美国科技政策学研究计划进展分析与启示

(1.上海科学技术政策研究所；2.上海科技管理干部学院，上海 201800)

摘要：美国国家科学基金会于2006年设立了科技政策学研究计划(SciSIP)，经过十多年发展，在数据与方法研究以及共同体建设方面取得了重要进展。聚焦于SciSIP计划及其历年项目成果，对SciSIP计划发展历程进行总结，对SciSIP计划的研究成果和面临的挑战进行分析，以期为中国推进科技政策学研究及“科技政策学”这一新兴学科建设提供建议。

关键词：科技政策学；美国科技政策学研究计划；科学证据；交叉学科；科技政策共同体

0 引言

政策好坏攸关兴衰成败。伴随科技创新竞争日趋激烈，科技创新政策层见叠出，科技创新绩效表现各异。复杂多变的科技政策实践进程将科技政策现象规律研究等提上议事日程，也将科技政策学这门新兴学科推上前沿热点。自2005年美国科学顾问、白宫科技政策办公室(OSTP)主任马伯格(John Marburger III)提议发展“科技政策学”(Science of Science Policy)以来，美国就开始推进科技政策研究的学科发展与建设[1]。为了促进科技政策研究的跨学科发展、科技政策证据基础的研究开发，满足政策制定者和研究者的发展需求，2006年美国国家科学基金会(NSF)设立了科技政策学研究计划(SciSIP)[2]。SciSIP研究计划支持来自多学科领域的研究人员开发科技政策的框架、工具和数据，参与科技政策实践共同体的发展。SciSIP研究计划实施多年的系统总结和成果集萃，对中国科技政策学理论研究与学科建设具有重要参考价值。为此，本研究聚焦于SciSIP计划及其历年项目成果，对SciSIP计划的发展历程和研究主题进行阐述，对SciSIP计划的重要研究成果进行分析，以期为中国推进科技政策学研究及“科技政策学”这一新兴学科建设提供建议。

1 SciSIP研究计划历程

2005年，美国科学顾问马伯格发表演讲，提议开展定量的科技政策交叉学科研究，强调汇聚原本分散的研究力量，开创一个新的研究领域，为科技政策的科学化制定提供合适的框架、工具和数据集。NSF对此迅速作出反应，分别召开了三次研讨会来讨论资助这一研究领域的可行性方案。经过讨论，NSF确定了资助方向和目标，启动了SciSIP计划。SciSIP计划的发展历程如图1所示。

三次研讨会由NSF所属的社会、行为与经济学(SBE)理事会负责组织安排。SBE的3个部门——行为与认知科学部(BCS)、科学资源统计部(SRS，现在被称为国家科学与工程统计中心NCSES)，以及社会与经济学部(SES)，分别在2006年召开了一次研讨会。虽然3次研讨会的类型不同，但目的相同——明确未来资助方向和领域，发展科技政策共同体，为科技创新政策的制定提供科学依据。

BCS的研讨会以“个人与团队创新和发现的科学基础”为主题，聚焦讨论一个新兴研究领域如何对科技政策学作出贡献 [3]。他们期望资助的研究方向包括：创新认知机制的扩展理解研究、策略影响认知机制的方法研究、心理学试验和工程设计协同的跨学科研究、创新影响因素时序动态的实证研究和计算建模等。SES的研讨会确定了其研究共同体对科技政策学的潜在贡献[4]。与会者分别具有经济学、伦理学、科学史、科技研究和社会学的学科背景，他们认为能够支撑科技创新决策的研究方向包括：科技创新与经济增长、生产力等经济指标之间的联系，促进或阻碍创新的机构和组织环境，科学密集型决策中的证据和专家意见，科技创新对全球经济、社会和环境变化的影响等。SRS则主办了题为“优化创新评估：知识流、业务指标和监测”的研讨会，聚焦创新的评估指标与方法研究[5]。研讨会确定了未来需要研究的指标：研发(R&D)实验室内外的创新活动，研发的关键驱动因素、投入和体制机制，创新的产出、成果、使用和扩散，政府政策对创新的影响；大学和产业之间的关系、知识流和网络；无形资产和知识的测量等。在对三次研讨会收集的信息进行整理分类后，NSF最终确定了资助科技政策学研究的计划书，并于2006年秋天发布设立SciSIP研究计划。

