科學長期以來被視為政策制定的核心要素，憑借其特有的認知權(quán)威成為決策證據(jù)的主要來源之一。在氣候變化、公共衛(wèi)生危機等緊迫社會挑戰(zhàn)與科學發(fā)展深度交織的當下，科學的作用尤為關鍵。然而一個根本性問題日益凸顯：不同立場的政策制定者對科學的使用是否存在差異?本文通過整合兩個大規(guī)模數(shù)據(jù)庫，分析政策、科學以及它們之間的相互作用，系統(tǒng)考察了美國政策制定中科學引用的黨派差異。結(jié)果顯示，美國各政治派系在政策文件中引用科學的數(shù)量、內(nèi)容及方式均存在系統(tǒng)性差異，且這種差異在不同研究領域、政策議題、時間跨度和制度情境中表現(xiàn)出驚人的持續(xù)性。

編譯

理 解科學在政策制定應用過程中可能存在的黨派差異，不僅對科學界本身至關重要這關乎科學在塑造社會成果中的作用與影響，更是維護政策制定過程的公正性與有效性、推動循證決策、鞏固公眾對科學的信任的關鍵所在。

我們的第一組數(shù)據(jù)來自Overton數(shù)據(jù)庫，涵蓋1995至2021年間美國聯(lián)邦政府及智庫發(fā)布的641894份政策文件，以及其中引用的科學論文與其他政策文件。量化科學在政策中的運用長期備受關注，近期研究表明Overton是目前對政策文件及其科學引文追蹤最全面的數(shù)據(jù)庫。本文重點分析了1995年以來的美國國會委員會報告全文（含2001年后的委員會聽證記錄）以及121家基于美國意識形態(tài)的智庫1999年后發(fā)布的政策文件。之后進一步將這些政策文件中的424199條科學文獻引用，與第二組數(shù)據(jù)Dimensions（一個涵蓋1.22億篇跨學科科學文獻的大型出版與引文數(shù)據(jù)庫）進行匹配。Dimensions提供了被引文獻的元數(shù)據(jù)特征，包括：發(fā)表日期、科學引文數(shù)、經(jīng)領域與年份標準化的影響力指標［如高影響力論文、領域引文率（FCR，反映論文被引頻次與同領域平均水平的比值）]、研究領域標簽以及預印本標識。通過關聯(lián)這兩大數(shù)據(jù)庫，可以系統(tǒng)考察政策制定中科學運用的黨派差異。

基于混合效應邏輯回歸模型的預測結(jié)果顯示，在數(shù)據(jù)集中，至少引用一項科學文獻的政策文件占比呈持續(xù)上升趨勢。過去25年間，政策文件對科學文獻的引用率從1995年的不足 20% 穩(wěn)步增長至2020年的 35% 以上，其中智庫文件的增長尤為顯著。這一整體增長趨勢背后隱藏著政策引用科學的系統(tǒng)性黨派差異。

為探究黨派在科學引用傾向上的差異，我們首先聚焦美國國會委員會產(chǎn)出的政策文件一這些文件包含報告和委員會會議記錄（主要是聽證會文字

相較于政府機構(gòu)，意識形態(tài)型智庫在科學引用傾向上展現(xiàn)出更為極化的黨派差異

稿和證人陳述），其委員會層面的政治控制屬性可精確測量。作為國會核心政策機構(gòu)，委員會既承擔信息收集職能，也是黨派爭奪議題框架權(quán)的重要場域，因而成為研究科學政治化使用的理想樣本。我們分別計算了共和黨與民主黨控制的委員會在政策文件中引用科學的概率。盡管兩黨引用率均隨時間增長，但增長模式隨執(zhí)政黨更替呈現(xiàn)顯著差異。通過控制年份和委員會固定效應的模型測算，民主黨控制的委員會文件引用科學的概率是共和黨的1.8倍。這一發(fā)現(xiàn)在納入議院（參/眾兩院）、文件類型（報告/聽證記錄）等變量后依然穩(wěn)健，且在眾議院和委員會會議記錄中表現(xiàn)最為突出，與委員會 / 小組委員會層級無關。

治。其工作人員多為政黨幕僚和研究人員，常在政府、政黨和競選組織之間流動。本研究聚焦具有明確意識形態(tài)傾向的智庫，能更有效地回答核心問題，即揭示持有黨派或意識形態(tài)立場的政策制定者在科學引用行為上的差異。但這一研究設計也排除了持中立立場、模糊立場、跨黨派或無意識形態(tài)傾向的智庫，因此無法對智庫整體生態(tài)做出推論。

