李歆睿　韩双淼｜普遍主义与特殊主义影响科技人才成长的三水平元分析

摘　要：围绕科技人才成长，学界长期存在普遍主义与特殊主义两种竞争性的理论解释，但相关经验证据分散且结论不一。对国内外25篇实证研究（k=130，N=33087）进行三水平元分析发现：普遍主义因素对科技人才成长的合并效应量呈显著的大效应，特殊主义因素呈显著的中效应；具体因素中，科研影响力的效应最为突出，教育背景、导师声望及学术网络等特殊主义因素均与科技人才成长呈显著正相关；性别、年龄与国别的调节效应未达显著水平。上述发现以更为稳健的证据回应了科技人才成长中普遍主义与特殊主义的长期理论争论，并为坚持知识贡献导向、提升优质科研资源可及性以及构建普惠性支持制度提供了实践启示。

关键词：科技人才成长；普遍主义；特殊主义；三水平元分析

《教育强国建设规划纲要（2024—2035年）》明确提出，要“培育壮大国家战略科技力量，有力支撑高水平科技自立自强”。在高水平科技自立自强上升为国家战略的背景下，国家间的科技竞争日益表现为高水平科技人才的竞争。从广义上看，科技人才是在科学技术活动中以较高创造力和探索精神推动科技进步并为人类发展作贡献的人员，涵盖科技研发人员、科技管理人员与科技服务人员。本研究将科技人才定义为在高校中从事科学研究与技术创新，并通过知识生产或技术创造推动科技进步的人员。科学系统是一个由精英主导并呈现明显等级秩序的分层结构，其中科技精英是在科学技术领域取得突出学术成就、获得学术制度高度认可，并在学术地位分层体系中处于高位的“关键少数”。他们不仅在知识创新与原创性突破中发挥着引领作用，而且通过科研组织、学术网络与制度性评价体系，对科研资源配置、科学知识发展以及创新体系运行产生重要影响。因此，在科学技术活动日益职业化、组织化和制度化的“大科学”时代，科技人才成长的路径不仅关乎个体学术职业发展，而且关系到科学系统的持续知识生产与国家创新体系的整体效能提升。

长期以来，关于科技人才成长，学界存在着以普遍主义与特殊主义为代表的理论分歧。普遍主义强调依据学术能力、科研贡献等非人格化标准配置学术认可与发展机会；特殊主义则关注个体社会属性、关系网络及其所处组织与制度情境对人才成长机会的影响。尽管近年来已有研究尝试突破二元对立的分析框架，提出从互动或综合视角理解科技人才的成长过程，但普遍主义与特殊主义仍然构成解释科技人才成长的两种主导性话语体系。一方面，二者在理论立场上对科学评价的中立性、社会因素的作用方式及其影响程度存在分歧；另一方面，支持不同理论立场的经验证据高度分散于教育学、社会学、科学学等多个研究领域，研究对象、变量指标与分析工具差异较大，相关结论在效应方向与强度上亦不稳定。这种证据结构的碎片化，使得既有研究难以对科技人才成长及其背后的科学系统分层逻辑形成可累积的经验检验与综合判断。基于此，本研究引入三水平元分析（Three-level Meta-Analysis, TMA）方法，经系统检索与筛选，从18647篇初始文献中筛选纳入25篇国内外实证研究，分别从总体因素与具体因素层面估计普遍主义和特殊主义因素与科技人才成长的关联强度，为回应科技人才成长的长期理论争论提供更为稳健的循证依据，并为完善科技人才培育的制度设计提供启示。

一、科技人才成长的普遍主义与特殊主义之争

20世纪50年代，默顿（R. K. Merton）在吸收并改造帕森斯（T. Parsons）结构功能主义理论的基础上，系统奠定了科学社会学（Sociology of Science）的基本理论框架，将科学研究的制度结构、规范体系及奖励机制纳入社会学分析。科学是一种相对独立的社会系统，其核心功能在于不断拓展科学知识。默顿认为，为保障该功能的实现，科学共同体内部逐渐形成并遵循一套制度化规范，即普遍主义、公有性、无私利性与有组织的怀疑主义。这套规范是对科学共同体运行秩序的规范性概括，而非对现实科学实践完全遵循无偏原则的经验断言。