SciSIP研究计划旨在推进科技政策学的学科基础建设，并为此制定了3个目标：①开发适用的知识和关于创造过程的理论，并将其转化成社会和经济效益；②扩大科学指标、数据集、分析工具、两年一次的科学与工程指标等数据收集；③基于SciSIP计划创建一个涵盖联邦政府、产业和大学的专家共同体[6]。换言之，SciSIP研究计划突出科技政策学这一新兴领域的发展，重视交叉学科的研究方法，聚焦科技政策的证据基础，如模式、框架、工具和数据集等。SciSIP研究计划希望产生若干研究成果能直接应用于科技决策，从而使稀缺的科技资源得到合理分配和使用。

SciSIP研究计划最初由NSF所属的SBE理事会管理，SBE为此专门设置了科技政策顾问一职来担当SciSIP研究计划的专项负责人[1]。后来，SBE成立了多学科活动管理办公室(SMA)，专门支持SBE的跨学科研究与培训项目，包括SBE与科学工程领域的交叉研究项目。SMA打破了NSF和SBE的部门界限，当SBE中各部门进行跨学科工作时，SMA都会协助开展多学科活动，并在建设支持跨学科活动的基础设施中起到关键作用。SMA还经常和SBE的其它部门以及NSF的其它理事会展开合作资助，作为跨部门活动的一种参与形式。SciSIP研究计划作为SBE典型的跨学科研究计划，且其中有1/3的资助项目涉及跨部门合作资助，因此在SMA成立之后，就由SMA负责管理，SMA也为其设置了专项负责人，目前的负责人是Maryann P Feldman。

2007年2月，SciSIP研究计划发布了第一个研究选题征集指南，2007年8月首次立项(总共19项)。首次立项的项目选题方向分别为：人力资源开发和企业协同、国际知识流动的收益、创造力和创新、知识生产体系、科技政策的影响。SciSIP研究计划在随后几年不断发展壮大。2008年，24个资助项目中有8个主要集中于创新研究，特别是企业在创新中的作用，以及创新的测度和监测。2009年和2010年征集了一些特殊的项目选题，如数据开发、数据处理和可视化分析。到2016年，SciSIP计划已资助了330多项研究课题，资助经费达到近1亿美元(包括与其它基金计划共同资助的项目)，项目平均获得的资助经费大约为30万美元；有31个州、125个机构、400多位研究人员获得了SciSIP计划资助。获得SciSIP计划资助的研究人员还发表了许多期刊论文，提供了多种信息数据。

SciSIP研究计划一直致力于通过资助研讨会等研究交流活动来促进科技政策共同体建设。到2016年，SciSIP研究计划已资助40多个研讨会项目，其中，最值得注意的是2012年9月NSF联合美国国国家科学院(NRC)召开的一次SciSIP研究计划项目负责人会议。此次会议是自SciSIP研究计划启动以来最大规模的一次项目负责人集会，参会者除了SciSIP研究计划各项目负责人之外，还包括自然科学领域的专家以及来自不同科技领域的政策制定者。这次会议不仅对SciSIP研究计划历年的主题项目及成果贡献进行了回顾与展示，而且促进了研究人员、科技政策实践者和其它领域科技人员之间的知识交流。此次会议的纪要报告还于2014年由美国国家学术出版社出版。

2 SciSIP研究计划成果

SciSIP研究计划自执行以来，历年主题都是针对美国和其它国家有关科技创新投资与组织中长期存在的问题，如投资回报率模型，促进提高科技生产力的组织结构，科学知识商业化与创造就业机会之间的联系，大学和政府在技术转移与创新中的作用，技术扩散和经济增长，科学和创新支出的非经济影响，知识生产创新的区域和全球化网络，创新激励机制及变革性研究的产出和成果测量，科技活动数据的开发、处理和可视化分析等，因此产生了很多有意义的研究成果[7]。这些成果在一定程度上代表了美国甚至国际科技政策研究的前沿热点。为此，本文基于SciSIP研究计划项目负责人会议纪要，分别从激励、管理与创新，工作与合作，数据收集与分析这3个研究热点，对SciSIP研究计划的部分重要成果进行梳理和分析。

