長江學者特聘教授成長路徑研究

楊得前　姜群

摘要：以1999-2016年1971名長江學者特聘教授為研究對象分析其分布及成長路徑，從學科分布上可看出，長江學者在學科的分布上存在集中趨勢，主要分布在工學和理學兩個學科上，共約占總人數的71%；不同學科長江學者在年齡上存在較大差異；赫芬達爾指數表明長江學者在依托單位的分布上呈高度集中趨勢。進一步的實證分析發現擁有國際化教育背景、本碩博直讀型培養方式、分學科分類別交叉型教育模式有利于加速拔尖人才的形成。在此基礎上，從人才的培養方式、培養渠道、培養機制三方面對拔尖人才的培養提出了政策建議。

關鍵詞：長江學者；成長路徑；多元回歸分析

一、引言與文獻回顧

科學技術創新是促進國家經濟社會發展的重要手段，國家間科學技術的競爭本質上是人才的競爭，尤其是拔尖人才的競爭。拔尖人才是一個國家基礎研究發展的主力軍、智囊團。為促進拔尖人才脫穎而出，我國政府自上世紀90年代起實施了包括“長江學者獎勵計劃”在內的一系列高端人才支持政策。長期、深厚的學術研究積累是成為拔尖人才的必經之路。高端人才的成長是否有規律可尋，如何能在較短的時間內培養出國家戰略性人才，哪些因素對于拔尖人才的成長具有重要影響，其作用機理如何，這一系列問題的回答不僅具有重要的科學意義，而且對相關政策的制定具有重要的指導意義。

國外學者將拔尖人才的培養模式分為漸進式和突破式。Piage（1972）認為個人的稟賦在胚胎時期已經形成，后天培養只是為了讓天賦得到最大限度的利用。[1]Erikson（1988）提出“八階段理論”，分別為嬰兒期、兒童期、學齡初期、學齡期、青春期、成年早期、成年期和老年期，每一個階段都建立在前一個階段的基礎之上，而人才學習能力的培養主要集中在年輕時期。[2]Ziegler（2005）也認為人才的形成并不是個體天資擁有的特性，而是在后天的培養中漸進形成。他通過“資優行動模型”來驗證個體的發展與生長環境、個人行為、行動目標等因素高度相關，各要素間的摩擦互動逐步促成拔尖人才的形成。除了對拔尖人才培養模式的歸納外，學者同時對不同領域的拔尖人才成長的影響因素進行了分析。[3]Hazley和Kiewra（2013）通過與美國心理學協會4位頂尖學者進行對話訪談的形式歸納他們的成才規律：不將目標集中在發表文章的數量上，而注重學者間的交流、有價值問題的發現、開發創新突破性思維、設計可行的研究、順應社會的研究方向。[4]Ronthenberg（2005）搜集了1901-2003年化學、物理、生物、醫學四大領域的435名諾貝爾獎獲得者的家庭背景信息，通過研究家庭因素和基因對拔尖人才的影響，發現以上研究領域諾貝爾獎獲得者的個人能力并非直接來自家庭遺傳基因，而更多的受到早期因素的影響。[5]國內學者研究領域主要集中在拔尖人才的成長經歷、影響因素等方面。陳曉劍（2011）以“973計劃”項目首席科學家為研究對象，分析得出良好的教育連貫性、碩博貫通式培養模式有利于拔尖人才的形成。[6]李曉軒（2004）通過對1901-1972年92位諾貝爾獎獲得者成才經歷分析，提出“優勢積累”（師從名師、具有留學經歷、處于研究機構）是成功的關鍵性因素。[7]徐飛（2010）在樣本選擇上除諾貝爾獎獲得者外，加入了1995-2005年中國科學院院士，分析發現樣本中拔尖人才的行政任職與科研創新之間呈現負相關性。[8]楊曉明（2010）選取中美各9所頂尖大學，通過對2006-2009年的高校發表SCI論文數量和被引次數進行對比分析，發現我國頂尖高校原創性基礎研究成果較為缺乏，需加快相關領域人才的培養。[9]余廣源、范子英（2017）以國內“985”高校和“211”財經類高校經濟學科882位全職“海歸”教師為樣本，通過個人信息與發表的國際權威SSCI期刊數量配比，實證結果證明，博士畢業所在學校的排名對“海歸”教師發文數量具有正向影響。[10]

