基金資助的科學(xué)產(chǎn)出評估和預(yù)測方法研究

劉自強(qiáng)　岳麗欣

關(guān)鍵詞： 基金項目； 科學(xué)產(chǎn)出； 主題識別； 評估模型； 預(yù)測模型； 美國國家科學(xué)基金； 可視化

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０７．０１２

〔中圖分類號〕Ｇ２５０.２５２ 〔文獻(xiàn)標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） ０７－０１３５－１２

目前， 世界各國（地區(qū)）十分重視科技創(chuàng)新， 科技創(chuàng)新是國家推動經(jīng)濟(jì)增長、提升國際競爭力和解決社會經(jīng)濟(jì)發(fā)展問題的關(guān)鍵因素之一［１］ 。為了加強(qiáng)科技創(chuàng)新， 世界各國（地區(qū)）紛紛增加對科技研究和發(fā)展的投入， 政府通過增加科研經(jīng)費(fèi)、建立科技創(chuàng)新基金等方式， 鼓勵科學(xué)家和研究機(jī)構(gòu)進(jìn)行前沿研究， 比如： 中國國家自然科學(xué)基金（Ｎａｔｉｏｎａｌ ＮａｔｕｒａｌＳｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ， ＮＳＦＣ）、美國國家科學(xué)基金會（Ｎａｔｉｏｎａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ， ＮＳＦ）、歐洲研究理事會（Ｅｕｒｏｐｅａｎ Ｒｅｓｅａｒｃｈ Ｃｏｕｎｃｉｌ， ＥＲＣ）、德國研究基金會（Ｄｅｕｔｓｃｈｅ Ｆｏｒｓｃｈｕｎｇｓｇｅｍｅｉｎｓｃｈａｆｔ， ＤＦＧ）和日本學(xué)術(shù)振興會（Ｔｈｅ Ｊａｐａｎ Ｓｏｃｉｅｔｙ ｆｏｒ ｔｈｅ Ｐｒｏｍｏ?ｔｉｏｎ ｏｆ Ｓｃｉｅｎｃｅ， ＪＳＰＳ）等。

國家基金項目在科學(xué)技術(shù)發(fā)展過程中扮演著推動和引領(lǐng)的重要作用， 不僅為科學(xué)研究提供了支持和推動力， 資助產(chǎn)出了大量高質(zhì)量論文， 也為學(xué)術(shù)交流與合作、科技創(chuàng)新與應(yīng)用提供了幫助， 使得科學(xué)技術(shù)能夠不斷取得突破和進(jìn)步， 為社會發(fā)展和經(jīng)濟(jì)增長做出巨大的貢獻(xiàn)［２］ 。近年來， 為了提高科學(xué)研究的質(zhì)量、優(yōu)化基金資助工作， 科學(xué)研究成果的評估和預(yù)測一直是政策制定者和科學(xué)界關(guān)注的焦點(diǎn)之一［３］ 。２０２３ 年６ 月２２ 日， ＮＳＦ 新成立的技術(shù)、創(chuàng)新和伙伴關(guān)系理事會（Ｄｉｒｅｃｔｏｒａｔｅ ｆｏｒ Ｔｅｃｈｎｏｌｏｇｙ，Ｉｎｎｏｖａｔｉｏｎ ａｎｄ Ｐａｒｔｎｅｒｓｈｉｐｓ， ＴＩＰ）， 啟動了評估和預(yù)測技術(shù)結(jié)果（Ａｓｓｅｓｓｉｎｇ ａｎｄ Ｐｒｅｄｉｃｔｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ Ｏｕｔ?ｃｏｍｅｓ， ＡＰＴＯ）計劃， 將資助研究項目以識別新興趨勢使國家贏得未來的關(guān)鍵研發(fā)方向， 為決策者提供模型和信息（模型將預(yù)測特定技術(shù)的未來成果，以及哪些投資將可靠地改變或加速這些成果）以優(yōu)化ＮＳＦ 資助工作， 以長期提高美國的競爭力， 該計劃資助總額為３０００萬美元。

評估與預(yù)測科學(xué)、技術(shù)結(jié)果對于優(yōu)化基金資助效果及提高科研質(zhì)量都具有重要作用， 而科學(xué)和技術(shù)的評估與預(yù)測存在一定的差異， 所以相關(guān)研究還有待進(jìn)一步深入?？傮w來說， 目前基金資助的科學(xué)產(chǎn)出評估及預(yù)測方法研究相對不足， 主要以專家評估、定性分析為主， 基于定量方法的基金資助的科學(xué)產(chǎn)出評估及預(yù)測主要以數(shù)理統(tǒng)計為主（發(fā)文量層面）［４－５］ 。通過ＮＳＦ 的ＡＰＴＯ 計劃可知， 基金資助的科學(xué)、技術(shù)產(chǎn)出的評估與預(yù)測方向存在著巨大的研究潛力， 值得眾多學(xué)科領(lǐng)域有關(guān)學(xué)者進(jìn)行深入探索。

所以， 本研究旨在對基金科學(xué)產(chǎn)出的評估和預(yù)測問題進(jìn)行探索， 從研究主題的角度切入， 評估和預(yù)測基金項目的科學(xué)產(chǎn)出（期刊論文）， 具體擬從基金資助的科學(xué)產(chǎn)出主題投入和產(chǎn)出入手， 提出一種基于機(jī)器學(xué)習(xí)、數(shù)理統(tǒng)計和可視化技術(shù)的基金項目科學(xué)產(chǎn)出評估模型， 以全面地評估ＮＳＦ 基金項目的科學(xué)創(chuàng)新和產(chǎn)出表現(xiàn)（投入產(chǎn)出比）， 然后通過建立預(yù)測模型， 預(yù)測科學(xué)產(chǎn)出主題未來的內(nèi)容，以期為基金項目機(jī)構(gòu)進(jìn)行科學(xué)產(chǎn)出評估和預(yù)測工作提供一定的參考、借鑒。