2.1 激励、管理与创新

激励、管理与创新聚焦激励和管理与科技创新关系的研究，主要从研究和制造两方面探讨国家资助政策、机构政策、企业政策和文化等因素对科技创新的影响，如表1所示。

在科学资助政策对学科发展的影响方面，密歇根大学的Jason Owen-Smith研究了资助政策对人类胚胎干细胞研究创新的影响；北卡罗莱纳大学夏洛特分校的William Ribarsky等人聚焦科学资助和研究领域演化的关系，开发了一种可视化分析方法(Visual analytics approach)；北卡莱罗那大学教堂山分校的Maryann Feldman探索了公益资助对大学科研发展的影响；新墨西哥大学联盟的Meg Blume-Kohout等人运用计量经济学方法分析了美国大学生命科学R&D领域中联邦资助对非联邦投资的影响[9-12]。上述研究得出：①关于人类干细胞研究，科学家们主要关注研究规则和伦理影响，资助政策的实施方式比实现目标更为重要。因此，有必要建立明确、稳定和统一的人类干细胞研究规则，且政府有必要为人类干细胞研究提供资助；②采用可视化表示形式(Visual representation)可以回答特定领域的资助是否滞后于研究、资助和研究之间的关系如何演化、哪些计划和论文影响了资助决策等问题，并且这些答案对科研项目的投资决策等具有参考价值；③公益创投可以直接瞄准那些有资助缺口的领域。因此，使用公益创投模式资助的项目，其研究效率更高，另外，相比大学本身而言，教职人员更偏爱公益创投资助模式；④联邦R&D资助对低研究密集型大学有持续、强烈、正向的影响，而高研究密集型大学在面临联邦资助命中率和资助金额下降时，会采取战略决策来寻求非联邦资助。

在企业决策研究方面，卡内基梅隆大学的Erica Fuchs[8]研究了制造地点与创新的关系。Fuchs通过研究汽车、电信、计算机等行业，分析海外制造是否会影响一个公司或行业的技术相对竞争力，从而影响其技术轨迹(公司或行业采取的技术类型和采取新方法的意愿)。结果表明，当公司将制造业务转移到海外时，他们一般都不再进行创新，但这并不意味着政府应该向制造企业提供支持，鼓励其将工厂留在美国，而应该针对不同制造业类型作出不同决策。

麻省理工学院的Scott Stern和乔治亚理工学院的Jerry Thursby[13]分别从机构、个人角度研究了开放共享与创新的关系。Stern关注开放性机构(这些机构要求他们的研究人员公布研究成果并免费提供给别人)和支持科学共享方法的政策是否有助于知识积累和研究能力提升，Thursby则关注科学家决定采取何种方式与同事分享他们的研究工作，并且有哪些因素影响这些决定。研究结果表明，当有更多正规机构和政策支持开放共享时，相关领域的研究人员将受到鼓励和支持，研究成果会大幅增加，研究主题也会更加多样化；研究人员在竞争或合作模式中更倾向于分享增量工作而不是突破性发现，而数学家则相反。

乔治亚理工学院的Mark Zachary Taylor[14]研究了民族文化对创新效率的影响。他通过对大量不同国家公民进行个人特性、价值观态度与倾向的调查研究，了解民族文化价值观。结果发现，个体主义(Individualism)作为一种文化价值，与国家创新效率的相关性较强；集体主义(Collectivism)中，强烈的朋友、家庭和部族(Tribe)认同与国家创新效率负相关，而对机构的热爱和忠诚与创新效率正相关。

