科學學（science of science）系統(tǒng)探索科技發(fā)展的內在規(guī)律，近年來日益受到科技決策者與政策制定者的關注。自2019年美國發(fā)起“元科學大會”（Metascience Conference）以來，《科學》《自然》等頂尖期刊持續(xù)刊登相關研究成果，各國政府、高校紛紛成立科學學研究機構?？茖W學研究正快速崛起，成為各國優(yōu)化科技創(chuàng)新政策的新興工具，推動科技體系實現(xiàn)自我革新的理論探索與實踐突破。基于持續(xù)跟蹤觀察，2025年科學學領域呈現(xiàn)出以下四大顯著進展。

進展一：科學學研究深度嵌入科技決策

政府是科技發(fā)展的主要推動者，其核心任務在于回答“發(fā)展什么科技”以及“如何發(fā)展科技”。當前，全球普遍面臨科技方向不明確、組織模式滯后、科研投資效率不高等挑戰(zhàn)。在此背景下，科學學研究開始嵌入科技治理的核心環(huán)節(jié)，成為政府制定科技戰(zhàn)略、優(yōu)化資源配置、破解發(fā)展難題的關鍵理論支撐與決策工具。

英國政府科學創(chuàng)新部（UKRI）在全球范圍率先設立“元科學工作組”，將科學學研究應用于科技治理實踐，通過數(shù)據(jù)與實驗手段優(yōu)化科研資助與評價體系，從而科學回答“誰應獲得資助”這一根本問題。正如UKRI部長Lord?Vallance所言：“我們不僅資助科學，更要科學地資助科學?！?/p>

美國國家科學基金會（NSF）下屬的技術、創(chuàng)新與伙伴關系理事會（TIP）則啟動了總預算達5140萬美元的“技術成果評估與預測（APTO）”項目，聚焦于《芯片與科學法案》關注的關鍵技術領域（如人工智能、先進制造、生物技術等），利用AI模型預測技術演進路徑，優(yōu)化研發(fā)布局，服務國家安全與科技競爭戰(zhàn)略。

除政府資助機構外，私人基金會也積極參與其中。德國大眾基金會與英國科學學研究機構（Research on Research Institute，RORI）合作，探索更加開放、透明的評審機制，推動自身從“資金提供者”向“制度創(chuàng)新推動者”轉型。這些動作指向科技決策層面的同一個趨勢：發(fā)展可追溯、可檢驗的循證決策模式，進而吸納科學學成為科學治理的基礎設施。

進展二：科學學研究共同體快速擴大并建制化

科學學研究起源于20世紀上半葉，以貝爾納的《科學的社會功能》為奠基之作。早期研究主要集中于科學史、科學哲學、科學社會學與科技計量學，方法上以定性分析為主。近年來，隨著新力量的不斷加入，科學學研究共同體正快速擴展。

2025年6月30日，第四屆元科學大會Metascience2025在倫敦召開，吸引來自60多個國家的840余位代表參會，規(guī)模創(chuàng)歷屆之最。國際科學理事會主席、《自然》主編、歐洲研究理事會主席等學界領袖全程參與。由于報名人數(shù)遠超預期，主辦方不得不提前關閉注冊通道。這個科學學會議2019年才由美國開放科學中心與斯坦福元科學中心發(fā)起，六年時間，已從一個小型學術聚會發(fā)展為全球科學學研究者的年度盛會。

參與科學學研究的人也越來越多元：除了學者之外，還包括科技政策制定者、基金會、出版機構與科技企業(yè)。這次會議成果已被納入英國政府政策實驗室，并將提交至G7科技峰會審議。與此同時，建制化的研究機構不斷涌現(xiàn)，如英國UCL聯(lián)合數(shù)字科學（Digital Science）、諾和諾德基金會、瑞士國家科學基金會共同設立RORI，美國西北大學成立科學學與創(chuàng)新研究中心（Center for Science of Science and Innovation, CSSI ）等，標志著科學學研究正從邊緣議題走向制度主流。

進展三：科學學研究議題向系統(tǒng)性治理延伸

科學學研究的終極目標是優(yōu)化科技政策。圍繞科技預見、科研資助、評審機制與科研組織模式等核心議題，科學學正嘗試給出系統(tǒng)性答案。

在科技預見方面，數(shù)據(jù)與算法融合的新型預測工具不斷涌現(xiàn)。在大模型時代，如何識別未來技術、判斷成果轉化潛力、布局未來產業(yè)，已成為資助機構的核心關切。西北大學王大順團隊開發(fā)的技術預見大模型，已成為該領域的標桿，其成果頻頻發(fā)表于《科學》《自然》等頂級期刊。出版巨頭愛思唯爾也在加速從傳統(tǒng)出版商向數(shù)據(jù)服務商轉型。