１相關(guān)研究

１.１基金資助的科學(xué)產(chǎn)出評估

目前， 世界各國（地區(qū)） 十分重視科技創(chuàng)新，而基金資助及其科學(xué)產(chǎn)出是反映一個國家（地區(qū)）、學(xué)科領(lǐng)域科技創(chuàng)新工作好壞的重要指標(biāo)之一。所以， 眾多研究者針對基金資助的科學(xué)產(chǎn)出評估問題展開了大量探索， 旨在衡量和評估科研項目所產(chǎn)生的成果和影響力， 以期提高科技創(chuàng)新水平。

從評估指標(biāo)來說， 基金資助的科學(xué)產(chǎn)出評估相關(guān)研究主要關(guān)注兩個重點(diǎn)指標(biāo)： ①科學(xué)產(chǎn)出數(shù)量評估， 研究者主要通過計量基金項目資助所產(chǎn)生的科學(xué)論文數(shù)量來進(jìn)行評估［６－７］ ； ②科學(xué)產(chǎn)出質(zhì)量評估，研究者主要通過計量基金項目資助所產(chǎn)生的科學(xué)論文被引次數(shù)、影響因子等進(jìn)行評估［８］ 。從學(xué)科領(lǐng)域來說， 基金資助的科學(xué)產(chǎn)出評估是眾多學(xué)科領(lǐng)域所共同關(guān)注的重要問題： ①合成生物學(xué)領(lǐng)域的研究表明， 基金資助對科學(xué)產(chǎn)出具有積極影響， 有助于推動該領(lǐng)域的發(fā)展［９］ ； ②醫(yī)內(nèi)科、血瘀證和風(fēng)濕免疫等醫(yī)學(xué)領(lǐng)域的研究分析了國家自然科學(xué)基金在該領(lǐng)域的申請和資助情況， 并揭示了相關(guān)研究的趨勢和特點(diǎn)［１０－１２］ ； ③智能電網(wǎng)［１３］ 、眼科學(xué)［１４］ 、創(chuàng)業(yè)教育［１５］ 、遙感科學(xué)［１６］ 等領(lǐng)域的研究也證明了基金資助科學(xué)產(chǎn)出評估的重要性。從基金項目類別來說，研究者對不同級別、不同類別基金資助的科學(xué)產(chǎn)出評估問題進(jìn)行了有益探索： ①國家科學(xué)技術(shù)學(xué)術(shù)著作出版基金、國家出版基金等的研究分析了基金資助對出版業(yè)的影響和發(fā)展方向［１７－１９］ ； ②中國博士后科學(xué)基金、杰青基金等的研究評估了不同科研資助項目的效益和影響因素［２０－２１］ ； ③此外， 還有學(xué)者關(guān)注基金資助科學(xué)產(chǎn)出的國際比較， 對世界主要國家（地區(qū)）的基礎(chǔ)學(xué)科基金資助情況進(jìn)行比較分析， 揭示了基金資助工作對國際合作影響的效果和趨勢［２２－２３］ 。

總體而言， 現(xiàn)有研究對基金資助的科學(xué)產(chǎn)出評估問題進(jìn)行了廣泛的探索， 但仍存在一些不足， 比如： ①目前的評估主要關(guān)注論文的外部數(shù)量特征（ＳＣＩ 論文數(shù)量、Ｈ 指數(shù)等指標(biāo)）， 忽略了具體內(nèi)容維度的評估； ②缺乏多維度評估， 目前的評估較為單一， 主要集中在數(shù)量和質(zhì)量維度（論文、專利等的數(shù)量和被引用指標(biāo)）， 對于社會影響力方面的評估相對不足。為了應(yīng)對以上不足， 應(yīng)該建立多維度評估指標(biāo)， 加強(qiáng)對具體內(nèi)容維度評估（比如研究主題維度）， 關(guān)注社會影響力、響應(yīng)程度等（替代計量指標(biāo)的使用）。

