> **来源：[研报客](https://pc.yanbaoke.cn)** # 科研分类与结构化数据的价值总结 ## 核心内容 本报告由科睿唯安科学信息研究所（ISI）于2026年3月发布，旨在探讨科研分类体系与结构化数据在科研信息组织、分析与评估中的关键作用。报告强调了结构化、可验证且具备互操作性的科研数据对于实现可靠、可比、情境感知的科研分析的重要性。 ## 主要观点 1. **科研分类是科研分析的基础** - 科研分类不仅有助于信息检索，也是引文分析和科研评估的关键依据。 - 分类体系应考虑学科、领域、研究方向、文献类型等多维度，以确保不同成果之间的可比性。 - 不同学科的科研文化差异显著，影响论文发表、引用及评估方式，因此分类必须反映这些差异。 2. **结构化数据提升科研分析的准确性与实用性** - Web of Science 索引了超过22,000种期刊，覆盖254个学科类别，并包含9,900万条元数据和26亿条引文链接。 - 元数据的完整性和一致性对科研发现和评估至关重要，不完整的元数据可能导致分析偏差。 3. **引文网络与主题分类体系** - Web of Science 采用“自上而下”的期刊分类体系，而“引文主题”（Citation Topics）则基于论文之间的引文关系，实现“自下而上”的动态分类。 - “新兴主题”通过识别高被引论文，揭示研究领域的发展趋势，为科研人员和分析人员提供新的洞察。 4. **跨内容的学科分类** - “研究主题”分类体系能够整合不同类型的研究成果（如期刊论文、会议论文、专利、基金项目等），为跨平台分析提供统一框架。 - 这一体系支持对科研成果的多维度分析，如其对可持续发展目标（SDG）的贡献，以及与社会、经济目标的关联。 5. **国际合作的分类与影响** - 国际合作已成为科研评估的重要维度，尤其在提升论文被引频次和科研影响力方面作用显著。 - “合作性学科规范化引文影响力”（Collab-CNCI）指标将合作类型纳入考量，使科研成果的评估更具情境感知性。 6. **国家评估体系的对接** - 不同国家的科研评估体系存在差异，如澳大利亚的ANZSRC分类与英国的REF分类。 - 通过“交叉映射”技术，ISI实现了国际分类体系与国家分类体系的对接，以支持国际比较与政策制定。 ## 关键信息 - **Web of Science 的分类体系**：包括254个细分类别和22个宽泛类别（ESI），为科研信息组织提供了稳定且精细的框架。 - **引文分析的挑战**：简单计算平均被引次数可能产生误导，因此需要基于学科、年份、合作模式等变量进行规范化处理。 - **新兴主题与研究主题**：通过引文网络和文本内容分析，构建动态分类体系，以识别创新研究方向和跨学科联系。 - **SDG映射**：将科研成果与联合国可持续发展目标进行关联，支持科研对社会发展的贡献评估。 - **Collab-CNCI 指标**：引入国际合作维度，使科研评估更加全面，尤其适用于国际合作程度较高的国家或地区。 ## 分类方法与应用 - **自上而下 vs 自下而上分类**： - 自上而下：基于期刊的学科归属，适用于长期稳定的科研分类。 - 自下而上：基于引文网络或文本内容，适用于动态变化的研究趋势与跨学科分析。 - **国家评估体系映射**： - 澳大利亚、英国等国家的评估体系与Web of Science分类体系进行映射，以支持国际比较。 - 映射关系需考虑学科间的重叠性，以确保分类的准确性与实用性。 - **国际合作分类**： - 国际合作分为国内、双边、多边等类型，引文影响力因合作类型而异。 - 中国内地的国际合作比例较低，因此其Collab-CNCI指标与传统CNCI指标差异较小。 ## 结论 结构化科研活动数据是实现科研信息可靠检索、发现与评估的前提条件。科睿唯安通过构建多层次、多维度的分类体系，确保科研数据的可比性与可解释性，为科研人员、政策制定者和机构管理者提供有力的决策支持。这种分类与规范化机制不仅适用于科研成果的内部分析，也支持其与社会目标、国际趋势和政策导向的对接。 ## 适用对象与价值 - **对科研人员**： - 提升信息检索效率与准确性。 - 实现真正可比的学术评价。 - 强化科研成果与实际应用之间的联系。 - **对科研分析人员**： - 支持基于严谨方法的决策制定。 - 构建一致、可比的分析体系。 - 通过主题分析，更清晰地讲述科研成果的社会影响力。 ## 参考资料 - Web of Science 核心合集 - Research Assessment Exercise (RAE) 和 Research Excellence Framework (REF) - Essential Science Indicators (ESI) - 联合国可持续发展目标 (SDG) - InCites Benchmarking & Analytics ## 附录 - **图1**：英国科研评估中各文献类型的构成比例 - **图2**：英国与德国的年度引文影响力对比 - **图3**：不同学科论文的平均被引次数随时间的变化 - **图4**：基于RAE数据的学科聚类分析 - **图5**：Collab-CNCI 与传统CNCI的引文影响力对比 ## 作者简介 - **Jonathan Adams**：科学信息研究所首席科学家，伦敦国王学院客座教授。 - **Dmytro Filchenko**：科睿唯安高级总监，具有丰富的学术与商业背景，主导过多个科研评估与教育科技产品开发。