在科研資助方面，為打破“精英循環(huán)”，德國大眾基金會嘗試引入“抽簽機制”與“分布式同行評審”，降低主觀偏見，弱化對引用指標的過度依賴。澳大利亞研究委員會則推動“國家研究洞察能力”建設，整合實時數(shù)據(jù)、社會網絡分析與大語言模型，替代傳統(tǒng)的高校自報模式，以更客觀地評估科研質量與影響力。

在科研評審方面，英國“元科學工作組”發(fā)起國際競賽，探索AI判定科研“新穎性”的可行性；意大利評估機構嘗試“計量指標+AI輔助專家評議”，減少人為偏差；英國MetaNIC項目通過AI對5萬篇論文的創(chuàng)新評分與萬名專家的人工評分進行對比，構建客觀的“新穎性”指標。

在科研組織模式方面，以Convergent?Research為代表的新型研發(fā)機構，借鑒大科學工程的組織經驗，聚焦于傳統(tǒng)學術體系與市場資本均難以覆蓋的“中型科學難題”，通過設定可量化的里程碑與成果開放共享，實現(xiàn)從基礎發(fā)現(xiàn)到應用推進的全過程管理。其聯(lián)合創(chuàng)始人Anastasia?Gamick指出，這一模式將促使科學家思考“如何用5000萬美元實現(xiàn)突破性創(chuàng)新”。

進展四：科學學研究方法與工具迎來革新

科學學研究者的學科背景正發(fā)生顯著變化。物理學家、計算機科學家、復雜系統(tǒng)研究者正在大規(guī)模涌入這個領域，帶來了完全不同的工具箱：大規(guī)模數(shù)據(jù)抓取、網絡分析、機器學習、因果推斷等等?？茖W學正在從一門“講故事”的學問，變成一門可以“跑模擬”的學問。類似金融機構模擬極端市場情況一樣，現(xiàn)在可以模擬科研系統(tǒng)在不同政策干預下會如何演化。

芝加哥大學James?Evans教授團隊構建了AI驅動的全球科技系統(tǒng)模擬平臺，可以回答以前只能靠專家咨詢的問題：如果對某項技術實施出口管制，五年后全球技術格局會怎么變？如果某個國家突然加大某領域的投入，連鎖反應會是什么？這不再是沙盤推演，而是有數(shù)據(jù)支撐的情景預測。

西北大學王大順教授團隊開發(fā)的“科學發(fā)現(xiàn)評估與加速模型”ScisciGPT，打通了從研發(fā)到市場的數(shù)據(jù)鏈路，決策者可以通過這套系統(tǒng)去識別科研界的“隱藏創(chuàng)新者”——那些成果被專利高頻引用但不自知的研究人員。這套模型的邏輯是，如果傳統(tǒng)指標存在系統(tǒng)性盲區(qū)，那就用更聰明的算法去找到那些盲區(qū)里的寶藏。

牛津大學Doyne?Farmer教授領銜的能源系統(tǒng)仿真平臺，他們用幾十年的能源資產數(shù)據(jù)訓練模型，然后模擬不同政策路徑下技術進步的軌跡。相當于給新政策裝上“時間望遠鏡”——看到如果今天做某個決定，二十年后會演化成什么樣的技術圖景。

結語：科學學的回歸與重塑

半個多世紀前，科學學曾作為科技政策的重要理論基礎興起，隨后漸趨沉寂。如今，種種跡象表明，科學學正重返聚光燈下：英國設立專職機構，美國投入數(shù)千萬美元，德國、澳大利亞啟動制度實驗，《自然》《科學》等頂刊相關文章逐年遞增?？茖W學正重新占據(jù)其歷史曾有的重要位置——緊密服務決策，為科技治理提供科學依據(jù)。正如2024年發(fā)布的《科學學上海倡議》所言，新時期科學學正在重新崛起，這是全球科學學的一個重要時刻。

與以往不同的是，這一次，科學學擁有了人工智能、大數(shù)據(jù)等新工具，也面臨著更加復雜的全球科技競爭格局。這場從理論走向實踐、從邊緣走向中心的科學學回歸，必將深刻重塑未來的科研生態(tài)。

本文由上海市科學學研究所李輝、高繼卿、吳琪、吳文偉執(zhí)筆。文章觀點不代表主辦機構立場。

◆ ◆ ◆