１.２ 基金資助的科學(xué)產(chǎn)出預(yù)測

基金資助的科學(xué)產(chǎn)出預(yù)測方法， 旨在利用文獻(xiàn)計量、數(shù)據(jù)挖掘、數(shù)理統(tǒng)計和可視化方法， 基于基金項目及其資助的論文或者專利數(shù)據(jù)進(jìn)行預(yù)測［２４］ ，以期通過對歷史數(shù)據(jù)的分析和建模， 預(yù)測科學(xué)產(chǎn)出的可能發(fā)展方向， 幫助基金資助機(jī)構(gòu)做出更準(zhǔn)確的決策和布局［２５］ ?？偟膩碚f， 基金資助的科學(xué)產(chǎn)出預(yù)測和新興趨勢預(yù)測聯(lián)系較為緊密， 基金資助的科學(xué)產(chǎn)出預(yù)測可以看成是基于基金項目及其資助論文或者專利數(shù)據(jù)的新興趨勢預(yù)測問題。目前， 研究者利用基金項目、論文和專利數(shù)據(jù)進(jìn)行新興趨勢預(yù)測研究產(chǎn)出了大量優(yōu)秀成果［２６－２８］ ， 從數(shù)據(jù)源來看， 以單一論文或者專利數(shù)據(jù)為主， 部分研究者開始嘗試?yán)没痦椖炕蛘呔C合利用基金項目、論文和專利等數(shù)據(jù)進(jìn)行新興趨勢預(yù)測， 比如： 靜發(fā)沖等［２９］ 利用聚類方法對美國國家科學(xué)基金會資助的基金項目進(jìn)行分析， 展示了各類主題的項目研究內(nèi)容以及識別新興主題， Ｙｅ Ｇ 等［３０］ 利用基金項目數(shù)據(jù)進(jìn)行研究前沿主題識別， 并利用演化可視化方法分析了研究前沿主題的發(fā)展趨勢； 從方法技術(shù)來看， 以關(guān)鍵詞、引文分析等文獻(xiàn)計量為主， 部分研究者開始嘗試?yán)脵C(jī)器學(xué)習(xí)（分類、回歸、主題模型等）［３１－３２］ 、深度學(xué)習(xí)等（向量表示學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等）［３３］ 前沿技術(shù)進(jìn)行新興趨勢預(yù)測， 比如： 梁繼文等［３４］ 基于ＬＤＡ 主題模型和詞向量模型進(jìn)行了知識單元重組視角下的科學(xué)主題預(yù)測； 魏明珠等［３５］ 結(jié)合知識圖譜和深度神經(jīng)網(wǎng)絡(luò)模型提出了新興技術(shù)預(yù)測方法，通過訓(xùn)練產(chǎn)業(yè)新興技術(shù)預(yù)測模型， 實(shí)現(xiàn)了產(chǎn)業(yè)新興技術(shù)精準(zhǔn)預(yù)測。概括來說， 目前基金資助的科學(xué)產(chǎn)出預(yù)測相關(guān)研究仍存在一定的不足， 比如： 數(shù)據(jù)的局限（通常依賴于已發(fā)表、高被引的論文數(shù)據(jù)）、預(yù)測方法和指標(biāo)的局限（需要將更多的因素指標(biāo)考慮進(jìn)科研預(yù)測模型中， 提高預(yù)測的準(zhǔn)確性）。

綜上所述， 基金資助的科學(xué)產(chǎn)出評估與預(yù)測是一個復(fù)雜而多維度的任務(wù)， 單一的評價指標(biāo)可能無法全面反映基金項目及其資助科學(xué)產(chǎn)出的價值， 而僅通過論文數(shù)量、被引量等外部數(shù)量特征也難以有效進(jìn)行科學(xué)產(chǎn)出預(yù)測。因此， 本研究擬采用多種指標(biāo)和方法相結(jié)合的綜合評估、預(yù)測方式， 旨在對基金資助的科學(xué)產(chǎn)出評估和預(yù)測問題進(jìn)行探索， 具體從研究主題的角度切入， 基于基金項目及其資助論文數(shù)據(jù)（根據(jù)基金號， 獲取基金項目所資助的論文），評估基金資助的科學(xué)產(chǎn)出主題并預(yù)測其發(fā)展趨勢，具體從投入、產(chǎn)出兩個方面， 全面地評估ＮＳＦ 基金項目的科學(xué)創(chuàng)新和產(chǎn)出表現(xiàn)， 然后通過建立預(yù)測模型預(yù)測論文主題未來的內(nèi)容和影響力， 以期提高科學(xué)產(chǎn)出評估和預(yù)測模型的準(zhǔn)確性與實(shí)用性， 為科研資助和管理提供支持。

２ 方法框架

基金主題和資助的論文主題之間的關(guān)系可以被看作是一個相互反饋、相互影響的科學(xué)創(chuàng)新系統(tǒng)，通過這種相互反饋關(guān)系， 基金主題和資助的論文主題可以在系統(tǒng)中相互影響、相互作用， 在時間維度上關(guān)聯(lián)式演化， 解決不斷變化的科學(xué)問題。其中，基金項目對論文的發(fā)表起著重要引導(dǎo)、推動作用，并且論文發(fā)表的數(shù)量、被引次數(shù)、社交媒體轉(zhuǎn)發(fā)數(shù)和新聞媒體轉(zhuǎn)發(fā)數(shù)等也可以反映基金項目的科學(xué)產(chǎn)出質(zhì)量， 此外， 基金資助通常會考慮到科學(xué)研究的新興趨勢、前沿?zé)狳c(diǎn)問題， 從而引導(dǎo)研究者在特定主題方向進(jìn)行研究。

基于上述分析， 本研究設(shè)計了基金資助的科學(xué)產(chǎn)出主題評估和預(yù)測方法， 基本框架如圖１ 所示，具體可以分為３ 個主要步驟： 首先， 基于ＬＤＡ 模型識別出基金項目及其資助論文中蘊(yùn)含的研究主題； 然后， 根據(jù)主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力等指標(biāo)， 構(gòu)建基金資助的科學(xué)產(chǎn)出主題綜合評估模型； 最后， 基于深度學(xué)習(xí)方法從主題熱度和主題內(nèi)容兩個維度對基金資助的科學(xué)產(chǎn)出主題進(jìn)行預(yù)測。

２.１ 基于ＬＤＡ 模型的基金項目及其資助論文主題識別

本研究利用ＬＤＡ 模型［３６］ 進(jìn)行基金及其資助論文主題識別， 其中， 最優(yōu)主題數(shù)量通過一致性分?jǐn)?shù)、困惑度指標(biāo)和人工判讀確定。ＬＤＡ 模型中引入了隱變量來描述文檔的主題分布以及主題的詞分布， 從而將文檔的語料庫建模為一個概率模型， 聯(lián)合分布概率表示了ＬＤＡ 模型中的概率分布關(guān)系，具體聯(lián)合分布概率如式（１） 所示。