由此，普遍主义不仅被视为科学活动的理想规范，也成为分析科学评价与奖励分配的重要参照原则。具体到科技人才成长问题，科学社会学所提出的核心观点可以概括为三方面：其一，科学奖励本质上是科学建制依据科研人员学术表现所赋予的制度化承认，科学奖励、科学声望与科学承认在逻辑上具有高度一致性；其二，学术产出，尤其是研究成果的质量，被视为衡量科学家知识贡献与学术水平的关键指标；其三，科学奖励制度在理想上应当恪守普遍主义原则，以知识贡献为评价依据，而不受性别、年龄或社会出身等非学术因素的影响。在此逻辑下，科技人才成长被理解为个体凭借其学术能力与科研绩效获得科学共同体承认的过程，科学系统的分层与奖励应主要取决于科研贡献的质量及其原创性。

进入20世纪后半叶，随着普莱斯（D. Price）所描述的“大科学”时代的到来，以及库恩（T. S. Kuhn）范式理论在哲学与社会学领域引发的深刻反思，默顿基于“小科学”时代所构建的科学社会学范式逐渐遭遇挑战。“大科学”时代的科学活动日益呈现出高度组织化、团队化与资源密集化特征，科学知识的生产过程也愈发嵌入复杂的社会经济结构之中。与此同时，库恩关于范式转换和不可通约性的论述以及福柯（M. Foucault）的知识-权力分析，共同推动研究者将分析重心由科学的制度规范进一步转向知识形成的具体实践及其社会条件。

在上述理论转向中，主张所有的知识都是社会建构而非客观真理的科学知识社会学（Sociology of Scientific Knowledge，SSK）逐渐形成，并对默顿学派侧重制度规范的研究进路构成挑战。以布鲁尔（D. Bloor）为代表的爱丁堡学派提出了包含因果性、公正性、对称性和反思性四项原则的“强纲领”，强调所有知识都不可避免地包含着社会性。在此框架下，科学知识社会学从多个层面重构了对科学活动的理解。其一，在认识论和方法论层面，科学知识的真值不再被视为社会学分析的预设前提，被认定为“正确”或“错误”的知识均需要解释其形成和接受条件；其二，在社会学层面，科学认知及其合法性被视为制度结构、群体互动与利益关系共同作用的结果，不同科学共同体可能形成不同的判断标准；其三，在历史学层面，知识与事实被理解为深度嵌入具体时代与文化语境之中的产物，其生产、论证和承认具有历史条件性。由此，科学知识不再被视为对自然客观本质的真实反映，而是科学共同体在特定社会情境中协商建构的结果。这一立场并不意味着科学知识只是任意的主观建构，而是强调科学知识及其有效性不能被排除在社会学解释之外。具体到科技人才成长问题，特殊主义视角认为，现实中的科学评价与奖励分配并非始终严格遵循非人格化标准，个体属性、关系结构和组织情境也可能影响科研机会与学术承认。

由此，围绕科技人才成长，学术界逐渐形成了以普遍主义与特殊主义为代表的两种解释路径，并在相当长一段时间内处于并行而张力未解的状态。但二者并非只能被理解为非此即彼的竞争性命题：普遍主义揭示了科学评价赖以获得正当性的规范基础，特殊主义则指出现实评价和资源配置也会受到社会结构的影响。因此，本研究不预设某一理论具有绝对解释优势，而是通过三水平元分析分别检验两类因素的总体关联强度、具体作用差异及其适用条件，以评估普遍主义与特殊主义两种解释路径各自获得的经验支持。

二、研究设计

（一）研究方法

鉴于既有研究对普遍主义因素、特殊主义因素与科技人才成长之间的关系尚未形成一致结论，为系统评估不同因素与科技人才成长之间的关联强度，本研究采用三水平元分析方法，对相关实证研究进行整合分析，重点考察普遍主义因素、特殊主义因素与科技人才成长的关系。

