科学职业有无规律？——读《给科学家的科学思维》的思考|哲学|方法论|社会学|给科学家的科学思维|论文

2021年出版的《The Science of Science》是近年来科学学领域公认的最重要的代表性著作之一，其中文版《给科学家的科学思维》同年面世，作者是科学学与网络科学研究权威王大顺、全球复杂网络研究权威艾伯特－拉斯洛·巴拉巴西。二人以多年实证研究为基础，通过解析千万篇论文、上万位科学家的职业生涯数据，将科学活动转化为可观测、可建模的系统，试图揭示科研活动中的隐性规律，回答科学家职业生涯中的核心困惑——何时迎来成就巅峰？团队如何实现创新？论文的影响力何以跨越时间？从Q因子对个人能力的量化，到团队规模的创新效应，再到论文影响力的适应度模型，这些发现不仅挑战了“青年天才论”“规模至上论”等传统认知，也对科技政策制定具有深刻的实践意义。

主要观点：解码科学职业、科学合作与科学影响力的规律

几个世纪的科学探索，已让人们积淀出许多关于科学发展规律的常识性认知。然而，当作者用数据透镜重新审视人们自认为很熟悉的科学事业时，却发现许多仅通过日常参与并不容易得出的结论，那些被经验直觉笼罩的真相逐渐显现。这本书的精华所在，正是基于大数据实证研究，揭示出“科学职业”“科学合作”“科学影响力”等方面令人耳目一新的有趣规律。

在科学职业发展方面，这本书指出，科学家的成就巅峰往往出现在职业生涯中期，而非传统认知中的“青年天才期”。这一现象部分源于现代科学的“知识负担”——学科交叉与专业深化的双重需求，延长了能力积累周期，这为破除科研年龄歧视提供了实证武器。关于科研中的运气成分，Q因子模型指出个人能力而非运气才是将偶然成功转化为持久高影响力的关键，这挑战了“优势累积理论”在一定程度上对运气的强调。此外，“身份地位是影响力提升的红利”，科学声誉存在“成功孕育成功”的马太效应。然而值得注意的是，科学声誉的马太效应可能挤压青年学者发展。

在科学团队合作方面，这本书进一步探讨团队最优规模问题，认为大团队“兵团作战”与小团队“轻装突围”在科研活动中各有千秋，大团队或更擅长解决现有问题发展科学，小团队则更善于提出新问题颠覆创新。这一结论与经济学的“规模不经济”理论形成对话，但也需结合领域差异，粒子物理等依赖大装置的领域仍以规模效应主导。团队成员种族、国籍与机构多样性的提升往往也会带来论文影响力的增长。例如，LIGO引力波探测团队汇聚十余国数千名研究人员，其学科交叉性直接推动技术突破。然而，多样性亦需驾驭得当——明星成员扎堆可能引发“能人太多效应”，导致效率不升反降。真正的多样性红利，来自认知框架的差异，而非各种标签的堆砌，好的团队取决于团队的结构和沟通模式。

在科学影响力塑造方面，这本书认为适应度，即论文具备的一组决定其相对于其他论文影响力的内在属性，而非发表时机决定论文最终的影响力。这一模型呼吁科学评价体系关注“睡美人论文”，减少对影响因子的过度依赖。例如，爱因斯坦1905年的相对论论文在发表初期引用寥寥，却在百年后成为物理学基石，或意味着只有深耕核心问题，方能成就科学史的“长跑者”。值得注意的是，对适应度的重视在击破论文“短期热度”假象的同时，引发对“长期价值”量化的思考，若以长周期为尺度评估成果，当代科学家又当如何获得激励？

总而言之，书中提出的科学学框架具备三重属性：一是描述性，可以刻画科学演化的宏观规律，如团队规模与创新类型的关系；二是预测性，可以通过Q因子等模型预判科研成果的长期影响；三是规范性，可以为科技政策制定提供实证依据，如优化基金分配策略。这种三位一体的定位，有助于科学学进一步突破传统科学哲学的单一理论维度，成为连接理论与实践的科学“元学科”，彰显出科学思维的方法论自觉。

政策启示：“用数据说话”及超越

《给科学家的科学思维》所展现的科学学的价值，既承袭了贝尔纳、默顿开创的实证研究传统，又赓续了普赖斯奠定的量化分析进路。这种将科研活动从“经验黑箱”转化为“数据白箱”的方法论创新，不仅进一步实现了对直觉经验的系统化超越，揭示出科学知识生产的客观规律，更在实证性与计量性的辩证统一中，彰显了科学学研究方法论的独特价值。

