问题——科技创新加速的背景下，如何更准确地理解科学发展规律、有效识别科技前沿，已成为各国科研管理和学术界的共同课题。科学学作为研究科学活动规律、结构与社会影响的学科，正在此需求驱动下不断演进。中山大学团队的研究表明，科学学已从"解释科学"逐步发展为"测量科学"和"预测科学"，在数据与计算能力的提升中形成了新的研究范式。 原因——科学学能在百年间完成从理论探索到方法体系的转变，根本动力来自科学活动规模、组织方式和知识生产速度的深刻变化。20世纪上半叶，学者开始将科学置于制度、经济和社会环境中考察，认识到科学并非孤立发生。随后"大科学"时代到来，科研协作规模扩大、学科分工细化、成果激增，传统的经验概括和个案分析难以应对指数级增长的信息，促使学者寻找可比较、可验证的量化工具来描绘科学结构与演化路径。科学计量学由此兴起，作者生产力分布、词频规律等统计规律的发现，为量化分析科学活动奠定了基础。 更重要的转折出现在引文数据库的建立之后。引文索引使科研成果之间的关联能够被系统记录与分析，支持对学科结构、知识扩散和研究热点的持续监测。随着文献数据规模化积累，科学增长规律、核心作者群体和高影响力成果的识别方法逐步完善，研究对象从"科学家的行为与制度"拓展到"知识网络的结构与动力"。 进入21世纪，开放数据、复杂网络理论和计算工具的普及深入拓展了研究空间。多源数据的互联互通使科学学能够综合利用学术数据库、开放获取平台及更丰富的科研记录，研究从"宏观统计"走向"细粒度刻画"，从"事后描述"转向"过程追踪"。一批面向海量文献的开放数据库相继出现，提升了研究的可重复性和团队协作效率。 影响——这些演进正在深刻影响科研评价、科技政策和学术生态。首先，科学学提供了更可量化的观察工具，使科研投入产出、合作网络、知识扩散等关键指标更易被识别与对比，有助于增强政策研判的证据基础。其次，科学学推动对学科交叉与前沿演化的动态识别，为优化科研布局提供参考。第三，在"数据驱动"趋势下，学术界对研究透明度、数据治理和方法规范的要求同步提升，科学学自身也需要避免指标化偏差，在效率与公平之间求得平衡。 对策——面向新阶段，科学学研究与应用需要在数据、方法和治理层面联合推进。一是完善高质量、可追溯的数据基础设施，推动元数据标准化、开放共享与隐私保护相结合，防止"数据孤岛"影响结论可靠性。二是强化定性与定量的融合，量化分析揭示结构规律，但科学创新的制度、文化与组织因素仍需历史和社会科学视角来解释。三是推动科研评价体系更加多元审慎，合理运用引文、产出等指标，突出原创性和实际贡献，避免过度依赖单一指标。四是加强跨学科人才培养，提升研究者在统计、网络分析、计算工具和科学史社会学间的综合能力。 前景——随着数据连通性增强和计算方法迭代，科学学将更加侧重对科学活动的"实时刻画"和"机制解释"。未来的关键课题包括：如何在复杂数据环境中提高结论的可解释性，如何建立更具国际可比性的研究框架，如何在促进开放的同时守住科研伦理与数据安全底线。科学学在服务科技决策、优化科研组织、精准配置资源上的作用将持续增强，但其有效性取决于方法规范、数据质量与评价理念的共同进步。
科学学的百年发展历程，本质上是研究方法与时代需求相互推动的过程。在数字化浪潮下，保持理论创新与技术应用的平衡，在量化分析中坚守人文关怀，是该领域持续发展的关键。真正有价值的科学学研究，应当既能解析科学的运行机制，也能彰显科学的人文意义。