已有文獻分析了高端人才成長的影響因素，但對不同影響因素的量化分析有待進一步深入。鑒于此，本文以生命歷程理論為理論基礎，選擇1999-2016年我國長江學者特聘教授為研究對象，從學科的分布、教育的連貫性、培養單位的差異性、受教育單位多元復合型等角度出發，最終選取1971個有效樣本，采用量化方法分析了不同因素對高端人才成長的量化影響，并在此基礎上，為高端人才的培養提供了前瞻性的政策建議。

余下部分的結構安排如下：第二部分是長江學者特聘教授的基本情況分析；第三部分是影響長江學者特聘教授成長因素的量化分析；第四部分提出了加速高端人才成長的政策建議。

二、長江學者特聘教授的基本情況分析

本文以教育部頒布的1999-2016年長江學者特聘教授名單為基準，數據采集主要委托青塔科技有限公司進行①，以CV履歷的構成要素為主要搜集對象，并配合高校官網、高等教育資訊網、會計人才數據網、專業數據庫及個人網站、發送郵件等若干途徑獲取1999-2016年長江學者特聘教授的基本信息，而后對個人成長背景進行研究分析，統計包括性別、年齡、學習經歷、工作時間、工作單位、所屬學科類型、留學狀況、成才時間等數據集，總體樣本2150人，排除信息缺失樣本②，共獲得1971個有效樣本，約占總樣本的92%。基本情況如下。

從年齡③分布上看，我國1999-2016年長江學者最小年齡為30歲，最大年齡為57歲，平均年齡約為44歲，主要獲資助者集中在41-45歲的年齡段（43.99%）。56歲以上年齡段長江學者獲得者僅占比2.38%，屬大器晚成型。早期成才型（30-35歲）占比也相對較少，占4.14%，說明我國拔尖人才隊伍開始出現年輕化勢頭。但是大多數學者獲批長江學者特聘教授處于41-50歲年齡段，這從一個側面說明高端人才的成長需要一個漫長的過程。

從學科分布上可看出，長江學者在學科的分布上存在集中趨勢，主要分布在工學和理學兩個學科上，共約占總人數的71%，且大部分集中在41-45歲的年齡段（占48%）；其中藝術學學科僅有5人，除醫學外，其他學科占比均小于4%。文學、歷史學長江學者平均年齡為52歲，而理學、工學、農學學科的長江學者平均年齡在43歲左右，不同學科長江學者在年齡上存在較大差異，見表1。

從受教育單位差異性的角度分析，在表1的基礎上進一步對樣本數據進行分學科分層次整理。正如表2顯示，在受教育單位的分布上，“985工程”院校總體占比最高，本科階段99.64%的長江學者所受教育均在國內完成，其中56.57%在“985工程”院校完成學習；到碩士學習階段，經濟學、理學、工學部分學者選擇到海外教育機構學習，其他學科學者就讀于國內高校或研究所；到博士學習階段，雖然科研所在長江學者受教育背景的地位逐步提高，但發生更顯著變化的是其他教育機構（指國外教育機構及研究所）的份額，從本科僅占比0.05%上升到26.59%，此階段畢業于一般院校的學者僅占7.66%。在分學科研究上，醫學、文學、農學、法學四學科在國內高校成才的人數相對較多，接受國際教育比例僅占3.81%；而經濟學、理學、工學、醫學在國外受教育成才人數相對較多，這些學科在國外擁有相對先進的科研技術，而國內的相關領域研究有待加強。

