E-mail alert  |  RSS service
高级检索

融入科研论文语义知识的青年科技创新人才识别方法研究

谢子纯 ,  钱力 ,  王颖 ,  刘志博

科学观察 ›› 2024, Vol. 19 ›› Issue (3) :24-36

PDF (1978KB)
科学观察 ›› 2024, Vol. 19 ›› Issue (3) :24-36 DOI: 10.15978/j.cnki.1673-5668.202403003
数据观察

融入科研论文语义知识的青年科技创新人才识别方法研究

作者信息 +

Research on Identification Method of Young Scientific and Technological Innovators Incorporating Semantic Knowledge of Scientific Research Papers

Author information +
文章历史 +

摘要

[目的/意义] 青年科技创新人才是国家创新发展驱动的重要力量，本文旨在构建一个融入科研论文语义知识的青年科技创新人才识别指标体系，以弥补现有评价体系中以计量指标和同行评议为主的局限。[方法/过程] 采用数据驱动的思想和方法，结合自然语言处理技术对科研论文语义知识进行计算，量化对科研论文语义知识的定性评价，结合传统的计量指标，构建识别青年科技创新人才的产出新颖性、项目课题契合度及科研活跃度等指标。选取图情领域的青年情报科学家作为实证对象，验证指标体系的可行性和有效性。[结果/结论] 产出新颖性通过语义知识区分度和语义知识相似度衡量，青年科技创新人才表现出较大的语义知识区分度，相似度分析则显示其研究与核心期刊的主题相关。项目契合度分析确认了研究内容与国家基金项目的高度一致性，反映了研究的社会价值和战略契合度。基于近3年发文与近5年发文之比的科研活跃度评估，揭示了青年科技创新人才近期具有持续的科研投入和产出。指标体系的建立，为全面评价青年科技创新人才提供了一种新的视角和方法，有助于更准确地识别和支持青年科技创新人才的发展。

Abstract

[Objective/Significance] Young scientific and technological innovation talents are an important force for national innovation and development drive, this paper aims to construct a system of indicators for identifying young scientific and technological innovation talents incorporating the semantic knowledge of scientific research papers, in order to make up for the limitations of the existing evaluation system which is mainly based on measurement indicators and peer review. [Method/Process] Data-driven ideas and methods are adopted to quantify the qualitative evaluation of the semantic knowledge of scientific research papers by calculating the semantic knowledge of scientific research papers in combination with natural language processing technology, and to construct the indicators for identifying young scientific and technological innovation talents in terms of the novelty of their outputs, the degree of project-topic fit, and the degree of scientific research activity by combining with the traditional metrics. In this study, young intelligence scientists in the field of graphic intelligence are selected as empirical objects to verify the feasibility and effectiveness of the indicator system. [Results/Conclusions] Output novelty are measured by semantic knowledge differentiation and semantic knowledge similarity, and young STI talents usually show greater innovation in semantic knowledge differentiation, while similarity analyses show that their researches are closely related to the topics of core journals. Project fit analysis confirms the high degree of consistency between the research content and the national fund projects, reflecting the social value and strategic fit of the research. Research activity, which is assessed by the ratio of articles published in the last three years to those published in the last five years, reveals that young scientific and technological innovation talents have sustained scientific research input and output in the recent years. The establishment of the indicator system provides a new perspective and method for the comprehensive evaluation of young scientific and technological innovation talents, which helps to identify and support the development of young scientific and technological innovation talents more accurately.

Graphical abstract

关键词

青年科技创新人才 / 人才识别 / 语义知识

Key words

young scientific and technological innovative talents / talent identification / semantic knowledge

引用本文

引用格式 ▾
谢子纯, 钱力, 王颖, 刘志博. 融入科研论文语义知识的青年科技创新人才识别方法研究[J]. 科学观察, 2024, 19(3): 24-36 DOI:10.15978/j.cnki.1673-5668.202403003
Xie Zichun, Qian Li, Wang Ying, Liu Zhibo. Research on Identification Method of Young Scientific and Technological Innovators Incorporating Semantic Knowledge of Scientific Research Papers[J]. Science Focus, 2024, 19(3): 24-36 DOI:10.15978/j.cnki.1673-5668.202403003

登录浏览全文

4963

注册一个新账户 忘记密码

1 引言

创新驱动的本质是人才驱动，人才是创新的第一资源。2021年中央人才工作会议上，习近平总书记强调要加快建立以创新价值、能力、贡献为导向的人才评价体系，对科技人才评价制度改革贯彻落实“破四唯”和“立新标”，关注学者科研产出的质量[1]。在院士大会发表讲话时，习总书记强调，“要尊重人才成长规律和科研活动自身规律，培养造就一批具有国际水平的战略科技人才、科技领军人才、创新团队[2]。党的二十大报告指出，教育、科技、人才是全面建设社会主义现代化的战略支撑，为实现国家和民族长远发展大计，须深入实施人才强国战略，培养造就大批德才兼备的高素质人才[3]。在中共中央政治局第十一次集体学习时，习近平总书记强调“发展新质生产力是推动高质量发展的内在要求和重要着力点”[4]，青年科技创新人才作为具备创新思维和创新能力的新一代知识工作者，是新质生产力发展的关键力量。在AI技术高速发展，新质生产力需求快速扩大的全新发展阶段下，青年科技创新人才的重要性日益凸显，在占据科学技术制高点和引领科技前沿创新方面发挥着不可替代的作用。如何敏锐发现和有效评价青年科技创新人才，进一步提高青年科技人才资源利用效率，充分开发科技人才队伍科研潜力，成为当前科技人才研究的热点和难点。本文基于自然语言处理技术，通过分析挖掘科技论文的语义知识，尝试对青年科技人才科研论文语义知识的定性评价特征（如区分度和创新性）进行量化评估，从而更准确地评估青年科技人才的创新能力和潜力，结合智能化定性评价与定量评价，在数据驱动下构建一种更加科学、更加全面、更加深入的青年科技人才识别评价方法体系，为青年科技创新人才的识别、培养和评价提供更加有力的支持。