传统元分析（Meta-Analysis, MA）通常在假定效应量相互独立的前提下，通过合并不同研究的效应量，对既有研究结论进行归纳与总结。然而，同一研究往往报告多个相关效应量，效应量之间存在明显的嵌套与依赖关系，若将其视为相互独立的观测值，可能低估标准误并增加Ⅰ类错误风险。三水平元分析模型在传统元分析基础上构建抽样层、研究内层与研究间层三层结构，第一层表示各效应量的抽样误差（水平1方差），第二层表示同一研究内不同效应量之间的真实变异（水平2方差），第三层表示不同研究之间的真实变异（水平3方差），从而在保留研究信息的同时处理效应量依赖问题，并区分不同层次的异质性来源。基于此，本研究采用三水平元分析法，分别检验普遍主义因素与特殊主义因素的总体合并效应，并进一步开展异质性检验、发表偏倚检验、敏感性分析和调节效应分析。

（二）分析框架

本研究从学术职业进阶与科技荣誉获得两个维度衡量科技人才成长，两者共同构成科技人才由知识生产走向学术承认的成长结果。其中，职业进阶反映科技人才在学术职业体系中的位置变化；科技荣誉则体现科学共同体及制度体系对其科学贡献的正式承认，包括获得科技奖项、高水平项目资助或人才称号。

本研究将是否直接反映科技人才的知识贡献与学术表现作为普遍主义因素与特殊主义因素的主要划分标准。因此，本研究将科研生产力与科研影响力归入普遍主义因素，将主要通过先赋条件、制度身份、关系资源、组织位置和机会结构等影响学术承认的变量归入特殊主义因素。在系统梳理纳入文献的原始变量后，最终形成家庭资本、教育背景、导师声望、学术网络和组织支持等五类因素。其中，家庭资本代表个体进入学术职业前的先赋资源，教育背景代表教育经历及其附带的文化与符号资本，导师声望和学术网络分别体现师承关系与合作关系所形成的社会资本，组织支持则反映科技人才所处机构提供的资源条件与机会结构。上述因素划分是对现有可量化证据的归纳结果，并不意味着普遍主义因素与特殊主义因素仅限于上述范围。

根据前述理论与研究问题，本研究构建分析框架。（见图1）

1. 普遍主义影响因素。科学社会学认为，科学系统在规范层面应遵循普遍主义原则，因此科技人才的成长主要取决于其专业能力与知识贡献，其中学术表现被视为最具代表性的评价依据。大量研究表明，科研成果数量与科技人才的学术职业发展、学术声望积累及制度性认可密切相关。具体而言，发表高水平论文可能缩短科技人才的职称晋升时间，并提高其获得学术荣誉的概率。

参考既有研究，本研究将普遍主义因素划分为科研生产力与科研影响力两个维度。其中，科研生产力主要包括论文发表数量、主持科研项目数量和创新成果数量；科研影响力则侧重反映科研成果的影响力和认可度，主要通过被引次数、h指数等指标进行测度。

2. 特殊主义影响因素。

（1）家庭资本。已有研究表明，中国科技精英的成长与其家庭背景间存在高度相关。然而，不能仅依据科技人才群体中中产家庭占比较高，便推断家庭资本与科技人才成长之间存在因果关系，因为该现象在一定程度上反映了科技人才总体的结构性特征。

（2）教育背景。已有研究发现，科技人才往往具备较为优质的教育经历，但其作用不仅来自学历本身，也来自教育机构提供的科研资源、训练机会与声誉优势。一方面，研究条件优越、师资实力雄厚、成果突出的一流高校能够提供更丰富的培养资源，支持科技人才发展专业能力。另一方面，教育机构所承载的声誉也是一种可被识别和转换的符号资本，体现了对教育质量的保证，因而可能提高学者及科研成果被关注和认可的概率。

（3）导师声望。大量研究表明，“名师出高徒”现象在不同国家与制度情境中均有体现。乍克曼（H. Zuckerman）发现，美国诺贝尔奖获得者中存在高度集中的师承与合作关系；中国相关研究也显示，具有高声望导师的科研人员入选国家级与省部级人才计划的可能性分别为其他人员的3.27倍和1.90倍。

