重视事实型数据支持 提升科技决策质量

    自约瑟夫•熊彼特提出现代创新理论以来，创新的概念、理论以及实践应用逐渐通过学者、企业家等微观主体得以丰富，并影响到国家的政策与行为。21世纪以来，世界主要国家纷纷将科技创新提升为国家战略的核心。我国于2006年提出了建设创新型国家的战略目标，并相继出台了一批有利于创新的政策措施。但从国内外科技政策研究和制定的过程看，大多依靠主观判断，缺乏事实型数据和定量分析方法的支持，难以对科技政策研究和制定的过程进行重现，并最终影响到科技政策的实施效果。
 
    随着对创新的理解以及对科技政策研究的不断深入，从科技投入、产出、政策为典型代表的创新活动当中，所产生的事实型数据作为连接创新与科技政策研究的重要载体日益得到政策研究者的重视，而基于事实型数据的科技政策研究也逐渐成为一国制定科技政策的重要基础。
 
    创新活动新特征要求更新科技政策研究方法
 
    相当一段时间内，科技政策的研究与制定主要针对研发环节，即“基础研究→应用研究→开发研究”这一线性创新过程。在科技资源稀缺的背景下，以此为基础的科技政策难以平衡纯粹的基础研究与以实际应用为目的、特别是服务于国家战略目标的应用研究之间的关系。这种对创新的一维线性的知识流动范式的理解已被证明难以支撑现代科技政策的制定。
 
    根据克莱因1985年提出的关于创新的链环—回路模型，创新过程不再是一个从工业研究开发、工程建设和制造到市场的循序渐进过程，而是一个战略集成的并行过程。链环—回路模型一共有5条创新路径：第一条路径是创新的中心链，该路径起于发明、设计，通过开发、生产等阶段，最后结束于市场销售；第二条路径由一系列的主反馈和反馈环等为标志的反馈回路组成，反馈表示从对市场需求返回下一轮设计，以便对产品和服务的性能做进一步的改善；第三条路径是指研究和发明设计过程的相互作用，以及“发明设计—知识—研究—设计”或者“设计—知识—设计”等多种回路的多次反馈过程。从科学到创新的回路贯穿于整个创新过程；第四条路径中，科学是创新各阶段的基础。在创新的链环—回路模型中，科学不再是创新的初始点，而是创新主链各节点上都需要的要素；反之，创新又能推动科学，这是创新的最后一条路径。
 
    创新活动的复杂性对当前的科技政策研究提出了更高的要求，需要科技政策研究从面向研发线性过程转变为面向创新链的各个环节。但目前科技政策研究多依靠主观判断，缺乏基于客观数据的定量研究的支撑，因此不仅难以对政策制定过程进行重现，而且影响政策的实施效果。
 
    事实上，创新链的各个环节间的知识和技术流动以及围绕创新链的宏观管理都产生了大量的事实型数据：如基础研究环节会产生以论文、专著为载体的新知识，以及研究过程产生的科研数据等；技术研发环节会产生专利、技术标准、新技术、新工艺等事实型数据；在技术转移和市场化的环节，产生技术合同交易额、专利实施率、孵化的新企业、创造的经济效益以及市场规模等事实型数据。此外，在整个创新过程中还存在着人才、项目、基地、投入等事实型数据。利用好这些创新活动中产生的事实型数据，科技政策研究和制定过程才能有据可依，更加的定量化和科学化。因此面向创新的科技政策研究需要事实型数据的支撑，需要事实型数据从创新目标的确立到创新活动的开展，再到创新结果的评估进行全面的支撑。
 
    英美国家重视基于事实型数据的科技政策研究
 
    事实型数据作为连接创新和科技政策研究的重要载体，在科技政策研究中的重要作用日益受到决策者的重视，其中以英国的循证决策和美国的科学政策学为代表，形成两条发展脉络，发展出各有特色的研究特点。
 
    循证决策是指在科技政策制订的过程中，将科研产出、科学证据与专家的经验、判断、观点相结合，用事实型数据来支持科技决策，体现了从主观决策到“专家的观点和判断与高质量的、可信赖的证据相结合”的转移过程。自20世纪90年代以来，循证决策这一理念在英国政界逐渐受到重视。英国政府在1999年制订的《政府现代化白皮书》中明确采用循证决策作为其行为准则，提出“本届政府对政策制定者有更多的期望，期望有更多的新思维，更主动地质疑传统的行为方式，更好地利用事实型数据和研究的方法来制定政策，更多地专注于能产生长期影响的政策”。
 