2 相关研究

2.1 青年科技创新人才概念内涵及相关研究

青年科技创新人才作为科技人才队伍中的新生力量，也是未来的中坚力量，其内涵界定与特征分析对于优化科技资源配置，推动国家科技创新长期健康发展具有重要意义。青年科技创新人才的涵义既是国家各人才政策内容的重要组成部分，也是人力资源、人才评价等领域学术研究的重要话题之一。目前，我国对青年科技创新人才概念尚没有明确统一的定义，对青年科技创新人才的年龄范围界限也存在着多种划分标准。科技人才的概念可以追溯至1987年出版的《人才学词典》，2011年，科技部等部门印发的《国家中长期科技人才发展规划纲要（2010－2020年）》对科技人才进行了更为精准的界定，强调了专业知识或专门技能、创造性科学技术活动以及对科学技术事业及经济社会发展的贡献作为科技人才定义和的三大要素[5]。除此之外，各大青年人才项目也通过设定参选标准从侧面给出了对青年创新人才的定义。因此，综合现有科技人才政策标准和项目需要，对青年科技创新人才可以从两个维度进行初步定义：一是基于其素质、能力等内在属性特征，二是基于其所获奖项、基金及项目等外在成就特征。

（1）内在属性特征。多数学者在给出定义时首先从创新精神、科研能力等方面对科技人才内在属性提出了要求，并在此基础上通过添加年龄限制形成青年科技创新人才概念。相关概念汇总如下：对青年科技创新人才相关概念进行深入研究与总结归纳的过程中，多数学者的关注点主要集中在科技创新人才的定义上，而青年科技创新人才则在此基础上加入了年龄的限制。部分学者在对文献进行阅读及分析的基础上，对青年科技创新人才概念做出了界定（表1）。

（2）外在成就特征。我国现有青年科技创新人才支持基金、项目及奖项在对青年创新人才进行选拔时，主要关注国家重大科技专项、国家攻关任务、国家重大基础设施建设等方面，年龄限制较为明确，通常为35或45岁以下（表2）。

通过综合学界不同观点与各类项目对于各类青年科技创新人才的既有定义，可以总结出青年科技创新人才具有以下共同特征。

（1）年龄特征显著：我国青年科技创新人才的生理年龄通常被界定在35或45周岁以下，这是科研领域内国家政策与各类人才项目对“青年”范围的体现。这一年龄段的科研人才往往结束学位学业不久，正处于迈入科研事业的黄金时期，具有旺盛的创新活力和充沛的精力。同时，相对年轻的身体状态有利于应对科研工作的高强度和高压力，保持长时间的高效工作状态，思维相对灵活。此外，在教育和环境因素的影响下，青年人才更容易掌握新兴的技术和工具，他们在数字化时代成长，对于科技的应用更加熟悉，能够更快速地将新技术转化为创新的成果。

（2）创新性强：创新性是青年科技创新人才的另一主要特征，青年科技创新人才的科研产出往往具有较为显著的创新性。创新性成果要求人才能够敏锐地跟踪领域前沿问题，善于寻找新问题，能够承担失败的风险，具有更强的恢复力。这种勇于尝试的态度使得他们更容易去探索新的领域和方法，从而实现理论、方法和技术的融合，推动科技领域的进步。

（3）国家战略导向性强：国家战略导向性是青年科技创新人才的重要潜在筛选标准，优先关注国家重大课题和国家重大战略需求是国家科学资源高效分配的内在要求，因此对于青年科技创新人才的评价也可能存在一定程度的倾斜。从学科角度看，青年科技人才也多聚集在理工、医学等与国家科技实力发展息息相关的关键领域。近年来具备交叉学科与跨学科属性的科技人才也正在获得重视，国家热切希望青年科技创新人才为国家的科技进步和经济发展做出重要贡献。

（4）发展潜力大：得益于年龄优势，青年科技创新人才具有长远的、可持续的发展潜力，他们处于职业生涯的起步阶段，成长空间较大，能够不断通过从事一线研究开发工作进行学习和经验积累，在更多的科技实践机会中不断提升自己的专业能力和创新能力，实现个人和事业的双重成长，为长期投身科技创新事业奠定坚实的基础。

2.2 青年科技创新人才评价方法综述分析

识别青年科技创新人才需要从识别科技创新人才出发，人才识别的核心本质是科研评价问题，因此，本文首先对现有科技人才识别和评价方法进行了调研。

当前，科技创新人才评价方法主要包括同行评议法、引文分析法、综合评价法以及基于文献内容的评价方法。传统的人才评价方法以同行评议为主，具有较高的专业权威性，但高度依赖专家的主观判断，存在较大的主观性[16]。引文评价方法通过计算客观的量化指标，但容易过于注重量化的外在因素，忽视了科研成果的创新性和实际价值[17]，对量化指标的选取也有较高的要求。综合评价法较好地结合了同行评议和引文分析法的优点，从多维度对人才进行更为全面的评价，关注学术成果、科研项目、科技成果转化、学术声誉等多种因素。基于文献内容的评价方法则主要结合机器学习与自然语言处理等技术，深入文献文本内容，实现自底而上的评价方法，具有一定的客观性和科学性，但文本计算负担较重。

