To address this gap, this paper develops a decision-making mechanism for funding non-consensus projects via real-name recommendations by experts, designed to be embedded within China’s research funding system through a combination of theoretical analysis and international comparison. Specifically, the study first theorizes non-consensus as a structural blind spot of existing funding systems, elaborates the theoretical foundations of real-name recommendations by experts, and conceptualizes project selection as a multi-stage process. On this basis, it proposes a three-stage decision model for funding non-consensus projects: Gate-Triage-Calibration. Second, the study systematically compares six international archetypes of decision models for supporting non-consensus projects: (1) quality-threshold plus partial lottery, (2) tie-break lottery, (3) golden-ticket (champion) nomination, (4) program officer discretion, (5) ARPA-style mission-oriented portfolio management, and (6) Sandpit (idea-lab) mechanisms that generate proposals through intensive workshops. Third, the study distills the key matching rules and framework for selecting among these decision models, namely type of uncertainty, disciplinary paradigm stability, type of mission orientation, and project scale and time horizon. Finally, the study designs a China-oriented mechanism embedded in the existing funding architecture: In the Gate stage, review disagreement automatically flags divergence-type proposals into a broad non-consensus pool. Experts with limited quotas (1-2 per cycle) then conduct real-name nominations from this pool, submitting structured opinions on each project's uncertainty type and paradigm relationship. This produces a curated non-consensus pool with both dissent characteristics and accountable quality assurance, making it ready for track selection. In the Triage stage, appropriate funding tracks are selected according to the existing funding structure and the matching framework. In the Calibration stage, a closed institutional learning loop is established through performance evaluation, reputation scoring, and rule adjustment.
This study makes three contributions. First, it constructs a dynamic, end-to-end decision model for funding non-consensus projects, deepening the understanding of process-based governance in research funding and elevating the discussion from isolated peer-review bias to an operational framework of institutional decision processes. Second, by systematically comparing international decision models and examining how they can be embedded within China’s existing funding system, this study broadens the explanatory perspective on contextual fit and institutional transfer across different funding tracks. Third, it proposes a China-oriented decision mechanism for funding non-consensus projects that is pilotable, evaluable, and iteratively adjustable, providing design-level support for improving research funding governance and strengthening support for frontier exploration and disruptive innovation.