通過含線性時間趨勢的邏輯回歸模型，我們分別估算了激進與保守智庫政策文件引用科學的預測概率。研究發(fā)現(xiàn)：激進智庫政策文件引用科學的概率達到保守智庫的5倍以上，這表明相較于政府機構(gòu)，意識形態(tài)型智庫在科學引用傾向上展現(xiàn)出更為極化的黨派差異。

為進一步驗證研究結(jié)論，我們采用委員會層面的政黨更替作為固定效應反事實估計量，構(gòu)建了一個包含80個組別（委員會）和13個周期（國會屆期）的面板數(shù)據(jù)，進行異質(zhì)性處理效應與處理轉(zhuǎn)換的雙重差分分析。研究發(fā)現(xiàn)：當委員會控制權(quán)由共和黨轉(zhuǎn)為民主黨后，在其后一屆國會任期內(nèi)，每個委員會平均增加196次科學文獻引用。

此外，這種差異模式在各類研究領域和政策議題中普遍存在：在23個科學領域中的20個領域，以及17個政策議題中的15個議題上，民主黨控制的委員會對科學的引用顯著多于共和黨；而在我們研究的所有23個科學領域和17個政策議題中，激進智庫對科學的引用均多于保守智庫。

我們觀察到的系統(tǒng)性黨派差異引出一個關鍵問題：民主黨與共和黨政策制定者是否引用相同的科學成果？在采用了多種測量方式后我們發(fā)現(xiàn)，總的說來，政策文件對科學文獻的引用都表現(xiàn)出極低的跨黨派共識度，兩黨政策制定者始終傾向于引用不同的科學成果。

盡管智庫機構(gòu)獨立于政府體系運作，但許多智庫與兩大主要政黨的意識形態(tài)立場保持一致，這使我們能夠根據(jù)意識形態(tài)傾向?qū)χ菐爝M行分類。這些智庫作為擴展政黨網(wǎng)絡中的關鍵資源，通過提供“立法補貼”（為政策制定者提供信息與支持）、設定議程以及孵化政策備選方案，深度參與黨派政鑒于美國近年來政治極化加劇的趨勢，我們進一步考察了跨黨派科學引用率的時序變化。研究發(fā)現(xiàn)，兩黨科學引用的重疊度長期保持穩(wěn)定，這表明美國政策制定過程中對科學成果的低共識度，是一個長期存在卻未被察覺的系統(tǒng)性特征。此外，無論是國會還是智庫，這種低重疊現(xiàn)象在所有科學領域和政策議題中均普遍存在。

共和黨與民主黨政策制定者鮮少引用相同的科學文獻，這一現(xiàn)象引出了另一個關鍵問題：他們是否引用了實質(zhì)內(nèi)容相似的論文來支撐其政策主張？為探究這一問題，我們評估了雙方所引科學文獻在主題上的差異。為探究此問題，我們采用深度學習技術對科學文獻進行高維空間表征。具體而言，我們使用SPECTER嵌入模型將每篇科學論文轉(zhuǎn)化為768維向量空間中的向量表示，從而量化兩黨所引科學文獻的主題相似度。SPECTER是一種基于海量科學文本及引文訓練的Transformer模型。

以眾議院能源與商業(yè)委員會為例進行分析。如圖（不同黨派陣營援引的科學議題范疇各有側(cè)重）所示，分別呈現(xiàn)了民主黨與共和黨主導時期該委員會引用的科學文獻聚類分布。盡管存在部分共同關注領域，但兩黨控制下的文獻聚類呈現(xiàn)顯著差異。民主黨主導時期，委員會更多引用關于能源生產(chǎn)與基礎設施，青少年與電子煙，暴力、槍支與心理健康，醉駕，墮胎的科學文獻；而共和黨控制時期則更關注空氣污染，阿片類藥物，醫(yī)療成本，醫(yī)療保險及高中運動傷害等議題。當然，這些差異可能源于兩黨執(zhí)政時的不同議程與目標取向。

研究發(fā)現(xiàn)，這種系統(tǒng)性差異幾乎存在于所有美國國會委員會及意識形態(tài)型智庫涉及的議題領域中。數(shù)據(jù)一致表明：不同黨派傾向于從差異化的科學主題分布中選取文獻?？傮w而言，我們觀測到的巨大黨派差異在時間維度、機構(gòu)類型及政策領域中均呈現(xiàn)普遍性。

