ISI报告：科睿唯安社会影响力评估框架：负责任的影响力评估指南

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GordonRogersDmytroFilchenko作者简介GordonRogers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.WebofScienceResearcherID:ABA-65542020。

DmytroFilchenko博士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，负责主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：RyanFry,TinaJablonovic，KateKelliher，MilovanKovac，NanditaQuaderi（ISI）传承基石，引领未来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。

学信息的获取、解读与利用。ISI维ofScience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。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（Clarivate

如需了解更多信息，欢迎访问/isi该框架与现有的负责任科研评价原则透明性，并具有充分的情境适用性。DOI:10.14322/isi.research.clarivate.societal.impact.framework.responsible.impact.measurement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影响力评估框架WebofScienceResearchIntelligence平台上的负责任科研分析。报告还为机构与科研人员在WebofScienceResearchIntelligence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（SustainableDevelopmentGoals，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”（ResearchTopics），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（1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”（SocietalImpactProfile），以帮助WebofScienceResearchIntelligence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”（ResearchAssessmentExerciseRAE）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。衡量科研社会影响力：挑战与方法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ResearchProfessionalNews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70%的受访者认为，科研的社会影响力难以衡量。5,67,8：数据缺乏。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。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。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2。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？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。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WebofScienceResearchIntelligence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WebofScienceResearchIntelligence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”（ResearchExcellenceFramework，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WebofScienceResearchIntelligence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。框架中社会需求的分类方式205016,172090218,18，并开始结合定性19-22。1213以及中国香港特别行政区15的相关体（CoalitionforAdvancingResearchAssessmentCoARA）23。以PESTLE模型作为共同基础PESTLE模型之间存在高度重叠。（Technological）法律（Legal）和环境（Environmental）等因素。科睿唯安社会影响力评估框架正是在这一PESTLE结构进行了调整，使其更契合现有的影响力评估实践。由于传统的PESTLE架构并未将教育或健康作为独立类别，因此，该框架将“社会”部分进一步细在很多情况下，科研成果或指标与这些社会层面之间的对应关系似乎显而易见。例如，医学期刊论文通常会被归入“医疗”层面，而与气候变化相关的政策文件引用则可能同时对应“政治与政策”以及“环境”层面。然而，论文背后的科研工作所产生的更广泛影响并不总是如此直观。例如，某项研究可能带来技术收益，从而与“技术”层面相关联。为识别这些更广泛或不那么明显的影响，该框架采用分层方法，不仅关注成果的发表出处或被引方式，更关注研究内容本身。核心机制：与联合国可持续发展目标的映射自2015年以来，联合国SDGs24已成为应对全球重大挑战的重要框架。