开放科学(资源服务)标识码(OSID)：
党的二十届三中全会提出,“建立专家实名推荐的非共识项目筛选机制”。“十五五”规划纲要提出,“优化有利于原创性颠覆性创新的环境,创新非共识项目遴选和资助机制”,“加强新兴领域、交叉融合和跨学科基础研究”。非共识项目已不再只是科研评审中的局部改革议题,而是与原创性颠覆性创新培育、前沿领域布局和科技范式变革相联系的重要制度安排。
在全球科技竞争加剧、颠覆性突破不断重塑地缘格局背景下,我国科技发展正处于由跟踪追赶向前沿引领跃升的关键阶段,关键核心技术攻关、前沿领域抢位布局和原始创新能力提升日益紧迫。同时,越来越多的研究表明,真正改变技术轨迹的重大发现、重大突破往往不是多数人早已达成共识的安全选题,而是少数人坚持的非共识性构想和不确定性探索[1-3]。尤其是在人工智能加速渗透科学研究以及交叉学科持续扩展背景下,越来越多的科研项目同时跨越学科边界、方法边界和应用边界[4],其问题界定、证据形态和评价标准更加复杂,导致评审过程中出现判断分歧和排序困难的情形更加普遍[5]。换言之,人工智能和学科交叉融合凸显了科研资助中的非共识现象[6],使得如何识别并支持此类项目成为更加突出的议题。
非共识项目资助在实践中已有探索。2024年9月,北京市出台《北京市自然科学基金非共识创新项目管理暂行办法》,明确探索专家实名推荐的非共识项目筛选机制;2025年12月,国家自然科学基金委员会完成首批重大非共识项目遴选;2026年1月,湖北省组织开展省自然科学基金非共识项目会议评审。非共识项目资助已经从政策倡导进入制度试行阶段。然而,从科研资助制度视角看,当前以同行评审和共识性打分为核心的资助决策机制偏向于可预期、低风险、易达成共识的项目[7-8],对于高度不确定、探索性显著的非共识项目通常采取谨慎淘汰来规避责任[7]。因此,亟需建立系统识别、筛选和支持非共识项目的决策资助机制,为制度实践提供理论支撑。
本文“非共识项目”是指探索性和不确定性较大而导致同行无法达成共识的项目[2-3],其本质在于科学研究的探索性,表象体现为同行评审的非共识性,而结果属性则体现为潜在的突破性和颠覆性。因此,非共识项目筛选要从表象溯源本质,在同行评审中通过权威专家进行质量识别,选出真正具有创新潜力和前沿探索的项目。专家实名推荐是非共识项目质量识别的有效方式。然而,当前对非共识项目的研究主要集中在非共识原因[9]、资助机理[3]及效果分析[10]等方面,对专家实名推荐的非共识项目尚未形成系统化的组织机制。
为此,本文围绕以专家实名推荐的非共识项目资助决策问题开展理论分析和实例探究。首先,在理论分析的基础上提出“闸门—分流—校准”三阶段资助决策模型;其次,针对分流这一关键阶段,对国际非共识项目筛选模式进行梳理和比较,从而厘清非共识项目决策模式匹配规则和框架;最后,基于中国现有科研资助体系,构建以专家实名推荐为核心的非共识项目资助决策机制。
本文边际贡献在于:第一,构建动态链条非共识项目资助决策模型,有助于深化科研资助领域对全过程治理逻辑的认知,将非共识项目研究视角从单一评审偏差的讨论拓展至可操作的制度化分析框架。第二,通过系统比较非共识项目资助决策模式的国际经验,探索其与中国现有资助体系的融合嵌入路径,有助于丰富科研资助研究对多元资助轨道情境适配与制度迁移的解释维度。第三,构建符合中国情境的非共识项目资助决策机制,可为系统推进非共识项目资助制度建设提供可试点、可迭代的实践思路,并为优化科研资助体系、支持前沿性探索创新提供制度支持。
突破性创新往往源于少数人的非共识性想法,但其在传统科研资助共识评审偏好机制下容易被忽视。大量研究表明,传统同行评审机制具有内生的共识偏好[11-12],即评审者更倾向于支持那些符合主流范式、预期成果可控的项目。评审过程中的群体思维与共识导向会系统性偏向那些风险较低、与现有知识体系兼容的安全项目,而对可能挑战主流范式的项目则表现出排斥[13]。这种偏好一方面来源于Merton[14]早期提出的“科学共同体规范”,其虽强调共识评审的正当性,但也隐含着守门人偏差,使得评价体系更倾向于选择熟悉、稳健、可预测的研究方向;另一方面,共识偏好也受制度激励结构的约束,即评审专家面对意见分歧时,为避免风险往往作出折中性判断[15],同时,组织资源分配也更偏向于开发型创新而非探索型创新[16]。
共识评审偏好在一定程度上不利于潜在突破性和颠覆性创新的产生,同时也会破坏科研生态环境[17]。研究发现,真正具有颠覆性的科学突破多出自早期被主流评审低估的非共识项目[1,18]。同时,健康的科研生态系统需要在开发型科研和探索型科研之间维持动态平衡,而过度依赖共识评审将会抑制学术体系的探索性与原创性活力[16,19]。由此可见,非共识项目是产生突破性创新和颠覆性创新的载体,而现有科研资助体系存在一定的制度性短板,其虽能高效筛选共识性优质项目,但缺乏识别潜在颠覆性创新的能力,难以挖掘非共识创新项目。科研资助制度既要对项目实施严格的质量控制,也要避免错失具有潜力的创新成果,这就需要在项目筛选机制中实现从共识导向向差异容忍的转变,在项目进入决策系统的初始阶段为非共识创新保留充足的机会窗口。在此背景下,专家实名推荐正是符合兼具质量把控与潜能识别的制度创新路径。