目前，国内学者对人才的识别、发现和挖掘研究主要聚焦如何准确衡量科技人才的创新能力与贡献。孟芮和宋培彦等学者通过基于LDA方法的研究专长识别与改良的颠覆性指数进行创新型科技人才发现[18,19]。冯岭等学者从专利数据中抽取发明人的特征，提出基于多层感知机模型的技术创新人才发现方法[20]。田瑞强等同样借助专利数据，从核心专利识别、核心发明人识别和技术前沿识别三个方面对某一具体领域的核心科技专利人才进行识别[21]。江艳萍等学者基于文献计量角度，采用发文量、篇均被引频次、前10%论文率等指标进行加权计算，构建综合指标体系用于挖掘学科潜力青年科技人才，判断其学术定位和科研水平，并与标杆人物进行数据比较[22]。舒予在h指数的初筛基础上，从学术质量、期刊水平、高水平研究三个方面进行分析，利用多属性决策的方法实现对高层次人才学术水平的综合判断[23]。目前，各类创新人才识别指标体系大多仍是围绕着计量指标出发，难以关注到科技产出本身的质量。有学者通过对上海科技人才调研得出，反映科研能力的关键指标还是学者的科研产出，科技人才评价要素最重要的是创新能力[24]。在基于内容的分析方法中，张宝隆等学者提出从术语区分性视角对学者进行评价，利用学者的研究主题在群体中的差异性进行分析，区分性越强，学术研究的创新性越强[25]。

现有方法中，对青年科技创新人才的识别多侧重外在特征，如年龄、学历、论文数量等，而对其科研产出的内在质量关注不足。综合现有研究，本文基于对青年科技创新人才内在特征的分析，在已有的外在特征基础上，提出了融入科研论文语义知识的识别指标体系，不仅关注青年科技人才的年龄、近期发文数量等基本统计学信息，更重视其科研成果的语义内容特征，如研究新颖点、与重大课题相关性等。通过运用自然语言处理技术，对科技论文的语义内容进行深入分析，从而更加全面、客观，准确地反映青年科技创新人才的创新能力和科研潜力。

3 研究思路及指标体系设计

3.1 青年科技创新人才识别方法研究思路

在充分考虑国家对青年科技创新人才需求特征的基础上，本文将重点关注语义特征指标，并结合计量指标，综合评价青年科技创新人才的学术能力。科技论文作为衡量学术水平的核心指标，其重要性不言而喻。强调破除“四唯”并非否认科技论文的价值，而是摆脱过分追求论文数量而忽视质量的评价困境。因此，在关注科研产出质量评价时，本文结合同行评议的视角，运用自然语言处理技术，从语义和计量两方面对学者的科技论文进行多元化评价。结合现有评价体系中的计量指标，融入语义特征以体现青年科技创新人才的特征指标，本研究选取新颖产出能力、项目课题契合度、科研活跃能力作为主要评价方面构建识别指标体系，以更全面的视角评估青年科技人才的创新能力（图1）。

3.2 青年科技创新人才识别方法指标体系构建

通过深入分析各类青年科技人才基金和托举项目，得到青年科技创新人才特征，在此基础上构建了识别方法的指标体系（表2）。该体系包括多个一级指标和相应的二级指标。具体而言，一级指标包括产出新颖性、项目契合度以及科研活跃度等，每个一级指标下设若干二级指标，如领域内核心期刊文献语义区分度、领域内核心期刊文献语义相似度、社科基金项目课题相似度以及近3年发文量占近5年发文量比值等。这些指标不仅考虑了青年科技人才的创新能力和学术影响力，还关注了他们与国家科技政策的契合程度以及科研活动的活跃程度。

3.2.1 产出新颖性

产出新颖性是衡量青年科技创新人才科研水平的重要指标之一。新颖性与创新性虽有联系，但并不等同。新颖性更侧重于从较为鲜见的视角和思维方式提出新的研究问题、方法、结果或结论，具有高新颖性的科研成果不一定直接体现高创新性，但通常具有成为高创新研究产出的潜力。同时，重要核心期刊论文代表领域内具有新颖性的研究，杨建林通过实证研究证明，在同一学科领域内，重要核心期刊刊载论文的平均主题新颖度较高[26]，因此，研究内容与这些期刊的高相似度可以反映出研究的质量和潜在的创新性。科技论文摘要，作为科研成果的重要载体，精准地包含了研究目的、问题、方法与结论等关键知识元，是评估科学成果新颖性的理想数据来源。

为了全面测量新颖性，本研究采用自然语言处理技术，对科技论文摘要中的语句知识元通过聚类分析、区分度计算、文本相似度计算等方法识别出目标文献的潜在新颖性。从语义角度入手，综合两个评价方向：一是通过计算青年科技创新人才发表的科研论文摘要与领域内核心期刊文献的语义知识区分度，来判断其研究内容的新颖性，区分度越大，说明其与邻近样本的距离越大，潜在的新颖性也越高；二是计算目标文献与领域内核心期刊文献的语义知识相似度，判断其研究内容的质量和创新潜力，相似度越高，说明目标文献与领域内核心期刊文献的相关性越强，具有较大的创新潜力。两个评价指标为识别青年科技创新人才的产出新颖性提供了综合视角，一方面，高区分度表明研究提出了新问题或新方法，这是创新的核心；另一方面，与核心期刊的高相似度则保证了潜在创新的相关性和质量。

