胡 意 鄒倩瑜 廖 揚(yáng) 陳麗麗

(廣東省科技創(chuàng)新監(jiān)測(cè)研究中心,廣州 510033)

0 引 言

2019年初廣東省政府印發(fā)《關(guān)于進(jìn)一步促進(jìn)科技創(chuàng)新的若干政策措施》[1],提出鼓勵(lì)港澳高校和科研機(jī)構(gòu)承擔(dān)廣東省科技計(jì)劃項(xiàng)目,并將在重大項(xiàng)目形成、指南發(fā)布過(guò)程中充分聽(tīng)取吸收港澳專家意見(jiàn)?？萍紝＜覉F(tuán)體在支撐科技管理部門(mén)制定創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略、輔助科技管理精準(zhǔn)施策中發(fā)揮重要“智囊團(tuán)”作用,各級(jí)科技管理部門(mén)高度重視科技專家隊(duì)伍建設(shè)和管理。2022年科技部等八部門(mén)發(fā)布《關(guān)于開(kāi)展科技人才評(píng)價(jià)改革試點(diǎn)的工作方案》[2],強(qiáng)調(diào)在人才評(píng)價(jià)上,要“破四唯”和“立新標(biāo)”并舉,加快建立以創(chuàng)新價(jià)值、能力、貢獻(xiàn)為導(dǎo)向的科技人才評(píng)價(jià)體系。在這種背景下,綜合運(yùn)用BP神經(jīng)網(wǎng)絡(luò)、區(qū)塊鏈等新一代信息技術(shù),結(jié)合BP神經(jīng)網(wǎng)絡(luò)在處理非線性問(wèn)題上的顯著優(yōu)勢(shì)以及區(qū)塊鏈技術(shù)在信息共享上的安全可靠、不可篡改特點(diǎn),探索一種跨區(qū)域、跨制度、跨部門(mén)的科技專家評(píng)審質(zhì)量共建、共治、共享機(jī)制,為粵港澳大灣區(qū)建設(shè)夯實(shí)科技專家人才儲(chǔ)備、營(yíng)造風(fēng)清氣正的粵港澳大灣區(qū)科技創(chuàng)新環(huán)境提供一種創(chuàng)新路徑。

1 文獻(xiàn)綜述

1.1 評(píng)估體系研究

在評(píng)估指標(biāo)體系研究方面,徐華從科技評(píng)估專家的特點(diǎn)出發(fā),研究設(shè)計(jì)了科技評(píng)估專家信用評(píng)價(jià)指標(biāo)體系,運(yùn)用模糊綜合評(píng)判法建立了科技評(píng)估專家的信用評(píng)價(jià)模型,初步實(shí)現(xiàn)了對(duì)科技評(píng)估專家的信用評(píng)價(jià)[3]。廉立軍建立了包括人員素質(zhì)、服務(wù)環(huán)境等維度的高校圖書(shū)館館員服務(wù)質(zhì)量評(píng)估體系,并根據(jù)專家判斷法對(duì)評(píng)估指標(biāo)體系進(jìn)行驗(yàn)證[4]。蔡文學(xué)等注意到項(xiàng)目類型不同會(huì)造成專家評(píng)分偏差,通過(guò)在不同類型的項(xiàng)目中引入不同的評(píng)分偏差度權(quán)重,計(jì)算得出評(píng)審專家的績(jī)效總分,通過(guò)實(shí)例分析驗(yàn)證該方法的實(shí)用性和有效性,為科技項(xiàng)目評(píng)審專家的遴選提供決策支持[5]。上述研究在評(píng)估體系中分別引入模糊綜合評(píng)判法、專家判斷法、偏差度權(quán)重方法來(lái)提升評(píng)估體系的科學(xué)性與精準(zhǔn)性,值得借鑒。