工作与合作集中研究科学家工作与合作的方式，包括人才多样化、人才引进和国际合作等，还有这些方式对其工作和职业生涯的影响，如表2所示。

针对科学家职业生涯及其影响因素问题，乔治亚理工学院的Jan Youtie探讨了美国和欧洲国家在人类遗传学(Human genetics)与纳米技术(Nanotechnology)两个领域的政策、管理干预措施对科学家职业的影响；马里兰大学的Rajshree Agarwal[17-18]试图聚焦学术界和产业界之间已形成的对立状态，探讨年轻科学家作出的职业选择、影响因素，以及他们的薪酬轨迹。研究发现，早中期美国和欧洲的职业生涯既有明显差异，又有相似之处：简化对博士学位的要求对美国研究人员十分有利，扩大国际交流机会特别有利于欧洲研究人员；同时，美欧研究人员都将从更多的职业选择指导中获益。另外，年轻科学家的职业路径选择与学术或产业的工作定位之间并未有严格的正相关关系；薪酬和选择基础研究还是应用研究之间并没有密切关联。

针对人才多样化问题，美国加州大学伯克利分校的Kimberly Tall Bear分析了美国土著研究者科研参与度提升对科学研究的影响。研究发现，美国土著科学家能够在原住民社区和大学实验室之间有效转换角色，另外，为防止对传统的破坏，他们更愿意采用与其传统文化相一致的伦理方法进行科学发展和创新。

在全球化背景下，国际合作和人才引进问题也是科技政策研究者关注的热点。哈佛大学的Richard Freeman等人探索了科研合作团队的族群结构及其与团队绩效间的关系；乔治亚理工学院Susan Cozzens的研究聚焦于美国研究人员在国际合作中扮演的角色以及受到的影响。结果发现，研究团队的成员越是多样化(不同地址以及种族之间的混合)，通过参考文献反映出的知识基础越是广泛和多样，论文也越成功；而美国研究人员的跨国合作虽然不如其它国家多，但是前者从跨国合作中学到的东西与他们的合作伙伴一样多。对于人才引进问题，爱达荷大学的Eric Stuen等研究了各类博士生招收计划的影响力，以及学生签证和奖学金计划对美国研究起到最佳支持作用的方法；波士顿大学的Megan MacGarvie[15-16]研究了外国留学生获得学位后离开美国的影响。研究发现，国际和美国国内的博士生都致力于科研，对美国来说，对两者的资助都可以获得高额回报，而减少支持外国学生的项目将损害美国大学的科研能力；对其它国家来说，如果是低收入国家，那么它从留学生回国中获得了显著回报，但对留学生本身来说，其科学生产力最终降低了。

SciSIP计划中有很多研究人员开发了处理数据的新方法。技术创新使得他们能够验证以前难以验证的问题。例如，通过扩大数据收集类型可以更充分进行政策评估；通过挖掘大量数据来分析模式与趋势的问题；通过绘制图形或其它可视化工具说明关系问题等，具体如表3所示。

数据收集与分析工具的开发为科技政策研究人员提供了新的研究工具和手段。宾夕法尼亚州立大学的Lee Giles开发了一种开源在线工具，解决了信息提取中的“歧义”问题，并将异构数据结构化，使数字图书馆和搜索引擎可以用它进行索引并提取信息。加州大学伯克利分校的Lee Fleming等使用算法开发了一种搜索引擎，可以有效提取美国专利数据库中的信息，而不必担心由于“歧义”引起信息搜索和识别错误。宾夕法尼亚州立大学的Zhen Lei等利用统计方法分析专利数据，开发了一种工具，可以研究大学的发明如何既应用于学术界又应用于产业界，也可以研究大学专利申请、许可政策和政府资助的影响[19-20]。美国国家科学基金会的Leah Nichols等开发的项目资源浏览器(Portfolio Explorer)，能跟踪项目主题、基金授予记录、对项目负责人的评价意见、授权的专利以及地域代表性等特征；不仅可以预测未来需要资助哪些学科、哪些项目，而且可以用来评估项目绩效。

