安社会影响力评估框架7旨在提供一种结构化方法，用于管理和分析全球范围内与科研社会影响力相关的数据，并与现有多种国家级评估模型形成互补。科睿唯安已将该框架整合至全新的Web of Science Research Intelligence平台，便于用户对相关数据进行探索。未来，该平台还将持续引入更多数据与功能，以进一步拓展视角与洞察。我们也鼓励用户将该框架应用于自身数据，并与我们的数据结合使用，从而在Web of Science ResearchIntelligence当前的服务范围之外获得更多洞察。 以下是影响社会影响力评估框架设计的关键考量因素： 影响力指标的多样性。社会影响力数据的多样性与复杂性，体现在各项RAE对社会影响 力 的 评 估 方 式 上。 例 如， 英 国2021年“ 卓 越 科 研 评 估 框 架”（Research ExcellenceFramework，简称REF）下的评审标准与工作方法11提供了近百项不同指标，作为评估科研更广泛社会影响的参考依据。其他RAE同样具有高度综合性12-15。而我们的框架旨在以结构化方式整合此类多样化数据，便于在社会影响与科研工作之间建立联系。 数据来源的整合。许多影响力指标可以基于机构外部来源的数据生成。然而，一些具有重要价值的数据仅能由科研人员或机构从内部获取。因此，该框架支持整合外部与内部数据，以便于形成更全面的认识，并实现更加稳健的评估。 影响的分类。理解如此多样化的数据是一项挑战，因此该框架按照分类体系对这些数据进行梳理，便于用户识别对自身最有价值的信息。例如，用户可能关注的是经济影响，或是政策影响。该框架能够系统而全面地呈现科研在哪些领域产生了影响。 灵活性与以用户为驱动的评估。尽管该框架默认的影响分类体系已经能够满足许多需求，但部分用户可能认为其并不完全适用于自身场景。例如，他们可能更倾向于按照可持续发展目标（SDGs）分析影响力，或采用与本国RAE相一致的结构。该框架支持通过多种分类体系开展影响力分析。 已显现影响与潜在影响。科研工作形成社会影响的路径往往漫长且复杂。为此，该框架将社会影响数据分为两个指标组： •回顾性指标，用于评估已显现影响的信号。•前瞻性指标，用于分析潜在影响的信号，有助于识别能够提升未来影响的行动方向。 颗粒度与背景信息。数据的呈现应根据评估对象的性质（例如单个项目或整个机构），采用适当的颗粒度。因此，该框架针对机构与项目评估提供了不同层级的细节与背景信息。 在Web of Science Research Intelligence平台上，该框架通过多样化的分类体系，对不同类型的影响力信号进行结构化整合，为科研影响力分析提供了清晰的切入点。同时，该框架也为这些信号及其背后的原始数据提供了必要的背景信息。 3.框架中社会需求的分类方式 早在20世纪50年代，对科研社会影响力的分析主要聚焦于经济影响16,17。到了20世纪90年代及21世纪初，关注点逐渐扩展至社会、文化与环境层面的成果8,18，并开始结合定性与定量方法进行评估。与此同时，其他研究也将健康与福祉类成果纳入考察范围19-22。 目前，许多科研评估机制――例如荷兰12、波兰13以及中国香港特别行政区15的相关体系，都遵循类似的思路开展影响评估。推进研究评估联盟（Coalition for Advancing ResearchAssessment，简称CoARA）的社会影响力小组也建议，从福祉、社会、环境、经济和政治等多个层面评估科研影响力23。 以PESTLE模型作为共同基础 上述方法与长期用于分析企业及政府政策影响力的经典PESTLE模型之间存在高度重叠。该模型涵盖政治（Political）、经济（Economic）、社会（Social）、技术（Technological）、法律（Legal）和环境（Environ