基于CTTI數據的中國智庫專家群體畫像研究

李梓萌 吳玉松 蘇丹淳 朱雍 李剛

摘? ?要：專家隊伍質量是影響智庫研究與決策咨詢水平的關鍵因素。文章提取CTTI系統的448個專家字段構建了包含基本屬性、學術研究、社會活動等三個一級標簽，12個二級標簽的智庫專家群體畫像模型。通過數據清洗得到CTTI系統中數據完整的2150位專家樣本，利用集體傳記法、文獻計量分析、社會網絡分析方法歸納出專家群體特征。研究發現，中國智庫專家群體具有學歷、職稱層次高，以中年男性、人文社科博士為主，跨機構兼職現象普遍，合作研究少，決策場景嵌入度較低，輿論影響力低等群體特征。

關鍵詞：智庫專家；CTTI；專家畫像；群體特征；集體傳記

中圖分類號：C932;TP311.13? ?文獻標識碼：Ａ? ?DOI：10.11968/tsyqb.1003-6938.2023065

Portrait of Chinese Think Tank Experts Based on CTTI Data

Abstract The quality of expert is the key factor affecting the level of think tank's research and decision-making consultation. In this paper， 448 fields about experts of CTTI system are extracted to construct a think tank expert group portrait model， which includes 3 first-level labels， such as basic attributes， academic research， social activities， and 12 second-level labels. A sample of 2150 experts with complete data in the CTTI system was obtained through data cleaning， and the characteristics of the experts were summarized by using the methods of collective biography， bibliometric analysis and social network analysis. The research found that the experts of Chinese think tanks have high academic qualifications and professional titles， they are mainly middle-aged men and doctors in humanities and social sciences， they often work part-time across institutions and collaborate less on research. Besides， they are less embedded in the decision-making process， and they don't do well in terms of public opinion influence.

Key Words think tank expert； CTTI； expert portrait； group characteristics; prosopography

智庫專家是決定智庫研究能力、決策咨詢能力和公共干預能力的核心要素，對智庫專家進行畫像可以揭示智庫人才隊伍概況。本文基于“中國智庫索引”（Chinese Think Tank Index，CTTI）專家數據特征，從基本屬性、學術研究、社會活動三個維度構建了智庫專家群體畫像模型并提取畫像標簽體系，以CTTI收錄的部分專家為樣本進行實例驗證，采用人口統計學方法、社會網絡分析法呈現專家的群體特征，對中國智庫專家進行集體傳記并與美國智庫專家進行對比，揭示國內智庫人才建設情況并提供對策建議，以期促進我國智庫更好地發展。

1? ?相關概念與研究理論

1.1? ? 概念界定

1.1.1? ?“智庫”概念界定

從學界目前的定義來看，智庫的概念有廣義、狹義之分。廣義上，所有具備政策咨詢功能的機構都可稱為智庫；狹義上，智庫需兼備學術研究、政策咨詢和實踐（包括引導輿論、社會服務、公共外交等）功能，是“學術”“咨政”“實踐”三位一體［1］的非營利性研究咨詢機構。由于對智庫的收錄標準和統計口徑不一，各機構統計的國內智庫數量和類型差距較大，本文以對智庫機構專家進行精準畫像為研究目標，要盡可能規避“智庫”外延泛化的影響，因此本文采用狹義的智庫概念，對專家數據的搜集限定在狹義的智庫機構范疇內。

1.1.2? ?“智庫專家”的定義與分類

智庫之“智”源于智庫的專家學者、強大高效的研究團隊，這些智庫專家，也被稱為“智庫科研人員”“政策研究專家”，是智庫核心競爭力所在。學界通常認為智庫專家具有影響決策和大眾輿論［2］的功能，是以“生產理念、提供智庫和政策方面的可供選擇方案”［3］為職責的專家學者。本文所指智庫專家，即以戰略問題和公共政策為研究對象，運用專業知識為決策者提供咨詢服務，生產相關智力產品的全職或兼職研究人員。根據《意見》，新型智庫按照組織屬性，大致分為黨政部門智庫、高校智庫、社科院智庫、黨校（行政學院）智庫、軍隊智庫、科研院所智庫、企業智庫、社會智庫八類，因此國內智庫專家可據此分為黨政部門智庫專家、高校智庫專家、社科院智庫專家等八種。

1.2? ? 相關研究理論

1.2.1? ?用戶畫像

用戶畫像是用于勾畫目標用戶行為模式、分析其消費習慣和需求的模型工具，通過海量數據抽取出用戶基本屬性、偏好等多維度信息，將信息標簽化，便于了解跟蹤和分析用戶的需求變化，從而進行精準營銷。用戶畫像的概念最早由艾倫·庫伯（Alan Cooper）提出，他定義其為“基于用戶真實數據的虛擬代表”［4］，后被學者們補充為“由大量數據中獲取的用戶信息所構成的形象集合”［5］。學者們對用戶畫像的構建方法進行了探索，在構建層次上，包括搜集用戶數據、篩選符合業務需求的特定用戶、數學建模、數據可視化［6］等；在畫像維度方面，包括用戶基本信息屬性、行為偏好屬性［7］等；在用戶畫像的應用層面，主要包括用戶消費行為、用戶興趣偏好、用戶人格特性與情緒研究等，主要運用于圖書館、博物館等公共文化機構的用戶服務，電子商務的用戶個性化推薦和社交媒體的網絡輿情監控、治理［8］。

