【博览】卢阳旭《科学与社会》：同行评议和量化评价的制度化及悖论——基于评价社会学的视角

关键词: 同行评议，量化评价，评价社会学 

中图分类号: G301     文献标识码: A

DOI:10.19524/j.cnki.10-1009/g3.2023.02.039

近年来，欧美学界越来越关注经济不平等、社会撕裂、绩优体制（Meritocracy）给人们带来的焦虑、不安和痛苦^[3]，并将研究拓展到这些问题背后的基本议题——评价（valuation & evaluation）。人们的工作应该如何评价，他们的付出得到了何种承认和回报，评价标准和评价过程如何形成，哪种（些）标准和机制造成了“赢者通吃”的局面？对这些问题的追问，将人们的关注点引向了对近几十年西方社会评价标准、评价制度和评价文化的深层反思。从这个意义上说，评价社会学有着明确的问题意识，即20世纪70年代末开始在全球流行的新自由主义如何渗透到经济发展、公共服务和科学研究等各个领域，市场化、竞争、效率和问责等观念如何成为主导观念，复杂的、模糊的社会现实如何被简化为少数简单的、清晰的指标，它们又给不同的个人、群体和社会造成了哪些预料和未预料的影响？

虽然评价社会学尚未形成统一的分析框架，但它关于“评价是一个社会过程”的鲜明主张，让其区别于更关注个体评价决策的心理学和经济学视角，为评价研究提供了新的理论视角和分析概念。作为一个社会互动过程，评价活动包括类别化（categorization）和合法化（legitimation）两个基本过程^[2]。类别化是评价活动的操作性内容，是一个同中取异的社会建构过程，包括横向类别化和纵向类别化两个维度：横向类别化过程主要是一个将复杂现实用特定符号、指标等表征成边界清晰的若干类别，并置于特定“宫格”的过程，而纵向类别化过程，则是将不同类别按照先-后、优-劣、美-丑等有价值意涵的标尺进行排序和“着色”的过程。在类别化过程中，分类者需要处理异质性（heterarchies）问题和可通约性问题（commensuration）。所谓异质性问题，借用统计学中的概念，就是“组内差异”，即在一个类别中容许多大差异。横向类别化的异质性涉及类别边界划定问题，直接关涉类别的数量，纵向类别化的异质性则主要涉及在同一维度下的等次数量，横向类别数和纵向等次数共同决定了最终的类别数。可通约性问题，指的是特定分类体系的跨界适用性，可通约性越强意味着它受到的时空限制越弱，跨界渗透能力越强 ^① 。

在类别化活动中，有三个逻辑关系值得特别注意：一是要提高识别精度，就必须增加类别数量；二是横向类别化和纵向类别化存在一定的替代关系，在总类别数确定的情况下，减少横向类别数，就必须增加纵向类别数，反之亦然；三是当完成某种类别化活动时，通常会存在一些不能纳入相关类别的“未归类者”，它们变成了不能被评价体系观测到的“隐形工作”——由于评价活动的反应性（reactivity），“隐形工作”很可能因此而逐渐被忽视甚至放弃，直到它们影响到现有评价体系重点关注的类别时，才有可能被纳入新的类别体系。

评价活动的另一项过程是合法化。合法化与类别化相伴随，为横向类别化和纵向类别化的标准、程序与结果寻找让人们特别是被评价者“可接受”的理由。评价社会学认为，类别化过程中援引哪些依据和理由、利用哪些资源，如何解释和应用分类结果，以及如何用分类系统“再现”社会现实的过程^[4]，既不是机械式的自动过程，也不是不确定的随机过程，而是嵌入在特定社会结构和文化环境中的社会建构过程。研究者基于结构化理论^[5]和文化社会学相关理论^[6]，强调社会结构既是保证评价活动不离经叛道的约束性力量，也是让特定的分类标准和逻辑被人们接受和认可的驱动性力量。同时，他们还强调文化的自主性，认为文化不是一套僵硬的价值观，而是一套由习惯、技能和风格等构成的“工具箱”（tool kit），并把文化作为评价活动中的约束性、定义性和赋能性力量^[2]。