（4）学术网络。与学者个人学术背景和学术经历密切相关，并通过知识关联形成的学术共同体被称为学术网络。研究表明，无论是正式科研合作团队，还是以“无形学院”（Invisible College）为代表的非正式合作网络，均可能促进学术交流、加速成果传播并推动知识创新。然而，学术共同体也会构成相对封闭的学术圈子与学术派系。因此，学术网络的有效性取决于合作质量、知识互补程度、领域范式和个体学术策略等因素。

（5）组织支持。科技人才所就职机构的层次与声望也构成重要的社会性资源，高层次、高声望的机构通常具有更优越的科研条件、更稳定的经费保障及更高的学术可见度。因此，组织支持不仅为科技人才提供物质与制度保障，也可能通过降低科研不确定性、强化学术身份认同与稳定职业预期，增强其从事科研活动的信心与动机。

3. 调节因素。

（1）性别。已有研究表明，顶尖科技人才群体中的女性比例明显偏低。有研究据此提出科学系统中可能存在由性别偏见引致的“玛蒂尔达效应”。然而，也有研究指出，我国女性科学家一旦进入科学体系的最高层，性别影响也呈现出弱化的趋势。

（2）年龄。学界提出的“科学发现最佳年龄”“最佳峰值年龄”等概念，均指向科技人才可能在特定年龄区间集中取得突破性成果。研究发现，35~45岁是科研产出高峰相对集中的阶段；但随着知识体系复杂化和专业化，科技人才取得重大成果的平均年龄也呈推迟趋势。

（3）国别。不同国家为科技人才成长提供了差异化的社会制度与文化背景。既有研究表明，社会环境可能通过科技政策影响科研资源配置、机会结构与评价标准影响科技人才成长。

（三）文献检索与筛选标准

为尽可能全面地纳入相关研究，本研究共检索4个中文数据库（中国知网、万方数据库、维普期刊全网数据库、华艺学术文献数据库）以及5个外文数据库（Web of Science、EBSCO、JSTOR、Elsevier Science Direct、SAGE）。文献检索关键词包括“科技人才”“科学精英”“学术精英”“科学家”以及technological and scientific talents、scientific elites、academic elites等，并根据不同数据库的检索规则对主题词进行组合和调整。文献检索时间跨度为1961年10月至2025年11月，检索工作截至2025年12月，共获得18647篇初始文献。

本研究遵循PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）指南进行文献筛选，具体纳入标准如下：①文献语言限于中文或英文；②研究类型为定量实证研究，排除理论研究、历史研究、质性研究及综述类研究；③研究主题聚焦科技人才成长，且因变量属于学术职业进阶或科技荣誉获得；④研究报告相关系数r，或报告可依据完整统计信息转化为r的Cohen’s d、t、F等；⑤同一作者基于同一数据重复发表的研究，仅纳入数据最完整的一篇；⑥同一研究若报告多个独立样本，则分别编码；⑦仅纳入发表于学术期刊的研究，排除学位论文与会议论文。经逐步筛选，最终纳入25篇文献。文献筛选流程见图2。

（四）文献编码与效应值计算

文献质量评价采用张亚利等编制的评估工具，从刊物级别、抽样方式、问卷有效率和研究信效度四个方面进行评分。结果显示，所有纳入文献的质量评分均高于4分，达到该工具所采用的纳入标准。最终纳入的25篇研究累计报告样本量为33087篇。文献编码内容包括作者、出版年份、样本量、效应量编号、效应量值、结果变量、样本男性比例、年龄及国别等。

效应值是元分析中的核心计量参数，本研究以皮尔逊相关系数（r）作为效应量指标。25篇研究共提取130个效应量，其中普遍主义因素包含14项研究、36个效应量，特殊主义因素包含20项研究、94个效应量；部分研究同时报告两类因素，因此两类模型的研究数量之和大于去重后的研究总数。对于未直接报告r的研究，依据统计转换公式，将t值、F值、β值等指标转换为r。分析前将r转换为Fisher’s z值，随后将z值加权转换回r值。

（五）元分析过程

本研究采用R软件（版本4.5.2），并使用Wolfgang Viechtbauer编写的metafor程序包进行三水平元分析。分析流程参考相关研究，并根据本研究的数据结构调整分析语法。