专家实名推荐机制的核心在于,通过责任透明化和声誉约束重塑科研资助体系的正义逻辑。传统匿名评审制度强调程序正义,以中立性和防偏性为核心目标[20]。这种中立性虽能维护评审公平,但容易导致风险趋避和平均主义决策,最终实现的有可能是妥协型公正[15]。而专家实名推荐机制可适当引入结果正义和责任正义。一方面,通过声誉风险约束来促使专家在项目推荐中承担更强的判断责任,强化其评审的责任意识;另一方面,依托专家专业背书,借助专业信号传递,提高潜力项目的识别度[21]。由此,专家实名推荐的合法性基础从程序中立转向责任可问责,其正当性来自评审判断的可追溯性和可辩护性,而非匿名评审的同质化共识结果。根据Suchman[22]的合法性分类,专家实名推荐强化了三重合法性机制:第一,认知合法性,评审专家以自身专业声誉提高科研资助决策的可理解性,使非共识项目的潜力更易被信任;第二,规范合法性,实名化促使专家自觉遵守科学共同体的伦理标准,防止随意推荐;第三,程序合法性,决策过程的可追溯性能提高外部监督的有效性。从这一意义上讲,专家实名推荐机制不应被简单理解为程序改进,而应视为科研资助决策合法性重构的体现。
由此可见,专家实名推荐机制实质上形成一个声誉驱动的责任闸门,其既是质量过滤器,也是潜力放大器,为高风险、高潜能项目提供了进入特殊通道的正当理由。然而,实名化也有可能会削弱程序的中立性,使项目评审受到人际关系、声誉风险或学术派系的影响;同时,不同学科在实名推荐模式下的适用性也不同。因此,在闸门之后需要分流机制和校准环节来对项目资助模式进行精准匹配与把关。
科研资助决策并非单次静态评审,而是一个多阶段、层层筛选的动态过程。已有研究普遍认为,科研项目评审是一个连续的信息甄别系统[23]。在不同阶段,信息不对称和认知偏差会被逐步修正,因此评审结果体现了制度设计的阶段性特征。当面对高不确定性非共识项目时,尤其要注重科研项目资助决策的过程性特征,不同阶段应承担不同决策功能。
然而,现有科研资助体系虽然包含初审、通讯评议和会评等多个环节,但这些环节多使用同质化评价逻辑,尚未形成面向不同类型的差异化功能分工体系。Boudreau等[19]的研究表明,高争议、高跨界项目在共识导向评审轨道中最容易被淘汰;Uzzi等[1]发现,突破性论文往往会在早期遭遇评审分歧,其价值难以在统一尺度下被识别。由于未区分创新不确定性与噪声不确定性,非共识项目与低质量项目常被置于同一评价框架,从而更容易在入口和中期阶段被排除。这意味着,现行科研资助体系在结构上缺乏适配非共识项目治理机制,也缺乏将不同类型项目导入不同资助逻辑的分流能力。此外,也缺乏系统性的事后反馈机制,使得评审偏差无法被识别和校正。Bornmann[20]指出,缺乏校准机制的资助体系往往会固化保守倾向,从而进一步降低对非共识项目的敏感度。
因此,科研资助体系要具备识别和资助非共识项目的能力,首先需认同分阶段决策的结构特征,其次在不同阶段引入差异化治理逻辑,并最终通过反馈机制构建可学习、可改进的制度体系。
非共识项目资助决策难题源于其所具有的高不确定性、弱信号性与高度争议性,使其难以被传统共识项目导向的同行评审体系有效筛选。基于上述分析,构建非共识项目资助决策机制的关键在于,以分阶段思维重新完善评审结构。其中,入口识别要有专家实名推荐的闸门机制,后续要有体现不同资助逻辑的分流机制,最后还要通过校准机制来提升对非共识创新项目的识别能力。因此,本文构建一个由“闸门—分流—校准”构成的非共识项目资助决策模型(见图1),以刻画科研资助体系在识别非共识项目时应具备的基本结构与运行逻辑。该模型的核心理念在于,将科研评审视为一个伴随信息揭示而发生功能转换的分阶段决策过程,而非单一静态评审。
图1 “闸门—分流—校准”非共识项目资助决策模型
Fig.1 A gate-triage-calibration model for funding decisions on non-consensus projects
第一阶段“闸门”强调责任化的前期识别,解决的是项目如何进入的问题,主要目标在于保护前瞻性。闸门机制以专家实名推荐为关键载体,通过专家实名推荐形成具有声誉约束的远见筛选,确保具有真实潜力的非共识项目不在入口环节被过早淘汰。这一阶段主要形成候选项目清单,为下一阶段提供项目初步画像。第二阶段“分流”突出不确定性治理的匹配原则,解决的是路径问题,主要目标在于处理项目的不确定性差异。分流机制以差异化资助轨道设计为主要形式,根据项目不确定性类型、证据周期和可判别度,将项目引导至最适宜的资助决策轨道,以避免统一尺度评审对异质性创新项目的压制。该阶段最终形成对项目的资助结果,并将项目信息和执行结果提供给下一阶段。第三阶段“校准”强调制度反馈与学习,解决的是学习问题,主要目标在于修正偏差和提升能力。校准机制依托绩效评估、专家信誉积分和规则调整的一体化安排,将专家判断与项目实际表现纳入长期循环,对前两阶段的筛选规则进行持续修正,从而提升整个科研资助决策体系的动态适应能力。
三个阶段共同构成面向非共识创新项目(具有责任约束、差异匹配、动态学习特征)的系统性资助决策模型。需要强调的是,分流机制是核心,需要系统梳理和比较不同资助轨道,同时明确分流规则并形成基于资助轨道的分流框架,由此才能构建适用于中国科研资助体系的非共识项目资助决策方案。
三阶段决策模型的核心在于如何分流,而资助轨道是关键。为此,本文系统梳理国际上6种主流非共识项目筛选机制,并阐述每种机制的内容和实际案例,在此基础上进行横向对比,为构建非共识项目资助决策提供参考。
对于非共识项目资助应如何决策,国际上已有较多资助模式和机制。为此,本文在全球科研资助实践中识别出具有代表性的非共识项目筛选机制。一方面,参考国内外关于高风险高回报计划、非传统评审机制的研究,汇总出在学术界被反复讨论的制度类型;另一方面,以此为线索系统查阅各类机制在主要资助机构中的公开指南、实施规程和评估报告,排除仅停留在短期试验或个案试点的做法。最终,锁定当前国际科研资助领域较为典型的六类非共识项目资助轨道,具体阐述每类资助轨道内容和实际案例。
3.1.1 基于质量阈值的随机抽签:达标池内的概率分配