总之，评价社会学的一个重要贡献，是指出评价活动的社会建构属性，深入分析评价活动中的社会行动者在类别化和合法化过程中的复杂互动，引导人们关注评价者和被评价者内部以及他们之间如何通过沟通、协商、冲突和妥协等社会互动来开展评价活动，为打开评价活动“黑箱”提供了新的理论视角和分析工具，进而帮助人们对随处可见、无法躲闪的各类评价标准和评价实践保持足够的反思能力，为寻找更合意的分类和评价提供可能。

科研评价或者说科学场域中的评价活动是评价社会学研究中的一项重要内容，始于20世纪50年代罗伯特·K.·默顿（Robert K. Merton）关于科学界奖励系统的研究。80年代皮埃尔·布迪厄（Pierre Bourdieu）关于学术场域的分析，给观察学术评价引入了文化社会学的视角，并为评价社会学研究提供了重要的理论基础。更重要的是，社会学视角下的科研评价研究揭示了科研评价的社会建构属性，分析了各类科研评价工具、方法和方式背后复杂的社会技术，即类别化技术和合法化技术。

（1）类别化。现代科学是一种独特的工作组织和控制系统，它通过基于成果对同行研究有用性的（科研）评价来控制获得奖励的机会^[7]。默顿关于科学的精神气质、科学发现的优先权，以及科学界“马太效应”等的分析，都试图表明科学职业的分类是沿着科学声誉这一维度进行排序^[8]。与之不同，布迪厄的分析则揭示了科学场域类别化实践中的经济资本、权力资本和文化资本等更复杂的维度，并认为处在场域不同位置的人对高质量研究的判断和斗争，都体现并服务于其在学术场域中的地位。他认为虽然科学场域是文化资本占主导的、相对独立的场域，但其内部的分类和排序会受到其他场域逻辑和文化资本之外的其他资本（包括经济资本、社会资本等）的影响。比如他的分析发现，大学中的法学院、医学院等属于学术场域中世俗主导部分，而文学院、理学院等则属于学术场域中文化主导部分^[9]。

（2）合法化。关于科研评价合法化机制的分析主要有两种研究视角，即资源依赖视角和社会互动视角。资源依赖视角认为，科研评价合法化的底层逻辑是资源依赖逻辑。在这一视角下，大致存在“弱依赖”和“强依赖”两种观点。所谓“弱依赖”观点是指，科学资助方在为科学研究提供资助的同时，不直接干预科学界的具体活动——最经典的描述来自“布什报告”^[10]；“强依赖”观点则认为，虽然科学资助旨在增进知识和理解力，但其根本目的是满足经济社会发展、改善社会福利和保障国家安全等国家和纳税人的需要，为此有必要通过设定特定的评价规则和常态化的监督机制来引导科学的发展和科研人员的行为。在具体实践中，不同时期的科学政策会处于“弱依赖”和“强依赖”这两个观点之间的某个位置——它们之间的拉锯很多时候会体现在科学资助机构等所谓“边界组织”（boundary organization）的职能和组织管理机制的调整上^[11-12]。还有一些研究则分析了不同学科的资源依赖差异。比如，理查德·惠特利（Richard Whitley）从“科学研究任务的不确定性”和“科学家之间的相互依赖性”这两个维度出发，分析了不同学科领域在这两个维度上的差异如何影响它们在制定和控制成就标准方面的自主性、对关键资源控制的集中性，以及评议人的构成等^[7]。与资源依赖视角不同，社会互动视角更加注重对科研评价活动中的微观实践分析，认为科研评价是评价者内部以及他们与被评价者之间互动的结果，需要多重标准相互协调。米歇尔·拉蒙特（Michele Lamont）分析美国人文社会科学项目评审中的同行评议发现，学术评价是一项主体间活动，评议人在与其他评议人的互动中交换意见并共同完成评价工作。同时，评价活动深植于社会和认知网络当中，评议人的自我感觉和相对位置都不会脱离评议规则和程序，他们的认知和判断也会同他们创造并反复使用的不成文规则联系在一起，并与更宽泛的普遍主义和专业主义联系在一起。同时，拉蒙特的研究还发现，评议人对“一流”研究的鉴别深受学科文化的影响，评议人在“一流”与多元、精英与民主之间的平衡也深受所处社会的价值观影响^[13]。更重要的是，社会互动视角认为，科研人员对“一流”研究的讨论，是科研活动的内在特征，是科学进步的内在动力之一，试图去消除这种不可避免的“主观性”既不可能也不可欲。