    英国政府将专家意见、公开发表的研究结果、现有的统计结果、相关人员的磋商结果、事前的政策评估结果、互联网上的信息、可供选择的政策选项、经济和统计模型的运算结果等均作为制订政策的证据，并专门设立“战略决策组”。该战略小组强调以证据为基础的政策分析，强调创意与创新，强调实施全方位的战略审计，并通过建模、预测和情景模拟等方式，保证英国政府更好地应对长期发展和短期变化所带来的影响。在其发布的《21世纪的专业化政策制定》文件中，战略决策组提出“现代化政策制定的描述模型”，揭示了现代化有效决策过程的三大主题：愿景，即现代化政策的制定应具有前瞻性、外向性和创造性；有效性，即政策制定要以证据为基础，具备包容性和协同性；持续改进，即政策制定需要在实践中不断地进行反思、评估与改进。
 
    长期以来，无论是在政府内部还是其他与政策制定相关的部门，美国均以擅长政策分析和评价在全球占据领先地位。2005年，美国总统科技顾问约翰•马伯格首次提出了“科学政策学”的概念，即通过科学、严谨的研究方法帮助政策制订者和研究人员更好地评价国家科技事业的发展，更好地分析推动科技事业发展的因素以及对可能产生的结果做出判断。
 
    2008年，美国科学与技术政策办公室、国家科学与技术理事会科学委员会下属的社会科学、行为科学与经济学分委会出台了一份名为“科学政策学：联邦研究路线图”的报告。报告指出，虽然许多联邦部门有自己的研究团队，但相关数据的采集和分析杂乱，缺乏系统性；各部门利用不同的方法、数据和工具来了解他们对科学与技术的投资；用于决策判定的数据基础很缺乏。所以，有必要强调科技政策研究与制定应基于更加严谨的数据基础，且应进一步改善相关数据采集、分析工具和研究方法。美国科学基金会将科学政策学进一步提升为“科学与创新政策学”，并执行“科学与创新政策科学计划”。在此项计划的指导下，科学基金会正在努力建立一个以事实型数据资源为基础的科技战略研究工作平台。
 
    事实型数据在科技政策研究中的作用分析
 
    创新链揭示了知识、技术在创新过程中的流动、转化和增值效应。如果能对知识和技术的这种流动、转化和增值进行基于事实的定量分析，就可以服务政府决策和创新主体在创新过程中的衔接、合作和价值传递。我们以政府科技管理为例，在科技预测以及战略制定、项目立项、机构与人员选择、技术转移、科技计划和项目评估的过程中，分析事实型数据如何支撑面向创新的科技政策研究。
 
    在科技预测以及发展战略制定方面，可以通过对某一领域内论文发表情况、专利申请与批准情况等数据进行深度分析，结合国外事实数据，综合判断未来一段时间内国家的科技发展重点与技术路线。
 
    在科研项目立项方面，可以对项目研究进展的知识产权态势进行客观评价，通过对文献、专利等事实型数据的分析来帮助创新主体甄别项目领域内的关键科学问题、技术发展形态、亟须发展的关键技术点、研发陷阱，确定技术研发路线以及把握项目知识产权化预期可达成性和阶段性目标的可行性等。
 
    在机构和人员选择方面，可以利用发表论文、获取专利等信息来评价机构和科研人员的研究实力，发现优秀的合作伙伴以及需要防范的竞争对手，并为政府科技计划实施中的课题承担单位选择以及为企业寻找合适的科技人才提供支撑。
 
    在技术转移方面，可以通过建立科技成果数据库，搭建技术转移信息服务平台，综合集成技术简介、转移方式、技术拥有方和承接方等信息资源，为科技成果向现实生产力转化提供有效的支撑。还可以利用专利、专利许可及其相关市场化信息来评价技术转移的绩效。
 
    在科技计划和项目评估方面，可以围绕科技计划、项目实施和立项时确定的目标，通过对其形成的论文、专著、专利、标准、产品等科研成果以及过程管理、经济社会效益指标等事实数据进行分析，综合评估科技计划和科研项目的实施绩效。
 
    专利、论文、人才、机构等事实型数据在为面向创新的科技政策研究提供支撑的同时，也会通过其组合、再加工产生一批新的事实型数据，如科技报告。这些科技报告将为面向创新的科技政策研究提供重要支撑，如面向重大科技问题的战略研究报告可直接服务于科技决策、项目验收报告作为以后项目立项的重要依据。
 
    创新的过程是大量事实型数据产生的过程，面向创新的科技政策研究需要事实型数据的全面支撑。2006年，中共中央、国务院发布了《中共中央国务院关于实施科技规划纲要增强自主创新能力的决定》，标志着我国科技发展进入了提高自主创新能力，建设创新型国家的新阶段。在以科技创新为核心的全球竞争日趋激烈的背景下，以事实型数据为基础的科技政策研究方式日渐成为世界各国的共同选择。因此在新形势下，如何把握好自主创新的规律，加强有利于自主创新能力提高的科技政策研究成为我国科技发展面临的重要问题。