首先，科学学有助于树立数据驱动的科学认知论。

《给科学家的科学思维》通过大数据与复杂网络技术，将科学活动转化为可观测、可建模的系统。正如中国科学院郑志明院士所言，本书能为科技政策制定者提供理论与实证方面的帮助。例如，书中揭示的科研巅峰期延迟往往出现在职业生涯中期的规律，提示政策设计者必须关注“大器晚成”的科学潜力。

其次，科学学有助于推进科研管理的科学化转型。

科学学的一大贡献在于将直觉经验转化为可操作的决策框架。例如，《给科学家的科学思维》团队合作章节提出的“大团队渐进发展、小团队颠覆创新”法则，为科研基金分配提供了新思路：国家重大科技专项需要依托建制化的大型团队实现资源协同，那么部分原创探索项目能否优先支持具备较高自主性、灵活性的小型团队。

最后，科学学有助于实现科学评价的范式升级。

针对科学评价在某种程度上存在的“重量轻质”情况，《给科学家的科学思维》提供了破局之道。若仅以论文数量、影响因子为导向，科研发展恐陷入“高产低效”陷阱，而书中提出的Q因子（个人能力量化参数）与适应度模型（论文的内在属性决定长期影响力），为构建“质量优先”的评价体系提供了一定参考。

这本书最大的特点是“用数据说话”，然而值得注意的是，量化方法固然有优势，但也可能窄化科学的丰富性。正如海德格尔对技术理性的批判——技术理性可能将科学简化为“持存物”，遮蔽其本真性。例如，Q因子可以量化论文序列中影响力的持续性差异，但难以捕捉凯库勒梦悟苯环式的灵感迸发；适应度模型可以评估论文影响力，但可能忽视类似基因编辑技术的伦理争议，难以判断其社会效益。

科学学学科的四个阶段

科学学的诞生与发展经历了四重跃迁。

（1）学科萌芽

20世纪10年代起，在量子力学撼动经典物理的狂潮中，重建中的波兰成为科学自我反思的思想实验室。兹纳涅茨基（F. Znaniecki）创立“科学学”学科构想，科塔宾斯基（T. Kotarbiński）正式提出“Science of Science”概念，奥索夫斯基夫妇（Maria Ossowska，Stanistaw Ossowski）则发表首篇学科纲领性论文。融合哲学、社会学、心理学多学科视角，科学学作为一门学问正式登上历史舞台。

（2）理论奠基

20世纪30年代起，出于对当时科技巨大影响力的反思，英国科学家贝尔纳（J.D. Bernal）在《科学的社会功能》中系统论证科学的社会功能，探讨其与经济、政治的互动关系，并建立起科学社会学定量分析范式，标志着世界科学学进入奠基阶段。差不多同时期的美国社会学家默顿（Robert King Merton）则关注科学的社会建制，提出“普遍性、公有性、无私利性、有条理的怀疑性”四重精神气质。

（3）计量转向

20世纪60年代起，普赖斯（Derek de Solla Price）发现科学文献的指数增长律，纳利莫夫（Nalimov）建构科学计量学理论体系，布劳温（Pibor Braun）则创办《科学计量学》期刊，科学计量学正式创立发展。在这一阶段，通过模型、指标和数据驱动，科学计量学为科学学的量化研究带来了兼具解释力与预测力的方法论工具箱，迅速成为科学学的主流分支学科，推动科学学不断走向成熟。

（4）计算转向

21世纪以来，新一轮科技变革加速发展，人工智能和数据科学的爆发式增长，催生出科学新范式、研究组织新模式，也正推动科学学的计算转向。计算科学学依托主动、开放的研究范式，基于全面、整体的数据主动进行算法设计，挖掘科学活动的深层规律，正是当下科学学的前沿研究领域。《给科学家的科学思维》显然代表了科学学最新的研究范式之一，具有学科发展方面的价值。

结语：在自觉与敬畏之间

恰如克里克发现DNA双螺旋时，既依托X射线衍射的精确数据，亦依赖对分子美学直觉的信念。未来的科学学，当如海森堡所言，在已知与未知的边界，保持对不可计算性的敬畏。在数据建模与思想实验的双螺旋中，在算法预测与直觉顿悟的共生演化里，科学学正建构新的认知范式：它既需要爱因斯坦所言“思想实验”的跃迁勇气，也要保持默顿“科学精神特质”的制度自觉。这或许正是科学精神的终极隐喻：在数据与灵感的交织中，守护不可量化的探索自由。唯有在自觉与敬畏之间平衡工具理性与人文精神，方能在科学革命的永恒进程中，为人类科学事业注入新的可能。