1. 模型设定。考虑到同一研究可能报告多个效应量，本研究构建三水平随机效应模型进行主效应检验。模型将总变异划分为水平1方差、水平2方差与水平3方差，并采用限制性极大似然法（Restricted Maximum Likelihood, REML）进行参数估计，同时通过计算组内相关系数验证层级结构设定的必要性。主效应分析分别建立普遍主义因素、特殊主义因素及各具体因素的无调节变量模型。

2. 异质性检验。首先通过Q检验判断效应量是否存在显著异质性。采用对数似然比检验分别评估水平2与水平3的显著性：若水平2或水平3的方差显著，则表明效应量分布存在异质性；若抽样误差（水平1）所解释的方差占总方差的比例低于75%，需进一步进行调节效应分析以探索异质性来源。

3. 发表偏倚检验。本研究采用Egger’s回归和失安全系数法（Fail-Safe Number）综合评估发表偏倚。Egger’s回归p值大于0.05以及失安全系数大于5k+10（k为纳入元分析的效应量个数），均表明发表偏倚风险较低。

4. 敏感性分析。采用去一法（Leave-One-Out Analysis）进行敏感性分析，以研究为剔除单位，每次删除某一研究及其包含的全部效应量，随后重新拟合三水平随机效应模型。若剔除任一研究后的合并效应量变化幅度较小，则说明结果具有较好的稳健性。

5. 调节效应分析。结合纳入研究的样本特征，本研究纳入男性比例、年龄和国别三个调节变量。性别以男性人数占总样本人数的比例作为连续变量，采用三水平元回归模型检验回归斜率；年龄依据样本平均年龄，以45岁为界划分青年科技人才和成熟科技人才，以青年科技人才为参照组进行亚组比较；国别编码为中国与国际，以中国为参照组进行亚组比较。为保证类别变量调节效应估计的基本稳定性，仅当各亚组均包含不少于5个效应量时进行调节效应检验；若任一亚组的效应量少于5个，或调节变量仅包含单一类别，则不建立相应模型。

三、研究发现

（一）两类因素的主效应分析与异质性检验

采用三水平随机效应模型检验普遍主义因素、特殊主义因素与科技人才成长的总体相关效应。结果显示，（见表1）普遍主义因素（r=0.549，p<0.01）与特殊主义因素（r=0.317，p<0.01）均与科技人才成长呈显著正相关。参照Cohen将0.10、0.30和0.50分别作为小、中、大效应的临界值，普遍主义因素呈现大效应水平，特殊主义因素呈现中效应水平，表明两类因素对科技人才成长均具有正向促进作用。

异质性检验结果显示，普遍主义与科技人才成长在水平2方差和水平3方差均存在显著差异；总方差来源中，水平1方差为0.188%，水平2方差为6.288%，水平3方差为93.524%。特殊主义与科技人才成长在水平2方差和水平3方差均存在显著差异；总方差来源中，水平1方差为0.307%，水平2方差为5.956%，水平3方差为93.737%。这表明有必要纳入调节变量考察异质性的潜在来源。

（二）发表偏倚检验与敏感性分析

考虑到元分析结果可能受到发表偏倚的影响，即统计结果显著的研究更容易发表，本研究采用Egger’s回归检验和失安全系数法对发表偏倚进行综合评估。Egger’s回归检验结果显示，普遍主义因素（p=0.864）与特殊主义因素（p=0.792）的Egger’s检验均未达到显著水平；普遍主义因素的失安全系数为166551，特殊主义因素的失安全系数为125590，均远高于相应阈值（190和480）。上述结果表明，本研究受到发表偏倚影响的可能性较低，总体效应量具有良好的稳健性。

为进一步检验主效应结果的稳健性，本研究采用依次剔除研究后重新估计合并效应量的去一法对三水平随机效应模型进行敏感性分析。结果显示，逐一剔除任一研究后，普遍主义因素的合并效应量介于0.407~0.579，特殊主义因素的合并效应量介于0.241~0.331，均与各自总体效应量（r=0.549；r=0.317）较为接近，表明两类因素的主效应结果具有较好的稳健性。