尽管实现这些目标的责任主要由各国政府承担，但学术界在寻找解决方案方面同样发挥着关键作用。该框架中的社会层面首先依据各项SDG对应的具体目标和子目标，映射25至SDGs。因此，WebofScienceResearchIntelligence用户也可以根据其使用场景的需要，按SDGs而非框架中的社会层面来分析数据。随后，通过将科研产出，以及引用文献等科研成果，映射至SDGs，框架最终完成了与各社会层面之间的对应关系建立。对于科研产出与成果到SDGs的映射，本可以采用一种更简单的关键词匹配方式。例如，Bzkurt2025年的论文“wdoationalarksperaeuringWildfiesElswhe?26（其他地区发生野火期间国家公园的运营方式SDGSDG15并无关联。另一种方案是利用大语言模型（LLM）或其他形式的机器学习来分析论文内容。然而，AI模型本质上属于“黑箱”技术，人们无法明确知道其为何得出某一特定结论，尤其是在结论错误时更是如此。科睿唯安社会影响力评估框架所采用的方法则位于上述两种极端之间的中间地带：既避免了纯关键词检索的过度简化，也避免完全依赖AI学、技术与创新助力全球目标”（SteeringResearchandInnovationforGlobalGoals，简称27研究人员开发的映射体系。基于“相互引用的论文通常涉及相近主题”这一假设，我们首先依据引文关系对论文进STRINGS项目研究人员使用的SDGSDG相关的论文。最后，我们结合每个聚类中匹配论文所占比例以及该聚类所涉及的主题，判断是否将某一“引文主题”映SDG。通过这种方法，上文的示例――Bozkurt2025年的论文被归入名为“好奇心研究”（CuriosityStudies）28，避SDG15。尽管这一方法能够较为有效地将论文映射至SDGs，并已应用于ofScience与InCites，但对于专利、政策文件等其他类型的科研产出，其适用性则相对有限，因为此类25通过对文档的文本内容进行语义分析来实现分类。分类后的“研究主题”再以类似“引文SDGsSDG，则会进一步利用与其SDG。从基于PESTLE的社会层面与SDGs拓展至自定义分类体系然而，假设用户希望按照某一国家级科研评估机制所定义的类别来开展分析，而非使用上述默认的八个社会层面，我们的分层方法恰恰提供了相应的灵活性。通过采用与默认社会SDGs总体而言，科睿唯安社会影响力评估框架具备以下兼具结构性与灵活性的特征：并在此基础上聚合形成该框架基于联合国SDGs，以SDGs为核心驱动据来源适用于多种数据类型与数跨平台分类活适配其他分类体系PESTLE社会层面，还可灵即基于SDGs聚合形成的除了默认的分类体系――支持其他分类体系指标组介绍科睿唯安社会影响力评估框架包含11个彼此独立的指标组，每个指标组对应科研从产出到形成影响路径上的不同环节。该框架认识到，科研人员、科研管理部门、基金资助机构以及其他利益相关方，不仅需要识别科研早期阶段或科研成果刚产生时所体现的潜在影响信号，也需要关注可能需要数年乃至数十年才能显现的实际影响。因此，框架将指标组分为前瞻性指标与回顾性指标。这些指标组共同构成了一条关于“科研如何对社会产生影响”的叙事链条：从研究对应哪些SDG，到研究人员与学术界之外的哪些主体开展合作，再到哪些主体直接或间接地在此基础上进一步开展工作。每个指标组均包含多种测量数据、度量指标以及定性与定量指标，以全面呈现影响路径中各阶段的情况。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。附录A对相关术语做了进一步说明。指标组及其底层测量数据的选择，参考了最新一期ResearchProfessionalNews的调查结果（见附录B），以及WebofScienceResearchIntelligence开发合作伙伴、早期用户和顾问团队所提供的反馈意见。前瞻性指标在教学与科研之外，大学所谓的“第三使命”如今已扩展至与社会参与相关的各类活动。尽管这一“第三使命”的准确定义仍有待讨论29，但其涵盖的活动范围可能包括：通过咨询与培训支持本地企业、推动科研成果商业化，以及举办公共展览与讲座等。这些活动本身未必意味着科研工作已对社会产生了直接影响，但它们能够作为未来潜在社会影响的信号。许多前瞻性指标所关注的，正是学术界与社会之间的互动如何开始产生成效，而这往往是形成更广泛社会影响力的第一步5,9。实用性机构产出或活动对于具体社会需求的适用性，是科研工作展现出未来社会影响力的前提条件。“实用性”指标组提供的数据，可展示与PESTLE社会层面、SDGs或用户自定义分类体系对应的论文数量。在企业领域，可持续发展报告如今已相当普及，其推动力最初主要来自《全球报告倡议组织（GRI）标准》30等框架，而这些框架本身便侧重于PESTLE的运用。尽管将类似报告要求应用于高等教育领域的尝试取得了参差不齐的成果31,32RAE《GRI标准》还鼓励在可持续发展报告中纳入SDG33，而这一要求同样适用于大学层面。学术研究是大学更广泛社会影响力的关键组成部分，因此，该指标组也展示了机构层面的科研工作如何与SDGs保持一致。传播通过有效渠道传播科研成果对于科研工作至关重要，这关乎科研能否触及更广大的受众并在未来得到实际应用。“传播”指标组涵盖了科研成果触达广泛受众的多种方式，包括在开放获取期刊上发表的论文数量等指标。传统上，科研传播主要通过学术出版进行，目标受众主要集中在学术界。该指标组同时关注科研触达更广泛受众的其他途径，无论是从业者还是公众，例如公众讲座、新闻稿发布或行业刊物发表等。“通过富有成效的互动开展的社会影响力评估”（SocialImpactAssessmentMethodsforProductiveInteractionsSIAMPI）9强调，“富有成效的互动”是确保科研产生更广泛社会影响的重要手段。而“传播”指标组所关注的，则是这一影响路径中更前端的一步：任何互动要想产生富有成效的结果，首先必须发生。传播活动越多，相关互动越有可能转化为富有成效的互动，并最终产生更广泛的影响。关注度近期发表的科研成果所获得的关注度，能够在一定程度上反映其未来社会影响力。然而，这类信息必须结合具体背景进行解读。“关注度”指标组包含社交媒体提及次数、分领域读者统计等数据，用于观察科研传播如何开始产生富有成效的结果。其重点在于考察非学术群体如何开始关注相关研究。自替代计量学于2010年首次提出以来34，研究人员一直在评估其是否能够有效反映学术影响力与社会影响力。