這些持續(xù)存在的黨派差異，可能源于兩黨政策焦點與優(yōu)先事項的不同。盡管科學本應作為應對社會關鍵議題的共同知識基礎，但眾所周知，不同黨派確實持有相異的政策議程。這一矛盾促使我們進行以下思想實驗模擬：當兩黨聚焦相同政策議題

美國不同黨派陣營援引的科學議題范疇各有側(cè)重

美國眾議院能源與商業(yè)委員會援引的科學文獻呈現(xiàn)明顯聚類特征，其傾向性隨執(zhí)政黨更選而變化。研究采用SPECTER嵌入技術，將政策文件中引用的每篇科學文獻表征為768維向量空間（此處降維至二維可視化）。

時，其科學引用行為是否仍存在差異？

為此，我們采用GloVe詞嵌入技術分析政策文件標題，并生成高度相似的成對科學引用政策文檔。GloVe是一種通過訓練獲取詞語向量表征的學習算法。研究發(fā)現(xiàn)，即使當民主黨與共和黨政策制定者撰寫的政策文件標題幾乎完全相同時，其引用科學文獻的重疊程度不僅與前述結(jié)論一致，且差異程度相近。

為說明這一現(xiàn)象，我們以兩份關于最低工資政策的匹配文件為例：一份來自左翼的“城市研究所”，另一份來自右翼的“就業(yè)政策研究所”。城市研究所的政策文件引用了多篇探討最低工資分配效應的論文，而就業(yè)政策研究所的文件則幾乎只引用關于最低工資上漲對就業(yè)和勞動力供給影響的科學研究。盡管這兩份文件聚焦同一議題，但在它們引用的62篇論文中，僅有一篇被雙方共同引用。當將這些被引論文投射到SPECTER向量空間時，兩所智庫引用的科學文獻幾乎完全分離。

我們采用一組高度相似的政策文件配對（如前述最低工資案例），分別由民主黨與共和黨撰寫（稱為“異黨配對”），進一步檢驗不同黨派處理相同政策議題時是否援引不同的科學依據(jù)。通過研究驗證，這些跨黨派政策文件對所引科學文獻的差異性顯著高于同黨派間的引用情況。本研究沿用前述方法，基于政策文件標題的GloVe詞向量相似度構(gòu)建同黨派高度相似文件配對集，即國會中均由民主黨（或共和黨）撰寫的文件，或意識形態(tài)智庫中均出自左翼（或右翼）機構(gòu)的文件。

研究結(jié)果顯示，無論是國會委員會文件還是意識形態(tài)智庫文件，同黨派文件間的科學文獻引用相似度均顯著高于跨黨派文件組。我們通過比較被引科學文獻的主題分布也得出了相同結(jié)論。同時，利用這些匹配樣本，我們進一步檢驗了先前發(fā)現(xiàn)的科學引用率存在顯著黨派差異的現(xiàn)象是否源于兩黨關注議題的不同。研究證實：即便在控制議題差異后，民主黨撰寫的政策文件引用科學文獻的數(shù)量仍持續(xù)顯著高于共和黨。

總體而言，雖然兩黨關注議題的差異可能部分導致其所引科學文獻的不同，但我們的研究結(jié)果表明，僅憑議題差異并不能完全解釋政策文獻中科學引用在內(nèi)容和數(shù)量上的黨派差異。另一種解釋是：政策制定者在相同議題上持有不同立場，因而引用不同的科學依據(jù)。然而，雙方所引科學文獻缺乏重疊性表明，政界人士和意識形態(tài)智庫并未全面考量特定政策相關的所有科學證據(jù)。理想化的循證決策本應綜合所有相關論據(jù)和證據(jù)。但我們的分析顯示，美國國會各委員會和意識形態(tài)智庫似乎并未構(gòu)建這種全面綜合，而是聚焦同一政策的不同影響層面，在處理相同政策議題時引用實質(zhì)上不同的科學文獻集合。因此，觀察到的黨派差異未必反映其運用科學依據(jù)的意愿差異，而更可能體現(xiàn)各方在議題中的不同優(yōu)先事項、目標或立場。 0

資料來源Science

本文作者亞歷山大·弗納斯（AlexanderC.Furnas）是美國伊利諾伊州西北大學的助理教授；蒂莫西·拉皮拉（TimothyM.LaPira）是美國弗吉尼亞州詹姆斯·麥迪遜大學教授；王大順是美國伊利諾伊州西北大學教授