导言:为什么治理塑造科学的未来

科学发现和技术革新的轨迹不仅仅取决于研究人员的聪明才智或资金的提供情况。治理结构——决策、资源分配和监督框架——基本上指导研究和创新政策的方向和有效性(R&I),无论是通过中央集权的国家机构、分散的体制自治、公私合作还是国际联合体,社会组织其科学企业的方式对解决问题的影响,发现如何转化为现实世界的解决办法,以及系统如何迅速适应新出现的挑战。理解这些动态对于决策者、研究领导人和教育者来说至关重要,他们的目标是创造一个既促进高影响科学又促进包容性创新的环境。

在以下各节中,我们解析主要治理模式,审查这些模式对资源分配和确定优先事项的影响,权衡各自的优势和陷阱,并探讨正在改变治理格局的新趋势。 我们的目标是通过具体实例和最近的政策发展来奠定分析的基础,为评估和设计能够加速科学进步、同时满足社会需要的治理结构提供一个切实可行的框架。

科学研究治理结构的类型

治理模式在各国和各领域之间差异很大,但大多属于四大类。 每一种模式都对研究的供资、管理和评估具有不同的影响。

中央集权治理

在集中的模式中,单一的国家机构——例如美国的国家科学基金会 或中国的国家自然科学基金会——确定首要优先事项,分配大部分公共研究与amp;D资金,并协调跨机构的政策。 但是,中央管理也可能造成瓶颈,因为筹资决定可能政治化或缓慢应对自下而上的创新。

分散治理

分散化的系统在多个机构、大学或区域机构之间分配权力。德国的[马克斯·普朗克学会[及其国家资助的赫尔姆霍尔茨协会[]就是这一模式的例证:各研究所在研究议程上享有很大的自主权,联邦政府则提供核心资金。同样,在美国,国家卫生研究所、能源部[DOE]和[国家航空航天局,每个研究所都有独立的任务和同行审查程序。权力下放鼓励研究专题的多样性,促进竞争,允许利用新的筹资机制进行快速实验,例如NIH的“R01”,给予支持调查员发起的项目。 下层是可能的分裂:重复努力、不一致的标准、协调大规模举措。

公私伙伴关系(公私伙伴关系)

公私伙伴关系将政府机构、私营公司、有时还包括学术机构聚集在一起,共同分担风险和资源,以追求具体的创新成果。 美国生物医学高级研究与开发管理局(BARDA) 及其欧洲对应机构创新医药倡议[IMI]是典型的例子。 这些伙伴关系通过利用工业专门知识和市场激励手段加快研究的商业化。 公私伙伴关系在快速跟踪COVID-19疫苗和治疗方法方面一直至关重要。 但是,它们也可以将利润驱动的项目置于公益品之上,造成知识产权冲突,并减少透明度。 平衡公共问责制和私人灵活性仍然是一项持续存在的治理挑战。

国际企业集团

为应对超越国界的全球挑战——气候变化、流行病、空间探索——国家日益形成国际研究联合体。欧洲联盟的地平线欧洲方案,预算为955亿欧元(2021-2027年),是最大的多国研究与ampI框架,为成员国和联系国之间的合作项目提供资金。其他显著的例子包括国际空间站、人类基因组项目和政府间气候变化问题小组。 国际治理促进资源汇集、知识交流和标准化协议。 但是,它容易受到地缘政治紧张、贡献水平不平衡和复杂的行政程序的影响,从而会减缓决策。

治理如何塑造科学研究和创新

治理模式的选择直接影响到研发和amp;I政策的三个关键方面:资源分配、确定优先事项和政策适应性。 每个方面都对科学成果的质量、速度和社会相关性产生连带影响。

资源分配:效率与敏捷性

中央集权体系往往实现跨区域或学科的统一资金分配,从而可以防止“创新沙漠 ” 。 比如,中国的国家关键研究与amp;D方案[为符合国家五年计划的项目拨款,确保全面覆盖战略领域。 然而,这种自上而下的拨款可能忽略了缺乏机构主导者的高风险、高回报性的想法。 相反,像NIH的研究所专用预算系统这样的分散模式允许各机构应对新出现的科学机会(例如,在疫情期间迅速启动 快速加速诊断(RADx) 倡议 。 权衡的办法是,分散拨款如果缺乏明确的宣传基础,会导致不同领域间资金的不平等,基础研究可能资金不足。

公共-私营伙伴关系将市场力量引入资源分配,将资金输送到具有商业潜力的项目。 例如,BARDA的“下Gen项目” 通过与制药公司共同出资,为下一代疫苗投资数十亿。 与此同时,国际财团汇集来自多国的资源,解决任何国家都买不起的巨型项目 — — 如平方千米阵列(SKA)射电望远镜。 挑战在于确保这些投资的利益得到公平分配,特别是在合作伙伴的经济能力大不相同的情况下。