虽然同行评议的历史通常被追溯到17世纪中叶，但外部同行评议（external peer review）受到对“科学的社会契约”质疑的推动，其制度化主要发生在二战以后。所谓“科学的社会契约”，其基本含义是指所有的科学家倾其精力与才智解决当今最紧迫的问题，他们将这些问题置于重要的位置，以换取公共财政的支持。通过运用“科学的社会契约”，政治家试图以责任观念约束科学家，科学家则试图以特权观念约束政治家^[12]。

二战后，政府以制度化方式大规模支持科学研究渐成常态^[14]。美国等科技发达国家普遍成立专门的科学资助机构以公共财政支持科学研究，并在大致经历几轮争论后在政府科学资助中确立了严格的同行评议制度。以美国为例，从“布什报告”提交到美国国家科学基金会（National Science Foundation，NSF）成立的五年时间里，以万尼瓦尔·布什（Vannevar Bush）为代表的科学精英与参议员哈利·基尔戈（Harley Kilgore）一派围绕NSF职能及其与政府的关系展开了激烈争论。1950年正式成立的NSF总体保留了“精英科学家”对科研资助的决策权：NSF通过通讯或会议形式收集同行专家们的意见，NSF内部各级项目官员保留对项目资助的最终决定权。这既是科学研究在二战期间的巨大作用产生的“光环效应”，也是美苏冷战的巨大压力让政府（纳税人）资助但不干预科学研究显得理所当然^[15]。然而，1957年苏联人造卫星发射升空后，美国感受到了科技落后于苏联的危机，国内也出现了对政府科研投资绩效的反思，并于20世纪60年代至70年代围绕美国国防部、国立卫生研究院（National institutes of Health，NIH）和NSF的科研资助绩效开展了持续争论。此一阶段的争论，起初更多关注科研项目经费使用的规范性问题，后来进一步拓展到NIH和NSF项目评审机制问题。以NSF为例，国会议员们批评其同行评议意见在项目资助决策中的地位不明确、同行评议意见不公开、项目官员自由裁量权过大，以及公众监督困难等。虽然在这轮激烈的批评中，科学资助机构并没有对批评者的要求和建议照单全收（如评议专家实名制等），但制度化的同行评议机制在此之后确实迅速地建立起来，包括将外部同行评议意见置于资助决策中更重要的地位，向申请人反馈书面评审意见，限制项目官员/内部同行评议的决策权等。经此争论，同行评议也几乎成为了保证科学质量和可信性的代名词^[16]。可以看出，外部同行评议的制度化，实际上也是科研评价合法性基础重构过程^[17]。

作为对照，对学术期刊外部同行评议机制演变轨迹的了解，有助于人们更好理解同行评议的制度化是一个相对晚近的事情，而且在不同情境下存在较大差异。比如对《自然》杂志发展历史的研究发现，直至20世纪70年代，外部同行评议才成为《自然》杂志决定刊发某篇稿件的一个必需环节。但即便如此，相比于政府科学资助机构的项目官员，学术期刊的编辑有更大的自由裁量权（体现在诸如外部评议专家的选择、同行评议意见对其决策行为的约束力等方面）^[16]。导致这一差异的一个重要原因，是学术期刊通常不像科学资助机构那样依赖政府财政资金，它更多依靠声誉机制和市场机制来实现自我约束。