现有证据显示，其与学术引用之间的相关性较为有限35,36，因此可以推测，“关注度”数据与社会影响力之间的相关性也同样有限，无论社会影响力的衡量方式如何。此外，单纯统计社交媒体提及次数，也缺乏有价值的背景信息。例如，提及某篇论文的是普通公众，还是政策研究机构的分析师？有多少医疗企业的研究人员浏览或收藏了相关论文？通过纳入这些背景信息，该框架能够为了解“关注度”数据如何转化为社会影响力，提供更有价值的依据。参与交流学术人员与相关利益相关方的交流，是了解社区需求的一种有力机制。“参与交流”指标组提供了关于参与交流发生方式的指标，例如会议、焦点小组或圆桌讨论等37。学术界与更广泛社区之间的知识流动，应形成有效的反馈机制，帮助学术人员根据当地实际问题调整研究方向。这与“Mode2”（模式2）强调的“以应用为导向”的研究范式相契合38。与利益相关方建立紧密互动，还有助于确保科研项目实现其最初设定的社会影响力目标9。公众咨询虽然是一种较为非正式的形式，但同样能够为科研方向提供指引；而与公众或特定机构开展更深层次的交流，则有助于确保研究聚焦于具体需求。学术界之外的合作研究人员与其他利益相关方之间的合作，可促成更正式的伙伴关系，例如合著关系。“合作”指标组包含有关研究人员如何与非学术界主体开展合作的指标，并按照工业、医疗健康，乃至博物馆或公共艺术机构等不同领域进行分类11。合作是科研生态系统的重要组成部分，无论是学术界内部合作，还是与其他领域研究人员的合作，均为满足各方需求提供了重要渠道。研究表明，优秀的科研机构通常会积极推进39。“学术界之外的合作”似乎可以简单地定义为“与任何非学术机构之间的合作”――而此处所谓的“学术机构”，包括大学、科研院所、国家科学院及类似机构（详细定义见ofScienceResearchIntelligence文档25）。然而，更深入的分析会发现，这一划分实际上需要更加细致。例如，大多数医院都属于医疗健康领域，但大学附属医院是否也应归于此类？由大学孵化成立的企业又应如何界定？对此，该框架会综合考虑此类关系，并分析40。可转移性科研成果能否被转化，以用于解决更广泛的社会问题，往往是科研产生社会影响的重要起点。“可转移性”指标组包括专利申请、临床试验资助，以及政策文件或行业标准的参与制定等相关指标。在初步研究完成之后，许多情况下还需要将研究成果转化为能够产生进一步影响的应用。具体应用形式因领域而异。例如，申请专利表明研究机构可能有意愿将创新进一步推进至研发之外的实际应用阶段；临床试验则为临床干预措施的开发与验证提供了途径。然而，这些仍属于潜在影响的早期信号，而并非社会影响力本身的信号。若要真正体现社会影响力，还需确认这些专利是否最终获得授权并实现商业化应用，或相关临床干预措施是否最终取得成功。这些内容将在下文关于回顾性指标的部分进一步讨论。回顾性指标本节关注的是已经开始显现影响的成果与活动所释放出的信号。尽管任何一项科研的完整影响往往需要更长时间才能充分体现，并且其形成过程与已观察到的影响信号之间通常存在更复杂的关联5，但此类指标组所覆盖的，都是已经实际可见的影响。在学术界以外的研发活动中的利用情况学术界之外的研究人员如何在自身研发工作中使用、引入或进一步发展机构科研成果，往并按行业细分。企业可能会从学术文献中吸收相关科研成果，并在此基础上进一步开发。例如，许多当下ChatGPT、ClaudeGemini等一流聊天机器人，均基于一41。而这一架构，则由谷歌的研究人员在不来梅雅各布大学与蒙特利尔大学研究人员提出的“Attention”（注意力机制）概念基础上开发而42。通过分析引用作者所属的行业领域，可以初步判断科研成果的可能应用方式。因此，该框架会进一步拆分论文所获得的期刊引用来源，以了解这些引用来自企业、医院、慈善机构还是政府部门。在非研发活动中的利用情况该指标组涵盖了多种不同类型的社会影响，反映科研成果被非科研界利益相关方应用的多样化方式。相关数据包括科研成果被政策文件记录或专业指南引用的情况。媒体报道该指标组中的指标主要基于此类媒体对科研人员的报道情况，以及一个机构中被报道的不同科研人员数量。2021REF机制将“被记者、广播媒体或社交媒体引用”列为衡量科研传播范围与影响力11。然而，“关注度”指标组所包含的社交媒体提及，必须与经过更严格编辑与监管的主流媒体报道有所区分。而社交媒体的灵活性更强，且通常缺乏审核。社交媒体可以构成学术界与公众之间的直接互动渠道，而传统媒体则更多体现为单向的信息传播。但在现实中，学术人员发布的社交43。表彰高关注度表彰机制对科研活动的认可，不仅能够提供定量层面的信号，也能够从定性层面反映科研在学术界之外所产生的影响。“表彰”指标组包含调查数据，以及关于重要奖项的数据44。荷兰《标准评估协议》（SEP）12纳入了“表彰标志”（MarksofRecognition），认为其能够体现“具有明确社会价值的优秀科研工作”。例如，研究人员担任民间社会组织成员，或在相关机构兼任职务，都属于此类标志。相关任命或奖项背后的理由，也能够从定性层面反映同行或公众对相关研究的看法与评价。过去十五年来，科睿唯安“全球机构概况项目”（GlobalInstitutionalProfilesProject）持续开展“学术声誉调查”45。该调查的结果能够简单地从定性层面反映学术界对各机构教学与科研水平的认可程度。在科研社会影响力评估框架的“人力资本”层面，教学相关数据能够为衡量机构在全球或区域层面的教育声誉提供参考。培养“培养”指标组关注个人或机构如何通过培训、支持与指导，帮助其他个人进一步产生社会影响。该指标组包括博士生或博士后在完成科研项目后的职业发展路径等相关数据。“培养”指标组与其他指标组略有不同：其他指标组大多围绕科研成果本身展开，而该指层面。其考察内容包括，科研团队中的博士生与博士后如何运用所学技能，并在其他领域继续为社会做贡献；同样，其他更资深的研究人员，也可能将在某一项目中开发的技术应RAE11,15。总而言之，科睿唯安社会影响力评估框架通过结构化方式对社会影响信号进行分类，展现出以下特征：的影响信号该框架区分了先导与滞后纳入时间维度考量的影响信号该框架区分了先导与滞后纳入时间维度考量标以及指标组的多个层级数据到度量指标、评价指分析能力覆盖从原始测量支持多层级颗粒度推动平衡性评估定量指标辅以定性指标依据具体背景解读基础测量数据在使用任何社会影响力的测量数据时，充分理解其背景信息，是开展有效分析与决策的关键。此类背景信息可以体现为多种形式。