确定优先事项:国家利益与全球货物

治理结构决定了谁可以决定哪些研究值得进行。 在集中体系中,国家政府往往优先考虑那些符合地缘政治或经济目标的领域。 美国[《CHIPS和科学法》(2022)将527亿美元注入半导体研究和制造,以加强国内技术主权。 同样,欧盟的《欧洲视野》[将其资金集中在“全球挑战和欧洲工业竞争力 ” 上, 这种自上而下的优先事项设定可以在目标领域产生快速进展,但可能将基础研究或缺乏政治紧迫性的问题(例如被忽视的热带疾病)放在一边。

分散式系统将重点设定在多个行为者之间,增加了特殊性、好奇心驱动的研究获得支持的可能性。 NIH的同行评审系统尽管存在缺陷,却在分子生物学和行为科学等不同领域实现了突破。 相反,国际财团迫使参与者谈判共同的优先重点,这往往导致关注全球公益物 — — 气候模型、流行病监测、基本物理。 IPCC的科学评估进程,尽管在政治上是值得关注的,但揭示了国际治理如何将气候科学提升为全球优先事项。 然而,缺乏中央权威也会导致“优先转移 ” , 而没有人负责保持战略重点。

政策适应性:应对危机的速度

COVID-19大流行揭示了治理结构如何快速调整政策方面的明显差异。 具有强大行政授权的中央系统,如中国科技部[],能够迅速重新确定资金用途,并将实验室转向冕病毒研究。 同样,美国政府的[Warp Speed行动[ — — 一个混合式的集中/购买力平价模式 — — 通过监管繁文缛节来加速疫苗发展。 相反,像欧盟委员会最初的反应那样,更加分散或协商一致驱动的系统,努力协调成员国不同的优先事项和供资机制,导致统一行动放缓。

国际财团由于需要多边协议而面临固有的灵活性挑战。 世界卫生组织(卫生组织)的流行病研究与amp;D蓝图()虽然有效地确定了研究重点,但受到资金短缺和政治分歧的阻碍。 尽管如此,国际框架一旦建立,就能够提供持续的协调 — — 这一点从全球疫苗和免疫联盟(GAVI)中可以看出,该联盟(GAVI) 中就一直保持着长期的疫苗开发管道。 教训是治理结构必须平衡稳定,同时具有内在的灵活性,以应对突发事件,例如通过包括快速反应筹资机制或紧急审查程序。

优点和挑战:比较观点

没有一个治理模式本质上是优越的;每个模式都提供了独特的优势,并面临必须结合具体情况加以权衡的具体挑战。 下面我们详细介绍最初的概述,并举出具体的例子和最近的证据。

中央集权治理

优点:战略一致性,将资源集中用于大规模挑战的能力(例如欧洲的人脑项目),以及明确的问责线. 新加坡等国家,拥有国家研究基金会[,在短时间内,利用集中规划建设世界级的研究生态系统.

挑战:政治干预、压制不同科学观点以及倾向于既定领域而不是破坏性创新的趋势的风险。 联合王国的研究卓越框架[被批评为激励安全、渐进的研究而不是大胆的新方向。 此外,中央集权机构可能成为官僚主义、减缓赠款过程和威慑早期研究者。

分散治理

优点:促进学术自由,体制竞争,以及方法的多样性. 美国系统拥有多个赠款机构和大学研究中心,产生了显著的科研成果宽度. 权力下放还支持区域创新集群,如波士顿-剑桥生物技术枢纽,当地治理可以使投资量身定制.

问题: 分散可能导致重复、质量标准不一致和难以扩大有希望的结论。 例如,美国缺乏统一的国家数据战略阻碍了研究数据共享标准化的努力。 分散化系统还可能加剧不平等,因为较富裕的机构吸引了不成比例的资金,留下了较小的学院和大学。

公私伙伴关系

优点:加快将基础研究转化为产品,带动私营部门的效率,并吸引更多的投资. Bill & amp; Melinda Gates基金会[成功地利用了购买力平价为被忽视的疾病研究提供资金. 购买力平价在制药和可再生能源部门特别有效.

挑战:潜在的利益冲突、缺乏透明度以及关注盈利市场而不是公共卫生需求。 COVID-19疫苗定价争议凸显了公共资金与私人利润之间的紧张关系。 此外,公私伙伴关系还会产生“锁定”效应,政府支持使行业负责人所支持的技术长期存在,而不是潜在的优越替代品。

国际企业集团

优点: 能够应对需要全球合作的重大挑战,例如ITER核聚变反应堆、大型哈德伦对撞机[和地球观测卫星网络,它们促进发展中国家的知识交流、能力建设和标准的统一。

挑战: 地缘政治紧张会破坏合作,这从中国研究人员被排除在美国主导的一些倡议之外可以看出。 由于共识要求,决策可能缓慢,如果成员国在选举后改变优先事项,供资承诺可能不稳定。 人类基因组项目之所以成功,部分是因为强有力的领导力和明确的里程碑;重点不突出的财团可能会萎缩。