1.2 神經(jīng)網(wǎng)絡(luò)算法在評(píng)估中的應(yīng)用

俞立平以評(píng)價(jià)指標(biāo)為輸入,以非線性多屬性評(píng)估值為輸出,訓(xùn)練BP人工神經(jīng)網(wǎng)絡(luò),通過(guò)檢驗(yàn)非線性多屬性評(píng)估方法的邏輯一致性來(lái)進(jìn)行評(píng)估方法的選取[6];劉澄等建立以發(fā)明人特征、專利文本特征、專利法律度特征及市場(chǎng)關(guān)注度為初選指標(biāo)的專利價(jià)值評(píng)估體系,進(jìn)一步結(jié)合BP神經(jīng)網(wǎng)絡(luò)構(gòu)建專利價(jià)值評(píng)估模型,通過(guò)專利價(jià)值樣本數(shù)據(jù)驗(yàn)證該模型的適用性和可靠性[7]。已有學(xué)者將BP神經(jīng)網(wǎng)絡(luò)的非線性問(wèn)題處理優(yōu)勢(shì)應(yīng)用于評(píng)估評(píng)價(jià)指標(biāo)模型優(yōu)化方面,實(shí)證結(jié)果表明通過(guò)合理構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型能夠提升評(píng)估評(píng)價(jià)結(jié)果精度。

1.3 基于區(qū)塊鏈的信息共享場(chǎng)景

李志宏等基于社區(qū)知識(shí)分享需求,探討將區(qū)塊鏈技術(shù)應(yīng)用于社區(qū)知識(shí)分享過(guò)程的必要性和可能性[8];徐尚英等針對(duì)科技服務(wù)數(shù)據(jù)存在的數(shù)據(jù)標(biāo)準(zhǔn)多樣化、共享不及時(shí)、信息壁壘及安全性等問(wèn)題,在科技服務(wù)數(shù)據(jù)管理中融入?yún)^(qū)塊鏈即服務(wù)架構(gòu)和思想方法構(gòu)建數(shù)據(jù)共享系統(tǒng)結(jié)構(gòu),利用智能合約和加密密鑰實(shí)現(xiàn)數(shù)據(jù)的有效檢索和共享,并保證數(shù)據(jù)共享過(guò)程中的安全性和隱私性[9];高悅等將區(qū)塊鏈技術(shù)納入突發(fā)公共衛(wèi)生事件信息共享研究范疇,從數(shù)據(jù)存儲(chǔ)、網(wǎng)絡(luò)共識(shí)、智能合約等層面構(gòu)建公共衛(wèi)生事件共享模型,為疫情防控應(yīng)急管理提供決策支撐[10]。上述研究探討了區(qū)塊鏈技術(shù)在社區(qū)知識(shí)分享、科技服務(wù)數(shù)據(jù)共享、公共衛(wèi)生事件信息共享等領(lǐng)域的應(yīng)用,肯定了區(qū)塊鏈技術(shù)在信息共享中的優(yōu)勢(shì)。

2 專家評(píng)審質(zhì)量后評(píng)估指標(biāo)構(gòu)建

科技專家作為重要智力支撐,為科技計(jì)劃項(xiàng)目從指南編制、評(píng)審、中期考核到驗(yàn)收結(jié)題的全生命周期提供專業(yè)咨詢意見(jiàn)和建議。充分發(fā)揮專家“智囊團(tuán)”群體的專業(yè)知識(shí)、工作經(jīng)驗(yàn)和判斷能力等優(yōu)勢(shì),能夠有效促進(jìn)科技管理決策的科學(xué)性、公正性與權(quán)威性。在肯定科技專家智力群體為科技進(jìn)步做出貢獻(xiàn)的同時(shí),也需要審視科技專家智力群體在項(xiàng)目評(píng)審中暴露的一些問(wèn)題,例如專家評(píng)審態(tài)度不端正、評(píng)估有失公允、專業(yè)水平有限、濫用專家權(quán)力、違反回避制度、裙帶關(guān)系盛行等問(wèn)題偶有發(fā)生。因此,建立科學(xué)合理的專家評(píng)審質(zhì)量后評(píng)估體系,彌補(bǔ)專家評(píng)審質(zhì)量監(jiān)管空白,將有利于科技管理部門(mén)保證第三方咨詢活動(dòng)公平公正、科學(xué)規(guī)范。

通過(guò)文獻(xiàn)梳理[2-5],結(jié)合相關(guān)評(píng)估指標(biāo)原始量表,建立專家基本素質(zhì)、工作態(tài)度及專業(yè)能力等3個(gè)維度的一級(jí)指標(biāo),對(duì)應(yīng)18項(xiàng)二級(jí)指標(biāo)(見(jiàn)表1)?？萍紝＜以u(píng)審質(zhì)量的綜合評(píng)估結(jié)果是由一級(jí)指標(biāo)、二級(jí)指標(biāo)相互作用、相互影響形成的,本文將展開(kāi)評(píng)審質(zhì)量綜合評(píng)估結(jié)果的精準(zhǔn)性研究。

