大学竞逐ESI会扭曲学科生态

编者按

ESI是一项以文献计量学方法展示一些学科发展水平的指标，近年来相关部门将其作为评价学科和科研绩效的依据，与分配资源挂钩，由此导致大学把ESI指标当成目标，出现了一系列功利性“应试”倾向，甚至刻意寻找指标的漏洞进行功利性“刷题”，不仅背离了这一指标本来的意义，而且也会扭曲高校的学科生态。本文进行的解析具有一定的价值与意义，特与读者分享。

ESI为何受到热捧

基本科学指标数据库（Essential Science Indicators，简称ESI）是科睿唯安公司基于SCI（科学引文索引）和SSCI（社会科学引文索引）所收录的全球11000多种学术期刊的1000多万条文献记录而建立的计量分析数据库，通过对数据库中近10年的数据进行统计，按照其划分的22个学科领域，通过科研的生产力、影响力、创新力和发展力四个一级指标以及论文数、论文被引频次、论文篇均被引频次、高被引论文、热点论文、前沿论文等二级指标，从各个角度对国家/地区科研水平、机构学术声誉、科学家学术影响力以及期刊学术水平进行全面衡量，按被引频次的高低确定出衡量研究绩效的阈值，给出居世界前1%、1‰等数据区域的研究机构、科学家、研究论文的排名等。

ESI原本只是一项揭示学科发展水平、趋势与热点的指标之一，有其自身的价值与意义。但自从2010年前后这一指标成为我国科研评价的新宠儿，ESI在国内的价值与意义开始变味儿。

2012年ESI指标被纳入教育部第三轮学科评估体系中，其热度扶摇直上。2015年之后的“双一流”建设作为新时代的高等教育发展战略，学科发展是其中重要目标，这与ESI学科排名功能的高度契合，导致高校以及科研人员对这个指标的空前重视。

ESI一定程度上激发了国内高校进行学科发展的热情，一些高校也由此取得了较为亮丽的数据。根据软科统计自2016年9月到2019年9月三年间的数据，中国高校入围ESI前1%、1‰、1?的学科数均显著增加。以前1%学科为例，从绝对数量上来看，中国高校每年新增学科数过百。2016年9月中国高校的入围总数为745个，到2017年9月增加了121个达到866个，2018年继续增加达到971个，而在2019年9月达到了1138个，三年累计增加了52.8%。

中国高校的学科整体发展能够取得这样的数据让人欣慰，但与世界顶尖高校依然差距明显。以哈佛大学为例，其入围ESI前1?学科数为8个，这一数字是中国所有高校入围数的总和，同时中国高校空间科学前1%学科数仍未破零。

重视ESI没有错，但简单以ESI作为唯一或者核心评价的尺子就错了。比如东部某省规定，如果ESI前1‰就是省级双一流，2‰就不是了。这种唯ESI导向会严重扭曲、误导科研发展。

我们的一些大学与科研机构对于ESI的痴迷已经到了病态的程度，不但“庖丁解牛”般地分析ESI各项指标，并在此基础上结合本校情况启动内容丰富的ESI学科建设规划，投入的经费动辄以百万计，在手段上更是无所不用其极：或者真金白银重赏高被引作者，或者直接高薪挖高产论文作者，或者引导学者追逐热点论文，更有甚者不惜通过各种渠道刷高引用率……将建设一流高校变味成追逐一流数据，各种“应试”乱象不断出现，让人触目惊心。

ESI作为评价指标存在“水土不服”

对于ESI，我们要立场鲜明地反对唯ESI，但并不等于不用，而是科学合理地利用，这需要我们对ESI有更为全面的认知，尤其是要结合中国的国情与发展需要。

评价一个学科的实力，是一个多维度、多层次的复杂问题。ESI通过文献计量方法对学科排名作为统一尺度下的学科发展参考无可非议，但它提供的仅仅是一个相对客观的维度，而且ESI是以SCI等指标为基础的，因此它不但传承了SCI的特性，也有自己独特的问题。

首先，ESI划分的学科与中国学科不“兼容”。我国当前有13个一级学科以及100余个二级学科，ESI划分的22个学科相当于大类，与国内的这些学科无法完全匹配，这样必然造成学科排名很难直接对应。以ESI“工程学科”为例，它其实囊括了国内信息工程、机电工程、自动化、建筑工程、环境工程等诸多二级学科，假设某个工科强校的ESI“工程学科”是全球的前1%，你其实搞不清楚它到底是哪个二级学科比较强。在如此粗放的学科划分下，划入同一领域的刊物，其性质、关注的方向有时差异很大。

其次，引用上的漏洞以及某些学科的误差。理论上说，论文引用的数量越多，质量越高，论文的引用情况不是作者自己说了算。但这在ESI里面却有“空子”可钻，因为ESI本身并不区分是自引还是他引，这就为“刷”引用提供了现实的可能性。同时，ESI在计算机等学科上的误差也比较大，这是因为计算机最新的工作通常是先发在会议论文集上，而ESI是基于 SCI计算的，基本不包括会议文献，这就使得关于计算机学科的统计很难准确。尤其需要注意的是，ESI的前1%并不是指前100名。这是个很大的误区，因为很多学科的研究机构基数都很大，比如在临床医学学科就有超过4000家进入前1%，按照这个数字看，即便进了前1%，距离真正成为“一流”还差得太远。

最后，ESI不能全面反映中国高校的任务和功能。中国高校的根本任务是人才培养、科学研究、社会服务、文化传承等功能，但ESI排名的依据是论文相关数据，只是其一，在高校的其他功能没有统一、可比的指标的情况下，片面强调ESI指标，也必然会背离大学发展的初心，扭曲大学的功能走向另一个极端。