1.2.2? ?專家畫像

專家/學者畫像源于用戶畫像，旨在從海量數據中挖掘信息以勾勒特定專家/學者的全貌。當前有關專家畫像的研究主要集中于畫像構建方法以及應用研究，從研究成果來看，專家畫像主要為以機器學習模型從數據庫中抽取專家信息、構建畫像模型和標簽體系并進行可視化呈現［9］，專家畫像模型標簽和分析維度主要包括專家基本信息、研究興趣、專業能力、科研網絡這幾類，畫像成果應用于專家遴選、專家推薦等場景［10］。專家群體畫像則旨在通過建模分析專家大數據以刻畫專家群體特征，是一種量化的集體傳記方法和全面評估方法，通過對一組專家的各項數據進行收集分析，獲取專家群體的整體特征和行為模式。

1.2.3? ?集體傳記法

集體傳記法是針對某一特定群體的傳記信息進行系統研究的方法，通過對研究對象的資料數據的獲取和統計，獲得其生平、家庭情況、居住地、社會地位、教育背景等信息，并運用共性特征揭示某些歷史和社會問題。集體傳記法被廣泛運用于歷史學現當代史研究領域，希爾德·德瑞德·西蒙斯（H．Deridder－Symoens）認為集體傳記法應描繪研究對象外在的共同特征，包括研究職業、社會地位、地理位置等［11］；保羅·斯特奇斯（Paul Sturges）則認為，不管是基于何種研究目的，任何采集特定人群的信息并進行系統分析的研究方式，都可以稱為集體傳記法［12］。雖然學者對其定義不同，且分為“精英學派”和“大眾學派”，但集體傳記法運用的共通之處是搜集群體的人口統計學數據并進行研究。

2022年，劉曼等首次將專家群體畫像和集體傳記的方法引入智庫研究領域，對美國蘭德公司的專家進行了畫像研究［13］，提出了智庫專家研究的新思路。CTTI實現了對來源智庫學術、咨政、實踐成果的數據采集，現已收錄機構989家，專家21579人，在狹義智庫機構范疇下，其數據體量具有唯一性和一定的代表性，因此對CTTI來源智庫專家進行群體畫像可以揭示我國智庫專家整體狀況。基于CTTI關于智庫專家的字段體系和導出的數據類型構建智庫專家的群體畫像模型和標簽體系，從基本信息、研究、活動等維度對智庫專家進行集體傳記，第一次以大樣本真實數據揭示了我國智庫專家群體的結構與特征，彌補了有關研究的不足。

2? ?基于CTTI數據的畫像模型構建

2.1? ? 研究思路

參照專家畫像構建方法，首先從CTTI系統采集數據，獲得智庫專家的個人履歷信息、研究成果、活動信息和媒體報道數據，并從知網補充采集部分專家成果信息，對數據進行預處理后形成智庫專家信息庫，基于信息庫構建智庫專家畫像模型并提取標簽，最后以CTTI部分來源智庫專家數據為樣例，將專家群體畫像進行可視化呈現，并基于畫像結果對國內智庫專家進行特征分析（研究思路見圖1）。

2.2? ? 數據采集

首先基于CTTI系統導出專家數據。CTTI后臺管理模塊中有“專家排行”“專家數據統計”與“專家信息管理”三個與專家相關的類目，可從橫向和縱向雙路徑導出機構、專家、項目、成果、活動等類目的數據。然后通過爬蟲工具從知網采集補充了部分專家論文數據。

獲取到的數據可分為基本屬性數據、學術研究數據、社會活動數據三類。基本屬性數據包括專家的姓名、性別、教育背景、年齡、機構、國籍以及獲獎情況等個人信息；學術研究數據包括專家的研究領域、成果影響力和科研合作網絡，其中成果影響力為遞送內參產生的決策影響力與發表論文產生的理論影響力，科研合作網絡則通過分析合著的專家數據得到；社會活動數據指專家開展交流活動以及被媒體報道產生的數據，其中交流活動包括會議、考察（調研）、培訓、接待來訪數據，輿論影響數據包括報紙、電視與網絡新聞報道的數據。采集的初始數據存在數據不完整、同名異義等問題，需要對數據進行預處理，將某些字段使用系統默認值的數據進行刪除，對于同名異義的問題，通過專家所屬機構判斷其唯一性，將專家數據轉化為構建專家畫像的可用形式。

2.3? ? 畫像模型與標簽體系構建

2.3.1? ?畫像模型構建

用戶畫像通常是從用戶基本信息、用戶習慣等維度進行刻畫，其中，基本屬性一般包括性別、年齡、國籍、教育背景等；用戶習慣可以通過興趣愛好、交互行為等分析。專家畫像則一般從基本信息、研究興趣、研究成果和科研合作維度進行構建。智庫專家不同于其他用戶，其特殊性在于“知”“行”合一，“知”是形成學術研究成果，“行”是通過媒體渠道、會議活動等輔助決策者制定政策、引導公眾輿論，從研究現狀來看，常見的用戶畫像、專家畫像維度無法滿足智庫專家群體畫像的研究需要。

CTTI系統的字段體系為構建智庫專家的畫像模型提供了參考。目前CTTI系統共有448個與專家相關的字段，主要包括“基本信息”“成果信息”“活動信息”“媒體報道信息”四大類目。其中“基本信息”欄目包括專家姓名、所屬機構、職稱、學歷/學位、所在學科、研究領域、榮譽等字段；“成果信息”欄目包括專家期刊（數量、收錄情況）、內參（報送數量、批示數量、批示級別）、論文（發表總量、類別）、圖書（出版總量、類別）等字段；“活動信息”包括專家考察/調研活動、會議、講學/培訓的數量、級別等字段；“媒體報道信息”包括專家報紙報道、電視/電臺報道、網絡報道的數量和媒體級別等字段，供專家手動上傳和填寫，全方位搭建了智庫專家的元數據體系，包含了構建智庫專家群體畫像的基本要素。

