，，，
(湖南农业大学 a.改革发展处；b.期刊社；c.教育学院，湖南 长沙 410128)
对高校科研绩效采用客观的评价标准、有效的评价方法、合理的评价指标进行正确评估和评价，是高校科学制订研究计划、合理配置科技资源的重要参考依据。许多高校通常综合运用Web of Science、ESI、InCites数据库或任选其中一种甚至两种数据库对机构的科研、人才等进行客观评价，也有通过SCI论文、ESI高被引论文和热点论文等作为学校人才引进、学术奖励、职称晋升等途径的重要评价标准。尤其是国务院下发《统筹推进世界一流大学和一流学科建设总体方案》以来，越来越多的政府部门、高校或科研机构、科研工作者将ESI学科排名用于制订学科建设发展策略提出的主要支撑依据之一，各省份政府部门在一流大学和一流学科建设方案中更是明确将ESI前1%、前1‰学科排名数量定为未来长短期目标之一。据科睿唯安官网显示，ESI主要是把十年里各学科最有影响力的前1%SCI、SSCI论文筛选出来，并基于此形成了9千多个研究热点课题展现给科研人员；基于论文，列出了各学科全球最有影响力的前1%机构和个人，这些排名给高校的国际学术影响力提升树立了发展标杆；而InCites数据库则是学科发展的“抓手”，通过对标，可以明确自身机构或学科在全球科研大图景下的表现。通过数量、质量、国际合作度、综合影响力等等多指标的对比，明确自身定位，从而制定发展战略。因此，为助推农林高校“双一流”建设，笔者通过综合应用ESI和InCites数据库对农林高校不同学科的学科优势进行比较和排序分析，对26所农林高校的学科建设绩效与预测进行科学评价。
1 研究概况
1.1 研究基础
通过中国知网的检索发现，通过综合运用ESI和InCites数据库进行分析的现象，早在2013年就有学者综合运用以上两个数据库对东华大学学科发展、国内机构药学学科国际竞争力进行过分析与发展态势评估。近两年，受国家“双一流”建设的政策导向，相关研究如火如荼开展，纵观近几年的相关研究成果，主要研究内容概括如下：一是针对某一机构自身学科竞争力或潜力值进行分析，对潜力学科的发展进行预测。有东华大学、北京师范大学、福建农林大学、吉林大学等14所高校开展过这项研究，其预测结果与ESI数据库前1%排名结果高度相似。二是针对某地区或某类型高校的学科发展进行分析评价。如中国“C9”高校与澳大利亚“G8”联盟高校之间的学科对比分析、C9高校的学科潜力值分析、广东地区高校科研竞争力分析、医学院校学科发展现状等。三是针对某一ESI学科竞争力的分析。如针对临床医学、分子生物学与遗传学等学科进行学科评价。四是针对某一高校的某个学科进行学科评价，较多的高校开展过这类研究。五是针对学者进行评价，如江苏师范大学以工程学科的学者为例，评价其科研水平。通过相关研究成果发现，学者们综合运用两个数据库主要用于机构、学科、科研绩效、人才的评价与分析，尚未发现以农林院校为研究对象开展的相关研究。1.2 研究方法
选取国内26所农林高校，分析、评价学科为ESI数据库中的22个学科领域。连续三期(2018年3月15日、5月10日和7月12日更新数据)跟踪ESI数据库中22个学科领域的机构入选ESI的阈值、各农林高校入选前1%学科的学科总数目及各个入选学科的被引总频次。分别于ESI数据库以上三期数据更新后，获取InCites数据库中26所农林高校在22个学科领域某一时间段内的被引频次。即2018年3月16日获取2007年1月1日至2017年10月31日时间段内、6月4日获取2008年1月1日至2018年2月28日时间段内和7月16日获取2008年1月1日至2018年4月30日时间段内的数据。
计算农林高校分别在三个不同数据更新时间的学科优势值，即在1个完整的ESI数据库评价周期内，某高校某学科论文被引次数与同期ESI机构入选阈值比较的领先程度，其计算公式为：学科优势值=某高校某学科论文被引次数/该学科ESI机构入选阈值；根据计算的各高校的22个学科优势值，预测某高校近期有可能入选ESI的学科，根据邱均平、刘雪立的研究表明，学科优势值越接近1，越有可能成为近期将要入选ESI前1%的学科。