过度迎合ESI会导致大学学科布局畸形发展

客观地说，ESI作为学科评价指标比SCI、EI等指标是有一定进步性的，对中国各高校的学科参考意义也更大。然而，一旦ESI作为目标进入大学评价体系并与资源分配关联，其弊端很快就显露出来了，在学术和科研宏观层面的破坏力甚至比SCI还要大，最重要的是扭曲了高校学科成长的动力、方向和目的，造成了我国学科布局的畸形发展。

第一，导致学科从自然生长到“拔苗助长”。高校学科的发展逻辑首先应立足于本校实际，根据国家发展战略要求和科学发展趋势、学科关联、地方政府需要等情况进行“自然”的树状成长，但从提升ESI排名的角度看，如果一所高校没有ESI指标体系中的学科就会很吃亏。此外，ESI体系中的学科也有容易发论文和不易发论文的区别，很多高校掀起开办医学院、农学院、材料学院的热潮，不过是要占上容易发论文的ESI学科的“一亩三分地”而已，地方政府基于ESI指标的重视所进行的经费拨付导向更是对此推波助澜。

第二，导致人文与工程类特色学科衰落。在ESI的22个学科中，涉及到人文学科仅有两个，经济学与商学、社会科学总论，这让国内很多文史类学科很难与其对应计入，导致那些以人文学科为主的大学很“受伤”，在各项排名中迅速跌落，陷入了不被重视，资源逐步缩减的尴尬境地中；同时，拥有地质、矿业、电力、石油等特色学科的大学，也存在类似的困顿与问题。长此以往，必然导致人文与工程类特色学科衰落，对中国的学科整体发展造成不可逆的重大损失。

第三，导致教授只关心科研。对高校的教授来说，教学、科研与公共服务向来是最基础的三大任务，特别是前两项“一岗双责”在海外一流大学都是基本要求，他们既要做好科研，取得高水平的科研成果，又要搞好教学，培养出优秀的学生。但ESI的指标是论文导向，高校为了迎合指标只能在资源配置上想办法，将论文的数量和质量与岗位、薪酬、职称、帽子、升迁等切身利益密切相关，与此泾渭分明的是，教学不但与切身利益关系不大，甚至很难量化和评价。在精力分配的二八原则下，自然出现了搞科研“龙马精神”搞教学“稀松平常”的倒挂乱象，这也是建设一流本科亟待解决的问题。

打造符合国情的大学评价指标体系

改革开放40多年来的学术、科技评价体系一直朝着进一步公平公正的方向发展演变，无论是SCI还是ESI都是带着这种良好期望进入评价体系的，但依然摆脱不了“应试”倾向的功利化魔咒。

应该说，对高校、学者的评价是一个复杂的过程。原则上定性与定量结合评价会更适合，但其中很多难题都是“硬骨头”，需要通过建设中国特色的科研评价体系来逐步解决，有关部门应进一步完善科研以及高校的评估和考核机制，鼓励正确的科研观、学术观，着眼长远的学科建设和人才培养，减少管理对量化指标的过度依赖。以下思路可作参考：

第一，打造符合中国高等教育实际要求的评价指标。要实现科学评价，就要有适宜完善的指标体系。既然我们当前受制于ESI、SCI等指标的不完善不适宜，国家应从长远考虑打造符合中国国情的科研指标。有学生才可以称之为大学，要把人才培养质量放在评价指标体系的首位，在评估中把“培养过程质量”“在校生质量”和“毕业生质量”作为评价的主要指标，把大学是如何提高在校学生的内生学习动力作为主要考核，这是中国高等教育亟待解决的问题。

第二，加强第三方评价体系建设。在世界高等教育强国的评价体系中，第三方评价体系是不可或缺的一部分。中国有必要培养一批相对稳定的高水平社会咨询评价机构，承担具体的评价活动。建立凡是由政府出资的项目，皆由第三方机构负责评价、相关部门负责监督并严格准入退出的第三方评价体系，对于打造更加合理的评价体系至关重要。

第三，建设更为合理的分类评价体系。科技评价要充分发挥同行专家的作用，要根据不同类型科技活动特点，建立导向明确、激励约束并重的分类评价标准，营造潜心治学、追求真理的创新文化氛围。要注重科技创新质量和实际贡献，重点突出围绕科学前沿和生产实际需求催生重大成果产出的导向，着力提升基础研究和前沿技术研究的原始创新能力，关注共性技术的有效供给能力，支撑高质量创新人才培养的能力，服务国家和区域经济社会发展战略需求的能力。

科技评价分类要针对科技活动人员、创新团队、平台基地、科研项目等不同对象，鼓励科技人员在不同领域、不同岗位做出特色，追求卓越。如可以按照基础研究、应用研究、技术转移、成果转化等不同工作的特点，分别建立涵盖科研诚信、创新质量、学术贡献、人才培养、科学普及与开放共享等评价维度，形成更为科学合理的评价体系。

第四，加强新技术在评价体系中的运用。大数据、人工智能时代，各种新技术能为评价体系的完善提供有力的支撑。要充分利用公开的数据资料，计入一定的评价权重，通过关联数据的智能处理，评价系统可以获得一个相对真实的科研水平和发展全景，全面反映教学与科研的各个维度，而不仅仅是论文数量的统计。

（作者：李志民，系中国教育发展战略学会副会长兼人才发展专委会理事长、清华大学兼职教授）