本文基于從CTTI導出的專家數據類型，參考CTTI專家字段體系構建適用于智庫專家的群體畫像模型（見圖2）。該模型主要包括基本屬性、學術研究、社會活動三大維度，其中，基本屬性維度包括專家姓名、性別、教育背景、年齡、所屬機構、國籍以及獲獎情況，學術研究維度包括專家研究方向、產出成果的決策影響力與理論影響力、科研合作情況，社會活動維度包括專家交流活動以及輿論影響能力。

2.3.2? ?畫像標簽體系

專家標簽構造是基于特定數據源采集專家多類別數據，依據不同數據的特征抽取出關鍵詞并進行準確標識，畫像標簽應具備“標準化”“短文本化”“專一性”［14］等特征。根據CTTI導出的專家數據特征將智庫專家畫像的標簽分為基本屬性標簽、學術研究標簽、社會活動標簽三類。

（1）基本屬性標簽提取。智庫專家基本信息包括姓名、性別、國籍、年齡、所屬機構、教育背景、獲獎情況；教育背景包括學歷、學科、海外留學經歷，構成智庫專家的基本信息。

（2）學術研究標簽提取。選用研究方向、成果影響力、研究合作三項作為專家學術研究標簽：研究方向即專家學者的研究興趣，以CTTI系統中專家填寫的“研究領域”為標簽數據。成果影響力是評價專家研究貢獻、研究質量、研究影響力的重要指標，對于智庫專家而言，往往兼具“提供決策支撐”和“理論創新”兩類研究需求，因此將“研究成果影響力”劃分為理論影響力和決策影響力兩項指標，在理論影響力層面采用喬治·赫希（Jorge E．Hirsch）提出的“h指數”以及埃格黑（L.Egghe）提出的“g指數”［15］來反映專家的學術產出水平和質量；在決策影響力層面根據CTTI推出的MRPAI智庫測評指標“P”（智庫成果）類指標下有關內參報告的計分規則對智庫專家服務決策制定的能力進行核算，以此反映智庫專家決策支撐水平。科研合作是通過專家之間合寫論著、互相引證形成的科研社交網絡，即智庫專家的科研合作關系，本文以共同署名論文的專家群體為標簽數據。

（3）社會活動標簽提取。選用智庫專家的交流活動和輿論影響作為社會活動標簽，以反映專家的社會活動頻繁度、偏好以及專家的輿論影響能力。專家交流活動即專家參與的社會活動，以專家參與會議、培訓、調研考察、接待來訪四類活動的數量為標簽數據；輿論影響即智庫專家被媒體報道產生的社會影響，其中“媒體曝光度”以報紙、電視傳統媒體和網絡新媒體對專家進行報道的數量為標簽數據，“輿論熱點”以媒體對專家報道的標題高頻詞為標簽數據，來展現專家對公眾輿論的影響能力和專家的輿論標簽、倡議傾向。

2.4? ? 畫像可視化和分析方法

畫像可視化是將不同種類專家畫像標簽下大量數值性和多維性的數據用統計圖表、詞云圖等形式呈現出來，經過分類、排序和聚合等處理后使其能夠直觀清晰地展現智庫專家的各類屬性，通過人口統計學和社會網絡分析方法分析專家的群體特征。

3? ?實例驗證

3.1? ? 數據采集與預處理

本文基于CTTI系統導出專家數據，并通過知網進行補充，搜集時間為2023年3月1日。對信息殘缺、數據無效的人員進行剔除，以在基本屬性、研究成果、活動三個類目都具備有效數據為標準進行篩選，最終得到2150位專家作為研究樣本。經統計，2150位專家來自568家智庫機構，對其來源智庫在類型上的分布比例計算統計（見表1）發現，此比例與馬雪雯和李剛統計出的全國省級重點高端智庫類型的平均百分比①較為一致［16］，可知樣本專家具有類型上的代表性。對樣本專家數據進行清洗后可以形成結構化數據表格（基本數據樣例見表2）。最終共收集得到專家論文總數36033篇，單篇內參9464篇，媒體報道6297篇，活動數據11180條。由于研究成果數據、活動數據、媒體報道涉及多種內容格式，本文預先將可量化數據轉化成文本類型和數值類型（部分樣例數據見表3、表4、表5）。

3.2? ? 標簽體系構建

（1）基本屬性標簽。從CTTI導出的數據經過預處理形成結構化形式，專家姓名、性別、國籍、教育背景等可直接作為標簽。

（2）學術研究標簽。CTTI系統設置了包含科技政策、外交戰略方針、環境政策、基層社會治理、區域經濟一體化等內容的“專家研究領域”字段，各專家可關聯多個研究領域，經預處理后可作為“研究方向”標簽；利用八爪魚軟件在知網補充搜集專家論文總數和被引次數，并計算H指數和G指數作為其“理論影響力”標簽；以CTTI后臺導出的專家內參總數、被批示數量和層級為依據，根據MRPAI智庫測評指標下的“P”類指標核算“決策影響力”；以2020年至2023年三年內專家合著論文數據作為“科研合作”標簽，依據普萊斯定律計算高產作者發文量［18］：