Ｐ（θ，φ，ｗ）＝ Ｐ（θ）Ｐ（φ）Ｐ（ｗ ｜θ，φ） （１）

其中， Ｐ （θ） 是文檔—主題分布的先驗(yàn)分布，通常假設(shè)為Ｄｉｒｉｃｈｌｅｔ 分布； Ｐ（φ）是主題—詞分布的先驗(yàn)分布， 也通常假設(shè)為Ｄｉｒｉｃｈｌｅｔ 分布； Ｐ（ｗ ｜θ，φ）是給定文檔—主題分布和主題—詞分布條件下， 生成文檔的詞分布的似然函數(shù)。

２.２ 基金資助的科學(xué)產(chǎn)出主題評估指標(biāo)

如何有效評估基金資助的科學(xué)產(chǎn)出主題是一個值得深入分析的問題。首先， 主題資助金額能夠反映該主題被認(rèn)為具有的重要性和研究潛力， 以及為其提供足夠的資源和支持的程度； 其次， 主題資助期限可以體現(xiàn)不同主題的研究時間需求， 確保足夠時間進(jìn)行深入研究和取得科研成果； 第三， 主題熱度作為一個衡量指標(biāo)， 可以反映科研領(lǐng)域中的研究熱點(diǎn)和關(guān)注度， 為資源分配和科學(xué)研究的發(fā)展提供指導(dǎo)； 第四， 主題質(zhì)量評估重點(diǎn)考慮研究的嚴(yán)謹(jǐn)性、數(shù)據(jù)可靠性和結(jié)果解讀的準(zhǔn)確性， 以提高科學(xué)產(chǎn)出的質(zhì)量和可信度； 最后， 主題影響力指標(biāo)可幫助評估研究成果對學(xué)術(shù)界和社會的影響程度， 體現(xiàn)科研成果的實(shí)際應(yīng)用和引領(lǐng)性。

基于以上深入分析， 通過對基金資助的科學(xué)產(chǎn)出主題評估的綜合考慮和基本指標(biāo)選擇原則（目標(biāo)相關(guān)性、真實(shí)性和可靠性、可操作性、多樣性和可衡量性）， 本研究綜合基金項目及其資助的科學(xué)產(chǎn)出（論文）內(nèi)部、外部特征， 并結(jié)合主題識別結(jié)果（主題—文檔矩陣）， 提出了基金資助的科學(xué)產(chǎn)出主題評估指標(biāo)體系（主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力５ 個指標(biāo)）， 并以各個指標(biāo)為基礎(chǔ)設(shè)計了基金資助的科學(xué)產(chǎn)出主題綜合評估模型。

基金資助的科學(xué)產(chǎn)出主題評估指標(biāo)的理論依據(jù)主要有： ①生產(chǎn)函數(shù)理論［３７］ ， 生產(chǎn)函數(shù)理論是經(jīng)濟(jì)學(xué)中用來描述投入和產(chǎn)出關(guān)系的經(jīng)典理論， 在基金資助和科學(xué)研究中， 可以將科學(xué)產(chǎn)出視為一種“生產(chǎn)”， 投入的是資源（如時間、資金、人力等），產(chǎn)出的則是期刊論文、專利等成果， 根據(jù)生產(chǎn)函數(shù)理論， 一定的資源投入可以帶來一定的產(chǎn)出， 因此可以通過對比資助金額和其他相關(guān)指標(biāo)來評估資助的效果和產(chǎn)出； ②創(chuàng)新擴(kuò)散理論［３８］ ： 創(chuàng)新擴(kuò)散理論是社會學(xué)中用來描述新事物在人群中傳播和接受過程的經(jīng)典理論， 在科學(xué)研究中， 可以將科學(xué)產(chǎn)出的擴(kuò)散視為一種“接受”， 通過分析科學(xué)產(chǎn)出的下載量、引用次數(shù)和影響力等指標(biāo)， 可以評估科研論文的影響力和價值。

本文提出的基金資助的科學(xué)產(chǎn)出主題評估指標(biāo)如下：

１） 科學(xué)產(chǎn)出主題資助金額指標(biāo)

資助金額是指基金項目的研究經(jīng)費(fèi)數(shù)額， 通?；痦椖康馁Y助金額是由評審專家評估項目的科學(xué)價值和可行性， 并結(jié)合相關(guān)的經(jīng)費(fèi)預(yù)算和分配政策來決定的， 能在一定程度上反映基金項目的重要程度。

科學(xué)產(chǎn)出主題資助金額指標(biāo)（Ｔｏｐｉｃ Ｆｕｎｄｉｎｇ Ｉｎ?ｄｅｘ， ＴＦＩ）， 旨在通過基金資助的科學(xué)產(chǎn)出主題相關(guān)資助金額來測度科學(xué)產(chǎn)出主題的資助力度（具體根據(jù)各個論文標(biāo)注的基金號獲取相應(yīng)的資助金額， 進(jìn)而可以計算得到相應(yīng)主題資助金額）。具體計算方法如式（２） 所示。

其中， ＴＦＩｉ 、ＴＴＩｉ 、ＴＨＩｉ 、ＴＱＩｉ 和ＴＩＩｉ 分別表示科學(xué)產(chǎn)出主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力指標(biāo)， ｉ 表示主題序號，ｉ∈｛０，１，２，…，正整數(shù)｝， ｊ 表示任意主題相關(guān)論文的序號， ｊ∈｛１，２，３，…，正整數(shù)｝。

２.３ 基金資助的科學(xué)產(chǎn)出主題預(yù)測

在基金資助的科學(xué)產(chǎn)出評估基礎(chǔ)上， 根據(jù)科學(xué)產(chǎn)出主題綜合分?jǐn)?shù)進(jìn)行排序， 然后利用深度學(xué)習(xí)方法（ＬＳＴＭ 模型和詞向量模型）分別對其進(jìn)行預(yù)測分析， 具體將從主題熱度時間序列和主題內(nèi)容兩個維度進(jìn)行預(yù)測。