3.2.2 项目课题契合度

项目课题契合度是评估青年科技人才与国家科技政策契合程度及研究热度的关键指标。通过计算目标论文与国家基金项目申报课题的文本相似度，量化评估其研究内容与国家科技发展战略和重点领域的契合程度。国家基金项目作为国家科技发展的核心支撑，其选题通常紧扣国家科技发展的脉搏，旨在推动相关领域的创新与发展。被国家基金项目选中的研究问题往往具有较高的学术价值和社会认可度，被视为当前学术界的研究热点。通过深入分析目标论文与国家基金项目申报课题的文本相似度，进而评价相应青年科技人才是否紧密关注国家重大战略问题，并积极参与其中。当学者的研究内容与近几年的国家基金项目高度契合时，不仅表明其研究具有重要意义和应用前景，也反映出其对国家科技发展的敏锐洞察力和积极参与度。本研究采用青年科技创新人才发表的科技论文摘要与近3年国家社科基金项目课题文本的语义相似度进行计算，以体现青年科技创新人才研究内容与重大战略的契合度。通过计算分类后的语句知识元与近三年国家社科基金项目在图书馆、情报与档案领域的课题的相似度，取相似度矩阵平均值作为语句的相似度得分，并区分文献摘要的目的、方法、结果、结论分别进行统计。

3.2.3 科研活跃度

科研活跃度是衡量青年科技人才持续投入与产出能力的重要指标。虽然青年科技人才在整体上发表的文献数量相对较少，但他们正处于学术生涯的成长期，具备较高的科研潜力与持续产出能力。通过对学者在一定时间内的科技论文产出数量进行排序，能够直观地识别出那些发表文献数量较多、活跃度较高的学者。这种活跃度不仅反映了学者对所从事科研活动的投入程度，也体现了其近期在学术成果发表和科研项目研究方面的表现。洛特卡定律描述了作者频率与所著论文篇数之间数量关系，即少数学者产出了大多数论文成果，形成了最活跃的学术创新力量。有学者将领域内领域内核心期刊上发文量位列前1%的作者视为活跃作者[27]。图书馆学术指数（Library Index of Scholarship，LIS）则采用期刊+作者综合权重的方法，对图书馆学领域学者学术活跃程度进行精细评价[28]。徐曾旭林与谢靖等学者采用学者近年的影响因子计算活跃性指标[29]。通常近期比较活跃的学者成长速度较快，发展潜力也大，活跃性指标通过重点考察学者过去几年以第一作者身份发表论文的频率和影响力，衡量其近些年的学术活跃度。本文通过统计近3年学者科研产出与其全部科研产出的数量比值，以及近3年发文量占近5年发文量比值，能够更为准确地衡量青年科技人才的科研活跃度。

4 实证研究

4.1 数据来源及数据处理

4.1.1 数据来源

本研究旨在通过融入科技论文语义知识构建一套科学有效的青年科技创新人才识别方法，采用科技论文的摘要作为关键数据源，实现对学者研究内容的精确表征和量化分析。在数据收集方面，基于中国知网（CNKI）系统获取了《中国图书馆学报》和《情报学报》自2015年至2024年间的文献题录数据，经人工筛选剔除非期刊论文后共有1644条有效数据，涵盖了图情领域内的创新研究成果，提供了研究所需的数据基础。结合2021－2023年的国家社会科学基金项目课题指南，获得共217条面向图书、情报与文献学领域的申报课题，作为项目契合度计算的基础数据。

为了确保研究的针对性和有效性，本研究选取了近3年获得青年科技托举项目和青年情报科学家称号的学者。青年科技托举项目是由中国科学技术协会发起的一项旨在支持和培养青年科技人才的计划，青年情报科学家称号是由中国科学技术情报学会设立的奖项，获奖者在科技情报领域有显著的学术成就或实践应用成果，具有良好的发展潜质和较强的创新能力，其科研论文对于验证所构建的人才识别指标体系的有效性具有极其重要的意义。结合可收集的获奖者姓名及机构名称进行去重确认后，确定了20名图情领域的青年科技创新人才，共采集927篇期刊题录数据。

4.1.2 数据处理

（1）语步分类。在数据处理方面，首先利用SciAIEngine（科技文献知识AI引擎）提供的中文摘要语步识别API进行语步分类。SciAIEngine是由中国科学院文献情报中心研发的科技文献知识驱动的人工智能（AI）引擎。其语步识别API能够利用科技文献大数据和深度学习技术方法，从科技文献中自动学习获取科技文献文本的研究目的、研究方法、研究结果、研究结论等重要句子，显性揭示科技文献的重要内容。

（2）语句知识元编码。语句相比字词具备完整的上下文信息，Sentence-BERT模型[30]是一种强大的语义表示模型，它基于Transformer架构，具有双塔结构，通过对句子进行编码，将其映射到高维向量空间中，从而捕捉句子的语义信息，不仅考虑了句子中的词语组合，还考虑了句子整体的语义结构，使得句子在向量空间中的表示更加准确和有意义。通过调研多种Sentence-BERT模型，最终选择在STSb数据集上表现优异的“stsb-mpnet-base-v2”模型，其能够快速有效地对语步分类后和去除停用词后的句子进行编码。