由式（1）計算結果為10.8篇，共計123人達到標準，選用2020年-2023年高產作者發表的3218篇論文的合著信息作為科研社交網絡分析對象。

（3）社會活動標簽。采集的專家活動數據經預處理后，專家會議、考察（調研）、培訓、接受來訪的數量為“交流活動”標簽；專家登上報紙新聞、電視新聞、網絡新聞的數量為“媒體曝光度”標簽，專家的媒體報道標題高頻詞為“輿論熱點”標簽。

3.3? ? 畫像可視化與結果呈現

3.3.1? ?基本屬性

（1）年齡與性別分布。CTTI來源智庫專家的年齡接近正態分布，其中，50歲-60歲的專家人數最多，共有687位，占比33%；其次是40歲-50歲的專家，共有635位，占比31%；60歲-70歲、30歲-40歲的專家也有一定數量，分別占18%和15%；30歲以下的青年專家和70歲以上的老年專家占比極少，相加起來僅占3%。專家中男性共1357人，占70%以上。

（2）學科與學歷分布。智庫專家的學科背景集中在法學、經濟學、管理學，分別占比26.02%、23.7%和21.54%；其次是文學、哲學、教育學和歷史學，三者基本都在4%-6%之間，其他學科人數極少。因此智庫專家的學科背景中以人文社會科學為主，理工類學科較少（學科分布情況見圖3）。同時，從獲得的學位分布情況看，專家中絕大多數為博士學歷，博士以下的其他學歷專家僅占其中一小部分（見圖4）。

（3）獲獎情況。共有1657位智庫專家未獲獎，余下493位獲獎專家中有346位獎項授予機構的級別不明，剩余147位專家中獲得省部級榮譽的人數最多，共有81位，占比55%，獲得高校級、國家級、市廳級、協會/學會榮譽的專家人數差別不大，依次為18位、17位、16位和14位，占比均接近總數的10%，獲得國際級榮譽的專家最少，僅有1位，占比1%。

（4）所屬機構和兼職情況。有1749位智庫專家只供職1家智庫，占總數的81%，有302位專家同時供職2家智庫，占比14%，同時供職3家及3家以上智庫機構的專家較少，僅占總數的5%。需說明的是，只簽約1家智庫的專家并不等同于該機構的全職專家，也可能是兼職。數據顯示，所有智庫專家中全職專家僅有716位，另外1434位均為兼職專家，全職/兼職比例約為1：2。

3.3.2? ?學術研究特征

（1）專家研究領域。專家的研究覆蓋多學科的熱點前沿，在社會學領域主要關注基層社會治理、醫療衛生體制等問題，在法學領域主要關注法學理論、司法改革等方面，在經濟學領域主要關注貨幣政策、財政投資政策、區域經濟一體化、農業產業化等熱點，在政治學領域主要關注黨的建設、外交戰略方針、民族文化政策等方向，在教育學領域主要關注思想政治教育和高等教育。其他諸如科技創新、環境政策、文化產業政策、“一帶一路”等國家和社會關注的重要議題也是專家研究的重點（專家研究領域見圖5）。

（2）專家成果影響力。依據“h指數”“g指數”對專家展開理論影響力計算，設ci為第i篇文章的引用頻次，其計算公式分別為：

由式（2）和式（3）計算得出專家學術引用情況（見表6），反映出專家普遍具有較高理論產出水平和影響力，差距不大。

智庫專家中有內參數據的共1024位，占47.63%，獲得領導批示或部門采納的內參共計1944篇，占內參總數的37.62%，內參獲得批示的專家共391位，占有內參數據專家的38.18%，比例較高。獲得正國級和副國級批示的內參數量占比較少，批示等級大多為省部級和副省部級。

CTTI系統推出的MRPAI智庫測評指標“P”（智庫成果）類指標下有關內參報告的分值配置（見表7），對專家內參成果進行賦分，統計出TOP20結果（見表8）。可以看出，專家內參數量與被批示的得分情況并不完全相關，且專家內參數量、被批示數量、層級得分差距較大。

（3）科研合作網絡。根據近三年論文成果的合著信息，用Python構建了智庫專家合作網絡鄰接矩陣，導入Gephi生成作者合作網絡圖并計算出社會網絡分析的相關指標（見表9）。從整體網絡情況來看，專家間的聯系不密切，合作較為分散；專家合作網絡形成了一定的合作深度，但平均路徑長度達到3.087，即需要經過三個以上的專家才可建立合作關系，網絡直徑為9，即最遠的兩個節點需要9條邊才能連接，說明專家內部關系的凝聚性還處于不太高的水平。

從微觀層面看，依據常見的三類中心度指標對專家進行排名（見表10）。中心度排名靠前的專家也是論文最高產的專家，他們的研究領域為世界經濟、國家安全戰略、文化產業政策、司法改革、新聞傳播等；學科背景主要為經濟學、哲學、法學等。從整體情況來看，專家間的合作基本符合跨領域、跨學科的特征。但點度中心性為個位數的專家占據總數的百分之九十以上，說明近三年智庫專家間的合作呈現“核心－邊緣”結構，少部分專家在整個科研社交網絡中處于絕對主導地位，大多數專家位于邊緣，互動性弱。