相比于同行评议，量化评价算是“后起之秀”，但近40年来，量化评价不仅在同行评议之外开辟了很多评价场景，而且为科研评价的急剧膨胀提供了技术可能性。大量研究都提到，20世纪70年代末以来逐渐盛行的新公共管理主义推动了效率和问责等价值观的流行^[18]，在公司管理和国际金融等领域确立起来的“审计文化”（audit culture）及与之配套的量化评价机制和工具也迅速扩散到大学和公共科研机构的管理和评价当中^[19]。在扩散过程中，审计也获得了比财务意义更宽泛的含义，经常与质量、效率、可见度、透明度、问责和基准等词语联系在一起^[18]。当审计越来越流行时，对机构、人员、项目等的各类评价活动猛增，比同行评议更适合规模化、标准化的量化评价也因此获得了巨大的成本优势，更重要的是，量化评价凭借其强大的通约能力（commensuration）和规训能力（disciplinary）^[20- 21]，成为了压缩科研生态多样性、限制科研机构和科研人员自主权的重要力量——形成了审计与量化评价相互强化的局面。

（1）量化评价的通约能力

量化通过赋予实体特定的数字（number）将不同实体从其所处的背景和情境中抽离出来——具有复杂背景、多样属性的实体被标准化/抽象化为一个可直接比较的数字^[22]。量化的这一特性使得它具有很强的通约能力，即将不同的实体纳入相同的量度进行比较的能力。比如，通过论文数、期刊影响因子等少数量化指标，不同学科、不同研究人员具有的多样性可以瞬间被屏蔽。那些无法被纳入由这些指标构筑的类别体系中的属性则被认为是“无足轻重”或“没有意义”的。从这个意义上说，量化评价实际上是通过设立某种具有高度通约能力的分类体系（比如高影响力期刊、高被引作者、高产作者等），有意无意地忽略科研活动、科研成果和科研人员的多样性，并以此塑造人们看待科学、科研职业和科研活动的方式。

（2）量化评价的规训能力

量化评价对科研机构和科研人员的规训能力主要来自以下几个方面：一是量化评价让评价标准和评价活动高度标准化和确定化，消除了模糊性和不确定性，成为明确无误的“聚焦点”，关闭了可“讨价还价”的空间。比如“打分表”等量化工具要求（引导）同行评议专家们将自己对被评价对象的主观评价变成可计算的“数字”。虽然这种转变不仅没有改变专家们评价的主观性，还一定程度上引入了赋值的主观性，即选择“3”而不是“4”，说到底仍然是一种主观选择，但这种转变使得同行评议得出的各种结果之间具有了高度的可比性，数字化的评议意见让决策变得清晰、易懂并几乎排除了多样性造成的争议——从这个意义上说，量化评价是一种控制意见交换并集中精力更快地向集体决策靠拢的方法^[1]，但它也蕴含着形式合理性代替实质合理性的巨大风险^[23]。二是论文发表量、被引数等量化指标可以方便地实现实时监测和实时比较，为评价者实时提醒被评价者提供了便利，也给被评价者不断自我鞭策、自我灌输评价指标的合理性提供了便利。三是量化评价通过公开比较形成强大的外在压力。量化评价实践中随处可见的排名和榜单最大的特点，是将比较变为“零和”游戏——某个个体/机构的高排名必须以排行榜上其他个人/机构的低排名为代价^[24]，各种比较和评估变成了争输赢的游戏。在量化评价实践中，评价者还经常会赋予排行榜某种等级制或身份的符号意义，并将之与某些现实的好处联系起来（比如获得更多研究经费、在学术招聘和学生招生等方面获得优先权等），以此强化量化比较对被评价者的压力。