基于质量阈值的随机抽签机制的基本思路在于,先通过同行评审筛选出达到基本学术质量门槛的项目,通常将其定义为值得资助的达标池。当达标池中的项目数量远超资助名额且评审意见存在明显分歧时,在达标池内部通过随机抽签来决定最终资助名单[24]。新西兰卫生研究理事会(HRC)在2012年启动的探险者基金资助计划就采用了这一做法。该计划面向高风险、高不确定性的探索性研究,先由评审专家对匿名提交的项目申请进行可资助或者不可资助的二元判断,只有被多数(2个以上)评审人认定为可资助项目时才能进入合格池;随后,将通过初筛的项目申请一律进入随机序列,由计算机随机数生成器生成资助优先顺序[25]。除完全按照上述流程来决定资助项目外,亦可通过随机分配权重的方式开展混合式资助决策。比如,德国大众基金会的“Experiment!”计划自2017年起引入部分随机抽签资助程序,采取约一半由评审团遴选、约一半通过抽签产生的混合模式[26]。这一资助决策模式可先小范围试点,针对风险较低的项目推行。奥地利科学基金(FWF)的“1000 Ideas”计划、英国不列颠学院在近几年开始引入随机模式对小额创新项目进行资助。由此可见,随机抽签资助决策模式是在确保质量合格的范围内进行随机选择,适用于探索性强、风险较高的小额资助项目,这种方式有助于提高程序透明度和机会平等,以及对非共识、非典型项目的容忍度。
3.1.2 平票抽签:并列情形下的随机化选择
平票抽签机制是随机抽签的一种特殊形式,其核心在于在项目充分评审后,只有当若干项目在分数或档次上完全持平时,才启用抽签机制以在成绩并列的项目之间决定资助对象[26]。瑞士国家科学基金会(SNSF)在博士后基金项目中明确将抽签写入评审规程,其规定在排名接近资助线且评审团认为项目质量难以区分时,以抽签方式确定资助对象。可见,这种机制仅在不可区分的情况下触发,不改变评审逻辑,而是将随机化局限在一个较小的平分断点区间,用来避免因主观微小打分差异而引发的不必要争议。此外,平票抽签时机也有不同,如英国自然环境研究委员会(NERC)的做法是将这一机制置于评审的最后端,挪威研究理事会(RCN)的做法是先通过一系列排序和均衡(如研究领域、职业阶段等)再引入平票抽签,而爱尔兰科学基金会(SFI)的做法是先对平票项目实行女性负责人优先原则,再引入平票抽签[26]。由此可见,这一机制的优势是制度冲击较小且可嵌入现有体系,但对真正高度非共识项目的支持力度相对有限。
3.1.3 黄金票模式:少数专家的强势选择
黄金票是指赋予评审专家或评委小组有限的特权名额,允许其直接选定一个本人极度看好的项目进入资助序列。丹麦维隆基金会的“实验计划”就采取了这种做法,评委可在严格配额约束下行使一次黄金票,但必须提供充分的书面理由,并接受利益冲突披露和合规审查[27]。研究发现,黄金票模式要将一些原本会被多数评委否决的非共识创新项目成功纳入资助范围[28]。然而,黄金票机制的关键在于严格配额限制,如每人最多保送1项,以及披露利益关系,并建立相应监督机制以防权力滥用。近年来,美国元科学倡议和“Good Science Project”等机构也多次建议美国国立卫生研究院(NIH)在其评审体系中试点引入黄金票机制,以避免资助决策过于趋同和保守[29]。
3.1.4 项目官自主裁量:组织机构的补充性调整
在一些资助体系中,项目管理员被赋予一定权限,可酌情资助评审排名之外但具有战略价值的项目。需要指出的是,项目管理员的这种自主裁量权可能会存在差异。如美国国家科学基金会(NSF)的“Early-concept Grants for Exploratory Research(EAGER)”机制是项目官裁量权的极端例子,其面向高风险、高回报的探索性研究,不经过常规外部专家评审,而是由项目官内部评估并决定是否资助。而美国国立卫生研究院(NIH)内部选择性支付机制和R56“桥接基金”则是比较温和的做法。在选择性支付机制中,允许项目官在常规资助排序之外,从评审人认为质量较高但略高于资助线的项目申请中提名少量项目作为计划性重要(High program priority)项目予以破格资助,申请人自身无法主动申报,只能被动接受项目官的内部遴选。R56“桥接基金”则为在R01评审中未达资助线但被评为高度可资助的申请项目提供1～2年的短期资助,由各研究所项目官从当年待决项目申请中遴选,用于补充关键数据、修订方案。由此可见,项目官自主裁量模式当前主要用于项目申请略低于常规资助线但具有重大潜力或为保持资助项目组合的多样性和完整性两种情形。
3.1.5 ARPA模式:项目经理全流程管理
ARPA模式源于美国国防高级研究计划局(DARPA)的资助范式,其由项目经理主导方向选择和项目管理,并通过里程碑滚动资助高风险研究[30]。具体流程包括:项目经理围绕重大挑战设立资助专题,并提出一系列海尔迈耶问题指导项目申请;公开征集构想后,项目经理基于专业判断遴选出新颖方案给予短期起步资助;随后,通过阶段评审(阶段演示、里程碑验收)决定项目是否继续或终止。由此可见,ARPA模式中的项目经理不仅对于选择何种非共识项目具有决定权,在后续项目管理中也有话语权,该模式在制度上形成前端问题定义、中端项目遴选、后端里程碑验收的全流程管理链条。实践中,ARPA模式作为一种资助范式,在不同领域或国家也有改良版。如美国健康高级研究计划局(ARPA-H)、能源高级研究计划局(ARPA-E)以及英国高级研究与发明局(ARIA)均在ARPA模式基础上调整了资助议题的选择方式以及里程碑遴选资助方式等。
3.1.6 Sandpit创意工场:从无到有的协同共创
Sandpit创意工场(Sandpit Workshop)与传统事先提交完整申请再进行评审的模式不同,它是一种通过沉浸式工作坊生成项目方案并作出资助决策的机制。英国工程与自然科学研究委员会(EPSRC)是Sandpit创意工场模式的早期实践者,主要面向高风险跨学科研究,围绕前沿或跨界议题公开招募个人参与者,经筛选后参加为期数日的封闭式研讨营,在主持人与导师引导下,由参与者重新界定问题、临时组队并共同打磨研究方案,最终由评审组直接在营内遴选出若干构想并提供启动资助[31]。由此可见,这一模式打通了团队形成、方案打磨和评审决策等各个流程,为高度非共识、跨界性构想提供了集体碰撞和快速孵化的场域。近年来,英国研究创新署(UKRI)及其下属研究委员会进一步将Sandpit创意工场模式扩展到人工智能、人文、国家安全等领域,并与加拿大社会科学与人文研究理事会(SSHRC)、美国相关机构联合举办跨国Sandpit创意工场[32]。这表明,该模式适用于问题边界不清晰、跨学科协作要求较高的创新议题,但其运行质量高度依赖参与者遴选、过程主持和营内互动。