3.3.3? ?社會活動

（1）專家交流活動數據。智庫專家活動的總數為11180次（專家交流活動次數見表11），其中專家舉辦、參與會議的場次最多，共4216次，占比約37.7%。從會議類型來看，專家參加的“會議”主要為研討會、論壇、座談會、專題討論會等，而其他類型，如發布會、評審會、咨詢會、聽證會則數量較少（見圖6）；專家“考察（調研）”總次數僅次于會議，共3419次，占比約30.6%；培訓是指專家受邀進行培訓授課，通常有干部培訓、專題培訓、學術培訓、企業培訓等形式，專家可通過培訓授課直接服務核心決策者，或指導行業發展和學術研究，專家共參與培訓活動3302次，占比約29.5%；專家接待來訪活動次數最少，為243次，占比約0.2%。

（2）專家輿論影響數據。智庫專家中僅496人被媒體報道，約占總數的23%。專家媒體報道總數為6297次，其中網絡報道的數量最多，共4199次，約占總數的66.7%，集中在新浪網（510次）、澎湃網（368次）、搜狐網（359次）、人民網（351次）等媒體平臺；其次為報紙新聞報道，數量為1140次，約占總數的18.1%，集中在《環球時報》（256次）、《大公報》（247次）、《光明日報》（174次）、《人民日報》（174次）等中央媒體刊物；數量最少的為電視新聞報道，僅348次，占0.06%。從報道類型來看，網絡報道已成為智庫專家媒體報道的主要形式，但從收集的數據來看，絕大多數為平面的圖文，音頻和視頻只占很少一部分，傳播的形式還很單一。

統計專家媒體報道標題的高頻詞（詞云圖見圖7）。標題詞頻排名前十的分別是中國（1367）、發展（1268）、經濟（717）、論壇（552）、香港（492）、專家（465）、建設（455）、舉行（428）、國際（377）、教授（367），此外，研討會、報告、學術、研究、現代化、國際、“一帶一路”、疫情、智庫等詞匯的詞頻均位居前列。

4? ?智庫專家群體畫像特征總結與分析

通過專家群體畫像的呈現，可以對智庫專家的整體特征進行總結和分析。本文選取的專家樣本在類型分布上具有代表性，因此基于CTTI樣本專家畫像結果同樣可以推測出國內智庫專家的普遍性特征。結合蘭德公司、布魯金斯學會等美國智庫情況，將畫像呈現的智庫專家群體特征與美國智庫專家人才特征進行對比，得到對國內智庫專家的如下觀察：

（1）以中年專家為主，男性專家占大多數。結果顯示40歲-60歲的中年專家人數最多，毋庸置疑，中年專家是國內智庫研究人員的中堅力量。這與美國智庫情況類似，從蘭德公司2022年的情況來看，其30歲-50歲的中年專家占比最多，達到了58%，50歲-60歲的專家占比也有16%。布魯金斯學會的情況亦然，官網上40歲-60歲專家占比也最多，達到了43.55%。但從趨勢來看，美國智庫30歲以下青年人才比例正在上升，如2022年蘭德公司30歲以下的專家占比已達19%，并且在新聘任的96名研究人員中，30歲以下的專家占比高達66%［18］。造成國內中年專家占比高的原因可能是專家大多來自高校智庫。高校智庫的博士和教授占大多數，由于嚴格的職稱評聘條件，這些專家大多都接受了長期的、系統的學術訓練，還要經歷漫長的職稱階梯，進入智庫時已到中年。

專家中男性專家與女性專家的比例約為7：3，以男性為主。這一情況與美國部分頂尖智庫有差別，如蘭德公司2022年全體研究人員中男女占比分別為53%和47%，其中研究領導人員的男女占比分別為55%和45%，總體來看性別分布較均衡。出現該差異的可能原因如下：一方面是智庫人才招募政策的差異，如蘭德公司強調研究團隊的多元化和包容性，專家性別分布的相對平衡體現了美國智庫的這一觀念；另一方面是性別政治文化的不同。性別政治滲透體現在美國的方方面面，智庫的招募政策需要注意性別平衡。

從優化決策咨詢服務的角度來看，隨著智庫專業化程度不斷加深，建設以首席專家為首，中青年學術帶頭人、青年骨干專家構成的決策咨詢研究梯隊是新型智庫建設的長期發展方向［19］。中年專家普遍具備一定的社會閱歷，在開展重大戰略問題研究時能提供更具經驗性、全局性的對策建議，且年齡的增長也帶來人脈資源的積累，能夠拓寬智庫服務的渠道和途徑。因此，我國智庫專家以中年為主是合理的。另外，需注意的是，女性智庫專家比例太少可能會導致參與政策制定者無意識地忽視女性權益，從而產生不公平、性別歧視等現象，這對于提供決策支撐、引導公共輿論的智庫而言，是值得思考的因素。

（2）專家學歷以博士為主，學科集中于人文社科。樣本智庫專家中有72.47%獲得了博士學位，學歷分布呈現“倒金字塔型”，這一方面說明國內智庫專家大多都接受了長期的、系統的學術訓練，能夠為智庫提供持續、穩定的智力支持；另一方面說明了我國智庫對研究人員的學歷普遍要求較高，這與國外智庫一名高級研究員配備若干研究助理的團隊模式有區別。