主題熱度趨勢預(yù)測思路： 使用ＴｅｎｓｏｒＦｌｏｗ 和Ｋｅｒａｓ 建立長短期記憶網(wǎng)絡(luò)（Ｌｏｎｇ Ｓｈｏｒｔ－Ｔｅｒｍ Ｍｅｍｏ?ｒｙ， ＬＳＴＭ）模型來預(yù)測未來幾年的主題熱度趨勢，并使用Ｍａｔｐｌｏｔｌｉｂ 庫繪制了預(yù)測結(jié)果和實(shí)際數(shù)據(jù)的折線圖。其中， 為了評價預(yù)測結(jié)果的準(zhǔn)確性， 通過均方根誤差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅｄ Ｅｒｒｏｒ， ＲＭＳＥ）進(jìn)行計算， 計算方法如式（８） 所示。

主題內(nèi)容趨勢預(yù)測思路： 從系統(tǒng)論角度來看，基金主題和資助論文主題之間的關(guān)系可以被看作是一個相互反饋、相互影響的科學(xué)創(chuàng)新系統(tǒng)， 基金主題內(nèi)容會影響到資助論文主題內(nèi)容， 但現(xiàn)實(shí)世界中變化和響應(yīng)之間必然存在時間延遲（滯后效應(yīng)），通過基金及其資助論文主題內(nèi)容上的滯后， 所以，在一定程度上可以根據(jù)基金主題內(nèi)容預(yù)測科學(xué)產(chǎn)出主題內(nèi)容。由于近期（近兩年）基金項目中相關(guān)知識（詞匯）會向論文主題傳遞、擴(kuò)散， 本研究的目標(biāo)是抽取出這部分詞匯作為科學(xué)產(chǎn)出主題內(nèi)容預(yù)測結(jié)果。具體將基于淺層神經(jīng)網(wǎng)絡(luò)模型（Ｗｏｒｄ２Ｖｅｃ 模型）將近兩年的基金項目文本表示為語義向量， 然后通過計算語義距離遠(yuǎn)近來篩選出科學(xué)產(chǎn)出主題未來可能的內(nèi)容詞匯， 從而預(yù)測未來一定時間的科學(xué)產(chǎn)出主題內(nèi)容。

３ 實(shí)證研究

３.１ 數(shù)據(jù)來源

本研究的數(shù)據(jù)源自美國國家科學(xué)基金會的社會和經(jīng)濟(jì)科學(xué)部、Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 數(shù)據(jù)庫和Ａｌｔｍｅｔｒｉｃ數(shù)據(jù)庫。在數(shù)據(jù)收集過程中， 首先獲取了美國國家科學(xué)基金會官網(wǎng)中提供的歷年基金數(shù)據(jù)（ＸＭＬ 格式）， 對這些數(shù)據(jù)進(jìn)行了解析、合并和格式轉(zhuǎn)換，篩選出了２０１３ 年１ 月１ 日—２０２２ 年１２ 月３１ 日社會和經(jīng)濟(jì)科學(xué)部資助的基金項目， 得到４ ０１３個基金項目； 然后， 據(jù)社會和經(jīng)濟(jì)科學(xué)部資助的基金號構(gòu)建了簡單、重復(fù)的檢索式（ＦＧ＝１４０１５２５ ＯＲ ＦＧ＝１４０７６９１ ＯＲ ＦＧ ＝ １４１１２０４ＯＲＦＧ ＝ １４１４３４２ ＯＲ……）， 登錄Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ數(shù)據(jù)庫進(jìn)行高級檢索并導(dǎo)出相應(yīng)基金資助的論文題錄數(shù)據(jù)（ＸＬＳ 格式），得到８ ４００篇基金資助的論文題錄數(shù)據(jù)； 最后， 抽取出ＷＯＳ 數(shù)據(jù)庫中導(dǎo)出的對應(yīng)論文ＤＯＩ號碼， 使用Ｐｙｔｈｏｎ爬蟲根據(jù)論文ＤＯＩ 號抓取每篇論文的Ａｌｔｍｅｔｒｉｃ數(shù)據(jù)。

３.２主題識別結(jié)果

在大小寫轉(zhuǎn)換、過濾停住詞等數(shù)據(jù)預(yù)處理基礎(chǔ)上， 利用ＬＤＡ 模型主題識別， 通過一致性分?jǐn)?shù)、困惑度指標(biāo)和人工判讀綜合判定基金及其資助論文主題的最優(yōu)主題數(shù)量， 然后經(jīng)過處理， 共得到２２個主題， 其中有７ 個基金主題（ＮＳＦ Ｔｏｐｉｃ，ＦＴ），１５ 個論文主題（Ｐａｐｅｒ Ｔｏｐｉｃ，ＰＴ）， 例如： 資源管理、決策分析、教育與健康和市場與經(jīng)濟(jì)等基金項目主題； 能源與環(huán)境、政策與環(huán)境、數(shù)據(jù)模型和社會與氣候等論文主題。部分結(jié)果如表１ 所示。

３.３ 基金資助的科學(xué)產(chǎn)出主題評估指標(biāo)計算結(jié)果

在主題識別結(jié)果基礎(chǔ)上，結(jié)合主題—文檔矩陣，根據(jù)本研究設(shè)計的主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力５ 個指標(biāo)統(tǒng)計主題的數(shù)量、質(zhì)量和影響力等特征，從而得到各個主題的特征值， 進(jìn)而利用科學(xué)產(chǎn)出主題綜合評估模型ＴＣＥＭ 對各項主題特征值進(jìn)行計算，得到基金資助的科學(xué)產(chǎn)出主題評估指標(biāo)計算結(jié)果，如表２ 所示。