表1 科技專家評(píng)審質(zhì)量后評(píng)估指標(biāo)

3 評(píng)審質(zhì)量評(píng)估模型

BP神經(jīng)網(wǎng)絡(luò)在處理隨機(jī)、動(dòng)態(tài)、模糊、離散信息時(shí)具有顯著效果,兼具自學(xué)習(xí)、自適應(yīng)及并行處理等功能,在處理復(fù)雜非線性問(wèn)題上具有較大優(yōu)勢(shì)[6]。結(jié)合表1可知,科技專家評(píng)審質(zhì)量后評(píng)估指標(biāo)涉及的一級(jí)指標(biāo)、二級(jí)指標(biāo)兼具耦合與離散的雙重屬性,定性分析方法主觀性較大,定量分析方法指標(biāo)權(quán)重設(shè)計(jì)較為復(fù)雜,缺乏可操作性。由于本文建立的專家評(píng)審質(zhì)量后評(píng)估指標(biāo)及對(duì)應(yīng)指標(biāo)權(quán)重設(shè)立具有復(fù)雜特性,因此探索建立以綜合評(píng)價(jià)結(jié)果為導(dǎo)向、基于BP神經(jīng)網(wǎng)絡(luò)算法的評(píng)審質(zhì)量后評(píng)估模型。

3.1 模型建立步驟

專家評(píng)審質(zhì)量評(píng)估模型建立步驟如下:

確定輸入層神經(jīng)元。根據(jù)表1確定的科技專家評(píng)審質(zhì)量后評(píng)估指標(biāo)體系,將18項(xiàng)二級(jí)指標(biāo)作為模型的神經(jīng)元輸入,輸入1,輸入2,…,輸入n,這里的任意一項(xiàng)二級(jí)指標(biāo)“輸入n”即為神經(jīng)元。

確定輸出層神經(jīng)元。將單個(gè)專家的評(píng)審質(zhì)量綜合評(píng)估結(jié)果作為最終輸出。

確定隱含層數(shù)及神經(jīng)元。對(duì)簡(jiǎn)單數(shù)據(jù)集而言,隱含層通常是一層或兩層。根據(jù)Kolmogrov理論[11],選擇隱含層為1層即滿足需求。隱含層神經(jīng)元個(gè)數(shù)設(shè)置過(guò)多或過(guò)少都不利于完美擬合,應(yīng)用LeCun等提出的經(jīng)驗(yàn)公式確定隱含層神經(jīng)元數(shù)量[12]。

(1)

其中,Nh為隱含層神經(jīng)元數(shù)量,Ns為訓(xùn)練集樣本數(shù),α是自取的任意值變量,Ni是輸入層神經(jīng)元個(gè)數(shù),No為輸出層神經(jīng)元個(gè)數(shù)。

確定神經(jīng)元轉(zhuǎn)換函數(shù)。Sigmoid函數(shù)被廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)的激活函數(shù),本文采用Sigmoid函數(shù)為轉(zhuǎn)換函數(shù)。

(2)

針對(duì)誤差進(jìn)行參數(shù)調(diào)節(jié)。預(yù)測(cè)結(jié)果和真實(shí)結(jié)果誤差用最小二乘法表示,針對(duì)誤差用高效的梯度下降法來(lái)調(diào)節(jié)更新參數(shù)。

設(shè)置對(duì)目標(biāo)結(jié)果的期望。設(shè)置一個(gè)迭代終止的目標(biāo)條件,即神經(jīng)網(wǎng)絡(luò)評(píng)估結(jié)果與實(shí)際結(jié)果誤差小于一個(gè)閾值時(shí),模型迭代終止。至此,一個(gè)基于BP神經(jīng)網(wǎng)絡(luò)的專家評(píng)審質(zhì)量評(píng)估模型建立完成。