尽管以上六类资助决策轨道都是针对非共识项目的决策方式,但它们在处理不确定性、决策权配置等方面存在差异。因此,需要从应对问题、支持形式、决策权配置、制度成本、对现有制度的改造程度、风险点和模型位置7个维度对六类资助决策轨道进行横向比较(见表1),为优化我国科研资助决策体系提供参考。
表1 六类资助决策轨道对比
Table 1 Comparison of six funding decision pathways
对比维度 随机抽签平票抽签黄金票模式项目官自主裁量ARPA模式Sandpit创意工场针对问题质量近似难排序质量近似难排序强分歧高潜力强分歧高潜力路线方案不确定路线方案不确定支持形式概率型支持概率型支持选择型支持选择型支持生成型支持生成型支持决策权配置评审+随机评审+随机权威个体判断权威个体判断权威个体判断集体决策制度成本低低中中高高对现有制度的调整程度嵌入嵌入调整调整重构重构风险点阈值失真社会接受度责任下沉社会接受度特权化人情化寻租行为过度保守主导者失误方向偏差圈层化表演化模型位置分流分流分流分流分流+校准闸门+分流
(1)从应对问题和支持形式看,六类资助决策轨道分为3个梯度。质量阈值下的随机抽签和平票抽签模式主要针对质量近似、难以排序的非共识项目,通过在达标池或平票断点处引入随机程序来提供概率型支持,在不改变评审主导逻辑的前提下,为非典型项目增加进入资助序列的概率机会。黄金票模式和项目官自主裁量则是针对专家意见分歧较大且潜力较高的项目,借助个别评审专家或资助机构内部权威判断,对少量项目实施选择型支持,在排序之外开辟制度化侧门。ARPA模式和Sandpit创意工场模式则主要针对路线方案高度不确定或尚未成型的非共识项目,在传统评审方式之外生成新的制度模式,实质上是为非共识创新项目提供制度层面支持。
(2)在决策权配置、制度成本和对现有制度改造程度维度上,六类资助决策轨道分为3种情况。质量阈值下的随机抽签和平票抽签模式由评审与随机共同决定资助结果,这两类轨道成本低,同时对既有资助决策体系的改造程度有限,主要体现为对排序结果的嵌入式微调。黄金票和项目官自主裁量则将权力集中于少数专家或项目官的个体判断,制度成本处于中等水平,对现有制度体系的改造也只是作出调整。而ARPA模式和Sandpit创意工场模式则以项目经理或集体决策为核心,由于完全不同于现有评审体系,这两类轨道的制度成本和对现有制度的改造程度显著提高,其重构了非共识项目资助决策体系。
(3)不同资助决策轨道的风险点呈现出与其支持形式和权力配置相匹配的特征。抽签类机制的主要风险在于阈值失真、责任下沉以及社会接受度不足,容易被误解为将决策责任推卸给计算机随机程序。黄金票和项目官裁量则面临特权化、人情化和寻租行为等风险,同时在高问责环境下可能因责任压力较大而趋向于过度保守。ARPA模式和Sandpit创意工场由于没有前端评审,项目方案质量依赖于项目经理或营内集体构思,有可能面临项目经理或营内团队选任失误、方向偏差、圈层化和表演化等风险。实际上,这六类资助决策轨道对非共识项目的支持力度逐渐增强,但同时其收益与风险也随之扩大。此外,ARPA模式在承担分流功能的同时也兼具里程碑评估和项目去留决策的校准功能,而Sandpit创意工场模式通过营内筛选直接决定哪些构想获得资助,使其兼具闸门与分流的双重功能。
本文讨论并比较了6类非共识项目资助决策模式,但如何根据非共识项目特征来选择合适的资助模式,需要一套清晰的分流规则进行指导。为此,本文提出4个分流规则维度,即不确定性类型、学科范式稳定性、任务导向类型、项目规模周期,形成整体分流框架(见表2)。
表2 非共识项目分流框架
Table 2 A triage framework for non-consensus projects
维度 类型质量阈值下的随机抽签平票抽签黄金票模式项目官自主裁量ARPA模式Sandpit创意工场不确定性类型知识型√√√执行型√√√学科范式稳定性稳定√√不稳定√√√任务导向类型自由探索√√兼具探索与使命△△√△使命导向√项目规模周期规模小、周期短√√中等△△△△√△规模大、周期长△△△△√△
注:√表示可单独适配或组合适配的必选模式;△表示需要组合适配,△△表示组合适配中的任选模式
非共识项目的“非共识”体现在两个方面:一是基础理论或科学假设本身是否成立难以形成共识;二是技术路线、政策落地能否真正实现难以形成共识。相应地,这两个方面也是非共识项目的两种不确定性,即知识型不确定性和执行型不确定性。根据对六类资助决策轨道的介绍和比较,知识型不确定性的非共识项目更适合与抽签类、黄金票模式相匹配,以为质量达标但排序困难的项目保留机会窗口;执行型不确定性的非共识项目则更适合与项目官自主裁量、ARPA模式以及Sandpit创意工场模式相匹配,通过任务导向、里程碑管理和内部调整来控制路径风险。不同资助决策轨道对不同类型非共识项目具有不同优势,因此分流应首先判断非共识项目主要属于哪一种不确定性,再考虑其他维度。
学科范式稳定性程度决定非共识项目不确定性是集中在个别项目,还是弥散在整个领域。在范式相对稳定、评价标准清晰的学科内部,同行对于合格标准具有较强共识,匿名评审与闸门机制能够较为可靠地识别出质量达标的项目。非共识项目的主要问题在于排序困难而非质量存疑,在闸门之后分流到质量阈值下的随机抽签或平票抽签轨道,可在不破坏学术规范的前提下,通过制度化随机提高非共识项目的入选概率。而在范式多元或快速迭代领域,问题选择和方法合理性本身就存在争议,质量判断并没有相对稳定、单一的达标线。在这类学科中,项目官自主裁量模式能够依赖具备整体视角的项目官,在多元标准中做出符合机构目标的选择;而Sandpit创意工场可通过跨界团队集体构思来识别并制定具有潜力或可行性的项目方案。此外,在部分执行型子领域中,如果任务目标清晰而实现路径多元,也可以在这一维度上适度引入小规模ARPA模式进行试点。
从科研项目自身的任务目标看,非共识项目的定位差异呈现出从自由探索到使命攻关的转变。具体而言,可划分为3种典型任务类型,其适配的分流轨道不同。一是以理论突破或问题提出为主的自由探索型,通常与知识型不确定高度相关,此类非共识项目适宜通过抽签类轨道在闸门之后提供宽泛的机会窗口。二是有明确应用场景或政策需求,但仍有较大调整空间的需求牵引型项目,兼具一定的自由探索与使命攻关特征,此类非共识项目更适合先在Sandpit创意工场模式中进行问题细化和团队重组,再通过项目官自主裁量进行资助。三是以解决“卡脖子”技术或重大治理难题为目标的使命型项目,其目标明确、责任重大、不确定性主要体现为执行风险,更适合分流至ARPA模式轨道,由项目经理在任务导向框架下进行阶段化管理。