例如，机构可能希望了解自身在某项指标上的全球位置；而在其他情况下，了解其在国内范围内，或相对于某一特定机构群体的表现，可能更有价值。因此，该框架为各项测量数据提供了适当的背景参照。注意事项目前并不存在一种合理的方法，可以将社会影响力数据简单汇总为单一指标，并据此对整体社会影响力进行评估比较。尽管人们可能会倾向于询问机构A和机构B总体上谁具有更大的“影响力”，但这种比较很容易导致误读。因此，各项指标只能在其各自背景下进行解读。例如，将某机构的政策引用数量与同一国家其他机构进行比较，是合理的；但若将机构A的媒体报道数量与授权专利数量简单加总后，再与机构B进行比较，则缺乏实际意义。同样地，如果不同项目之间缺乏统一的定义标准，那么无论是在全球还是国内范围内，对项目进行比较也意义有限。对两个或多个项目在单项指标上的数据进行比较是合理的，但如果该框架支持用户将项目层面的数据直接与全球或国内基准进行整体对照，则是不严谨的做法。如前所述，为了更全面地呈现社会影响力，框架中的数据还可以与机构或项目的内部数据结合使用。目前，WebofScienceResearchIntelligence已支持便捷的数据导出功能，并计划于今年晚些时候进一步推出更多数据整合能力。相对规模在分析社会影响力时，必须考虑规模因素。在其他条件相同的情况下，规模更大的机构或项目自然会呈现出更高的总体影响力。因此，除了绝对数量之外，相对占比同样值得关注――例如，被临床指南引用的论文占比。尽管以教学人员规模作为规范化基准会更加合理，但由于很难以全球统一方式获取相关数据，因此我们以科研产出规模作为教员规模的替代性指标，同时也承认不同机构之间的科研生产率本身存在差异。规范化从全球范围来看，许多机构在多数影响力指标上几乎没有数据，甚至完全缺乏数据。这不仅增加了规范化比较的难度，也会因为数据量过小而削弱统计分析的稳健性。图1展示了201520252则展示例如在“医疗”层面（1），5%；而在“法律与治理”60%的机构没有任何持续获得非学术界引用的论文（2）。尽管此前已有其他研究提出不同方法46,47来应对数据分布偏斜的问题，但我们的方法注重易于理解，同时也承认小样本数据天然包含更多统计噪声。因此，我们将比较范围限制在具备足够影响信号的机构，以降低噪声的影响，并避免对稀疏数据做出过度解读。同时，采用相对位置（例如分位数），也有助于在不同指标分布差异较大的情况下提高可比性。因此，阈值会根据具体度量指标的特征进行校准。对于机构层面数据分布较稀疏的指标，需要采用相对宽松的阈值，以避免具有低影响力信号的机构被排除在外，但同时也必须谨慎使用，以防误读；而对于数据更丰富的指标，则需要采用更严格的阈值，以减少噪声干扰。这种平衡的做法有助于确保比较结果既具有可信度，也与底层数据的特征相匹配。学术机构占比（%）经济 环境 人力资本 法律与治理学术机构占比（%）社会与文化 技术医疗政治与政策与各社会层面相关的论文数量（2015-2025年）医疗政治与政策图1：按各层面相关论文数量划分的学术机构分布。论文发表时间：2015–2025年。经济 环境 人力资本 法律与治理学术机构占比（%）社会与文化医疗 政治与政策 技术学术机构占比（%）社会与文化持续获得非学术界引用的论文数量（2015-2025年）图2：按各层面持续获得非学术界引用的论文数量划分的学术机构分布。论文发表时间：2015–2025年。解读科睿唯安科研社会影响力评估框架提供了大量数据，但这些数据可能难以梳理和理解。在为数据引入适当背景之后，还需判断哪些影响信号更值得关注，哪些相对次要――尤其是在这些信号因机构而异的情况下。因此，对数据进行适当概括十分必要。但与此同时，也必须避免过度简化，或保留过多细48，也无法让用户进一步理解其背后的具体数据。同样，如果总结后用户仍感到信息过载，那么这种总结也并不成功。社会影响力全貌ofScienceResearchIntelligence平台提供的“社会影响力全貌”正是为实现这种平衡哪些领域则相对较弱。该功能可将机构的关键指标与全球基准进行规范化比较，并按照不同社会层面进行聚合，从而帮助用户整体判断机构在全球范围内所处的位置。未来，WebofScienceResearchIntelligence其中所采用的“渐隐式”（Fade-out）可视化设计（34），旨在体现数据概括的不确定性，防止用户做出过度精确的解读。ofScienceResearchIntelligence中的大多数指标仍以定量指标为主，现阶段ofScienceResearchIntelligence中“社会影响力报告”（SocietalImpactReport）功能所提供的深入洞察，以及机构内部补充数据。解读3展示了一个采用规模规范化指标构建的“社会影响力全貌”示例。从图中可以看出，除“人力资本”层面的潜在影响与已观察影响大体相当，以及“医疗”层面的潜在影响信号高于已观察影响之外，该机构在其他所有社会层面的已观察影响信号（回顾性指标）均强于潜在影响信号（前瞻性指标）。这意味着，相较于用于规范化比较的整个机构群体，该机构当前的整体能力，相对于其过去表现而言有所减弱。而这种相对能力的变化，既可律与治理”层面的影响信号整体高于其他层面。因此，如果该机构希望优先强化自身已经具备优势的领域，那么这一社会层面值得进一步深入分析。相反，如果机构希望优先改善影响力相对较弱的领域，则应首先关注“技术”层面。与此同时，正如该框架支持按SDGs对数据进行分类一样，“社会影响力全貌”也可以按照SDGs进行绘制展示。图4即为一个示例。在该示例中，已观察影响信号（回顾性指标）在SDG6、10、13和16上表现较强，而潜在影响信号（前瞻性指标）则在SDG5、7和16上更为突出。尽管该框架的首要目标，是帮助机构了解自身的社会影响力――无论是在整体机构层面，还是单个项目层面，但我们也意识到，用户可能希望利用“社会影响力全貌”与同行机构进行比较。全球约有一半的科研管理部门将“战略差异化”49列为评估科研社会影响力的前三大原因之一。对于这种情况，我们建议仅进行同类比较。例如，综合性机构应仅与其他综合性机构进行比较；专业学科机构应与同类型机构比较；而历史较久的机构，也应与其他同样成熟的机构进行比较50。项目SCOPE（负责任评价五步法）评估影响矩阵2的原则，为降低误读风险，“社会影5节所述，目前尚不清楚应如何恰当地界定“项/地区或全球范围内开展具有实际意义的比较。此外，大多数项目所呈现的社会影响信号数量有限且较为分散，这也使得对指标进行负责任的聚合或比较变得更加困难。经济政治与政策 技术法律与治理 医疗人力资本