数据可视化分析为科技政策研究人员展示了研究问题之间的关系，尤其用于对交叉学科的评估。乔治亚理工学院的Alan Porter等人采用图谱整合和专业化方式评估跨学科合作的影响，以了解跨学科研究工作的科学产出效应以及比较国内外跨学科研究情况。跨学科研究工作图谱包括科学叠加图谱(Science overlay maps)和科研网络图谱(Research network maps)，前者显示了跨学科研究工作的多样性，后者显示了跨学科研究工作的连贯性。谷歌公司的David Newman采用主题建模法对项目进行分类并生成工作群图谱，从而对跨学科合作进行评估；主体建模法能生成跨学科的得分，以数字形式评估跨学科合作的新颖性，还可以通过资助对象、主题和发表的成果等开展评估项目。

针对大数据时代的数据共享问题，密歇根大学的Amy Pienta等[21]根据NSF和NIH资助的社会与行为科学研究项目数据，以及对社会学研究项目负责人的问卷调查结果，探索性研究了机构政策对数据共享的影响。研究发现，在数据共享意愿上，不同学科和机构类型表现出一定差异：经济学家和政治学家最愿意进行数据共享，而心理学家最不愿意进行数据共享；私人研究机构的研究人员在数据共享方面做得最成功。

3 SciSIP研究计划面临的挑战

虽然SciSIP研究计划在推动科技政策共同体建设方面卓有成效，但其并未改变知识的线性流动方式，即从学术研究到政策制定这种知识向下流动的方式。政策制定者当前应对的问题都是研究领域的前沿挑战，如果这些问题能够向研究者快速流动，那么产生的研究成果就会更加丰富，更富有成效。从SciSIP研究计划组织召开的研讨会来看，政策制定者明显对SciSIP研究计划及相关研究工作有着浓厚兴趣[22-23]。由于缺乏知识的双向流动，政策制定者有时不能准确理解相关研究成果，而学术研究者也不知道研究成果如何转化才能为关键的政策问题提供建议与评估，这就需要政策制定者和研究者之间进行更广泛、更及时的思想交流。在SciSIP研究计划实施过程中，还未完全形成政策制定者与研究者之间持续长效的对话和合作模式。

3.2 数据与工具开发

到目前为止，SciSIP研究计划已经资助了一定数量的数据与工具开发项目，但尚未构建一个完整的数据与工具系统。不同机构拥有自己的实践共同体，数据的挖掘与处理能力存在差异，导致收集和分析的数据往往是异构与零散的，采用的分析模型与研究工具也各不相同，从而难以创建统一的科学绩效指标理论框架体系[24]。

3.3 研究成果转化

SciSIP研究计划的项目成果在转化为政策制定者能够准确理解的报告方面还存在很大挑战：首先，研究成果需要转化为用户报告类型的摘要，使得政策制定者在面对相同问题的几种解决方案中，能清楚地辨别哪个方案能更彻底地解决问题；其次，政策制定者形形色色，各不相同，能够将研究成果以所有人都能理解的方式清晰有趣地表达出来，是一个非常重要的成果转化方式。另外，所有的研究成果都存在局限性，研究者有责任将这种局限性向政策制定者传达与描述，帮助他们了解研究过程以及这种局限性带来的影响。

4 SciSIP研究计划的参考与借鉴

SciSIP研究计划经过十年发展，虽然在知识流动、数据与工具开发、成果转化等方面还面临挑战，但总体上取得了重要进展，具体体现在以下方面：

从资助范围和领域来看，美国至今已有31个州、125个机构、400多位科研人员获得过SciSIP计划的资助；SciSIP计划涉及多学科研究，涵盖各种科学，包括社会科学和自然科学的跨学科融合研究。

从资助项目来看，美国科技政策研究关注的热点前沿主要包括：①国家资助政策、机构政策、企业决策、文化以及其它因素对科技创新的影响；②人才引进、多样化及国际合作与科技创新的关系；③科学家的职业生涯及影响因素；④科技活动数据收集、处理和可视化分析的方法与工具研究；⑤数据共享及影响因素研究；⑥对交叉学科的定量评估等。

从数据来源与研究方法来看，SciSIP研究项目的数据来源主要基于定量数据，如企业和机构数据、基金项目数据、科技文献数据、专利数据、公共事业数据、互联网数据以及各种公共或专业数据库等；也有一些项目将定量数据与调查访谈资料相结合，使其研究结果更加完善。在研究方法上，SciSIP研究项目或是应用已有的数据分析工具、计量分析方法及定量定性分析模型，或是开发验证新的数据收集工具、数据分析方法和模型以及可视化分析方法等。