專家的學科背景主要集中在法學、經濟學、管理學等人文社科領域，占比高達71.26%，這一情況與美國很多智庫現階段較為一致，統計布魯金斯學會官網上學歷信息明確的322位專家，其中學科為經濟學的人數最多，共89人，占比約28%，其次為政治學（49人）、法學（30人），加起來占比約24.5%，理工科出身的僅占0.05%，專家學科也集中在人文社科類。類似的還有美國戰略與國際問題研究中心（CSIS），官網上79位常駐專家中學科為政治學與國際關系、國際事務學的共38人，約占48%，占比較多的還有經濟學、法學、歷史學等。但CSIS的專家團隊正在變化，其于2011年建立了iDeas實驗室（Andreas C.Dracopoulos iDeas Lab），目前團隊由26人組成，他們的學科背景多元，多為平面設計、計算機工程、圖像分析等，iDeas實驗室的存在也使得CSIS成為唯一擁有內部網絡開發人員以及音視頻制作人的智庫，其數據安全和內容制作輸出的及時性得到了極大保障。另外，擅長研究尖端軍事科技的蘭德公司情況更特殊，其研究人員中工程學、統計學、物理學、計算機學等理工科背景的專家在2022年已達到26%以上。從CSIS和蘭德公司人員布局的趨勢來看，為適應大數據時代，以數據為驅動力，美國智庫研究團隊的學科構成正在向更多元、側重工程技術型專業轉變。

專家的專業水平和學科基礎是智庫研究能力形成的關鍵。目前國內智庫專家學歷普遍較高，專業能力是有保障的，不過專家學科背景多為人文社科類，也是由于中國智庫發展時間短，大多還基于傳統“依據事實講道理”的調查研究方法，大數據、機器學習、仿真模型等信息技術參與研究的比重不高，側重定性研究，數據驅動模式還未建立。結合美國智庫的趨勢來看，在大數據時代，如果國內智庫要向數據驅動轉型，就應注重數據團隊的組建，根據自身需求引進和培養算法工程師、數據分析師等具有相關學科背景的專業數據人才，以形成數據驅動的智力基礎。

（3）專家所獲榮譽多來自外部，智庫內部激勵機制不完善。本文發現獲得省部級榮譽的智庫專家人數最多，且專家所獲的其他榮譽，如高校級、國家級、市廳級、協會/學會以及國際級榮譽等，與省部級一樣，皆為智庫外部設置的獎項，智庫內部設立的獎很少，特別是非物質的激勵十分缺乏，側面體現了大多數中國智庫尚未建立完善的內部激勵機制。對比來看，美國蘭德公司設立了一些內部激勵的獎項，如總裁獎（Presidents Awards）、聚光燈獎（Spotlight Awards）和獎章（Medal Awards），對有突出貢獻、特殊貢獻、起到模范典范作用的研究者進行表彰。而且為減輕博士生的經濟負擔，鼓勵其研究熱情，帕迪蘭德研究生院設立了多種形式的獎助金，金額從5000美元到50000美元不等［20］。

為加強核心團隊的建設，國內智庫還需采用更多元有效、導向明確的激勵措施來保障智庫研究人員的自我驅動力，進一步加大對優秀人才的激勵力度，如適時設立優秀智庫成果和優秀智庫專家獎等，通過激勵機制提供更多更好的福利和待遇，使得更多員工的生活條件得以改善，更積極地投入到智庫工作中。另外更應改變單一的物質獎勵方式，設置內在獎勵等多樣化激勵措施來提升研究人員的工作滿意度，讓研究人員保持較高生產力并繼續留在機構。這些內在獎勵措施通常包括給予研究團隊成員成果署名權、給予研究人員更充分的研究時間，為他們提供向理事會成員或政府官員作報告的機會以及更多臺前表現機會等。

（4）專家兼職現象普遍，研究隊伍為“小核心+大外圍”結構。國內智庫專家的兼職現象十分普遍，全職專家數量遠低于兼職專家數量，這說明智庫的人力資源布局仍呈現“小核心+大外圍”的模式。全職人員的多少即智庫核心團隊規模的大小，規模小不一定代表效率低，但核心團隊規模大也意味著智庫能夠承擔更多繁重任務，如蘭德公司目前共雇有1775位職員，在2021年-2022年就產出了海量研究成果，包括了505份研究報告和316篇期刊論文［21］。

誠然，“小核心+大外圍”的人員結構確實能對智庫產出高質量成果和提供影響力帶來巨大幫助，但是過于依賴兼職專家容易形成不穩定結構，無法凝聚一支完全屬于智庫的核心團隊，不利于智庫自身的長期、穩定、可持續發展，可能導致以下幾種后果：一是“大外圍”中的知名專家因事務繁忙等原因缺乏為智庫做研究、出成果的積極性；二是由于智庫財務制度的局限性，智庫難以給足兼職研究員物質激勵，“購買”兼職專家的研究成果在實際運作中很難操作，兼職專家往往缺乏產出智庫成果的熱情；三是兼職專家的流動性易導致智庫成果知識產權的流失。因此智庫行業需重視專家兼職普遍帶來的上述問題，著重完善內部的人才選拔與培育機制、激勵機制，加強培養核心團隊。

（5）專家研究議程自主性強，傾向于獨立研究。從研究議程的設置看，美國智庫多由民間組織、學術機構和非營利組織等獨立機構主辦和運營，其出資方往往會限定資金的使用去向和匹配結構，如最大出資方為美國軍方的蘭德公司在2021年有超過50%的重點項目涉及現代軍事研究領域［22］，而我國智庫主要由政府部門、高校和研究院所等機構主辦和運營，專家的研究議程不受利益集團影響，自主性更強。從專家科研合作網絡來看，我國智庫專家合作網絡呈現“核心－邊緣”結構，大多數專家之間互動性極弱，合作網絡的密度和凝聚力也不高。未來，我國智庫需要加強機構間的人才合作，拓寬人才交流模式，交換同行研究的信息、成果，實現共同進步。應著力搭建不同層次、不同專業、不同領域的智庫專家合作交流的創新型協同研究平臺，形成人才交流和人才合作培養的常態化機制，各智庫也應多為專家隊伍提供參加國內外學術交流和政策會議的機會，讓研究人員能更方便地建立自己的社會網絡。

