人工智能将推动研究评估变革

重塑科研资助：人工智能如何倒逼评估体系升级

过去数十年，研究资助体系的核心假设是：书面提案能够合理反映研究思路的质量和申请人的能力。人工智能的出现彻底动摇了这一假设。当越来越多的申请借助AI工具辅助生成，资助者将难以分辨哪些贡献来自研究者本人，哪些来自其所使用的技术。当这一现象规模化后，评估体系的甄别能力将面临根本性的逻辑危机。

需求管理只是权宜之计

面对申请量激增，资助机构首先想到的是需求管理手段：限制重新提交、设定申请上限、设置两阶段评审流程。这些措施可以争取时间，但并未解决核心问题——在人工智能时代，资助机构究竟希望识别和支持哪些特质？

当前许多资助申请依然着重强调预期成果，尽管研究本身充满不确定性。这激励了过度具体化和过度承诺，而AI通过生成更具说服力、更贴合资助者偏好的叙事，进一步放大了这一倾向。

评估重心的转移

更具韧性的资助模式应更多关注那些不容易通过AI优化的维度：方法论的严谨性、相关能力、反思性思维以及可信的影响实现路径。这些维度需要情境证据、判断和对话，它们深入探究研究将如何开展、研究者将如何行动。

这一方向与研究评估改革领域的已有倡议高度吻合。CoARA、DORA等联盟早已提出：评估应同时关注过程和产出，认可多元贡献，摒弃扭曲行为的代理指标。AI的作用是将这些原则转化为资助设计的紧迫性推向新高。

具体实践中，叙事简历允许申请人以更情境化的方式展示贡献，评审者也能据此做出更全面的判断。能力框架则提供评估领导力、协作能力和反思性思维的工具。在机构层面，诸如荷兰战略评估协议这样的形成性评估，相比依赖指标或大规模同行评审的方法，受AI相关风险的影响要小得多。

评估流程的演进

评估流程本身也可以围绕这一新框架进行改革。邀请研究管理人员加入评审小组，有助于提供关于可行性和财务管理的宝贵见解。让研究受益者参与评审，能帮助确认关于参与和影响力的陈述是否可信。面试环节虽然资源消耗大，但能使评审者深入了解申请人的反思能力、协作技巧和领导风格，这些是书面文本无法传达的。

更重要的是，这一转变不应局限于资助申请，还应扩展到机构的招聘和晋升体系。

降低评估频率

另一个关键问题在于个体被评估的频率。基于频繁的竞争性项目资助的体系会放大AI带来的扭曲。通过提供更长期的资助、扩大学者基金类资助、或增加机构整笔拨款，降低个体评估的频率，有助于恢复平衡。

更激进的想法——例如研究者基本收入——仍存在争议，但其价值在于迫使人们反思：多少筛选是必要的，多少只是系统设计的副产品而非研究需求本身。

回避不了的问题

资助机构的内部讨论中常出现一个敏感话题：AI是否会在申请筛选或排序中发挥作用。回避这个问题无济于事，可以预见商业机构已在探索AI辅助评审方案。如果AI进入这一领域，关键问题将由谁主导。基于透明、问责和负责任评估原则的学术共同体主导探索，与因资助机构无计可施而被强加的利润驱动方案，结果将截然不同。

结论

AI带来的颠覆常被描述为一场需要管理的危机。但也可以将其视为一种强制功能，暴露长期存在的缺陷，并为变革创造政治和制度空间。DORA、CoARA等改革倡议已确立了更注重质量、诚信和包容性的评估方向。现在的挑战是设计能够在AI时代将这些原则付诸实施的资助机制。

*本文基于Karen Stroobants在Research Professional News上发表的观点文章。*