从资助效果来看，获得SciSIP计划资助的研究人员发表了许多期刊论文，提供了多种信息数据、研究方法和分析工具，这些信息和工具帮助NSF逐步建立起一套数据设施，供科研人员使用与分享数据；SciSIP计划还调整了基础研究方向，使其研究成果可直接用于支撑科技政策。另外，SciSIP计划通过资助大量研讨会项目，加强科技政策研究者和决策者之间的沟通与交流，促进科技政策共同体的发展。

政策张力是展现创新活力的关键要素。当前，中国的科技政策研究更多地偏重于效果和影响方面，对政策制定过程和决策依据的关注不够；在研究方法上，更多地依赖管理者的经验积累和交流，缺乏逻辑严谨的定量工具、方法和数据基础，缺少公认的理论模型与研究范式。另外，目前从事科技政策研究的专家和学者主要活跃于科学学、科技哲学、科学社会学、经济学、公共管理等相关学科，尚未形成界限清晰的研究共同体；最重要的是，非常缺乏决策者与研究者之间的双向对话及合作，对学术研究成果与决策咨询报告之间的转化不够重视。SciSIP研究计划的发展，对中国科技政策学研究有以下借鉴意义：

(1)打破学科壁垒，加强社会科学与自然科学的跨学科融合研究；从国家和地方层面，在自然科学或社会科学基金项目下设立科技政策跨学科研究专项，重视研究成果的转化以及科技政策研究共同体的建立。

(2)不仅要针对中国科技创新投资和组织中存在的问题进行研究，而且要加强科技政策学理论研究与总结，形成具有中国特色的理论模型与研究范式。

(3)改进并拓展科学指标、数据集和分析工具，鼓励科技政策研究人员应用新的研究数据和定量分析方法，加强科技政策的科学基础和证据平台建设。

(4)通过举办有决策者参与的研讨会、论坛、沙龙及培训班等活动，或直接组成决策者与研究者合作工作小组，建立持续长效的双向沟通与合作机制，共同推动科技政策的科学化发展。

[1] 樊春良，马小亮. 美国科技政策科学的发展及其对中国的启示[J]. 中国软科学，2013(10): 168-181.

[2] 刘立. 发展科技政策学——推进科技体制改革的科学化和民主化[J]. 科学与管理，2012(5): 4-11.

[3] SCHUNN C D, PB PAULUS, J CAGAN, et al. Final report from the NSF innovation and discovery workshop: the scientific basis of individual and team innovation and discovery[EB/OL]. http://www.nsf.gov/sbe/scisip/bcs_sosp_wkshp_rpt.pdf, 2006.

[4] COZZENS S, P REGAN, B RUBIN. Final report: NSF workshop on social organization of science and science policy[EB/OL]. http://www.nsf.gov/sbe/scisip/ses_sosp_wksp_rpt.pdf, 2007.

[5] NSF, DIVISION OF SCIENCE RESOURCE STATISTICS. Advancing measures of innovation: knowledge flows, business metrics, and management strategies[EB/OL]．http://www.nsf.gov/sbe/scisip/srs_innov_metrics_wkshp.pdf, 2006.

[6] SOCIAL，BEHAVIORAL, ECONOMIC SCIENCES. Science of science and innovation policy: a prospectus[EB/OL]．http: / /www. nsf. gov /sbe /scisip /scisip_prospec. pdf, 2006.

[7] NATIONAL RESEARCH COUNCIL. Science of science and innovation policy: principal investigators′ conference summary, steering committee on the science of science and innovation policy principal investigators′ conference[C]/K HUSBANDS FEALING,A S BEATTY,C F CITRO RAPPORTEURS. Committee on national statistics, division of behavioral and social sciences and education[M].Washington, DC: The National Academies Press, 2014.