3.2 評(píng)估模型的訓(xùn)練

本文以粵港澳大灣區(qū)某地市科技管理部門(mén)科技項(xiàng)目評(píng)審專業(yè)管理機(jī)構(gòu)收集與提供的2019—2022年科技專家科技評(píng)審質(zhì)量后評(píng)估真實(shí)數(shù)據(jù)為基礎(chǔ),遴選1 000份有效樣本數(shù)據(jù),對(duì)專家基本信息進(jìn)行脫敏處理,用隨機(jī)樣本序號(hào)代表專家科技評(píng)審質(zhì)量后評(píng)估結(jié)果,包含綜合評(píng)估結(jié)果、一級(jí)指標(biāo)及二級(jí)指標(biāo)評(píng)分。隨機(jī)抽取900組評(píng)估數(shù)據(jù)用作訓(xùn)練數(shù)據(jù),訓(xùn)練次數(shù)預(yù)設(shè)為不少于800次,目標(biāo)誤差不大于5%。在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中,通過(guò)擬合、迭代、反向調(diào)參,減小預(yù)測(cè)值結(jié)果與真實(shí)綜合評(píng)分間的誤差,給出無(wú)限逼近真實(shí)綜合評(píng)分的預(yù)測(cè)值。截取部分訓(xùn)練數(shù)據(jù)(見(jiàn)表2),可以看出真實(shí)的綜合評(píng)估值與后評(píng)估模型評(píng)價(jià)預(yù)測(cè)值的絕對(duì)誤差不超過(guò)5%,基本滿足預(yù)設(shè)目標(biāo)誤差。

表2 科技專家評(píng)審質(zhì)量后評(píng)價(jià)訓(xùn)練集

3.3 后評(píng)估模型實(shí)證

上述評(píng)估模型的訓(xùn)練基本滿足精度要求,接下來(lái)利用剩余的100組真實(shí)數(shù)據(jù)對(duì)調(diào)優(yōu)后的神經(jīng)網(wǎng)絡(luò)后評(píng)估算法模型進(jìn)行實(shí)證測(cè)試,用于檢驗(yàn)后評(píng)估模型輸出的自動(dòng)化評(píng)估預(yù)測(cè)值和人為主觀評(píng)估結(jié)果之間的誤差是否在預(yù)設(shè)目標(biāo)誤差范圍之內(nèi),真實(shí)綜合評(píng)分結(jié)果與后評(píng)估預(yù)測(cè)值間誤差區(qū)間分布見(jiàn)圖1,帶編號(hào)的圓圈表示后評(píng)估預(yù)測(cè)值與真實(shí)評(píng)價(jià)值相對(duì)誤差所處的區(qū)間?？梢钥闯?測(cè)試集誤差區(qū)間全部分布在[-5%,5%]區(qū)間,100個(gè)測(cè)試結(jié)果中有85個(gè)誤差分布在[-2.5%,2.5%]區(qū)間,占比85%;另有15個(gè)測(cè)試結(jié)果絕對(duì)誤差大于2.5%、小于5%,占比15%。實(shí)證結(jié)果表明,神經(jīng)網(wǎng)絡(luò)后評(píng)估模型在目標(biāo)誤差值為2.5%時(shí),精度為85%。精度不是特別高的原因:一是訓(xùn)練數(shù)據(jù)僅為900組,訓(xùn)練數(shù)據(jù)規(guī)模較小導(dǎo)致神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練不足;二是神經(jīng)網(wǎng)絡(luò)模型的誤差調(diào)節(jié)參數(shù)調(diào)節(jié)不充分,需進(jìn)一步對(duì)參數(shù)進(jìn)行調(diào)優(yōu);三是選用的神經(jīng)元轉(zhuǎn)換函數(shù)不完全適用,下一步考慮將Sigmoid函數(shù)替換為線性整流函數(shù)再進(jìn)行測(cè)試。綜上,本文設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)后評(píng)估模型精度基本符合預(yù)測(cè)要求,但還需結(jié)合更大規(guī)模的真實(shí)訓(xùn)練數(shù)據(jù)進(jìn)一步訓(xùn)練、調(diào)優(yōu)及參數(shù)優(yōu)化,達(dá)到進(jìn)一步減小相對(duì)誤差、提升后評(píng)估模型的精度的目的。

