自20世纪90年代起，我国学术评价引入文献计量后在促进学术发展的同时也带来了诸多问题，以刊评文、过度量化、指标单一、评价片面、公信力低等均是当前学术评价亟待解决的沉疴。随着技术的发展，我国逐步进入大数据时代、人工智能时代，信息技术的飞跃为学术评价转变提供了契机。2011年教育部发布的《关于进一步改进高等学校哲学社会科学研究评价的意见》中提到“加强同行专家和评价结果等数据库建设，提高评价工作的信息化水平”，2018年中共中央办公厅、国务院办公厅印发的《关于分类推进人才评价机制改革的指导意见》提出“加强评价专家数据库建设和资源共享”，对学术评价数据化提出了要求。

　　以数据化整合评价资源。数据化不仅仅是数字化。数据化是对学术生产与评价活动的全过程从数据的角度进行采集、甄别、挖掘、处理、存储与应用等系统流程的概括。学术评价数据化可以整合多维度、多层次、系统化的评价资源。首先，学术评价数据化可基于更多类型的学术成果进行评价，不仅包含学术论文、著作、研究报告等传统成果，还涉及讲义PPT、图表、程序、视频、博客、公众号推文等。其次，大数据时代评价数据不再局限于文献计量数据、部分同行评议数据以及少量替代计量数据，通过数据化精准识别与处理转化，碎片化数据、非结构性数据、行为数据等传统不可用数据能够转变为可用指标。最后，数据化存储与关联手段可以建立集成数据库，无论是评价主体（评价专家、评价机构、科研管理部门等）、评价对象（学术成果、项目、学者、期刊、机构等）、评价过程（文献计量指标、同行评议数据、评价方法、评价周期等）、评价结果（质量评价、评奖评优、职称评定等），甚至评价政策、评价研究等内容均可纳入，这样既方便调用不同资源、模块化处理，也可避免多次评价、重复评价造成的资源浪费。

　　以数据化回归评价本质。学术评价的本质是评价学术质量水平。当前的同行评议受限于时间、人力成本，仅能实现少量精英评价，受限于技术手段的文献计量评价又仅从影响力角度侧面评价，学术评价长期受到诟病其中一个原因就是数据化程度较低。数据化采集、挖掘、存储能够实现学术评价全样本化、多元化、动态化、系统化，使得学术评价基于全面数据真正对评价对象的学术质量进行评估与鉴定，遵循学术规律，推动学术发展，同时保证评价过程的公平、开放、透明。在学术评价数据化的推动下，评价目的也可从行政导向中解放，不仅可以服务于职称评定、评奖评优、项目验收、核心期刊评选、大学排名、学科评估等现有评价活动，还可以提供社会评价、机构自主评估、学者生涯评价、跨学科评价、个性化评价等服务，使得学术评价回归评价本质与初心。

　　以数据化打开评价新局面。学术评价长期基于样本数据进行部分评价、片面评价、侧面评价与滞后评价，当前评价方法与评价结果已无法满足学术界的更高需求，学界与社会呼吁建立更加完善科学的学术评价体系。数据化伴随学术生产与评价全过程，能够及时、有效地记录、处理和过滤评价相关数据，可以简化当前学术评价的成本与流程，使评价结果更加具有时效性、动态性与灵活性。人工智能技术的不断发展也会对学术评价改革产生巨大作用，例如自动收集数据、智能过滤噪声、提供个性化服务、拓展需求范围。智能化数据技术具有自动学习功能，能够通过数据不断修正与完善学术评价模型，为评价内容选择针对性方案，为科学研究与学术发展提供预测与指导，届时学术评价将迎来颠覆性的变革，打开新的局面。

　　数据化为学术评价的突破提供了一个解决方案，但学术评价的数据化道路依然存在不少问题。例如，当前学界与评价机构的数据意识较为局限、科研管理部门与评价人员的数据化观念亟待转变、政府部门与相关学会需加强顶层设计、评价活动相关方须协同合作、应加强学术评价领域与大数据技术的融合，实现学术评价数据化从理论技术层面落到实践应用等，这些还需要各方共同努力与推进。

　　（本文系国家社科基金项目“大数据时代学术评价理论方法改进研究”（17BTQ015）阶段性成果）

　　（作者单位：中国人民大学人文社会科学学术成果评价研究中心）