[8] FUCHS E. On the relationship between manufacturing and innovation: why not all technologies are created equal[D]. Carnegie Mellon Working Paper, 2013.

[9] OWEN-SMITH J, C SCOTT, J MCCORMICK. Expand and regularize funding for human embryonic stem cell research [J]. Journal of Policy Analysis & Management, 2012, 31(1):714-729.

[10] DOU W, X WANG, D SKAU, W RIBARSKY. Leadline: interactive visual analysis of text data through event identification and exploration [J]. Proceedings of IEEE VAST, 2012, 93-102.

[11] FELDMAN M, A GRADDY-REED. Accelerating commercialization: a new model of strategic foundation funding [J]. Journal of Technology Transfer, 2013. DOI 10.1007/s10961-013-9311.

[12] FELDMAN M, A GRADDY-REED. Local champions. In Handbook of Research on Entrepreneurs

Transition to Philanthropy [M]. Cheltenham: Edward Elgar Publishing，2014.

[13] HAEUSSLER C, L JIANG, J THURSBY, et al. Specific and general information sharing among competing academic researchers [J]. Research Policy, 2013, 43(3):465-475.

[14] TAYLOR M Z , S WILSON. Does culture still matter? the effects of individualism on national innovation rates [J]. Journal of Business Venturing, 2012, 27:234-247.

[15] STUEN E. Aggregate evidence of localized academic knowledge transfer in the U.S. [J]. Economics Bulletin, 2013, 33:1468-1478.

[16] STUEN E, A MOBARAK, K MASKUS. Skilled immigration and innovation: evidence from enrolment fluctuations in US doctoral programmes [J]. The Economic Journal, 2012, 122:1143-1176.

[17] YOUTIE J, J ROGERS, T HEINZE,et al. Career-based influences on scientific recognition in the United States and Europe: longitudinal evidence from curriculum vitae data [J]. Research Policy, 2013, 42:1341-1355.

[18] AGARWAL R, A OHYAMA. Industry or academia, basic or applied? Career choices and earnings trajectories of scientists [J]. Management Science, 2013, 59(4):950-970.

[19] OH S, Z LEI, W-C LEE, J YEN. Patent evaluation based on technological trajectory revealed in relevant prior patents[C]/The 18th pacific-asia conference on knowledge discovery and data mining (PAKDD 2014), Tainan, Taiwan, 2014.

[20] OH S, Z LEI, W-C LEE P MITRA, J YEN. CV-PCR: a context-guided value-driven framework for patent citation recommendation[R]. The ACM international conference on information and knowledge management (CIKM 2013), San Francisco, CA, 2013, October.

[21] PIENTA A, G ALTER, J LYLE. The enduring value of social science research: the use and reuse of primary research data[A]. iPRES2011 Proceedings, 2011.

[22] TEICH A H,I Q FELLER.Toward a community of practice: report on the AAAS-NSF SciSIP grantees workshop[R],2009.

[23] TEICH A H,I Q FELLER.Building a community of practice II:report on the second AAAS-NSF SciSIP workshop[R],2010.

[24] JULIA LANE. Big data, science metrics, and science policy, science of science and innovation policy[C]. Principal Investigators’ Conference, 2012.

Analysis on the Development of the Science of Science and Innovation Policy Program in U.S. and Its Inspiration

(1.Shanghai Institute of Science and Technology Policy, Shanghai 201800,China; 2.Shanghai Institute of Science and Technology Management, Shanghai 201800,China)

Abstract：The National Science Foundation set up the science of science and innovation policy program (SciSIP) in 2006. SciSIP has made important progress in the data and method research and community construction after ten years. This paper focused on SciSIP and its results in the past years, summarized the process of SciSIP, analyzed the research results and challenges of SciSIP, and provided some suggestions for the development of the science policy research and the discipline construction of "The Science of Science Policy".

Key Words：The Science of Science Policy；SciSIP；Scientific Evidence；Interdisciplinary；Science Policy Community

基金项目：上海市科技发展基金软科学研究项目 (14692101200)

作者简介：李宁(1986-)，女，山西太原人，博士，上海科技管理干部学院助理研究员，研究方向为创新管理。