分析表２ 可知， 根據(jù)基金資助的科學(xué)產(chǎn)出主題綜合評估模型ＴＣＥＭ 計算， ＰＴ＿１、ＰＴ＿８、ＰＴ＿１１、ＰＴ＿３、ＰＴ＿１０ 和ＰＴ＿１３ 等主題具有較高的投入產(chǎn)出比， 說明這些主題在投入同樣的經(jīng)費(fèi)和時間前提下能夠產(chǎn)出更多高質(zhì)量、高影響力的論文成果， 所以將這些科學(xué)產(chǎn)出主題的綜合評估等級判定為等級１。

此外， 為了分析不同綜合評估等級的科學(xué)產(chǎn)出主題之間的相互關(guān)系， 本研究在各個指標(biāo)特征基礎(chǔ)上， 利用ｔ－ＳＮＥ 降維算法結(jié)合可視化方法將科學(xué)產(chǎn)出主題的五維指標(biāo)特征進(jìn)行降維并映射到二維空間中， 結(jié)果如圖２ 所示。

圖２ 中， 圓點(diǎn)表示科學(xué)產(chǎn)出主題， 原點(diǎn)顏色由綜合評估等級確定， 原點(diǎn)大小由ＴＣＥＭ 值確定， 根據(jù)各個科學(xué)產(chǎn)出主題的綜合評估等級分布可以大致將整個二維空間分為優(yōu)秀（Ｅｘｃｅｌｌｅｎｔ）、良好（Ｇｏｏｄ）、一般（ Ｆａｉｒ） 和合格（ Ｐａｓｓ） ４ 個等級區(qū)域， 結(jié)合ＴＣＥＭ 結(jié)果可知， 具有相近ＴＣＥＭ 值的科學(xué)產(chǎn)出主題更傾向于分布在同一等級區(qū)域。其中， ＴＣＥＭ 等級為１ 的科學(xué)產(chǎn)出主題中， 除了ＰＴ＿１０ 都分布在優(yōu)秀（Ｅｘｃｅｌｌｅｎｔ）區(qū)域， 在一定程度上說明基金資助的科學(xué)產(chǎn)出主題評估指標(biāo)降維結(jié)果具有一定的實(shí)踐價值。在實(shí)踐工作中， 對于投入產(chǎn)出比更高的科學(xué)產(chǎn)出主題進(jìn)行預(yù)測具有更高的性價比， 所以， 本研究將以綜合評估等級為１ 的科學(xué)產(chǎn)出主題為例進(jìn)行預(yù)測分析。

３.４ 科學(xué)產(chǎn)出主題熱度預(yù)測分析

按照方法框架所述步驟， 導(dǎo)入所需的Ｔｅｎｓｏｒ?ｆｌｏｗ、Ｋｅｒａｓ 和Ｍａｔｐｌｏｔｌｉｂ 等工具包， 構(gòu)建了基于長短期記憶神經(jīng)網(wǎng)絡(luò)ＬＳＴＭ 的時間序列預(yù)測模型， 對ＰＴ_１： 政策與環(huán)境、ＰＴ_８： 科研發(fā)展與實(shí)踐、ＰＴ_１１： 健康與社會發(fā)展、ＰＴ_３： 氣候與資源、ＰＴ_１０： 健康風(fēng)險應(yīng)對、ＰＴ_１３： 決策行為等科學(xué)產(chǎn)出主題熱度趨勢進(jìn)行了預(yù)測。具體調(diào)用ｔｒａｉｎ_ｍｏｄｅｌ函數(shù)進(jìn)行模型訓(xùn)練并得到預(yù)測結(jié)果， 將預(yù)測結(jié)果和實(shí)際數(shù)據(jù)繪制成折線圖， 結(jié)果如圖３ 所示。

圖３ 展示了基于長短期記憶神經(jīng)網(wǎng)絡(luò)ＬＳＴＭ 模型的預(yù)測結(jié)果和實(shí)際數(shù)據(jù)之間的比較。分析均方根誤差ＲＭＳＥ 結(jié)果可知， ＲＭＳＥ 值都位于０ 和１ 之間并接近于０， 最大值為０ ０１９１， 表示模型效果較好； 并且通過觀察可知預(yù)測數(shù)據(jù)的趨勢和實(shí)際數(shù)據(jù)在趨勢和波動方面較為一致， 訓(xùn)練得到的ＬＳＴＭ 模型可以較好地擬合科學(xué)產(chǎn)出主題熱度時間序列的變化趨勢。

從主題熱度趨勢預(yù)測結(jié)果來看， 綜合評估等級為１ 的科學(xué)產(chǎn)出主題熱度普遍呈上升趨勢， 其中，ＰＴ_１： 政策與環(huán)境、ＰＴ_８： 科研發(fā)展與實(shí)踐、ＰＴ_３： 氣候與資源３ 個主題的上升趨勢更加明顯， 說明這幾個科學(xué)產(chǎn)出主題發(fā)展趨勢良好并且投入產(chǎn)出比較高， 值得投入更多政策、經(jīng)費(fèi)支持進(jìn)行優(yōu)先布局和重點(diǎn)支持。本研究將在具體內(nèi)容維度對綜合評估等級為１ 的科學(xué)產(chǎn)出主題進(jìn)行預(yù)測分析。