圖1 測(cè)試集誤差區(qū)間分布情況

4 專家評(píng)審質(zhì)量評(píng)估信息共享機(jī)制

通過(guò)調(diào)研發(fā)現(xiàn),粵港澳大灣區(qū)涉及的廣東省省級(jí)科技主管部門(mén)、9個(gè)地市科技管理部門(mén)及2個(gè)特別行政區(qū)科技管理部門(mén)科技咨詢專家?guī)煜嗷オ?dú)立,并未建立起專家信息資源的長(zhǎng)效共享機(jī)制;科技管理部門(mén)間的專家信息共享仍然以線下、手動(dòng)對(duì)接為主,存在信息更新不及時(shí)、數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一等弊端;科技管理部門(mén)在邀請(qǐng)專家參與評(píng)審或咨詢活動(dòng)時(shí)主要通過(guò)隨機(jī)抽取或憑“印象分”指派專家。同一專家服務(wù)于粵港澳大灣區(qū)內(nèi)不同科技專家管理機(jī)構(gòu)的情況較為普遍,專家服務(wù)于不同科技專家管理機(jī)構(gòu)組織的評(píng)審活動(dòng)時(shí)產(chǎn)生的評(píng)審質(zhì)量評(píng)估信息存在“信息壁壘”,導(dǎo)致科技專家行為監(jiān)督與約束機(jī)制的局部失效,本文將探索結(jié)合區(qū)塊鏈技術(shù)優(yōu)勢(shì)建立評(píng)估信息共享機(jī)制。

4.1 區(qū)塊鏈技術(shù)在信息共享中的應(yīng)用

區(qū)塊鏈的概念最早誕生于2008年,區(qū)塊鏈技術(shù)的本質(zhì)是一種去中心化、高可靠性、不可篡改的分布式數(shù)據(jù)庫(kù)賬本技術(shù),因其獨(dú)特的技術(shù)理念被廣泛應(yīng)用于信用驗(yàn)證、數(shù)字版權(quán)、信息共享、數(shù)字認(rèn)證等領(lǐng)域[13]。以基于區(qū)塊鏈技術(shù)的政務(wù)信息共享為例,跨區(qū)域、跨行業(yè)政府部門(mén)間制定政務(wù)信息共享的協(xié)議,形成政務(wù)信息共享的智能合約,并將智能合約簽名信息打包到區(qū)塊鏈網(wǎng)絡(luò)中;當(dāng)某個(gè)部門(mén)提出信息共享請(qǐng)求時(shí),數(shù)源部門(mén)收到請(qǐng)求廣播后,對(duì)請(qǐng)求進(jìn)行數(shù)字化驗(yàn)證,在確認(rèn)請(qǐng)求符合約定后,觸發(fā)智能合約;由數(shù)源部門(mén)將簽名后的共享信息反饋給需求部門(mén),形成共享信息的備份,并通過(guò)共識(shí)節(jié)點(diǎn)將共享記錄信息打包上鏈,至此完成一次政府部門(mén)間的政務(wù)信息共享[14]。

4.2 基于區(qū)塊鏈的專家評(píng)估信息共享機(jī)制

4.2.1 構(gòu)建粵港澳大灣區(qū)專家信息管理區(qū)塊鏈生態(tài)圈

本文中專家信息管理區(qū)塊鏈生態(tài)圈基于區(qū)塊鏈行業(yè)鏈理論[15],成員限于粵港澳大灣區(qū)協(xié)議約定的專家信息管理機(jī)構(gòu)成員,將約定的專家信息管理機(jī)構(gòu)成員作為生態(tài)圈網(wǎng)絡(luò)節(jié)點(diǎn),每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)也是記賬人,鏈上的讀寫(xiě)權(quán)限、記賬規(guī)則按協(xié)商確定的智能合約形式來(lái)設(shè)計(jì)。每個(gè)科技專家評(píng)估信息包區(qū)塊由專家信息管理節(jié)點(diǎn)根據(jù)實(shí)際評(píng)審活動(dòng)產(chǎn)生的專家評(píng)審質(zhì)量評(píng)估信息產(chǎn)生,其他專家信息管理節(jié)點(diǎn)參與新評(píng)價(jià)信息的上鏈共識(shí)過(guò)程,專家評(píng)估信息在科技行業(yè)區(qū)塊鏈生態(tài)圈中互通共享,各專家管理節(jié)點(diǎn)通過(guò)生態(tài)圈查詢調(diào)用專家后評(píng)估信息,作為遴選、抽取專家的一個(gè)重要參考依據(jù)。通過(guò)區(qū)塊鏈生態(tài)圈保障專家評(píng)估信息的統(tǒng)一完整、安全流通和不可篡改。