從性別和教育背景上看，女性在基礎研究領域處于缺位狀態，僅6.34%的長江學者為女性，其數量和比例增長較緩慢，且主要集中在理工科領域（75.2%）。克萊曼（2009）認為女性在科學技術職業生涯中的比例隨著她們在這種生涯的階梯上的攀登而下降[11]。在教育背景上，27.9%的長江學者在獲得博士學位前擁有國際化教育經歷，余下的72.1%所受教育來自于國內。

從依托單位上看，1999-2016年獲得“長江學者獎勵計劃”資助的2150人的依托單位共分布在195所高校及研究所中，表3將獲得資助者最多的11個依托單位依次列示。從匯總的結果看，這10所高校在1999-2016年共有881人獲得資助，占總人數的40.98%。分年度統計上，這11所高校雖然排名有所不同，但占總人數的比例較穩定。獲得“長江學者獎勵計劃”資助人數的多寡間接代表了一個學校的科研實力水平。圖1計算了1999-2016年長江學者依托單位赫芬達爾指數④變化情況，該指數越大表示長江學者依托單位越不均衡，具體表現為長江學者獲得者普遍集中在一部分高校內。1999年赫芬達爾指數高達0.52，隨后該指數有下降趨勢，到2012年達到最低值0.1，但之后該指數繼續攀升，即意味著這種集中的趨勢雖有所緩解，更多的高校或者科研所獲得了該獎項的資助，但是總體上仍呈高度集中趨勢。

從工作單位看，長江學者中有1558人處于北京、上海、江蘇、湖北、陜西、四川、浙江七個省份（見圖2），占總人數的72.42%，而在以上七個地區中，“985工程”與“211工程”院校占83.12%。其中，北京擁有長江學者636人，約占總人數的30%，這與北京是高校聚集地和頂尖級科研所駐扎地是分不開的，而長江學者的科研成果對其他科研人員也能夠帶來正向的溢出效應。可見，長江學者處于上述地區可以獲得更多的資源，享受區域科技發展帶來的便捷，地區因素與資源稟賦為高端人才的成長提供了有利條件。

三、影響因素分析

（一）數據處理與模型設定

1.數據處理

根據教育部官網信息及青塔數據的提供，本文在1999-2016年獲批長江學者特聘教授名單的基礎上，經過進一步數據整理，排除信息缺失，選取從本科入校伊始，獲得博士學位并取得長江學者特聘教授為終的完整教育背景為研究對象，最終獲得1971個有效樣本數據。

2.研究變量描述與模型設定

借鑒以往關于人才成長路徑的規律的文獻，本文最終選擇的解釋變量包括性別、是否出國留學、受教育單位多元復合性、受教育連貫性、學科屬性、任職單位地域和所處平臺性質。

成才周期的確定。學者們在研究人才成長周期的起始點存在不同的看法。陳曉劍（2011）和田起宏（2012）將其定義為博士畢業到獲得資助的時間。本文在樣本數據搜集過程中發現，很多學者在高層次教育上選擇“在職”研究生教育方式，這種教育背后暗示著學者在攻讀碩士、博士學位過程中需要工作和科研雙向進行，即在研究生階段便跨入科研范疇。本文認為本科期間是學習基礎知識、培養科研興趣的重要階段，這期間所學的課程為研究生學習搭建了良好的根基。故本文將成長周期定義為長江學者獲得基金資助的時間與其本科入學時間的差值。

受教育連貫性。受教育的連貫程度指的是在本科、碩士、博士研讀期間是否發生斷檔的情形，一旦參加工作再接受教育會對教育的連貫性產生影響，獲得不同學位間間隔時間越長，連貫性越差。本文將成長路徑類型分為四種：本碩博直讀型，即從本科畢業到獲得博士學歷前未參加工作（包括本科畢業后由于科研創新能力強等原因獲得直接攻讀博士研究生資格者）；本碩連讀型，即碩士畢業時間超過1年以上再進行博士教育學習；碩博連讀型，本科畢業后參加工作1年以上時間而后進行碩博未間斷的學習（包括本科畢業超過1年的時間，因取得重大科研成果等原因，授予直接攻讀博士研究生資格者）；本碩博間斷型，每一次獲得學位后都因參加工作發生間斷。