３.５ 科學(xué)產(chǎn)出主題內(nèi)容預(yù)測分析

在科學(xué)產(chǎn)出主題熱度預(yù)測分析結(jié)果基礎(chǔ)上， 本研究基于淺層神經(jīng)網(wǎng)絡(luò)Ｗｏｒｄ２Ｖｅｃ 模型將近兩年的基金項目文本表示為語義向量， 然后通過兩兩計算詞匯之間的語義距離遠(yuǎn)近來篩選科學(xué)產(chǎn)出主題未來可能的內(nèi)容詞匯（僅保留了語義距離Ｔｏｐ３ 的詞匯）， 從而預(yù)測未來一定時間的科學(xué)產(chǎn)出主題內(nèi)容，其中， 對ＰＴ_１： 政策與環(huán)境、ＰＴ_８： 科研發(fā)展與實(shí)踐、ＰＴ_１１： 健康與社會發(fā)展、ＰＴ_３： 氣候與資源、ＰＴ_１０： 健康風(fēng)險應(yīng)對、ＰＴ_１３： 決策行為等科學(xué)產(chǎn)出主題熱度內(nèi)容預(yù)測結(jié)果， 如圖４所示。

圖４ 中， 各個科學(xué)產(chǎn)出主題內(nèi)的１０ 個紅色詞匯為主題原始詞匯， 嵌套圓內(nèi)的３ 個黑色詞匯為計算得到的語義距離Ｔｏｐ３ 的基金項目詞匯， 為各個科學(xué)產(chǎn)出主題的內(nèi)容預(yù)測結(jié)果。本研究將結(jié)合上一步科學(xué)產(chǎn)出主題熱度預(yù)測分析結(jié)果， 以ＰＴ_１： 政策與環(huán)境、ＰＴ_８： 科研發(fā)展與實(shí)踐、ＰＴ_１１： 健康與社會發(fā)展３ 個科學(xué)產(chǎn)出主題為例， 進(jìn)行科學(xué)產(chǎn)出主題內(nèi)容預(yù)測分析。

ＰＴ_１： 政策與環(huán)境： 從主題熱度預(yù)測趨勢來看， 該主題呈現(xiàn)明顯的上升趨勢， 具有較好的發(fā)展勢頭。從主題內(nèi)容預(yù)測結(jié)果來看， 未來兩年可能重點(diǎn)關(guān)注政策測試（Ｐｏｌｉｃｙ Ｔｅｓｔ） 和政策研究（ＰｏｌｉｃｙＳｔｕｄｙ）； 健康領(lǐng)域（Ｈｅａｌｔｈ）的政策也將成為研究的焦點(diǎn)； 政策制定過程中人權(quán)（Ｈｕｍａｎ Ｒｉｇｈｔｓ）的相關(guān)議題， 特別與政治（Ｐｏｌｉｔｉｃａｌ）和法律（Ｌａｗ）相關(guān)的議題將獲得更多關(guān)注； 在環(huán)境方面， 氣候變化（Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ）將持續(xù)成為重要議題， 相關(guān)詞匯可能包括氣候變化的相互作用（ Ｃｌｉｍａｔｅ Ｉｎｔｅｒａｃ?ｔｉｏｎ）、氣候變化的多樣性（Ｃｌｉｍａｔｅ Ｍｕｌｔｉｐｌｅ）以及氣候變化的具體變化（Ｃｌｉｍａｔｅ Ｃｈａｎｇｅｓ）等； 環(huán)境相關(guān)的調(diào)查研究（Ｓｕｒｖｅｙ）也可能涉及經(jīng)濟(jì)（Ｅｃｏｎｏｍｉｃ）和發(fā)展（Ｄｅｖｅｌｏｐ）等詞匯； 此外， 可持續(xù)發(fā)展和創(chuàng)新（Ｉｎｎｏｖａｔｉｏｎ）將在未來兩年內(nèi)成為該主題的重點(diǎn)研究內(nèi)容。

ＰＴ_８： 科研發(fā)展與實(shí)踐： 從主題熱度預(yù)測趨勢來看， 該主題同樣呈現(xiàn)明顯的上升趨勢， 具有較好的發(fā)展勢頭。從主題內(nèi)容預(yù)測結(jié)果來看， 在未來兩年中， 凝聚力（Ｃｏｈｅｓｉｏｎ）、技術(shù)改進(jìn)（Ｉｍｐｒｏｖｅ）、過程組織（Ｏｒｇａｎｉｚａｔｉｏｎ）、方法改進(jìn)（Ｉｍｐｒｏｖｅ）和綜合發(fā)展（Ｉｎｃｌｕｄｅ）將成為重要研究內(nèi)容； 研究者對科研文章的邏輯結(jié)構(gòu)和信息銜接的關(guān)注（Ｃｏｈｅｓｉｏｎ）將增加， 以提高文章的可讀性和科學(xué)價值； 探索新技術(shù)如何改進(jìn)科學(xué)研究和實(shí)踐方法（Ｉｍｐｒｏｖｅ）將是熱門方向； 此外， 研究者還可能關(guān)注如何組織和優(yōu)化科研工作流程（Ｏｒｇａｎｉｚａｔｉｏｎ）以提高效率和質(zhì)量，以及改進(jìn)研究方法和策略（Ａｐｐｒｏａｃｈ）以提高研究的可靠性和創(chuàng)新性。