（6）專家主流活動形式為會議，對決策過程的嵌入待加強。國內智庫專家參與會議的次數是所有活動中最多的，且會議類型多為學術交流的研討會、論壇、座談會。世界著名智庫幾乎都是會議中心，美國智庫專家也常參與其所屬智庫舉辦的各種類型的學術交流活動，包括研討會、圓桌會、座談會和發布會等，如新美國安全中心（CNAS）常就某一特定主題，邀請“政府高級官員、軍方代表、領域專家、媒體記者等社會各界精英共同參與高級別的政策學術論壇”［23］。通過交流，智庫專家可以提前探聽政府政策動向和學術前沿信息，并同時向外界推廣他們的最新研究成果，引導公眾輿論、傳遞政策理念、加強對學術界的影響。

國內智庫專家主要通過遞交內參報告、參與干部培訓等方式來提供決策支撐。從本研究的數據來看，專家撰寫內參整體的數量可觀且內參被批示的比例較高，內參撰寫已是智庫的常項工作，將其作為本職工作是智庫專家應有的價值取向。被省部級領導批示的內參數量最多，也反映出智庫專家提供的政策建議更多面向地方公共政策需求、服務當地決策部門，為地方治理提供了必要的決策服務，這對推進國家整體治理具有重要意義。但與寫內參的熱情相比，專家參與政府直接組織的聽證會、交流會、咨詢會的比例較低，說明我國智庫專家還是更傾向于提交書面內參而非進行面對面的政策咨詢，對決策咨詢場景的嵌入程度不夠。

為進一步提升決策支撐力，智庫專家還應加強決策咨詢場景的嵌入，在繼續保持撰寫內參積極性的同時，更多地爭取與決策者面對面交流的機會，積極參與政府組織的決策咨詢會議、政府聽證會、政策交流會等與政策制定直接相關的活動，與政府深入互動，充分嵌入政府的政策研討過程。此外，還可以積極在政府部門內開展政策宣講會、培訓講座、公共政策知識授課等，并了解政策落實的現狀與困境，以便更好地服務決策咨詢和開展后續研究。

（7）專家整體媒體影響力低，傳播形式單一。目前有媒體報道數據的專家比例較小，從報道形式來看，專家們雖然傾向于把主流媒體作為傳播渠道以提高自身影響力，但忽略了在社會層面公眾層面上的廣泛傳播，如在網絡媒體傳播方面傾向于采用單一的圖文形式，而少見大眾更喜愛、接受度更高的音視頻傳播形式。從專家輿論熱點詞匯可以看出，智庫專家的輿論輸出緊跟國家戰略要點和方針政策，也緊跟當下社會熱點。一是聚焦中國整體發展和國家治理，尤其是經濟發展，符合我國以經濟建設為中心的發展需求；二是專注于政府的工作重心和政策需求，對“一帶一路”“高質量發展”“現代化”等戰略和議題十分關注；三是關心國際形式的變化，美國、伊朗、印尼、中東等國家和地區的問題也是熱議話題；四是媒體更傾向于報道專家參與的各類活動，從“論壇”“研討會”“舉行”“學術”“專訪”“發布”等關鍵詞便能體現，也從側面反映出媒體對智庫專家的報道以轉載智庫機構會議論壇的召開通告為主。總體而言，傳播的形式和內容還很單一。

美國智庫專家們則普遍極其注重與媒體的關系，他們在公眾媒體亮相的頻率很高，如蘭德公司在圣莫尼卡、華盛頓和匹茲堡辦事處設立了廣播工作室，可供新聞機構對其專家進行現場、遠程或面對面的電視和廣播采訪。布魯金斯學會為便于專家們直播和錄播視頻、音頻采訪設立了免費的新聞機構，據統計，布魯金斯學會專家發表的成果中以博文類最多，媒體采訪類也占有較大比例［24］。這是因為在政策制定發布前，美國智庫專家多通過在大眾媒體平臺進行游說，引發公眾對特定問題的關注并順勢以公眾輿論影響政府的內外政策，專家為了決策影響力，勢必要維持在媒體的高曝光率，而國內專家相比較而言不依賴媒體曝光來增加對政策制定的影響力，因此在媒體宣傳上缺乏一定關注度。

雖然國內智庫專家無需維持高曝光度來增強決策影響力，但仍承擔引導公眾輿論，凝聚社會共識的責任，在如今的“全媒體時代”，媒體對智庫專家的報道是擴大智庫影響力的重要手段，智庫與媒體的融合發展和互動也已成為新型智庫建設的新趨勢，應充分重視專家媒體報道少、傳播形式單一的問題，注重借助媒體傳播智庫觀點、放大智者聲音、提高活動影響力；結合運用傳統媒體與新媒體，開辟多重宣傳渠道，傳播高質量研究成果；提升“明星型專家”影響力，拉近與社會大眾之間的距離，增強輿論引導的良好效果。