2 农林高校入选ESI前1%的学科分析
2.1 机构入选阈值
ESI数据库中22个学科不同数据更新时间的机构入选阈值见表1。
表1 ESI数据库中22个学科机构入选阈值
续表1
2.2 入选ESI前1%的学科概况
根据ESI数据库最新一期数据显示，26所农林高校中的21所高校共有64个学科进入ESI前1%排名，其中，中国农业大学入选学科数最多，达到10个。从表2可以看出各高校入选ESI前1%排名连续3期变化情况，其中，南京林业大学的工程科学于2018年5月更新中初次进入排名，中国农业大学的临床医学于2018年3月更新中初次进入排名后，于5月更新中退出ESI前1%排名，其他高校的入选学科没有变化。结合InCites数据库计算的学科优势值来看，南京林业大学的工程科学3月、5月和7月的学科优势值分别为1.00、1.10和1.10，中国农业大学的临床医学3月、5月和7月的学科优势值分别为1.03、0.88和0.88，可见，各学科的学科优势值大小与是否入选ESI前1%排名基本成正相关。
表2 ESI数据库与InCites数据库检索优势学科结果比较
注：入选学科顺序按机构各学科被引频次降序排列
2.3 农林高校近期可能入选ESI前1%的学科预测
根据计算农林高校未入选ESI前1%的学科优势值，表3列出了农林高校通过最近3期计算所得学科优势值≥0.8的学科，据张诗乐的研究表明，大于或等于0.8学科很有可能于近期入选ESI前1%排名。从表3可以看出，3月、5月和7月分别有18个、19个和18个学科的学科优势值在0.8以上，其中三期数据中分别有7个、8个和8个学科的学科优势值在0.9以上。从各高校连续三期的学科优势值变化情况来看，有持续增加的，如华中农业大学的工程学、北京林业大学的材料科学、安徽农业大学和浙江农林大学的农业科学等，也有不断下降的，如中国农业大学的临床医学、甘肃农业大学的农业科学等；有起伏不定的，如南京农业大学的化学、华南农业大学的微生物学等，也有稳定不变的，如河北农业大学和南京林业大学的植物与动物科学等。综合InCites数据库计算的学科优势值大小与ESI入选学科情况预测，表3中7月的学科优势值≥1，但未入选ESI数据库的学科可能会最先入选，即安徽农业大学(1.03)和浙江农业大学(1.02)的农业科学；学科优势值≥0.8的18个学科也有可能于近期入选ESI前1%数据库，尤其是学科优势值>0.9的6个学科，如华中农业大学的工程学(0.98)、北京林业大学的材料科学(0.97)、华南农业大学的微生物学(0.97)、山东农业大学的化学学科(0.90)、河北农业大学的植物与动物科学(0.93)和南京林业大学的植物与动物科学(0.98)。
表3 农林高校未入选ESI数据库但学科优势值≥0.8的学科
3 农林高校ESI排名及学科优势提升的对策分析
关于某高校某学科在ESI数据库与InCites数据库被引频次不尽相同的问题，主要是因为两个数据库统计源的不同以及数据库更新时间略微差别所致：ESI数据库里的被引频次统计的是被SCI、SSCI和AHCI等3个数据库的引用，而InCites的被引统计的是被SCI、SSCI、AHCI、CPCI-S、CPCI-SSH、BKCI-S和BKCI-SSH等7个数据库的引用；最近更新的数据中，两个数据库涵盖的时间段均为2008年1月1日至2018年4月30日，但ESI数据库更新时间为2018年7月12日，而InCites数据库的更新时间是2018年6月16日。基于以上两个原因，导致部分高校的ESI入选学科数与InCites计算结果不太一致，但ESI数据库入选学科排名与InCites数据库计算学科优势值大小基本保持一致。阿尔托大学的信息专家Anna-Kaisa Hyrkk?nen曾说：“通过使用InCites，可以轻松衡量我们在特定领域的研究表现，或将整所大学与全国或世界范围内的其他大学进行对比。”澳大利亚海洋科学研究所高级研究员Hayley Gorsuch也说：“我们必须针对战略规划目标的进展进行分析汇报。这就意味着我们需要对已完成的工作进行全面的总结，并验证所达成的绩效指标。”在一流大学与一流学科的建设道路上，各高校既然明了ESI数据库和InCites数据库的特点与差别，那么就应该在除了借助数据库对学科进行客观的分析与评价基础上，还应该采取一些措施，以提升自身学科的优势。