ＰＴ_１１： 健康與社會發(fā)展： 從主題熱度預(yù)測趨勢來看， 該主題呈現(xiàn)先下降再上升的明顯的趨勢，具有一定的發(fā)展?jié)摿Γ?這可能和全球范圍健康衛(wèi)生事件轉(zhuǎn)好相關(guān)（相關(guān)下降）， 并隨著人們對健康問題的重視， 相關(guān)研究逐漸開始增多。從主題內(nèi)容預(yù)測結(jié)果來看， 在未來兩年， 社會公眾參與（Ｓｏｃｉａｌｐｕｂｌｉｃ）可能受到研究者的重視， 比如： 通過社交媒體平臺傳播公益信息和促進(jìn)社會責(zé)任感； 社會健康（Ｓｏｃｉａｌ－ｈｅａｌｔｈ）問題也會引發(fā)更多討論， 利用社交媒體傳播健康意識和鼓勵健康行為； 社會資本（Ｓｏｃｉａｌ－ｃａｐｉｔａｌ）的重要性也會引起關(guān)注， 包括發(fā)展社會網(wǎng)絡(luò)、社區(qū)組織和社交技能等； 此外， 數(shù)據(jù)分析（Ａｎａｌｙｓｉｓ）和人工智能技術(shù)將在社會健康領(lǐng)域發(fā)揮重要作用， 通過識別（Ｉｄｅｎｔｉｆｙ）、檢查（Ｅｘａｍｉｎｅ）和學(xué)習(xí)（Ｌｅａｒｎ）， 可以更好地了解社會健康問題并為決策提供指導(dǎo)， 這些趨勢的發(fā)展將推動社會的健康發(fā)展和社會的可持續(xù)發(fā)展。

３.６ 討論

本研究提出了基金資助的科學(xué)產(chǎn)出評估和預(yù)測方法， 綜合運(yùn)用了文獻(xiàn)計量、數(shù)理統(tǒng)計、機(jī)器學(xué)習(xí)和可視化方法， 建立了相關(guān)的評估指標(biāo)和預(yù)測模型，通過美國國家科學(xué)基金會社會和經(jīng)濟(jì)學(xué)部的基金項目及其資助論文的實(shí)證， 在一定程度上驗(yàn)證了方法的可行性和有效性， 對于優(yōu)化基金資助效果、提高科學(xué)研究質(zhì)量， 以及科研管理部門優(yōu)選布局方向、優(yōu)化資源配置等具有一定的理論和實(shí)踐指導(dǎo)意義。

首先， 本研究提出了主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力５ 個指標(biāo)， 并以之為基礎(chǔ)設(shè)計了基金資助的科學(xué)產(chǎn)出主題綜合評估模型， 可以有效評估基金資助的科學(xué)產(chǎn)出主題的投入產(chǎn)出比； 其次， 本研究利用ＬＳＴＭ 和Ｗｏｒｄ２Ｖｅｃ模型進(jìn)行基金資助的科學(xué)產(chǎn)出主題時序和內(nèi)容的預(yù)測是合理、有效的， ＬＳＴＭ 模型可以捕捉到主題演化的模式和規(guī)律， 并用于預(yù)測未來主題的發(fā)展走向， 這種方法在時間序列預(yù)測領(lǐng)域有較高的可靠性和效果。Ｗｏｒｄ２Ｖｅｃ 模型能夠?qū)卧~轉(zhuǎn)換為密集向量表示， 具有保留詞義和語義關(guān)系的能力，對于主題內(nèi)容的預(yù)測， 可以使用Ｗｏｒｄ２Ｖｅｃ 模型來學(xué)習(xí)主題詞匯之間的語義關(guān)聯(lián)， 并在新的主題中預(yù)測相關(guān)的關(guān)鍵詞或主題詞。這種方法能夠豐富情報分析人員對科學(xué)研究主題的理解， 并有助于發(fā)現(xiàn)主題之間的關(guān)聯(lián)和新興方向的隱含主題。

但是， 本研究也存在一定的不足。比如： 數(shù)據(jù)涉及基金項目、論文和替代計量數(shù)據(jù)， 在收集方面可能受到限制， 雖然本研究通過數(shù)據(jù)清洗、去重、排除異常值等方式， 提高了數(shù)據(jù)的可靠性和準(zhǔn)確性，但數(shù)據(jù)丟失、空值等可能仍會對研究結(jié)果具有一定影響； 在科學(xué)產(chǎn)出主題預(yù)測部分， 分為主題熱度和主題內(nèi)容兩個方面， 雖然可以增加分析的維度， 但是在具體解讀工作中做好兩者的整合對于情報工作者的情報分析能力具有一定的要求。

４結(jié)語

本研究提出了基金資助的科學(xué)產(chǎn)出評估和預(yù)測方法， 綜合主題資助金額、主題資助期限、主題熱度、主題質(zhì)量和主題影響力５ 個指標(biāo)， 可以有效評估基金資助的科學(xué)產(chǎn)出主題的投入產(chǎn)出比， 并設(shè)計了基于神經(jīng)網(wǎng)絡(luò)算法的主題熱度和主題內(nèi)容預(yù)測方法， 可以實(shí)現(xiàn)基金資助的科學(xué)產(chǎn)出主題評估和預(yù)測。通過對美國國家科學(xué)基金會社會和經(jīng)濟(jì)學(xué)部的基金項目及其資助論文的實(shí)證， 驗(yàn)證了方法的可行性和有效性。該方法雖然可以有效評估和預(yù)測基金資助的科學(xué)產(chǎn)出， 但仍存在一定的局限， 一方面是對于數(shù)據(jù)源的要求較高； 另一方面對于情報人員的解讀能力也有一定的要求。在未來的研究中， 本研究將嘗試改進(jìn)基于算法模型的評估和預(yù)測方法， 考慮采用更先進(jìn)的機(jī)器學(xué)習(xí)算法或深度學(xué)習(xí)模型來提高預(yù)測的準(zhǔn)確性和可靠性； 引入領(lǐng)域知識， 結(jié)合領(lǐng)域?qū)＜业闹R， 將領(lǐng)域?qū)＜业慕庾x能力納入模型中， 以幫助更好地解析和理解科學(xué)產(chǎn)出數(shù)據(jù)。