受教育單位多元復合性。按照受教育單位是否同屬一單位，本文將教育路徑分為本碩博同一型（均國內、均國外），即本碩博均就讀于同一院校；本碩博交叉型（均國內、國內外⑥）即本碩博所就讀的單位至少有兩個屬于同一單位；本碩博混合型（均國內、國內外混合），即本碩博就讀單位無重疊情況發生。關于各個變量的描述以及統計特征參見表4。

在具體的分類上，本文將變量進行不同的分類，來挖掘不同成長路徑對成長周期的影響。第一種分類以受教育連貫性為核心，分別討論本碩博成長階段和碩博成長階段。第二種以受教育單位多元復合性為研究對象，按照樣本是否有出國留學經歷再次分類。

基于以上分析，本文對以下回歸方程進行估計：

Growthper1=β0+β1gendert+β2abroadt+β3consistencyt+β4educationt+β5subjectt+β6placet+β7platformt+μt

其中，被解釋變量為成長周期，本文用growthper表示；gender表示性別，為二分類變量，男性定義為1，女性為0；abroad表示受教育期間是否擁有出國經歷，consistency、education、subject是本文研究的核心變量，分別代表受教育的連貫性、受教育單位多元復合性、學科屬性；place代表學者依托單位所在地域的分類⑦；platform代表依托單位的平臺性質，具體劃分見表4。變量β0-β7為截距及各影響因素對成才周期的影響程度，μ為隨機干擾項，包括了沒有觀測到的個人特征和其他影響成才周期的因素。

表5給出了多元回歸的結果，模型Ⅰ是以成長周期為因變量的全模型，模型Ⅱ、模型Ⅲ是個別變量不同分類的結果。從三個回歸的結果看，性別、所就職單位性質（普通院校、211、985）、單位所在地域（中部、東部、西部）對于成才周期影響程度較弱，其他因素都具有顯著的影響。

從模型Ⅰ中教育連貫性分類上可以看出，相較于本碩博直讀型，選擇本碩博間斷型受教育方式成為長江學者的成才周期平均增加3個單位，其次是本碩連讀型，增加2.4年；最后碩博連續型，成才周期延長約1.5年。相比較之下，本文認為連貫性最佳的本碩博直讀型培養方式為最佳的培養拔尖人才方式，平均每年成才人數約為54人，成才時間為28年。本碩博直讀型相較其他受教育方式，連貫性較強，受教育者可以不受工作的壓力，且保持學習的最佳狀態以最快的速度投入到研究中，同時可以更小程度地受到知識更新度帶來的重新掌握前沿知識時長的影響，在成才時間上占有一定的優勢。值得注意的是，在模型Ⅰ與Ⅲ的對比中，我們發現，僅考慮受教育期間碩士與博士的間斷性，碩博連讀比間斷性受教育方式成才周期要縮短2.1年，總成才時間約為29年。本科教育更多的是基礎知識的掌握、學習方法的塑成及興趣的培養，而碩士與博士教育才是科研人才發展的重要階段，故碩博的連貫性對成才周期影響更加顯著。

從受教育單位多元復合性角度分析，以本碩博混合型作為參照組，本碩博混合型（國內外）和本碩博交叉型（國內外）成才周期均約為26年，成才周期減小程度分別縮短1.5和2.3年，本碩博同一型的成才周期縮短年限較少，僅1.5年。再進一步分類，以是否出國留學為關鍵點，對比模型Ⅰ和Ⅱ，本碩博期間曾出國受教育相較于均在國內培養的學者，成才周期減少1.6年。采訪中的大部分有留學經歷的學者認為，出國留學經歷對于開闊視野、發展國際交流合作項目、學習發達國家的學術前沿知識、擴展思維創新能力具有正向作用，有利于取得科研成果的突破，對于人才的形成具有促進作用。“海歸”學者在國外大多受到系統的科學方法論培訓，更容易將中國制度與國際方法論結合，產出具有創新性的研究成果。