科研项目规模和证据周期反映其在资源和时间上的占用程度。小额、周期短的项目在整体资源池中所占比重有限,项目失败造成的机会成本也相对较低,对于这类项目可提高试错密度,在分流中优先考虑低成本抽签类模式。对于中等规模项目,尤其是跨界、部分任务导向型项目既需要一定的探索自由度,又需要有限度的组织性管理,因而在分流时更适合先进入Sandpit创意工场轨道,在营内生成初始团队和方案,再由项目官根据资源约束和项目表现决定是否资助,或者是否进入ARPA模式轨道。而大额、周期长的项目意味着单个项目失败会对科研资助体系产生重大影响,这类非共识项目如果仍然交由一次性评审和单独判断,反而会增加误判成本,因此应优先配备ARPA模式的高强度管理轨道,并通过项目官自主裁量和少量黄金票模式微调组合结构。
基于前文构建的“闸门—分流—校准”三阶段资助决策模型、六类资助决策轨道以及整体性分流框架,结合中国现有科研资助体系,本文构建了具有可操作性的非共识项目资助决策方案。整体方案逻辑遵循嵌入式、分层次、可校准的增量改进思路,在现有项目类别上叠加一条非共识通道,具体见图2。
图2 中国非共识项目资助决策机制
Fig.2 Funding decision mechanism for non-consensus projects in China
闸门环节是确定哪些项目可以进入非共识通道,其核心在于在不否定匿名评审基本作用的前提下,通过评审分歧识别和专家实名推荐来对非共识项目进行独立标注,为后续分流提供入口。具体而言,包括以下3个步骤:
(1)通过评审分歧划定广义非共识项目。在现有匿名评审的基础上,以是否存在评审分歧来划定广义非共识项目的范围。具体而言,凡是在评分或等级方差上超过一定阈值,则由信息系统自动标记为分歧型项目,并在学科组内进行简要复核,然后划入广义非共识项目。
(2)通过有限配额的专家实名推荐机制,构建权责对应的筛选体系。广义非共识项目基于评审分歧得出,实际上只有通过质量门槛,才是本文所定义的非共识项目。因此,需要通过专家实名推荐的方式进行筛选。具体而言,可在各主要学科设立非共识项目推荐专家库,由具有较高学术声誉的专家组成。每位专家在一个资助周期内拥有有限配额(1个或2个)的实名推荐名额,用于从广义非共识项目池中挑选出其认为被低估或具有潜在突破性创新的项目。同时,专家实名推荐需填写结构化意见,对项目非共识属性、不确定性类型以及与现有范式或任务关系进行简要判断,形成项目信息卡片。
(3)形成专家实名推荐的非共识项目池。通过评审分歧识别和专家实名推荐,在常规评审之后形成一个相对清晰的非共识项目候选池。这个候选池中的项目既能保证非共识项目特征,又能依托专家实名背书,从而进入第二阶段的分流决策。
在通过专家实名推荐形成非共识项目池后,要在既有资助体系内部嵌入非共识分流逻辑。从制度载体看,我国目前大致存在4类核心资助板块:一是以基础研究领域为主的自然科学基金体系;二是以工程技术和应用研究为主的重大科技计划体系;三是以人文社科为主的社科基金与决策咨询体系;四是以前沿交叉领域为主的交叉前沿与综合性计划体系。不同板块在不确定性类型、任务导向与制度约束方面的差异决定非共识项目应被分流到哪些资助轨道。
5.2.1 自然科学基金体系:抽签与专家权威决策轨道并行的基础研究项目
在自然科学基金体系中,自由探索类项目是基础研究非共识项目的集中载体。此类项目多具有以下特征:属于知识型不确定性,学科范式相对稳定,对达标线的质量标准存在较强共识,项目规模多为小到中等。在这种情境下,经过专家实名推荐筛选出的自然科学基金非共识项目,其关键在于如何在众多达标项目中进行排序,以及是否愿意为高风险项目预留机会窗口。
因此,在自然科学基金体系中,主要是在不改变现有项目类别和评审主线的前提下,嵌入以抽签类轨道为主、少量黄金票模式的分流安排。具体而言,可在自然科学面上项目和青年项目中预留一定比例名额,对于经过闸门标注的基础研究类非共识项目采用随机抽签或平票抽签机制进行分配,以制度化随机方式缓解细微排序的不确定性,提升对非典型问题设定和高风险构想的容忍度。同时,在高层级重点项目类别中,可设置少量的黄金票轨道配额,由学科评审组或相关委员会对个别被高度看好的非共识项目行使一次实名推荐。由此,在基础研究领域,构建概率性支持与少数强判断相结合的非共识项目分流组合路径。
5.2.2 重大科技计划体系:权威决策轨道组合的工程技术与应用项目
在以国家重点研发计划、重大科技专项等为代表的重大科技计划体系中,非共识项目主要集中在工程技术与应用研究领域。这类项目普遍具有显著的执行型不确定性,即科学原理总体明确,但技术路线复杂、工程挑战艰巨、项目规模和周期较长,项目失败意味着会产生较高的资源锁定成本;同时,此类项目又承担着明确的任务目标,与国家战略、产业布局和安全需求高度耦合。
在这样的体系中,适合将非共识项目分流到项目官自主裁量和ARPA模式相结合的权威决策轨道组合中。一方面,在现有重点研发计划、重大专项立项程序中,对经过闸门确认的工程技术类非共识项目预留一定比例名额,由项目主管部门或项目官在综合考虑战略方向、技术路线多样性和区域布局的基础上,从非共识项目池中择优纳入部分项目,对此类非共识项目进行选择性支持。另一方面,在少数关键技术领域试点引入类似于ARPA的管理方式,由项目经理主导构建由多个非共识子项目组成的任务组合,通过里程碑滚动资助和阶段性评估验收决策进行有效管理。
5.2.3 社科基金与决策咨询体系:抽签与机构权威决策轨道并行的社科项目
在人文社科与决策咨询体系中,非共识项目呈现出明显的内部异质性。一方面,国家社科基金、教育部人文社科项目等板块存在大量以问题设定、理论创新和话语重构为主的学术项目,其非共识性主要源于知识型不确定性和学科范式多元。另一方面,各类国家社科重大项目、决策咨询课题、部委委托研究等与政策和制度改革高度相关,任务使命导向性强。因此,需对其开展差异化轨道匹配。