（3）语义区分度计算方法。用K均值算法对领域内核心期刊文献句向量进行聚类，迭代优化不断更新簇的质心位置，通过调整聚类数量K，并结合轮廓系数和DB指数等评价指标，得到最佳的聚类数量。局部离群因子（LOF）是一种基于密度的异常检测算法，它通过计算每个样本点周围的局部密度与其邻居点的密度之比来评估样本的离群程度。基于最佳聚类中心向量，运用LOF模型计算青年科技创新人才发表文献摘要语句的离群值，以评估句子的区分程度。

（4）语义相似度计算方法。基于Sentence-BERT模型生成语句向量，分别计算青年科技创新人才发表的文献与期刊文献和国家社科基金项目的余弦相似度，基于BERT模型进行文本相似度匹配的模型在不进行模型微调的情况下，计算出的余弦相似度值普遍偏高，不具有实际意义[29]，引入归一化，对计算结果进行差异化处理。

4.2 结果分析

4.2.1 产出新颖性分析

（1）语义知识区分度计算结果分析。将期刊文献摘要语步分类后，分别对研究目的、研究方法、研究结果和研究结论采用无监督聚类，在最佳聚类情况下，计算学者发表的论文内容与其同类别领域内核心期刊文本的区分度，较大的区分度暗示文献成果存在成为原始创新的可能。从计算结果可以看出（表4），区分度大多集中在0.4至0.6之间，表明大部分青年科技创新人才的研究在目的、方法、结果和结论方面与领域内核心期刊文献保持了一定程度的差异性，但这种差异并不极端，可能源于图情领域的研究方法和理论存在共性，研究渐进性导致了新研究大体上沿用已有的理论框架和方法，从而在实质上限制了区分度的提高。目的区分度的平均值约为0.57，标准差0.07，表明在研究目的的原创性上，多数青年科技人才能够展示出一定的独特性。方法区分度的平均值约为0.45，标准差0.08，显示在研究方法的选择上，存在一定的常规性，但也有少数突破传统的尝试。结果区分度的平均值约为0.53，标准差0.04，说明研究结果在一定程度上能体现出与众不同的特点。结论区分度的平均值约为0.53，标准差0.05，表明研究结论在解释和总结研究发现时能提供相对新颖的视角。相对较高的区分度存在于研究目的和结论，表明学者能够提出较为独特的研究问题并得出具有一定创新性的结论，这可能意味着他们在定义研究问题和提出研究假设时更加原创和创新。相对较低的方法区分度，可能指向大部分青年科学家倾向于采用已被广泛验证的传统方法。

（2）语义知识相似度计算结果分析。重要核心期刊论文通常代表该领域内的前沿和高质量研究，青年科技创新人才的研究内容与重要核心期刊文献具有高度相似性，表明其研究目的、方法、结果和结论与当前的科研前沿保持一致，具备较高的创新潜力和学术水平，能够紧跟学术趋势。青年科技创新人才发表的论文与核心期刊论文的相似度主要集中在0.80左右（表5）。研究目的相似度大约在0.76至0.86之间，表明青年科技人才在定义研究问题时，与领域内核心期刊的论文保持较高的一致性，反映出其研究问题与当前科学社区认为重要的问题密切相关。研究方法相似度范围大致在0.78至0.84之间，显示出在采用方法论方面与领域内核心的研究接近，使用的技术和方法论是当前学术界广泛认可和使用的。研究结果相似度保持在0.74至0.78的范围内，表明研究结果与领域内其他顶尖研究紧密相连，涉及相似的发现或结论。研究结论相似度在0.81至0.86之间，表明研究结论质量高，与已有的重要研究成果紧密相连。

4.2.2 项目契合度分析

项目契合度用于分析青年科技创新人才的研究内容与近三年国家社科基金在图书馆、情报与档案领域资助的课题间的相似度和相关性。通过计算青年科技创新人才发表的科研论文摘要中的语句知识元与国家社科基金项目内容的语义距离，契合度的数值介于0.76~0.84之间，表明青年科技创新人才的研究主题与国家科技基金项目课题高度相关（表6）。高契合度表明青年科技创新人才的科研论文语义知识与国家的科研优先方向和重大战略需求紧密相连，为国家战略需求提供有力的科研支持和解决方案，对国家的科技发展具有实际和潜在的重要贡献。

4.2.3 科研活跃度分析

通过搜集相关学者的总发文数量、第一作者发文数量、近5年发文数量以及近3年发文数量，研究分析青年科技创新人才论文产出的持续性和近期活跃性（表7）。从总发文量来看，不同学者的研究活跃度存在显著差异。从第一作者发文总量来看，大部分学者的第一作者发文量占其总发文量的比例较高，说明他们在研究团队中扮演着重要角色，通常是研究工作的主导者。然而，也有部分学者的第一作者发文量占比较低，这可能意味着他们在研究中更多地担任了辅助或合作角色。近5年和近3年的发文量数据则反映了学者研究的持续性，大部分学者近3年发文量占总发文量的比例在0.2左右，说明其在过去几年保持了一定的研究持续性和活跃度。同时，近3年发文量占近5年发文量的比值波动较大，但大部分学者都超过了0.5，表明他们的研究工作持续性较好，没有出现明显的中断或下降，具有较高的科研活跃度。青年科技创新人才的科研活跃度具有显著的个体差异，但多数显示出良好的研究持续性和活跃性。

4.2.4 综合分析

综合分析青年科技创新人才在项目契合度、科研活跃度及产出新颖性等各个维度的表现，绘制雷达图（图2）展示指标计算结果，可以更清楚地识别和评价青年科技创新人才的科研能力和潜力。