從學科屬性上看，工科和理科的長江學者成才時間要比其他學科學者成才時間少3年到8年。這與長江學者不同學科年齡的評選標準有一定的關聯性。2015年以前，按照學科屬性分類：自然學科、工程技術類人選不超過45周歲，人文社會科學類人選不得超過55周歲。2015年開始進一步分類，考慮到地區間的流動性，將東部地區優秀人才到西部地區應聘特聘教授的年齡放寬2歲。本文按照具體學科進一步分析，以工科作為參照組，哲學、法學、文學、歷史學、藝術學成才周期延長6年以上，經濟學、教育學、管理學成才周期平均增加3.5年以上，理學則要縮短1年年限，具體見圖3。

四、政策建議

1.鼓勵本碩博直讀型培養方式，提高創新能力

教育的連貫性有利于人才質量的提高。本次調查過程中發現，本碩博直讀型受教育方式相較于其他類型在平均成才周期上減少2.3年。良好的教育連貫性有利于拔尖人才創新能力的培養。在調研過程中，很多學者表示間斷型培養方式會帶來知識水平滯后的問題。我國經濟正處于高速發展期，科學技術水平不斷提高，知識迭代更新，本碩博受教育連貫性一旦間斷后再投入研究中，需要花費大量的時間更新所學課程內容，同時受到工作經歷的影響，心態上也需要一定時間的調整。人才所產生的創造性勞動成果是內在思想外化的表現，而內在思想的優化是外在環境影響的作用結果，在人才成長過程中，教育的連貫性是外部的重要影響因素，對于人才質量的提高具有正向效應。

知識是創新的基礎，實踐促進認知的形成。在1971個樣本分析中，近98%的長江學者學習期間研究領域未發生變化，長期的學科知識積累為創新提供了有利的保障。基礎研究產生在大數據中，通過大量實驗性或理論性工作，獲得關于現象和可觀察事實的基本原理。故在拔尖人才的培養過程中需要將實踐與教育有機結合，培養發現事物發展規律、揭示事物本質的能力，不斷探索和發現適應新時代背景下拔尖人才培養的規律和特點，建立有利于人才創新能力培養的制度與模式。

2.多渠道培養拔尖人才，避免“馬太效應”

提高高校教學質量，拓寬拔尖人才成長渠道。本文發現，長江學者的培養單位64.62%來自于“985工程”或“211工程”院校，地區也集中于北京、上海、江蘇、湖北、陜西、四川、浙江等地，不同地區、不同單位擁有長江學者的數量極大。顯而易見的是，一個地區長江學者的增多，代表著當地科學技術水平的提高及該區域經濟與綜合實力的提升，同時，長江學者帶來的是財政資金的支持、社會資源的積累、學校及科研機構聲譽的提升。故在教育結構上，對一般院校應給予更多的政策支持，采取有針對性的激勵措施，鼓勵更多優秀學者到一般院校任職，帶動非“211工程”院校以更快速度發展，避免地區間差距進一步擴大。

多渠道培養方式并存，增加人才的廣度。從長江學者的學科分布上可以看出，我國理學、工學類長江學者占總人數的71%，且成才耗時相對其他科目較短，但其他學科的拔尖人才較少，且男女比例明顯失衡。拔尖人才自然科學領域的不均衡易造成學術壟斷現象，需要通過政策調控減少學科發展不均衡現象。在教育單位的連貫性上，本科、碩士、博士同一單位培養固然會使人才的注意力更加集中，但是環境相對單一，思維模式容易僵化，應鼓勵更多的年輕學者積極參與國際合作與交流，支持高校與科研所聯合培養研究生。