社会与文化

环境潜在影响信号（前瞻性指标）已观察影响信号（回顾性指标图3：“社会影响力全貌”示例――呈现框架中八个社会层面的潜在影响信号与已观察影响信号的总体趋势。SDG17SDG17SDG16促进目标实现和平、正义与强大机构SDG16陆地生物SDG15陆地生物水下生物SDG14水下生物SDG12SDG12负责任消费和生产

SDG

无贫零饥饿SDG无贫零饥饿

SDGSDG良好健康与福祉SDGSDG优质教育SDGSDG性别平等SDGSDG清洁饮水和卫生设施SDGSDG经济适用的清洁能源SDG11SDG11和社区市

SDG不平等

SDGSDG业、创

SDGSDG经济增长

）号图4：“社会影响力全貌”示例――呈现针对17项联合国可持续发展目标的潜在影响与已观察影响信号的总体趋势综上所述，第5节与第6节针对如何在WebofScienceResearchIntelligence平台负责任地使用科睿唯安社会影响力评估框架，提出了以下建议：的国家、区域或全球基准估对象的规模。采用适当考虑数据分布特征以及评优先考虑背景信息性的同类对象标层面，仅比较具有可比的国家、区域或全球基准估对象的规模。采用适当考虑数据分布特征以及评优先考虑背景信息性的同类对象标层面，仅比较具有可比在单项度量指标或评价指谨慎开展对标及源数据的起点度量指标、原始测量数据为进一步分析底层指标、将“社会影响力全貌”作深入探究细节差异。应关注整体趋势及避免过分强调微小的数值避免精确性偏差调整方法（）有场景。应根据评估对象并非所有指标都适用于所根据目的调整方法全面的社会影响力格局数据源结合使用，呈现更将我们的数据与其他相关结合其他数据来源框架在国家科研评估机制中的应用许多科研评估机制（RAE）都会通过“影响力案例研究”来分析科研的社会影响力，即以叙述性方式呈现科研工作在现实世界中产生的影响。而ofScienceResearchIntelligence平台的“社会影响力报告”功能，可帮助机构完成此类案例研究的准备、撰写与验证工作。科研评估机制的要求不同基金资助机构对科研影响力的评估方式各不相同。例如，荷兰《标准评估协议》（SEP）12从经济、社会、文化、教育及其他相关领域评估科研影响力；而意大利的“科研质量评估”（VQR）14则主要从社会、文化与经济维度开展评估。由于这些类别的定义3SDG同样地，不同机构对于哪些证据能够被视为“科研社会影响力”的有效证明，也有不同要求11,13,15。为此，该框架提供了丰富多样的数据，帮助用户识别相关影响。影响力案例研究尽管不同体系的要求可能存在一些细微差异，大部分RAE的影响力案例研究大致围绕四个核心部分展开：科研工作的贡献，支撑性研究的产出成果，由此产生的影响，以及相关证据。总体而言，这类案例研究主要聚焦于科研项目及其所产生的影响。ofScienceResearchIntelligence优化案例研究。指标组许多RAE仅关注已显现影响的信号，因此用户在撰写案例研究时，可能会更侧重于使用回顾性指标。然而，即使在这种情况下，也不应完全忽视前瞻性指标，因为这些指标可能预示着未来有望转化为实质性影响的潜在影响。因此，我们也建议研究人员定期查看与其项目相关的潜在影响信号，因为到下一次影响力案例研究开展时，这些潜在影响很可能已经发展为可观测的实际影响。结论与未来方向WebofScienceResearchIntelligence平台的科睿唯安社会影响力评估框架，是一套兼具结构性与灵活性的解决方案。其结合了RAE及其他评估框架在社会影响力评估方面的最佳实践，并融入了ISI在负责任科研评估领域的专业经验。该框架包含多项由ISI开发的独特功能，并建立在科睿唯安可验证数据体系之上，其数据的广度与深度亦是科睿唯安所独有的。该框架旨在应对科研影响力评估中的各种挑战，并缓解诸多固有风险。其支持多种影响分类体系，包括广泛采用的SDGs分类体系以及各国RAE所使用的分类体系，同时提供潜在从而揭示科研工作形成社会影响力的不同路径，并为底层数据提供了背景信息。此外，该框架还通过“社会影响力全貌”帮助用户应对底层数据、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。最后，该框架还支持将WebofScienceResearchIntelligence中的数据，与用户可获取的机构内部相关数据结合使用，从而形成对科研影响力更加丰富且全面的认知。展望未来，ISI将围绕以下几个关键领域，持续完善和扩展社会影响力评估框架：我们将进一步探索并整合新的数据源与度量指标，包括科睿唯安内部数据集，以及符合独立可验证性与可复现性标准的外部来源数据。所有新增内容都将遵循最佳实践、严格质量标准以及清晰指导，以支持负责任的使用。我们将继续探索引入定性数据源，包括社会影响力相关的调查，以及运用于采纳情况指标的情感分析等技术，并确保这些方法以稳健可靠的方式实施。我们将继续研究大语言模型（AI）的应用。例如，这类技术或许可以帮助机构与基金资助方，通过分析支撑性科研成果的内容与已报告成果，对影响力案例研究进行验证，同时保持透明度与方法严谨性。随着WebofScienceResearchIntelligence平台在全球范围内正式发布，ISI将积极收集客户反馈，作为后续产品开发工作的参考。希望通过这种迭代方法，该框架能够根据用户需求与新兴最佳实践持续演进优化。我们欢迎科研界就社会影响力评估框架提出反馈意见，或分享有关改进科研社会影响力评估方法的建议。ISI团队联系方式：isi@。参考文献SanFranciscoDeclarationonResearchAssessment.DORA.AccessedFebruary24,2026./InternationalNetworkofResearchManagementSocieties-ResearchEvaluationGroup.TheSCOPEFramework.TheUniversityofMelbourne;2023.doi:10.26188/21919527.v1HicksD,WoutersP,WaltmanL,deRijckeS,RafolsI.Bibliometrics:TheLeidenManifestoforresearchmetrics.Nature.2015;520(7548):429-431.doi:10.1038/520429aSpecialreport:ResearchOfficesoftheFuture.ResearchProfessionalNews.November27,2023.AccessedMarch23,2026.report-research-offices-of-the-future/MuhonenR,BenneworthP,Olmos-PeñuelaJ.Fromproductiveinteractionstoimpactpathways:UnderstandingthekeydimensionsindevelopingSSHresearchsocietalimpact.ResearchEvaluation.PublishedonlineMarch5,2019.doi:10.1093/reseval/rvz003BudtzPedersenD,HvidtfeldtR.Themissinglinksofresearchimpact.ResEval.2024;33:rvad011.doi:10.1093/reseval/rvad011FilchenkoD,PendleburyD,QuaderiN,AdamsJ.AResponsibleFrameworkforEvaluatingtheSocietalImpactofResearch.Clarivate;2024.doi:10.14322/isi.insights.societal.impact.of.researchBornmannL.Whatissocietalimpactofresearchandhowcanitbeassessed?aliteraturesurvey.JournaloftheAmericanSocietyforInformationScienceandTechnology.2013;64(2):217-233.doi:10.1002/asi.22803SpaapenJ,vanDroogeL,ProppT.SIAMPI230330finalreport.http://www.siampi.euJolyPB,GaunandA,ColinetL,LarédoP,LemariéS,MattM.ASIRPA:Acomprehensivetheory-basedapproachtoassessingthesocietalimpactsofaresearchorganization.ResEval.2015;24(4):440-453.doi:10.1093/reseval/rvv015Panelcriteriaandworkingmethods(2019/02)-REF2021.HigherEducationFundingCouncilforEngland.AccessedFebruary17,2026.https://2021.ref.ac.uk/publications-and-reports/panel-criteria-and-working-methods-201902/index.htmlEvaluationprotocolresearch(SEP)|UniversitiesoftheNetherlands.AccessedMarch23,2026.protocol-onderzoek-sepKomisjaEwaluacjiNauki-MinisterstwoNaukiiSzkolnictwaWyższego-PortalGov.pl.MinisterstwoNaukiiSzkolnictwaWyższego.AccessedFebruary18,2026.https://.pl/web/nauka/komisja-ewaluacji-naukiResearchQualityEvaluationProcedures(VQR)2020-2024|ANVUR.AccessedFebruary18,2026.https://www.anvur.it/en/research/evaluation-research-quality/evaluation-proceduresPanel-specificGuidelinesonAssessmentCriteriaandWorkingMethodsforRAE2026(October2024).AccessedFebruary18,2026.https://.hk/eng/ugc/activity/research/rae/psg/rae2026psg.htmlSolowRM.TechnicalChangeandtheAggregateProductionFunction.TheReviewofEconomicsandStatistics.1957;39(3):312-320.doi:10.2307/1926047SalterAJ,MartinBR.Theeconomicbenefitsofpubliclyfundedbasicresearch:acriticalreview.ResearchPolicy.2001;30(3):509-532.doi:10.1016/S0048-7333(00)00091-3DonovanC.Stateoftheartinassessingresearchimpact:introductiontoaspecialissue.ResEval.2011;20(3):175-179.doi:10.3152/095820211X13118583635918SmithR.Therootsofinnovation.BrMedJ(ClinResEd).1987;295(6609):1335-1338.doi:10.1136/bmj.295.6609.1335SmithR.ComroeandDrippsrevisited.BrMedJ(ClinResEd).1987;295(6610):1404-1407.doi:10.1136/bmj.295.6610.1404WoodingS,HanneyS,PollittA,BuxtonM,GrantJ.ProjectRetrosight:UnderstandingtheReturnsfromCardiovascularandStrokeResearch:ThePolicyReport.2011.AccessedMarch24,2026.https:///pubs/monographs/MG1079.htmlReedMS,FerréM,Martin-OrtegaJ,etal.Evaluatingimpactfromresearch:Amethodologicalframework.ResearchPolicy.2021;50(4):104147.doi:10.1016/j.respol.2020.104147BleischwitzR,MartíTS,CiarliT,etal.TransformativeResearchAssessment:IntegratingSocietalImpactsintoEvaluationFrameworks.CoARA;2025.doi:10.5281/zenodo.17722382UNSustainableDevelopment.AccessedFebruary19,2026.WebofScienceResearchIntelligencedocumentation.AccessedApril15,2026./hc/en-usBozkurtB.HowdoNationalParksOperateDuringWildfiresElsewhere?JournalofMacromarketing.2025;45(3):451-462.doi:10.1177/02761467251350092CiarliT,ed.ChangingDirections:SteeringScience,TechnologyandInnovationtowardstheSustainableDevelopmentGoals.UniversityofSussex;2022.doi:10.20919/FSOF1258GrossmanP,JacksonJL,NowotnyH.CuriosityStudies:ANewEcologyofKnowledge.UniversityofMinnesotaPress;2020.doi:10.5749/j.ctvzpv67wPinheiroR,LangaPV,PausitsA.Oneandtwoequalsthree?Thethirdmissionofhighereducationinstitutions.EuropeanJournalofHigherEducation.2015;5(3):233-249.doi:10.1080/21568235.2015.1044552GRI-Home.AccessedMarch5,2026.https:///LeeYC.Areuniversitiesengaginginsocialwashing?Rethinkingthepresentationofuniversitysustainabilityreports.InternationalJournalofSustainabilityinHigherEducation.2024;27(2):303-321.doi:10.1108/IJSHE-08-2024-0533AndradesJ,Martinez-MartinezD,LarránM.Sustainabilityreporting,institutionalpressuresanduniversities:evidencefromtheSpanishsetting.SAMPJ.2025;16(4):1045-1071.doi:10.1108/SAMPJ-07-2023-0455GRI-IntegratingSDGsintosustainabilityreporting.AccessedMarch24,2026.https:///public-policy/sustainable-development/integrating-sdgs-into-sustainability-reporting/PriemJ,TaraborelliD,GrothP,NeylonC.Altmetrics:Amanifesto.PublishedonlineOctober26,2010.doi:10.5281/zenodo.12684249ThelwallM,HausteinS,LarivièreV,SugimotoCR.DoAltmetricsWork?TwitterandTenOtherSocialWebServices.PLOSONE.2013;8(5):e64841.doi:10.1371/journal.pone.0064841BornmannL.Alternativemetricsinscientometrics:ameta-analysisofresearchintothreealtmetrics.Scientometrics.2015;103(3):1123-1144.doi:10.1007/s11192-015-1565-yRoweG,FrewerLJ.ATypologyofPublicEngagementMechanisms.Science,Technology,&HumanValues.2005;30(2):251-290.doi:10.1177/0162243904271724GibbonsM,ed.TheNewProductionofKnowledge:TheDynamicsofScienceandResearchinContemporarySocieties.Reprinted.SagePubl;1994.ManvilleC,HinrichsS,ParksS,etal.CharacteristicsofHigh-PerformingResearchUnits.ThePolicyInstituteatKing’s.htmlKnobenJ,OerlemansLa.g.Proximityandinter-organizationalcollaboration:Aliteraturereview.InternationalJournalofManagementReviews.2006;8(2):71-89.doi:10.1111/j.1468-2370.2006.00121.xVaswaniA,ShazeerN,ParmarN,etal.AttentionisAllyouNeed.In:AdvancesinNeuralInformationProcessingSystems.Vol30.CurranAssociates,Inc.;2017:5998-6008.AccessedMarch23,2026.4a845aa-Abstract.htmlBahdanauD,ChoK,BengioY.NeuralMachineTranslationbyJointlyLearningtoAlignandTranslate.arXiv.PreprintpostedonlineMay19,2016:arXiv:1409.0473.doi:10.48550/arXiv.1409.0473AlperinJP,FleerackersA,RiedlingerM,HausteinS.Second-ordercitationsinaltmetrics:AcasestudyanalyzingtheaudiencesofCOVID-19researchinthenewsandonsocialmedia.QuantitativeScienceStudies.2024;5(2):366-382.doi:10.1162/qss_a_00298NatureAwards.AccessedApril1,2026.GlobalInstitutionalProfilesProject|Clarivate.AccessedMarch23,2026./academia-government/scientific-and-academic-profiles-project/ThelwallM.Threepracticalfieldnormalisedalternativeindicatorformulaeforresearchevaluation.JournalofInformetrics.2017;11(1):128-151.doi:10.1016/j.joi.2016.12.002HaunschildR,BornmannL.Field-andtime-normalizationofdatawithmanyzeros:anempiricalanalysisusingcitationandTwitterdata.Scientometrics.2018;116(2):997-1012.doi:10.1007/s11192-018-2771-1GoldsteinH,SpiegelhalterDJ.LeagueTablesandTheirLimitations:StatisticalIssuesinComparisonsofInstitutionalPerformance.JournaloftheRoyalStatisticalSocietySeriesA(StatisticsinSociety).1996;159(3):385.doi:10.2307/2983325FilchenkoD.Evaluatingthesocietalimpactofresearch:Insightsfromtheglobalcommunity.January29,2026.AccessedMarch23,2026.of-research/FilchenkoD,QuaderiN,AdamsJ.UnpackingSocietalImpactProfiles:FromDatatoDecisions.Clarivate;2025.doi:10.14322/files附录A科睿唯安社会影响力评估框架：关键术语（国家科研评估机制），也可以更具体地侧重于如何将复杂数据转化为可用情报。科睿唯安社会影响力评估框架主要旨在为与科研社会影响力相关的数据提供一个结构化体系，并为理解这些数据提供相应的背景信息。该框架可与其他评估框架形成互补。（Research例如学术论文、图书或专利。科研活动（ResearchActivity，或简称“活动”）：支持、促进或扩展科研工作的行动、过程或参与行为。例如，指导博士生或博士后研究，在相关组织或项目中担任创业、领导或顾问角色等。（Research例如，某项研究被政策文件引用，可被视为其迈向更广泛社会影响的一步；但如果相关政策文件最终并未被采纳，也未进一步转化为实际影响行为的政策措施，那么这种引用本身未必会形成更广泛的社会影响。社会影响力（SocietalImpact，或简称“影响力”）：尽管对于“社会影响力”的定义仍SIAMPI9，可概括为：“科研工作在相关社会环境中产生的可衡量效果”。其中，“可衡量”包括定量和定性维度；“效（尤其是在讨论学术影响时例如患者或患者组织。ISI对“社会影响力”的定义SIAMPI基本一致，即：“研发产出与活动为解决个人、社区、组织及经济体所面临现实问题所做的贡献”7。潜在影响（PotentialImpact）：科研在未来可能对社会产生的影响，通过预示未来可观测影响潜力的早期信号进行衡量，但此类信号并不等同于结果。例如，开展一项临床试验本身并不构成已显现影响；只有当该试验最终推动某项临床干预成功落地时，才可视为形成了实际影响。但临床试验的启动，可被视为未来潜在影响的一个信号。社会层面（SocietalFacet，或简称“层面”）：指某一社会领域或某种影响类型，可基于不/SDGs等。在科PESTLE政治与政策、法律与治理、技术、经济、环境、社会与文化、医疗，以及人力资本。原始测量数据（RawMeasure，或简称“测量数据”）：系统中某一可量化（即可测量）的简单属性。例如，引用次数。度量指标（Metric）：定量数据，通常基于某项测量数据构建，并增加了背景信息。单纯的引用次数缺乏背景信息，因此只能算作测量数据，而不是度量指标。例如，基于该测量数据可构建一项度量指标“学科规范化的引文影响力”（CategoryNormalizedCitationImpact，简称CNCI），其将学科领域、发表年份及文献类型纳入了考量。评价指标（Indicator）：反映（表明）某一系统状态的定量或定性数据。就广泛接受的定义而言，度量指标与评价指标之间存在一定重叠。评价指标既可以指单项度量指标，也可以是反映更复杂信息的多项度量指标的组合。例如，学科规范化的引文影响力（CNCI）既可以是度量指标，也可以被视为评价指标。评价指标分为前瞻性指标（先导指标）和回顾性指标（滞后指标）。（滞后信号（先导信号度量指标与评价指标都可以作为信号。例如，政策引用可作为一个信号，表明某项科研可能具有政治影响力。定性数据（QualitativeData，或称为“信息”）：本质上属于非数值型数据，通常通过专家评审、访谈或调查获取。此类数据能够为定量（即可测量）数据提供更丰富、更深入的背景信息，但其在大规模场景下往往更难以实现一致且公正的采集与分析。例如，一项采用1到10分制的支持度评分，看似属于数值数据，但由于其并非基于直接测量，因此本质上仍属于定性数据。附录B科睿唯安社会影响力评估框架：来自科研人员及科研管理部门的观点ResearchProfess