5? ?結語

利用專家畫像的方法可以對國內智庫專家的整體特征進行分析。本研究在CTTI字段體系的基礎上構建了智庫專家群體畫像的三大基本維度，即基本屬性、學術研究和社會活動，并以CTTI系統內2150名專家的數據為支撐，對智庫專家進行群體畫像。將畫像結果和美國知名智庫的專家情況相對比，分析國內專家特征并據此為智庫人才建設提供建議和參考。從基本屬性來看：國內智庫專家以中年為主，且多為男性；專家以博士學歷居多，學科背景多為人文社科類，智庫要向“數據驅動”轉型需組建擁有相關專業背景的核心人才團隊；專家的內部激勵機制較少，且兼職現象普遍，未來應完善內部人才激勵機制，并認識到“小核心＋大外圍”模式的局限性，加強智庫核心專家團隊建設。從學術研究來看：國內專家研究不受利益集團影響，因此研究自主性強，成果影響力普遍較高，但跨機構的人才交流和研究合作有待加強。從社會活動來看：專家活動的主要形式為會議，面對面的政策咨詢活動參與度不足，未來應加強決策情景的嵌入；專家普遍媒體影響力較低，傳播形式單一，應重視輿論影響，優化傳播策略。

參考文獻

［1］? 李剛.論新型智庫及其核心能力建設［J］.決策與信息，2023（5）：38-43.

［2］? 金芳，孫震海，國峰，等.西方學者論智庫［M］.上海：上海社會科學院出版社，2010.

［3］? 王莉麗.中國智庫核心競爭力［M］.北京：中國人民大學出版社，2015.

［4］? Cooper A，Robert Reimann R，Cronin D.About Face3：The Essentials of Interaction Design［M］.New Jersey：Wiley Publishing Inc，2007：19-22.

［5］? Quintana R M，Haley S R.The persona party：using personas to design for learning at scale［J］.Chi Conference Extended，2017：933-941.

［6］? 王憲朋.基于視頻大數據的用戶畫像構建［J］.電視技術，2017，41（6）：20-23.

［7］? 馬安華.基于用戶行為分析的精確營銷系統設計與實現［D］.南京：南京郵電大學，2013.

［8］? 劉海鷗，孫晶晶，蘇妍嫄，等.國內外用戶畫像研究綜述［J］.情報理論與實踐，2018，41（11）：155-160.

［9］? 袁莎，唐杰，顧曉韜.開放互聯網中的學者畫像技術綜述［J］.計算機研究與發展，2018，55（9）：1903-191.

［10］? 王世奇，劉智鋒，王繼民.學者畫像研究綜述［J］.圖書情報工作，2022，66（20）：73-81.

［11］? Ridder-Symoens，Hilde．Prosopografie en middeleeuwse geschiedenis：een onmogelijke mogelijkheid［J］.Handelingen der Maatschappijvoor Geschiedenis en Oudheidkunde te Gent，1991（45）：95-117．

［12］? Sturges，Paul．Collective Biography in the 1980s［J］.Biography．1983，6（4：）316－332．

［13］? 劉曼，陳媛媛，朱金簫.美國知名智庫蘭德公司專家群體畫像［J］.圖書館論壇，2023，43（11）：138-148.

［14］? 趙剛，姚興仁．基于用戶畫像的異常行為檢測模型［J］.信息網絡安全，2017（7）：18-24.

［15］? 隋桂玲.G指數與H指數、E指數的關系及其文獻計量意義［J］.圖書情報工作，2013，57（23）：90-94.

［16］? 馬雪雯，李剛.邁向成熟的現代智庫——省級重點智庫建設的政策、體系和網絡分析［J］.智庫理論與實踐，2020，5（4）：39-48.

［17］? 邱均平，王菲菲.基于SNA的國內競爭情報領域作者合作關系研究［J］.圖書館論壇，2010，30（6）：34-40，134.

［18］? Our Workforce Demographics［EB/OL］.［2023-09-20］.https：//www.rand.org/about/diversity-equity-inclusion/growing-diverse-and-inclusive-teams/our-workforce-demographics.html.

［19］? 咸鳴霞，曾維和.新型智庫社科人才作用發揮的結構困境與對策探討［J］.情報科學，2020，38（1）：87-92.

［20］? Tuition&Aid［EB/OL］.［2023-09-20］.https：//www.prgs.edu/admissions/funding-your-phd.html.

［21］? 2022 RAND Annual Report［EB/OL］.［2023-09-20］.https：//www.rand.org/pubs/corporate_pubs/CPA1065-3.html.

［22］? 李正圖，葛文君.蘭德公司的資金來源、支出結構與智庫服務質量［J］.中華醫學圖書情報雜志，2022，31（5）：18-24.

［23］? 馮志剛，張志強.新美國安全中心：美國國家安全政策核心智庫［J］.智庫理論與實踐，2018，3（6）：78-88.

［24］? 張琳.智庫專家職業表現的影響因素——以美國布魯金斯學會為例［J］.科技管理研究，2022，42（16）：218-225.

作者簡介：李梓萌，女，南京大學信息管理學院博士研究生，研究方向：智庫評價理論與方法；吳玉松，女，南京大學信息管理學院碩士研究生，研究方向：智庫理論與實務；蘇丹淳，女，南京大學信息管理學院碩士研究生，研究方向：智庫研究與智庫評價；朱雍，男，南京大學信息管理學院碩士研究生，研究方向：智庫理論與實務；李剛，男，南京大學信息管理學院教授，研究方向：智庫評價理論與方法、智庫信息系統與知識管理、社會科學評價理論與方法、圖書館與檔案學理論基礎。