3.建立完善激勵機制，增加人文關懷

良好的學術氛圍有利于拔尖人才的形成。亞當斯密曾提出：“長期學徒制無法將年輕人塑造成勤奮的勞動者……一個計件領酬的熟練工可能是勤勞的，因為他每一次辛勞都能有所收獲……勞動的甜蜜全部在于勞動的回報中。”[12]在對長江學者年齡的統計上，我們發現主要獲獎者集中在46-50歲的年齡段，拔尖人才的成長往往屬于“長期學徒制”，對成才時間的不確定性、未來不明朗性都會使很多人放棄、自我否定，甚至厭倦。目前，我國嚴重缺乏重大的原創性基礎研究成果，而基礎研究需要耗費大量的人力、物力和時間，即使前期投入大量的精力，結果未必取得成效，但總有一部分學者在一些領域取得成功，這些成功促成了新發現，促進了社會的進步。故在拔尖人才的成長過程中需要發揮政策導向和傾斜，提供更大的發展空間，給予學者更多肯定的聲音和動力，制造良好的學術氛圍，減少青年學者在基礎研究過程中焦躁情緒和急功近利的觀念，加強基礎研究拔尖人才隊伍的建設。

注釋：

①全稱杭州青塔科技有限公司，該公司屬于高等教育數據研究的第三方機構，聚焦于高等教育大數據挖掘和研究分析，建設高等教育發展數據平臺，為高校和企業等機構提供數據和分析服務。

②缺失數據包括逝世、信息模糊不全等。

③本文年齡的計算方式為教育部發布長江學者資助者名單年限與出生年份的差額。

④HHI指數，赫芬達爾—赫希曼指數，是一種測量產業集中度的綜合指數。本文用來測算各依托單位分布集中度。

⑤中華人民共和國教育部將2003-2004、2010-2011年度長江學者特聘教授名單分別合并為一批進行公布。

⑥本文數據庫中沒有本碩博都在國外讀書的樣本。

⑦本文地區的劃分標準沿用1986年全國人大六屆四次會議通過的“七五”計劃劃分標準，并經1997年全國人大八屆五次會議更新劃分標準：東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南等11個省（市）；西部地區包括的省級行政區共12個，分別是四川、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西、內蒙古；中部地區有8個省級行政區，分別是山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南。

參考文獻：

[1]J Piaget.Psychology and Epistemology： Towards A Theory of knowledge[M].Harmondsworth， England： Penjuin，1972：47-51.

[2]Joan M Erikson.The Life Cycle Completed （Extended Version）[M].New York：London.1988：55-77.

[3]Ziegler A.The actiotope model of giftedness[G]//Sternberg R G， Davidson.J E （ Eds ）.Conceptions of Giftedness.New York： Cambridge University Press， 2005：411-436.

[4]Hazley Kenneth A.Kiewra.Conversations with Four Highly Productive Educational Psychologists： Patricia Alexander， Richard Mayer， Dale Schunk， and Barry Zimmerman[J].Educational Psychology Review，2013：25（1）：19-45.

[5]Rothenberg A.Family Background and Genius Ⅱ：Nobel Laureates in Science[J].Canadian Journal of Psychiatry，2005，50（14）：918-925.

[6]陳曉劍，李峰，劉天卓.基礎拔尖人才的關鍵成長路徑研究——基于973計劃項目首席科學家的分析[J].科學學研究， 2011，29（1）：44-48.

[7]李曉軒，牛珩，馮俊新.科研拔尖人才的成才規律與啟示[J].科學學研究，2004（3）：273-278.

[8]徐飛，汪士.杰出科學家行政任職對科研創新的影響——以諾貝爾獲獎者與中國科學院院士比較為例[J].科學學研究，2010（7）：981-985.

[9]楊曉明，王兆虹.中美頂尖大學科技產出比較研究[J].比較教育研究，2011，33（1）：14-21.

[10]余廣源，范子英.“海歸”教師與中國經濟學科的“雙一流”建設[J].財政研究，2017，43（6）：52-65.

[11][美]丹尼爾·李·克萊曼.科學技術在社會中[M].北京：商務印書館，2009：178.

[12]亞當·斯密.國富論[M].林爽喆，譯.北京：石油工業出版社，2016：100-101.（責任編輯陳志萍）