科研绩效评价：别让填表速度跑赢科研耐心

先说个场景。某高校老师年底填表。论文几篇，项目几项，经费多少，专利几个，获奖几次。表格做得挺漂亮。人快麻了。科研绩效评价，本来要回答钱花得值不值、人干得好不好。结果常常变成谁更会填表。啧，这事就有点拧巴。

指标越漂亮，离真问题越远？

说实话，论文数、影响因子、项目经费这些指标，好测。好测，就容易上位。可科研不是流水线。一个课题磨八年，前七年可能只有失败记录。你拿一年一考核去卡，谁还敢坐冷板凳？可量化不等于可评价。这句话不新鲜，做到的人不多。

前阵子跟一位做材料的朋友聊天。他说组里考核，横向经费到账额算硬指标。结果大家抢短平快项目。真正难啃的基础问题，没人碰。你说这是科研绩效评价的错？也不全是。评价指挥棒一歪，资源分配跟着歪。对吧。

破“五唯”喊了几年。清理唯论文，不是不要论文。是别把论文当唯一秤砣。科技部等部门推动科技人才评价改革试点，强调分类评价、代表成果、谁用谁评。方向没问题。落地呢？有的单位把“代表作”三个字加进表格，后面还是填篇数。换汤不换药。真的。

代表作制度：听起来很美，落地全是坑

代表作评价，逻辑很顺。不看数量，看质量。问题来了：谁选代表作？自己选，容易挑最光鲜的。单位选，可能按行政口味。小同行评议，够不够小？别一出门就遇到熟人。国际同行，成本高，还涉及保密和利益冲突。难。

我见过一份写得好的贡献说明。不列题目，先讲问题。这个领域卡在哪，我做了什么，别人做了什么，结果改变了什么。好家伙，三页纸，评审看得懂。代表作不是选最漂亮的论文，是选最能说明贡献的工作。这句话建议刻在评审系统首页。

不过话说回来，代表作制度最怕两件事。一是材料越交越多，科学家变成档案员。二是评审变成人情场。解决办法不神秘：限项、匿名、回避、申诉、公开评审意见。每样都要成本。不愿意付成本，制度就悬在空中。唉。

分类评价不是口号，是预算和耐心

基础研究、应用研究、技术开发、临床医学、社会科学，拿一把尺子量，肯定出事。基础研究看同行共识和长期影响。应用研究看转化、标准、专利质量。临床看诊疗方案和患者获益。工程看样机、可靠性和工程验证。社科看政策影响和理论创新。说起来都懂。做起来要钱，要人，要时间。

分类评价的核心是让懂行的人评行内的事。谁用谁评，听着对。可“用”的单位如果只看短期KPI，分类也会走形。得配长周期评价。三年、五年，甚至更久。还得配团队评价。大科学装置、临床多中心、工程系统，离开团队谈个人贡献，容易打架。通讯作者和第一作者争，实验员和工程师被忽略。这些都是真问题。

行业里有个趋势，我挺赞成。把评价拆成两层：一层是底线，科研诚信、数据质量、任务完成度。一层是卓越，同行判断的原创贡献。底线要硬。卓越要容错。别把两层搅成一锅粥。

AI能帮忙，但别让它背锅

现在不少机构用AI做评价辅助。文献计量、文本分析、利益冲突筛查、图片重复检测。效率确实高。撤稿论文里的重复图片，肉眼看不出来，工具一跑就报警。惊喜。可AI不能替代价值判断。算法偏见、指标博弈、数据污染，哪个都不省心。AI适合做证据整理，不适合做价值判断。让模型给科学家打分，出了事谁负责？

还有个小细节。指标一旦公开，马上有人优化指标。论文引用互刷，项目包装，专利凑数。评价系统跟被评价者玩猫鼠游戏。老问题了。解决它，靠透明、靠抽查、靠信誉。别指望一个算法包治百病。

科研绩效评价没有标准答案。但有个底线：别让真正做事的人吃亏。这话朴素。做到很难。难也得做。对吧。