至存在这样的
Posted: Sat Feb 22, 2025 6:57 am
3. 关于集成：科学系统在开发和采用唯一标识符方面取得了巨大进步，这些标识符使得跨数据库连接信息成为可能：这包括用于识别内容（例如论文）的数字对象标识符、研究人员的永久数字标识符ORCiD和世界研究组织的目录GRID 。
得益于这一元数据基础设施，科学计量学研究人员可以顺利地将来自不同来源的信息整合在一起，从而全面了解科学体系。此类全球标准在创新领域尚不完善。例如，用于唯一识别企业的全球法人实体识别码(GLEI) 在英国仅注册了 30,000 多家公司，这仅占英国企业总数的极小部分。
帮助信息计量学赶上科学计量学
这些东西很重要。就目前的情况来看，创新政策决策很有可能基于错误的数据，不良指标的扩大会填补良好指标缺失造成的空白，这可能会造成一个混乱的世界，成功的项目似乎失败了，反之亦然。
不足为奇的是，糟糕的创新数据也会减缓大数据、数据科学和人工智能 (AI) 方法在创新政策和实践中的应用。相比之下，更大、更好的科学计量数据集正在推动蓬勃发展的科技领域，包括 Digital Science（我之前提到过），以及Benevolent AI、Meta或Yewno等其他初创公司，它们都在使用 AI 来增强科学发现和协作。
更糟糕的是，对创新的错误衡量会对科学政策产生负面溢出效应，因为低质量的创新指标使得衡量公共投资对科学的影响变得更加困难，而公共投资越来越依赖于经济增长和就业前景。甚风险：缺乏有关 RCS数据 科学研究与创新之间微妙关系的信息，可能会导致政策制定者将重点放在更粗略的科学影响衡量标准上，例如大学向产业界转让或授权知识产权。存在这样的风险：就像谚语中所说的醉汉在有灯的地方寻找钥匙一样，我们最终会关注那些我们更容易衡量的科学影响，而不是那些真正重要的影响。
这不行。我们知道创新对于提高生产力、重新平衡经济、减少经济不平等和应对重大社会和环境挑战至关重要——但这需要有效的政策来支持和规范创新，并基于正确的数据和指标。正如欧盟专员卡洛斯·莫达斯在经合组织蓝天会议上的演讲中指出的那样：“数据是（创新）政策的燃料。没有数据，我们就无法知道我们是否做出了正确的决定。 ”
我们该如何前进？
行动方面主要有三大方面，与我上面提出的衡量、开放和整合的理念有关。
首先，我们需要扩大使用新数据源和数据科学方法来衡量和绘制创新图谱。与其他人一样，创新者在他们用于筹集资金、建立人脉、合作、招聘、营销和销售的网站和服务中留下了数字足迹。
我们需要积极分析这些来源，以衡量创新投入、活动和产出。这就是我们在Tech Nation、The Geography of Creativity或Arloesiadur等项目中开始做的事情，并取得了令人鼓舞的成果。现在我们需要开始将这些方法推向政策主流，并围绕它们的使用建立信任。我们与 NIESR 和其他合作伙伴在ONS 设立的经济统计卓越中心开展的工作正是出于这一目标。
得益于这一元数据基础设施，科学计量学研究人员可以顺利地将来自不同来源的信息整合在一起，从而全面了解科学体系。此类全球标准在创新领域尚不完善。例如，用于唯一识别企业的全球法人实体识别码(GLEI) 在英国仅注册了 30,000 多家公司，这仅占英国企业总数的极小部分。
帮助信息计量学赶上科学计量学
这些东西很重要。就目前的情况来看，创新政策决策很有可能基于错误的数据，不良指标的扩大会填补良好指标缺失造成的空白，这可能会造成一个混乱的世界，成功的项目似乎失败了，反之亦然。
不足为奇的是，糟糕的创新数据也会减缓大数据、数据科学和人工智能 (AI) 方法在创新政策和实践中的应用。相比之下，更大、更好的科学计量数据集正在推动蓬勃发展的科技领域，包括 Digital Science（我之前提到过），以及Benevolent AI、Meta或Yewno等其他初创公司，它们都在使用 AI 来增强科学发现和协作。
更糟糕的是，对创新的错误衡量会对科学政策产生负面溢出效应，因为低质量的创新指标使得衡量公共投资对科学的影响变得更加困难，而公共投资越来越依赖于经济增长和就业前景。甚风险：缺乏有关 RCS数据 科学研究与创新之间微妙关系的信息，可能会导致政策制定者将重点放在更粗略的科学影响衡量标准上，例如大学向产业界转让或授权知识产权。存在这样的风险：就像谚语中所说的醉汉在有灯的地方寻找钥匙一样，我们最终会关注那些我们更容易衡量的科学影响，而不是那些真正重要的影响。
这不行。我们知道创新对于提高生产力、重新平衡经济、减少经济不平等和应对重大社会和环境挑战至关重要——但这需要有效的政策来支持和规范创新，并基于正确的数据和指标。正如欧盟专员卡洛斯·莫达斯在经合组织蓝天会议上的演讲中指出的那样：“数据是（创新）政策的燃料。没有数据，我们就无法知道我们是否做出了正确的决定。 ”
我们该如何前进？
行动方面主要有三大方面，与我上面提出的衡量、开放和整合的理念有关。
首先，我们需要扩大使用新数据源和数据科学方法来衡量和绘制创新图谱。与其他人一样，创新者在他们用于筹集资金、建立人脉、合作、招聘、营销和销售的网站和服务中留下了数字足迹。
我们需要积极分析这些来源，以衡量创新投入、活动和产出。这就是我们在Tech Nation、The Geography of Creativity或Arloesiadur等项目中开始做的事情，并取得了令人鼓舞的成果。现在我们需要开始将这些方法推向政策主流，并围绕它们的使用建立信任。我们与 NIESR 和其他合作伙伴在ONS 设立的经济统计卓越中心开展的工作正是出于这一目标。