（三）具体因素的主效应与异质性检验

在总体分析的基础上，本研究进一步检验各具体因素与科技人才成长的相关效应。结果显示，（见表2）科研影响力（r=0.700，p<0.01）呈显著的大效应；教育背景（r=0.394，p<0.05）呈显著的中效应；导师声望（r=0.283，p<0.05）、学术网络（r=0.173，p<0.05）与组织支持（r=0.111，p<0.05）均呈显著的小效应。科研生产力（r=0.473，p>0.05）与科技人才成长不具有显著的相关关系。由于家庭资本包含的研究不足5项，其合并效应的稳定性和外推性均较为有限。

异质性检验结果显示，所有具体因素的Q检验均达到显著水平，且各变量均在水平2和（或）水平3呈现显著变异，水平1方差占总效应方差的比值均小于75%，表明各具体因素的效应量差异远超抽样误差可以解释的范围，有必要进一步考察调节变量对各具体因素效应异质性的解释作用。

（四）调节效应分析

为进一步探讨效应量异质性的潜在来源，本研究分别对普遍主义因素、特殊主义因素以及各具体因素进行调节效应检验。通过亚组分析和元回归分析，结果显示，（见表3）在整体层面和具体因素层面，性别、年龄和国别对普遍主义因素和特殊主义因素效应量的调节作用均未达到统计显著水平，表明现有数据尚未发现上述变量能够在整体层面和具体要素层面解释两类因素效应量差异的证据。

其一，性别构成对普遍主义、特殊主义及其具体因素与科技人才成长关系的调节作用不显著。这在一定程度上表明，无论男性还是女性，在科研贡献获得学术承认，以及教育背景、导师声望、学术网络和组织支持转化为成长机会方面，均可能依托相近的学术评价与资源配置机制。其二，年龄对普遍主义、特殊主义及其具体因素与科技人才成长关系的调节作用不显著，说明科研贡献及社会性资源对科技人才成长的作用可能贯穿学术职业发展的不同阶段。其三，国别对普遍主义、特殊主义及其具体因素与科技人才成长关系的调节作用不显著。这表明普遍主义因素与特殊主义因素对科技人才成长的影响，可能是现代科学共同体中普遍存在的现象，二者作用效力的并存并非中国科研情境所独有。

然而，调节效应不显著并不意味着两类因素在不同群体中的作用完全一致。从研究设计看，本研究中的性别以样本男性比例衡量，属于研究层面的汇总指标，难以反映个体性别差异，也不能排除性别通过科研分工、家庭责任等具体过程影响科技人才成长；年龄依据样本平均年龄划分青年与成熟阶段，难以反映博士后、入职初期、职业上升期和学术成熟期等更细致的职业阶段，可能弱化阶段间的差异；国别采用国内与国外的二元分类，难以呈现不同国家在科研评价制度、学术劳动力市场和资源配置方式上的差异，也可能掩盖同一国别内部不同高校与学科间的情境差异。此外，纳入调节变量后，多数模型仍存在显著的水平2和（或）水平3方差，表明存在比性别、年龄和国别更具解释力的调节变量。

四、结论讨论与启示

（一）结论

本研究采用三水平元分析法，遵循PRISMA指南从18647篇文献中筛选并整合25篇国内外实证研究，系统比较普遍主义、特殊主义及其具体因素与科技人才成长的关联效应，在循证层面回应了两种解释路径长期并存而缺乏系统整合的问题。主要研究结论如下。

第一，主效应检验显示，普遍主义因素与特殊主义因素均与科技人才成长呈显著正相关，表明知识贡献和社会结构性条件共同参与科技人才的成长过程。其中，普遍主义因素的合并效应量达到大效应水平，特殊主义因素达到中效应水平。第二，普遍主义与特殊主义内部各因素存在效应差异。普遍主义因素中，科研影响力与科技人才成长呈显著的大效应正相关。特殊主义因素中，教育背景呈显著的中效应，导师声望、学术网络与组织支持呈显著的小效应。第三，普遍主义因素和特殊主义因素均存在较高异质性，但性别、年龄和国别的调节作用均未达到显著，说明现有数据尚未发现上述变量能够解释效应差异的证据。考虑到不同研究在变量测量方面存在差异，调节效应不显著不能被理解为两类因素具有跨性别、跨年龄和跨国别的同质效应，而可能是所选调节变量尚未触及异质性的核心来源。