新出现的趋势 重新塑造研究与amp;I 治理

研究治理的格局正在快速演变,其动力是技术变革、社会需求以及应对系统性风险的迫切性。 特别是三个趋势要求新的治理模式:开放科学、人工智能(AI)治理和公民科学。 开放的治理是全球最关键的趋势。

开放科学和数据治理

向开放获取的出版、开放数据和可复制的研究方向迈进,对依赖专有知识和付费期刊的传统治理结构提出了挑战。美国的国家科学技术委员会[等中央机构发布了联邦数据政策,但实施仍然支离破碎。分散化的方法,如社区主导的数据储存库(e.g.Dryad或[Zenodo],提供了灵活性但风险不一致。

人为情报管理促进研究

AI工具的指数增长,特别是大型语言模型,为科学研究提出了新的治理挑战。 供资机构应如何审查使用AI来产生假说或撰写手稿的建议?AI驱动的发现的道德界限是什么? 欧洲联盟2024年通过的AI法案将医疗和研究等领域的高风险AI系统分类,要求透明和人的监督。 集中治理可能需要制定基线安全和公平标准,但过度监管可能扼杀创新。一些研究机构,如[ MIT[F:3], 已经建立了AI内部道德委员会-一种分散化的方法。最有效的治理可能涉及一种组合:高风险应用的国家框架、常规用途的体制自律,以及关于共同原则的国际协定(例如经合组织关于AI的原则。

公民科学和参与性治理

研究治理日益民主化,通过公民科学倡议,让公众参与数据收集、分析,甚至确定优先次序。 平台如[Zooniverse,以及诸如圣诞鸟计数[等项目,依赖志愿者的贡献。公民科学治理模式必须平衡科学的严谨性,并确保贡献得到承认和道德使用。欧洲公民科学协会[已经制定了[“公民科学十项原则”以指导最佳做法。一些研究理事会,如联合王国的 工程和物理科学研究理事会[EPSRC],现在要求在赠款应用中制定公众参与计划。这一趋势挑战传统的自上而下行治理,要求资助者调整其评价标准以评价参与性方法。

评价治理效力:关键衡量尺度和框架

为了比较治理结构的影响,决策者和分析人员需要超出简单供资水平或出版物计算值的强健评价指标。

  • 科学输出质量和影响:实地规范化引用影响,复制率,以及资助的研究课题的多样性.
  • 创新翻译[:专利,附带公司,以及从发现到临床或商业应用的时间. Bayh-Dole Act [在美国是一个成功地推动大学技术转让的治理机制.
  • 应对危机[:紧急情况下政策适应的速度,按时间衡量,以资助研究或批准新的临床试验.
  • 公平和包容性[:资金在机构类型、地理区域和人口群体之间的分配。 国家科学基金会的INCLUDES[倡议旨在扩大参与。
  • 公众信任和合法性:关于公众对研究机构的信心和通过税收资助科学的意愿的调查。Wellcomme Global Monitor跟踪这些趋势。

国际比较,如经合组织的《科学、技术和创新展望》 所发表的比较,提供了宝贵的基准。 但是,衡量标准应当谨慎使用:过分强调指标可能导致错误的激励,如发表低质量的文件来实现数量目标。

结论:平衡控制和灵活性

随着科学挑战的复杂性的不断增长 — — 从气候变化到流行病到安全AI — — 支持研究和创新的治理结构必须不断发展。 集中式模式提供一致性和战略方向,特别是大规模的国家使命,而分散式系统则促进多样性和自下而上的创造力。 公私伙伴关系加速翻译,但需要谨慎的保障,国际联合体则以灵活为代价促成全球合作。

最有效的治理不是一刀切的蓝图,而是动态的平衡行动。各国和各组织应设计其研发和amp;I治理,使之]更深层次。 治理是一个集中的核心,用于确定广泛的优先事项和筹资基础设施,分散机制,用于调查员推动的项目和快速反应举措,并与公共部门-私营部门和国际伙伴关系结合,以实现具体目标。 关键是,治理必须包含反馈循环,以便通过试点方案、视野扫描和包容性利害关系方的参与,不断学习和适应。

最终,治理的目标不是控制科学而是使之得以实现。 通过了解不同结构的影响,我们可以设计出培育繁荣的研究生态系统、加速创新以造福公众、为未来迎接无法预料的挑战做好准备的政策。 治理模式的选择是社会能够为其科学未来做出的最重大决定之一。

外部链接,供进一步阅读:[
] ]] 国家科学基金会 ——集中治理实例。
霍里松欧洲——欧盟框架方案,一个领先的国际研究治理模式。
经合组织科学、技术和创新展望[]——比较数据和政策分析。
] 性质:`研究和创新的治理:一个比较框架 ' ——关于治理模式的学术观点。
卫生组织研究与amp;D蓝图——流行病研究的国际治理实例。