对于以议题设定、理论突破和话语创新为主的学术类非共识项目,可优先在社科基金一般项目、青年项目等板块嵌入抽签机制。在通过闸门确认的达标池中,采用随机抽签方式为预留的非共识项目分配资金。此外,对于直接服务于经济社会发展和公共政策的应用类非共识项目,则适宜分流至项目官或管理部门的自主裁量轨道。在国家社科重大项目、智库项目、部委委托课题等板块,可由项目主管在达标池中选择,立足符合国家战略发展方向、治理需求和制度风险承载边界,依规做出资助决策。
5.2.4 交叉前沿与综合性计划体系:生成性轨道组合的前沿交叉项目
目前,以国家自然科学基金交叉科学部、前沿交叉专项、综合性战略科技平台等为代表的交叉前沿与综合性计划体系,逐步成为我国科研资助格局中聚集非共识项目的重要板块。交叉前沿项目通常涉及多个学科和部门,其不确定性兼具知识型和执行型特征,同时其项目任务也与国家战略、产业布局等高度衔接。因此,在科研资助决策体系中需要更多的制度调整或重构,对其提供政策支持。具体而言,在项目资助决策前端,可在交叉科学部、前沿交叉专项等计划中对经闸门识别的交叉非共识项目给予优先进入工作坊、创意营等类似于Sandpit模式的机会,在营内完成问题重构、团队重组和方案生成。然后,在项目资助决策后端,由交叉评审组和项目官根据分流框架,将营内生成的项目方案再分流到不同资助体系。其中,将偏基础研究问题或小额且高度前沿的项目回流到自然科学基金板块,采用抽签类轨道决策机制,而对于偏工程和制度联动的方案则采用项目官裁量或ARPA轨道决策机制。
校准是整个模型的闭环部分,连接着前端主体行为、轨道匹配与后端项目成效,从而为非共识项目资助决策机制赋予自我修正能力。校准环节的具体操作要从以下3个方面展开。
(1)通过绩效评估体系,将项目结果和轨道选择系统性对应起来。绩效评估是为判断分流轨道的选择是否合理、有效,而不只是关注非共识项目绩效表现。因此,在立项阶段标记的非共识项目信息(包括专家实名推荐填写的信息卡片以及最终分配的决策轨道类型)要与现行制度体系下中期考核和结题验收结果进行匹配,再按照不同分流轨道对项目绩效进行聚类分析,比较不同轨道之间以及轨道内部非共识项目绩效差异,从而判断在哪些轨道下更有利于筛选非共识项目。
(2)依据信誉积分管理,将评审专家和项目官的履职行为与项目实施成效深度关联。在非共识项目资助决策中,评审专家和项目官发挥着重要作用,尤其是实名推荐专家对于非共识项目资助决策起前端闸门作用。为降低个人偏差,要对这些主体进行信誉积分管理。具体而言,对实名推荐专家、黄金票持有者以及项目官建立行为记录表,将专家信息、支持项目、项目后续表现等记录在册。然后,通过定期记录和动态监测,对表现较好的专家适当增加下一周期名额,同时对于长期偏离制度目标的专家可考虑缩减配额。
(3)完善配套机制,结合上述评价结果调整分流框架和各轨道配额。首先,明确调整周期和对象,然后,由资助机构汇总上一周期的项目信息卡片及专家行为档案数据,结合绩效评估和信誉积分管理,对专家实名推荐机制和分流轨道进行调整,主要包括对不同分流轨道的配额调整,对表现好、争议小的轨道适度扩大试点规模,而对成本高、争议大或绩效弱的轨道则缩小适用范围。
高质量发展和建设科技强国背景下,如何在有限公共资源约束下为高不确定性非共识项目预留制度空间,已成为深化科研资助体制改革的核心议题。本文以专家实名推荐为视角,构建“闸门—分流—校准”三阶段的非共识项目资助决策机制,在比较国际经验的基础上,提出嵌入中国现有科研资助体系的制度方案。在对六类国际资助轨道横向对比的基础上,提炼出以不确定性类型、学科范式稳定性、任务导向类型和项目规模周期为核心的四维分流规则和框架,基于分流框架和中国现行科研资助体系,构建嵌入现有体系的非共识项目资助决策机制,为非共识项目资助决策提供了从识别到决策再到反馈调整的系统性操作指南。
根据上述研究结论,本文提出如下启示:
(1)根据项目体量差异,采取嵌入常规资助与单列专项通道两种模式,试点开展非共识项目资助。在自科和社科一般项目体系中,分配一定额度设置非共识项目试点池,嵌入现有体系;而对于主要适用重构和调整的资助轨道(如黄金票、ARPA模式等)项目体系,建议单列专题进行非共识项目试点,并实行单独受理、流程和跟踪的管理机制。
(2)中央和地方应各有侧重地推进非共识项目资助,并建立层级递进通道。中央层面的非共识项目资助应重点面向关系国家战略前沿方向、跨学科程度高、周期长的重大非共识项目,更多采用带有重构性质的决策机制,如ARPA模式;地方层面则应立足地方创新场景,围绕本地学科基础、产业场景和发展需求等,探索更灵活、更快捷的孵化机制,如随机抽签和Sandpit创意工厂模式;同时,还应建立从地方发现与前期孵化到中央遴选与接续放大的层级递进通道,使地方成为重大非共识项目的前置储备端。
(3)建立程序合规导向容错机制,厘清非共识项目失败与程序失当的边界。专家实名推荐是非共识项目资助的前提,因此减轻专家和管理者承担前瞻性判断的顾虑尤为重要。可在试点中预先编制正负面清单,将符合国家战略发展方向、履行集体决策程序、无不当谋利、原始记录完整且已尽勤勉义务但因技术路线失效、关键条件变化或其他不可预见因素导致未达预期的情形纳入容错范围,在程序层面落实“追责同步、免责同审”机制,使项目失败先进入容错适用性判断,而非直接等同于失责;在认定依据上由结果导向转向尽职导向,以原始记录、重大变更报备和经费审计资料作为核心证据;在处置方式上联动实行免责、纠错和复盘,对科研探索失败免除负面评价和信用惩戒,同步推进问题整改、复盘总结和制度优化完善。
本文通过重构评审信息运用方式、少数意见表达路径以及现有科研资助体系的适配嵌入,为非共识项目资助决策提供制度支持,不仅有助于资助机构在可承受的风险范围内积累改革经验,为后续更大范围的制度调整预留空间。还有助于平衡稳健资助与前瞻探索之间的关系,在不打破常规创新惯性逻辑的基础上,探索非共识创新,从而为催生突破性创新和颠覆性创新创造条件。
尽管本文所构建的非共识项目资助决策机制充分考量我国科研治理体系的适配融合,以及共识评审与非共识项目资助的有机衔接,但整体上仍偏向宏观层面的框架设计,未来可从具体细节着手,重点探讨评审专家和项目官等关键主体的策略性行为与激励机制,对整个资助决策模式进行微观数据分析,优化非共识项目资助决策模式。
[1] UZZI B, MUKHERJEE S, STRINGER M, et al. A typical combinations and scientific impact[J]. Science, 2013, 342(6157): 468-472.