（1）项目课题契合度高且稳定。项目课题契合度指标的计算结果主要集中在0.76至0.84的范围内，表明青年科技创新人才的课题选择与国家社科基金项目和重大战略问题具有较高的契合度，具有明确的研究方向和深厚的专业知识，能够有效地将项目目标转化为具体的研究成果，显示了他们的研究具有重要的社会价值和应用前景，在理解和响应国家科研政策方面具有共同的能力和视野。

（2）区分度与相似度较高。区分度和相似度的高值共同指出青年科技创新人才在追求创新同时保持与学术前沿的紧密联系，反映了青年科技创新人才能够紧跟学术前沿，提出创新的观点和方法。语义知识相似度较高则表明青年科技创新人才在创新方向上与领域内核心期刊的新颖研究具有一定的共识。语义知识区分度较高意味着青年科技创新人才学术视野广阔，能够紧跟学术前沿，在思考问题和解决问题时，能够跳出常规的思维模式，提出新颖的观点和方法。高区分度和相似度揭示了青年科技创新人才能够在保持研究质量的同时，提出独到的观点和方法，能够在创新与传统学术标准之间找到平衡。

（3）科研活跃度差异较大。与其他指标计算结果相比，科研活跃度数据表现出较大的差异，从0.00到1.00不等。表明青年科技创新人才在科研投入和产出方面存在明显个体差异，但近3年发文量占近5年发文量的比值波动较大，但大部分学者都超过了0.5，显示出青年科技创新人才近期持续的科研活跃性，表明其研究工作持续性较好，近期均表现出活跃状态。展示了对科研的持续投入和产出，从而在学术界维持活跃和可见度。

三个维度指标综合起来，有效地描绘了青年科技创新人才的科研特征，展现了他们在科技创新领域的潜力和实际表现，为青年科技创新人才的识别提供了重要的依据。

5 结语

本研究基于数据驱动的思想，通过融入科研论文语义知识，基于科研论文摘要文本数据，采用自然语言处理方法，构建评价指标体系，量化定性评价指标，对青年科技创新人才进行了深入的识别研究。通过构建产出新颖性、项目课题契合度以及科研活跃度多个维度的识别指标体系，用青年科技创新人才数据进行验证，证明了指标的科学性，可以有效帮助发现青年科技创新人才的共通特征。产出新颖性通过语义知识区分度和语义知识相似度进行衡量，大部分青年科技创新人才在研究目的、方法和结果上的语义知识区分度介于0.4至0.6之间，表明其科研论文在一定程度上与领域内其他研究具有明显差异，能够在其研究领域内提出新颖的问题和解决方案，从而推动科学发展；研究目的、方法和结果的语义知识相似度集中在0.74至0.86之间，表明这些青年才俊的研究方向与领域内的研究前沿较为一致，具有创新潜力。项目课题契合度指标的计算结果介于0.76至0.84之间，表明青年科技创新人才所选课题与国家的科研方向和重大战略需求紧密相关。科研活跃度方面，通过对比3组数据，即近3年发文与总发文之比、近3年第一作者发文与总发文之比、近3年发文与近5年发文之比，发现多数青年科技创新人才近3年发文与近5年发文之比超过了50%，表明青年科技创新人才近期内保持了较高的科研活跃度，处于科研生涯活跃期。

本研究在青年科技创新人才识别方面提出了融入语义评价的新指标特征，但在分析中仍存在局限和不足。首先，在数据收集和处理方面仍然存在数据不全的问题，目前本研究只采用了知网上的期刊数据，但在调研中发现，有些青年科技创新人才由于具有海外求学经历，其近期的学术成果均以英文发表，因此在数据处理上存在缺失，这可能导致某些优秀的青年科技人才被遗漏或误判，如果能涵盖英文论文成果，统计结果将更为准确。另外，本研究只选取了青年情报科学家数据作为实验对象，样本量较小，后续需扩大学者样本量并进行对比试验。因此，未来需要进一步完善数据收集和处理机制，提高数据的准确性和完整性。

其次，在指标构建和评价方法方面，虽然已经考虑了多个维度和因素，但仍然存在一些主观性和不确定性。例如，在判断科研产出新颖性时，采用了文本挖掘和聚类分析等方法，但这些方法仍然受到算法选择和参数设置等因素的影响。因此，未来需要进一步优化指标构建和评价方法，提高评价的客观性和准确性。

综上所述，本研究提出了一种有效的青年科技创新人才识别指标体系框架，为未来的研究和实践提供了新的思路和方法。为了进一步提高研究的效果和适应性，未来需要在数据收集、样本广度以及评价方法的优化等方面做出改进，以便更准确地识别潜在的青年科技创新人才，促进青年人才创新和发展。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

习近平出席中央人才工作会议并发表重要讲话[EB/OL]. (2021-09-28) [2024-03-10]. https://www.gov.cn/xinwen/2021-09/28/content_5639868.htm.
[2]

(Xi Jinping attends the central talent work conference and delivers an important speech[EB/OL]. [2024-03-10]. https://www.gov.cn/xinwen/2021-09/28/content_5639868.htm.)
[3]

习近平. 努力成为世界主要科学中心和创新高地[J]. 共产党员, 2021(8): 4-7.
[4]

(Xi J P. Striving to become a leading global center for science and innovation[J]. Communist Party Member, 2021(8): 4-7.)
[5]

习近平. 高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗[N]. 人民日报,2022-10-26(001).
[6]