二战后，美国等科技发达国家在大幅增加政府研发投入的同时，扩张高等教育、增加科研人员供给，推动形成了“钱多人多”的公共科研体系。但这也产生了两个问题，一是政府及其所代表的公众对科研系统和科研人员的工作绩效考核压力增加；二是科学界内部对声誉、经费和岗位的竞争激烈化，竞争压力客观上增加了高校和科研机构管理部门的权力，提高了它们采用可客观、简单地对科研人员进行分类和排名的指标与方法的必要性和话语权。

同时，对“科学的社会契约”的问责，让同行评议机制从科学共同体内部的、非制度化的学术交流和质量把关机制，变成一种调和科学合法性和政治合法性张力的“边界机制”。权力制衡、民主决策和同行评议，实际上有某种程度的家族相似性。相比于个别科学家、资助机构官员的主观判断而言，同行评议机制与民主决策的精神更为一致^[12]。需要指出的是，同行评议把评价者限定在同行范围，把评价方式限定为民主评议，过程需要同行参与、结果需要同行来解读，这些都垒筑了科学共同体和普通公众、政治家之间的一堵“矮墙”。但量化评价实际上扫除了所谓内行和外行之间的区别，任何一个外行都能够通过简单的比大小和数排名知道科研成果和科研人员的“分量”——这就是所谓减少了科研评价所需专业知识的“泰勒主义化”（Taylorization of evaluation）^[1]。从这个意义上说，同行评议的制度化与量化评价的流行，表面上看，它们之间是竞争和替代关系，但从深层逻辑看，它们其实都是要完成一项任务，即科学研究活动的外部问责性（accountability）。外部问责重构了科研评价的合法性基础，并推动了类别化机制的深刻变化。但严厉的外部问责也会使得科研评价权从科学共同体转移到政府和公众手中，置于它们的直接监视之下，降低了科研自由、压缩了科学自主权，与现代科学出现以来逐渐形成的科研传统与文化存在明显冲突。

本文的核心结论在于，科研评价是一个多方主体持续互动、博弈的社会过程。科研评价不单是指某种评价手段或评价过程，也并非单指科研评价的各类制度，而更是一种能将各类行为主体统合起来的科研治理实践；科研评价不只是一种静态的体制机制，更是一种思维模式，决定着各类组织和个体如何构建行动策略。因此，要深入理解科研评价，就需要把“社会带回来”，从技术、组织和社会文化层面做系统考虑，如此才能更好地理解具体的科研评价实践，更全面地思考和建构更合意的科研评价体制机制与实践。

基于对评价社会学理论的梳理和国外科研评价实践中类别化和合法化逻辑的分析，本文发现，在科研评价方面尽管存在一些共同的基本原则、基本方法和日益丰富的评价工具，但具体到某个国家、某个阶段和某种场景，则不应也很难去追求一个简单的、通用的解决方案。因此，在推进我国科研评价体制机制改革的过程中，我们不仅需要借鉴国外经验和历史经验，更需要“把社会带回来”，并籍此更好地理解科研评价活动中的类别化机制和合法化逻辑，从文化、机制、组织和方法等层面深入分析我国科研评价何以至此，以及将去往何处的问题。

最后要说的是，近几十年来，科研评价改革一直是我国科技体制改革的重要内容，学界也基于经济学、管理学、科技史等多学科视角就科研评价中的问题剖析、改革思路、方法和工具设计等进行了大量的研究，但总体而言，目前国内学界在分析和思考科研评价问题时，对社会学视角和理论的关注和应用还很不够。本文希望引介评价社会学视角，进一步丰富我国科研评价学术和政策研究的理论视角。

Abstract: Drawing on insights from sociology of valuation and evaluation (SVE), the paper focuses on categorization and legitimation as the key processes and underlying forces of research evaluation system. Based on the theoretical framework, this article explores the evolution of the research evaluation system in the United States and other developed countries after the "World War II", and illustrates the transformation of categorization and legitimation has promoted the institutionalization of peer review and quantitative evaluation. The research preliminarily tested the inspiration and explanatory power of SVE on research evaluation issues.