（二）讨论

研究显示，以科研绩效和知识贡献为依据的普遍主义规范仍是科技人才获得职业进阶与科技荣誉的重要基础。其中，科研影响力与科技人才成长呈稳定的大效应关系，这一结果既与科研影响力而非科研成果数量显著影响科技人才成长速度的发现相印证，也为我国现阶段推动科技人才评价由数量考核转向质量评价改革提供了经验支持。

特殊主义因素既可能参与科技人才科研能力的形成，也可能影响科研成果向学术承认转化的机会与效率。以特殊主义因素中关联效应最大的教育背景为例说明。首先，优质的教育经历能够为科技人才提供系统的专业训练、较高水平的师资和研究设施，促进其科研能力提升。其次，高声誉的教育机构也具有较强的符号功能，可能影响学者及其成果获得关注和认可的概率。最后，教育背景与科技人才成长之间的关系还包含一定的选择效应，能够进入高声誉机构的个体，往往具备较强的学术能力和发展潜力。因此，教育背景的效应综合反映了前期能力、科研训练、平台条件和制度声誉等多重因素。就此而言，特殊主义因素的显著效应不能被简单理解为科学评价偏离普遍主义标准，这些因素既通过改善科研条件和提供科研训练机会促进科研能力提升，又因其附带的声誉信号和资源优势而提高科技人才被关注和认可的概率。

综合上述发现，普遍主义因素与特殊主义因素并非相互排斥的竞争性解释，而可能是在科技人才成长的不同环节分别发挥作用并相互渗透，因之需要在互动与转化的过程视角下加以理解。科学场域理论所强调的“科学能力与社会权利的结合”为此提供了一种解释框架，普遍主义因素主要对应知识贡献及其学术表现，特殊主义因素则涉及知识贡献获得评价、承认和发展机会的社会条件。科研产出只有在特定评价规则和场域中获得同行承认，才可能转化为学术资本；教育背景、导师声望、学术网络和组织支持则可能影响这种转化的机会与效率。这一解释也与优势累积理论所揭示的作用方向相呼应，即学者初始的能力、结构位置与资源差异可能通过持续优势递增的方式，使得科学领域中强者与弱者之间的差距不断拉大。

（三）启示

第一，坚持知识贡献导向，继续推动科技人才评价由成果计数转向代表性贡献评价。科研影响力与科技人才成长呈现出显著的正向关联，说明评价制度应更加重视成果的原创性、科学价值、学术影响和实际贡献。因此，高校和科研机构应进一步完善代表作评价、长周期评价和同行评议制度，避免将论文、项目与奖励数量的简单加总作为科技人才评价的核心指标。

第二，提高优质科研资源的可及性，减少身份优势形成的潜在机会壁垒。研究显示，教育背景、导师声望、学术网络和组织支持均与科技人才成长呈显著正相关。高校和科研机构可进一步推进重大科研平台与数据资源共享，建立跨院校、跨机构的合作机制，为处于网络相对边缘位置的科研人员提供更多参与高水平科研合作的机会。同时，进一步提高人才评价的透明度，减少对毕业院校、导师身份和既有关系网络的简单依赖。

第三，构建面向全体科技人才的普惠性支持制度。研究发现，性别、年龄和国别在普遍主义因素、特殊主义因素与科技人才成长间均未起到显著的调节作用。这一方面暗示所选调节变量尚未触及异质性的核心来源，另一方面可能说明两类因素对科技人才成长的作用效应在不同性别、职业阶段以及社会情境下均具有作用效力。因此，高校和科研机构在制度设计中应避免简单依赖群体标签进行资源分配，而应将制度优化的重心放在提升整体科研生态的基础质量上。譬如，优先考虑改善所有科技人才共同面临的“学术擂台赛”的职业竞争生态，以及科研时间、资源条件和发展机会等共性需求问题，助力全体科技人才的学术职业成长。

【李歆睿，浙江大学教育学院博士研究生；韩双淼，浙江大学教育学院长聘副教授】

原文刊载于《中国高教研究》2026年第8期