4.2.2 基于區(qū)塊鏈生態(tài)圈的專家評(píng)估信息流

在上述構(gòu)建的專家信息管理區(qū)塊鏈生態(tài)圈中,專家評(píng)估信息的共建、共治、共享依賴于統(tǒng)一標(biāo)準(zhǔn)的專家評(píng)審質(zhì)量評(píng)估指標(biāo)體系和算法模型,通過(guò)專家信息管理系統(tǒng)錄入、采集專家評(píng)審活動(dòng)中產(chǎn)生的后評(píng)估指標(biāo)對(duì)應(yīng)的二級(jí)指標(biāo)基礎(chǔ)分值,再結(jié)合本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)算法模型自動(dòng)形成專家評(píng)審質(zhì)量后評(píng)估結(jié)果。專家信息管理節(jié)點(diǎn)將專家的身份唯一標(biāo)識(shí)信息和新評(píng)審活動(dòng)產(chǎn)生的專家評(píng)估結(jié)果信息進(jìn)行加密,打包成新區(qū)塊,基于共識(shí)機(jī)制將所述新區(qū)塊寫(xiě)入已有區(qū)塊鏈,生成新的區(qū)塊鏈,并進(jìn)行廣播。其他專家信息管理節(jié)點(diǎn)申請(qǐng)專家評(píng)估信息使用授權(quán),解密后從所述新區(qū)塊鏈中調(diào)用專家評(píng)估信息,至此,完成了一次基于區(qū)塊鏈技術(shù)的科技專家評(píng)審質(zhì)量后評(píng)估信息從產(chǎn)生、上鏈共享到應(yīng)用的循環(huán)流轉(zhuǎn)過(guò)程,專家評(píng)估信息流轉(zhuǎn)見(jiàn)圖2。

圖2 基于區(qū)塊鏈生態(tài)圈的專家評(píng)估信息流轉(zhuǎn)

5 結(jié)論及展望

本文針對(duì)粵港澳大灣區(qū)建設(shè)背景下科技專家評(píng)審質(zhì)量后評(píng)估機(jī)制不完善、評(píng)估標(biāo)準(zhǔn)不統(tǒng)一及專家管理信息共享壁壘等問(wèn)題,研究設(shè)計(jì)了科技專家評(píng)審質(zhì)量后評(píng)估指標(biāo)體系,基于BP神經(jīng)網(wǎng)絡(luò)算法建立了科技專家評(píng)審質(zhì)量評(píng)估模型,開(kāi)展了評(píng)估模型的訓(xùn)練,并結(jié)合真實(shí)數(shù)據(jù)初步驗(yàn)證了后評(píng)估模型的精度,在一定程度上彌補(bǔ)了科技專家評(píng)審質(zhì)量后評(píng)估機(jī)制領(lǐng)域的研究不足;并結(jié)合區(qū)塊鏈技術(shù),探索構(gòu)建粵港澳大灣區(qū)專家評(píng)價(jià)信息管理區(qū)塊鏈生態(tài)圈,為跨區(qū)域、跨制度、跨部門(mén)科技專家評(píng)審質(zhì)量評(píng)估信息共建、共治、共享提供一種創(chuàng)新路徑。

隨著人工智能、區(qū)塊鏈等技術(shù)在眾多行業(yè)落地應(yīng)用,結(jié)合BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)特點(diǎn),實(shí)現(xiàn)科技專家評(píng)審質(zhì)量智能化、自動(dòng)化評(píng)估成為可能;將區(qū)塊鏈技術(shù)應(yīng)用于具有跨區(qū)域、跨制度、跨部門(mén)特性的粵港澳大灣區(qū)科技專家評(píng)審質(zhì)量評(píng)估信息共建、共治、共享具有開(kāi)創(chuàng)性意義,在推動(dòng)粵港澳大灣區(qū)科技交流合作、夯實(shí)科技咨詢?nèi)瞬呕A(chǔ)、營(yíng)造風(fēng)清氣正的科研環(huán)境上具有現(xiàn)實(shí)意義。