(Xi J P. Holding high the great banner of socialism with Chinese characteristics and striving for the comprehensive construction of a modern socialist country[N]. People's Daily, 2022-10-26( 001).)
[7]

习近平经济思想研究中心. 新质生产力的内涵特征和发展重点[N]. 人民日报, 2024-03-01( 009). DOI:10.28655/n.cnki.nrmrb.2024.002125.
[8]

(Xi Jinping Economic Thought Research Center. The connotation, features, and development focus of new quality productivity[N]. People's Daily, 2024-03-01( 009). DOI:10.28655/n.cnki.nrmrb.2024.002125.)
[9]

国家中长期人才发展规划纲要(2010-2020年)[EB/OL]. [2024-03-10]. https://www.gov.cn/jrzg/2010-06/06/content_1621777.htm.
[10]

(National medium and long-term talent development plan outline (2010-2020) [EB/OL]. [2024-03-10]. https://www.gov.cn/jrzg/2010-06/06/content_1621777.htm.)
[11]

张熠, 倪集慧. 科技创新人才评价指标体系构建[J]. 统计与决策, 2022, 38(16): 172-175.
[12]

(Zhang Y, Ni J H. Construction of evaluation index system for technological innovation talents[J]. Statistics and Decision, 2022, 38(16): 172-175. )
[13]

王海峰, 罗长富, 李思经. 关于青年科技创新人才成长的思考与对策[J]. 中国科技论坛, 2014(3): 131-135.
[14]

(Wang H F, Luo C F, Li S J. Reflections and countermeasures on the growth of young scientific and technological innovative talents[J]. China Science and Technology Forum, 2014(3): 131-135.)
[15]

朱英, 郑晓齐, 章琰. 中国科技创新人才的流动规律分析——基于国家“万人计划”科技创新领军人才的实证研究[J]. 中国科技论坛, 2020(3): 166-173.
[16]

(Zhu Y, Zheng X Q, Zhang Y. Analysis of the flow law of Chinese scientific and technological innovative talents—an empirical study based on the national "Ten Thousand Talent Plan"[J]. China Science and Technology Forum, 2020(3): 166-173. )
[17]

袁亚湘. 青年科研人才培养如何强起来[EB/OL]. (2021-03-21) [2021-04-21]. https://www.cas.cn/zjs/202103/t20210322_4781692.shtml.
[18]

(Yuan Y X. How to strengthen the training of young scientific research talents[EB/OL]. (2021-03-21) [2021-04-21]. https://www.cas.cn/zjs/202103/t20210322_4781692.shtml.)
[19]

吕华, 于天姿. 江西省青年科技创新人才培养研究: 基于SWOT分析法[J]. 中共南昌市委党校学报, 2016, 14(3): 28-32.
[20]

(Lü H, Yu T Z. Research on the cultivation of young scientific and technological innovative talents in Jiangxi Province: based on SWOT analysis[J]. Journal of the Communist Party School of Nanchang Municipal Committee of CPC, 2016, 14(3): 28-32.)
[21]

芮绍炜, 李祥太, 高天昊. 青年科技创新人才成长要素与路径研究——基于上海的调查[J]. 创新科技, 2022, 22(6): 58-68.
[22]

(Rui S W, Li X T, Gao T H. Research on factors and paths of growth of young scientific and technological innovative talents—based on the investigation in Shanghai[J]. Innovation & Technology, 2022, 22(6):58-68. )
[23]

贾欢. 创新型青年科技人才科技成果转化能力培养机制研究[D]. 西安: 西安建筑科技大学, 2016.
[24]

(Jia H. Research on the mechanism of cultivating innovative young scientific and technological talents' ability to transform scientific and technological achievements[D]. Xi'an University of Architecture and Technology, 2016.)
[25]

中国科协办公厅关于开展第九届中国科协青年人才托举工程项目被托举人遴选工作的通知[EB/OL]. [2024-03-10]. https://www.cast.org.cn/xw/tzgg/ZH/art/2023/art_1f9a1157c5884831895c0429301826e3.html.
[26]

(Notice from the Office of the China Association for Science and Technology on the Selection of Candidates for the Ninth China Association for Science and Technology Youth Talent Support Project[EB/OL]. [2024-03-10].

[27]

中共中央组织部人力资源社会保障部中国科协共青团中央关于开展第十八届中国青年科技奖候选人提名工作的通知[EB/OL]. [2024-03-10]. https://www.cast.org.cn/xw/tzgg/ZZRC/art/2023/art_12e452a321ed4aadaa7e1f149a508a7c.html.
[28]

(Notice from the Organization Department of the CPC Central Committee, the Ministry of Human Resources and Social Security, the China Association for Science and Technology, and the Communist Youth League Central Committee on the Nomination of Candidates for the 18th China Youth Science and Technology Award[EB/OL]. [2024-03-10].

[29]

关于印发创新人才推进计划实施方案的通知[EB/OL]. [2024-03-10]. http://www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1779/201110/t20111025_130081.html.
[30]

(Notice on the Implementation Plan of the Innovation Talent Promotion Plan[EB/OL]. [2024-03-10].