[2] 西桂权. 科技悬赏在非共识项目中的应用研究[J]. 中国科技论坛, 2020,36(3): 16-23.
[3] 刘钒, 李小敏. 基础研究中非共识项目的资助问题研究[J]. 自然辩证法通讯, 2022, 44(3): 70-81.
[4] 何郁冰, 孙洁婷, 叶凌峰. 创新生态系统中主体互动对企业颠覆性创新的影响[J]. 科技进步与对策, 2025, 42(24): 105-115.
[5] 吴正刚, 刘宇奇. 基于“四个面向”的高校“有组织科研”范式构建——一个单案例研究[J]. 科技进步与对策, 2024, 41(2): 46-56.
[6] 吴丹, 马学平. 人工智能应用社会风险:知识生产视角的反思与改进[J/OL]. 科技进步与对策: 1-10 [2026-03-19].https://link.cnki.net/urlid/42.1224.G3.20260319.1042.002.
[7] FRANZONI C, STEPHAN P, VEUGELERS R. Funding risky research[J]. Entrepreneurship and Innovation Policy and the Economy, 2022, 1(1): 103-133.
[8] 李晓萌, 赵英弘, 郝红全, 等. 基础研究原始创新的政策探索:从非共识创新到原创探索计划[J]. 中国科学基金, 2024, 38(2): 320-327.
[9] 李胜会, 李丹. 从共识到非共识:基础研究成果评价方式创新[J]. 自然辩证法研究, 2023, 39(11): 95-104.
[10] 陈良雨. 非共识研究与高校原始创新能力提升[J]. 科技进步与对策, 2021, 38(12): 19-24.
[11] AZOULAY P, GRAFF ZIVIN J S, MANSO G. Incentives and creativity: evidence from the academic life sciences[J]. The RAND Journal of Economics, 2011, 42(3): 527-554.
[12] FANG F C, BOWEN A, CASADEVALL A. NIH peer review percentile scores are poorly predictive of grant productivity[J]. Elife, 2016, 5: e13323.
[13] AYOUBI C, PEZZONI M, VISENTIN F. Does it pay to do novel science? the selectivity patterns in science funding[J]. Science and Public Policy, 2021, 48(5): 635-648.
[14] MERTON R K. The Matthew effect in science: the reward and communication systems of science are considered [J]. Science, 1968, 159(3810): 56-63.
[15] LAMONT M. How professors think: inside the curious world of academic judgment[M]. Cambridge, MA: Harvard University Press, 2009.
[16] MARCH J G. Exploration and exploitation in organizational learning[J]. Organization Science, 1991, 2(1): 71-87.
[17] 张晓旭, 周文泳, 胡雯. “从0到1”的基础研究内涵、过程与关键问题[J]. 科技进步与对策, 2024, 41(8): 1-10.
[18] HEINZE T. How to sponsor ground-breaking research: a comparison of funding schemes[J]. Science &Public Policy, 2008, 35(5): 802-818.
[19] BOUDREAU K J, GUINAN E C, LAKHANI K R, et al. Looking across and looking beyond the knowledge frontier: intellectual distance, novelty, and resource allocation in science[J]. Management Science, 2016, 62(10): 2765-2783.
[20] BORNMANN L. Scientific peer review[J]. Annual Review of Information Science and Technology, 2011, 45(1): 197-245.
[21] RESNIK D B. The ethics of research with human subjects: protecting people, advancing science, promoting trust[M]. Cham, Switzerland: Springer International Publishing, 2018.
[22] SUCHMAN M C. Managing legitimacy: strategic and institutional approaches[J]. The Academy of Management Review, 1995, 20(3): 571-610.
[23] GALLO S A, SULLIVAN J H, GLISSON S R. The influence of peer reviewer expertise on the evaluation of research funding applications[J]. PLOS ONE, 2016, 11(10): e0165147.
[24] SHAW J. Peer review in funding-by-lottery: a systematic overview and expansion[J]. Research Evaluation, 2022, 32(1): 86-100.
[25] LIU M, CHOY V, CLARKE P, et al. The acceptability of using a lottery to allocate research funding: a survey of applicants[J]. Research Integrity and Peer Review, 2020, 5(1): 1-7.
[26] FELICIANI T, LUO J, SHANKAR K. Funding lotteries for research grant allocation: an extended taxonomy and evaluation of their fairness[J]. Research Evaluation, 2024, 33: rvae025.
[27] RECIO-SAUCEDO A, CRANE K, MEADMORE K, et al. What works for peer review and decision-making in research funding: a realist synthesis[J]. Research Integrity and Peer Review, 2022, 7(1): 1-28.
[28] SINKJAER T. Fund ideas, not pedigree, to find fresh insight[J]. Nature, 2018, 555(7697): 143-144.
[29] Good Science Project. Reforming peer review at NIH[EB/OL].[2022-03-21].https://goodscienceproject.org/articles/reforming-peer-review-at-nih.
[30] AZOULAY P,FUCHS E,GOLDSTEIN A P,et al. Funding breakthrough research: promises and challenges of the "ARPA Model" [J]. Innovation Policy and the Economy, 2019, 19(1): 69-96.
[31] UK Research and Innovation. Sandpits [EB/OL]. [2026-02-24].https://www.ukri.org/councils/epsrc/guidance-for-applicants/types-of-funding-we-offer/transformative-research/sandpits/.
[32] UK Research and Innovation. Artificial intelligence humanities sandpits: Canada, UK and US[EB/OL]. [2025-09-19].https://www.ukri.org/opportunity/artificial-intelligence-humanities-sandpits-canada-uk-and-us/.