3.1 加强高水平人才引进与培养
高层次人才分布与优势学科人才队伍向来吻合，高水平人才队伍建设也是提升学校学科优势的根本，而年龄结构趋于老化、后备人才力量不足、人才队伍断层、人才梯队建设有待完善等不足似乎或多或少的存在于农林高校传统优势学科人才队伍中。因此，农林高校要大力引进与培养对学校优势学科及潜力学科发展有帮助的人才及团队，强化高层次人才对学科建设的支撑引领作用，培养和造就一批具有国际国内先进水平的学科带头人和学科梯队，整体提升学校人才队伍建设水平。积极探索在作物、果树、畜牧等产业链组建科研和社会服务团队，按专业和学位点组建人才培养团队，切实增强学校人才队伍可持续发展能力。对于引进的人才，针对类型的不同，完善多维评价体系，如对于科研型人才，要评价SCI/ESI论文的数量及被引情况；对于作为团队引进的人才，要有团队的评估指标，对团队合作情况和融合情况进行评价，如团队共同研发的成果、论文，类似主题有无引用团队人员的论文等。3.2 加强与国内外高水平机构开展科研合作
基于第一作者与其余排位作者在ESI数据库里视为等同ESI数据库里所有数据的特点，因此ESI数据库里学科情况、高被引论文、高影响专家都是按照论文发表所有作者来统计的。也就是说，高校教师作为第一作者发文与作为合作作者(非第一作者)发文的论文，在数据库的统计来看是没有区别的。因此，学校教师要加强与本领域有影响力的高水平大学和科研机构合作，倡导与国内外高水平科研机构开展合作研究。3.3 建立与健全高水平论文奖励制度
ESI作为非常重要的科研指标，直接体现了学科的科研竞争力和影响力，农林高校应从当前亟须关注的问题出发，体现学校学科发展的重点，制定相应的激励政策，切实提高学校ESI的学科表现情况。一是对ESI高被引论文进行奖励。目前很多高校对论文的奖励方面侧重论文所在期刊的分区，而期刊分区仅仅指论文发表期刊的影响因子的情况，也是期刊被引情况的反映，只体现了期刊的影响力，而非单篇论文本身的影响力，如果仅侧重分区1的期刊进行奖励，难免有失偏颇。二是针对性设置ESI学科期刊的发文奖励。ESI数据库收录的期刊都是一一对应某一个学科，学校相关部门可根据期刊的影响因子、分区等特点，设置发文奖励制度，针对性地引导教师投稿。三是对论文的被引进行奖励。在ESI中体现的是论文本身的被引情况和机构本身(作者单位)的被引情况。ESI针对不同的学科、不同年份的论文都提供了相应百分比的基准值，而且ESI是表现学科科研影响力的非常重要指标，可以设置具体的奖励措施对科研工作者进行科学、正确的引导。3.4 增强文献发表后的被重视率和使用度
被引频次是指文献发表后截止统计时间被复合统计源(含期刊、博硕士学位论文、会议论文)引用的总次数，是全面衡量文献学术影响力的客观评价指标，是评价文献、作者及机构、出版物影响力的重要指标之一，也在一定程度上反映了文献发表后被重视和使用的程度。可以说，一篇文献的被引频次越高，越能体现该篇文献作者、机构和来源刊物的学术价值，这与ESI数据库和InCites数据库中通过被引频次统计是否为高被引论文的理念不谋而合。因此，农林高校要提升本机构发表文献的被重视率和使用度，进而提高本机构的ESI学科排名。由于国内的人才竞争与评选多侧重他引情况的评选评奖机制也让国内的科研工作者形成了注重文献他引的共识，而ESI数据库里(包括SCI论文数据库)提供的只是被引频次的数据，既包括他引也包括自引。因此，农林高校的科研工作者要有关注被引频次的意识，既可以说明研究的连续性，也能够提升自己或团队的影响力，还可以提高所属ESI学科的指标数据。