[31]

谭玉, 吴晓旺, 李明雪. 科技人才评价与激励政策变迁研究: 基于1978—2018年政策文本分析[J]. 科技与经济, 2019, 32 (5): 66-70.
[32]

(Tan Y, Wu X W, Li M X. Research on the evolution of science and technology talent evaluation and incentive policies: based on policy text analysis from 1978 to 2018[J]. Science and Technology and Economy, 2019, 32(5): 66-70.)
[33]

李杨. 科技治理范式下的人才评价:理论指向与实践进路[J]. 中国科技论坛, 2024(1): 93-104.
[34]

(Li Y. Talent evaluation under the paradigm of science and technology governance: theoretical directions and practical paths[J]. China Science and Technology Forum, 2024(1): 93-104. )
[35]

宋培彦, 冯超慧, 龙晨翔, 等. 基于颠覆性指数优化的细分领域优秀科技人才发现研究[J]. 情报杂志, 2022, 41(5): 61-65.
[36]

(Song P Y, Feng C H, Long C X, et al. Research on the discovery of excellent scientific and technological talents in sub-fields optimized based on disruptive index[J]. Journal of Intelligence, 2022, 41(5): 61-65.)
[37]

孟芮, 杨兰, 赵海霞. 人文与科技跨学科和创新型复合人才识别研究——基于西部地区人文社会科学领域高被引学者的分析[J]. 西安电子科技大学学报(社会科学版), 2023, 33(4): 132-141.
[38]

(Meng R, Yang L, Zhao H X. Interdisciplinary and innovative composite talent identification research in humanities and science and technology—an analysis of highly cited scholars in the humanities and social sciences in western china[J]. Journal of Xi'an University of Electronic Science and Technology (Social Sciences Edition), 2023, 33(4): 132-141. )
[39]

冯岭, 谢世博, 刘斌. 基于多层感知机的技术创新人才发现方法[J]. 计算机应用与软件, 2019, 36(7): 26-31, 42.
[40]

(Feng L, Xie S B, Liu B. Method for discovering technological innovative talents based on multilayer perceptron[J]. Computer Applications and Software, 2019, 36(7): 26-31, 42.)
[41]

田瑞强, 刘洢颖, 姚长青, 等. 基于专利文献的创新科技人才识别研究[J]. 情报杂志, 2018, 37(8): 71-77.
[42]

(Tian R Q, Liu Y Y, Yao C Q, et al. Research on the identification of innovative scientific and technological talents based on patent literature[J]. Journal of Intelligence, 2018, 37(8): 71-77.)
[43]

江艳萍, 夏琬钧, 赵颖梅, 等. 基于文献计量方法的全球潜力华人青年学者发现与评价策略研究[J]. 情报杂志, 2019, 38(7): 178-183.
[44]

(Jiang Y P, Xia WJ, Zhao YM, et al. Research on the discovery and evaluation strategy of potential overseas high-level scholars based on bibliometrics[J]. Journal of Intelligence, 2019, 38(7): 178-183.)
[45]

舒予, 张黎俐, 张雅晴. 海外高水平学者发现与评价策略研究[J]. 现代情报, 2018, 38(6): 93-98.

[46]

(Shu Y, Zhang L L, Zhang Y Q. Research on the discovery and evaluation strategy of overseas high-level scholars[J]. Modern Intelligence, 2018, 38(6): 93-98.)
[47]

孙希昀, 黄飞. 上海科技人才职称评价改革现状调研分析[J]. 科技中国, 2024(1): 71-76.
[48]

(Sun X Y, Huang F. Research on the current situation of evaluation reform of Shanghai scientific and technological talents' professional titles[J]. Science and Technology in China, 2024(1): 71-76.)
[49]

张宝隆, 王昊, 李心蕾. 基于TDC的学者差异性测度及创新能力分析[J]. 情报理论与实践, 2021, 44(7): 138-144.
[50]

(Zhang B L, Wang H, Li X L. measurement of scholar differences and analysis of innovation ability based on TDC[J]. Information Studies: Theory & Application, 2021, 44(7): 138-144.)
[51]

杨建林, 钱玲飞. 基于关键词对逆文档频率的主题新颖度度量方法[J]. 情报理论与实践, 2013, 36 (3): 99-102.
[52]

侯志军, 田家玮. 中国高等教育研究活跃作者的群体特征分析[J]. 复旦教育论坛, 2022, 20(3): 76-83.
[53]

(Hou Z J, Tian J W. Group characteristics analysis of active authors in China's higher education research[J]. Fudan Education Forum, 2022, 20(3): 76-83.)
[54]

新文科专委会. 图书馆学术指数(Library Index of Scholarship, LIS)评价方法[EB/OL]. [2024-03-10]. https://mp.weixin.qq.com/s/JOWDnR-s2YtILvpZQ-Y7Fg?scene=25#wechat_redirect.
[55]

(New Humanities and Social Sciences Committee. Evaluation Method of Library Academic Index (Library Index of Scholarship, LIS)[EB/OL]. [2024-03-10].

[56]

徐曾旭林, 谢靖, 于倩倩. 人才多元评价模型设计方法研究[J]. 数据分析与知识发现, 2021, 5(8):122-131.
[57]

(Xu Z X L, Xie J, Yu Q Q. Research on the design method of multi-dimensional talent evaluation model[J]. Data Analysis and Knowledge Discovery, 2021, 5(8): 122-131.)
[58]

Reimers N, Gurevych I. Sentence-BERT: sentence embeddings using Siamese BERT-networks[EB/OL]. [2023-04-15]. https://arxiv.org/abs/1908.10084.
PDF (1978KB)

891

访问

0

被引

详细
导航
相关文章

/

〈 〉

© 版权所有 中国科学院文献情报中心《科学观察》编辑部
地址：北京市中关村北四环西路33号（100190）
电话：82626622-6634
E-mail：sciencefocus@mail.las.ac.cn
技术支持：北京玛格泰克科技发展有限公司