RAND：寻找国际摇滚明星研究人员：确定国际行动后的成功预测因素（2025） 63页

这篇报告围绕国际科研人才流动展开，旨在找出影响科研人员国际迁移后取得成功的预测因素，对科研领域及政策制定具有重要意义。 1. **国际科研人才流动研究现状**：过往研究主要聚焦于国际科研人员流动的实证模式、国际迁移对科学家产出的影响，以及研究人员决定迁移的驱动因素。本研究则重点关注科研人员国际迁移前的特征与迁移后成功之间的关联。 2. **研究方法**：数据源于Scopus出版数据库，经三步筛选出386,000名国际流动作者及其约1800万篇出版物。通过六重过滤确保数据中迁移事件对应实际物理移动。研究构建了包括国际经验、跨学科性等在内的多个预测变量，以解释迁移结果的差异，并采用机器学习模型（XGBoost回归分类器）和固定效应伪泊松回归模型进行分析。 3. **主要研究结果** - **描述性分析**：1942 - 2016年间，约175,000名作者进行了239,000次迁移，多数作者仅有一次迁移。美国吸引较多早期科研人员，而中国近年吸引了更多资深科研人员。 - **机器学习模型**：该模型预测移民成功因素的性能比基线模型提升约15%，并确定了部分对预测移民成功较为关键的特征变量。 - **回归模型分析**：研究发现科研人员迁移前的科研影响力、团队规模、职业阶段和国际经验等，与迁移后成功的可能性呈正相关。 4. **政策建议**：研究成果可应用于美国签证申请审批过程，指导人才招募政策的制定与完善，比如优化现有签证类别，创建政府主导的人才吸引计划等。同时，应用时需考虑可能带来的不平等问题，并增强模型的可解释性。