AAO 案例分析：社会科学 - 原创贡献证据不足¶
写在前面
作者小红书： 地平线：@-地平线- ｜山雪：@Mount Snow
AAO 是什么？ 行政上诉办公室（Administrative Appeals Office），负责审理移民申请的上诉案件。
案件流程：申请人提交 I-140 → USCIS 服务中心主任（Director，即移民官）初审 → 可能发 RFE（补充证据请求）→ Director 做出决定 → 如被拒，申请人可上诉至 AAO → AAO 进行 de novo 审查（全面重新审查）→ 做出最终决定（驳回/批准/发回重审）。
本文价值：通过分析 AAO 的裁决逻辑，帮助未来申请人避免类似错误，优化证据策略。
案件概要¶
一位商业与社会心理学研究员申请 EB1A 杰出人才移民。他声称满足评审、原创贡献和学术文章三项标准。美国移民局（USCIS）德州服务中心主任（Director）初审后，认为他只满足了评审和学术文章两项标准，但未能满足原创贡献标准，因此拒签。申请人上诉至 AAO。AAO 在全面重新审查后，维持了拒签决定。失败的核心原因在于：申请人未能证明其原创贡献具有“重大意义”（major significance），其提供的证据（如引用数据和推荐信）过于宽泛、缺乏具体关联和可靠数据支持。
基本信息¶
| 字段 | 内容 |
|---|---|
| 案件编号 | 34835090 |
| 审理中心 | 德州服务中心 (Texas Service Center) |
| 申请人身份 | 商业与社会心理学研究员 |
| 决定日期 | 2025-01-08 |
| 决定类型 | 上诉 |
| 结果 | 驳回 |
| 声称标准 | 评审 (iv)、原创贡献 (v)、学术文章 (vi) |
| 通过标准 | 学术文章 (vi) |
| 失败标准 | 原创贡献 (v) |
| Final Merits | 未达到 |
深度分析¶
1. Step 1：标准满足情况分析¶
本案申请人声称满足三项标准，但 AAO 最终只认可了其中一项。
标准 (iv) 评审经历：未被上诉，视为已满足¶
在初审中，移民官认可了申请人满足评审标准。在上诉中，申请人没有就评审标准提出异议，AAO 也未对此进行重新审查。根据法律原则，申请人未在上诉中主张的事项被视为放弃。因此，我们默认申请人满足了评审标准，但这并非 AAO 的最终裁决重点。
AAO 关于放弃主张的说明
申请人没有在上诉中主张记录满足 8 C.F.R. §§ 204.5(h)(3)(i)-(iii), (vii)-(x) 的标准，因此放弃了这些标准。
标准 (v) 原创贡献：核心失败点¶
这是本案的争议焦点，也是导致拒签的关键。AAO 详细分析了为何申请人的证据无法满足该标准。
1. 标准的法律定义 AAO 首先重申了原创贡献标准的三个要素：
AAO 对原创贡献标准的解释
该标准要求证据（1）证明申请人做出了与科学、学术、艺术、体育或商业领域相关的贡献，（2）该贡献是原创的，以及（3）该原创贡献在该领域具有重大意义。
2. 申请人的证据与主张 申请人提供了以下证据： * 学术文章：23篇合著文章，总引用224次（截至申请时）。 * 引用数据：声称其文章引用量在“经济学与商业”领域排名前10%，个人排名在前1%。 * 推荐信：来自同行专家的信件，赞扬其工作的价值和影响力。
3. AAO 的驳斥逻辑 AAO 从证据的可靠性和关联性两个层面进行了深入剖析。
-
引用数据的缺陷：
- 分类过于宽泛：AAO 指出，申请人使用的 Clarivate Analytics 和 OpenAlex 数据将“商业与社会心理学”归入一个过于宽泛的类别（如“Economics & Business”）。这种宽泛分类下的引用率数据，无法准确反映申请人具体研究领域的贡献价值。
[!quote] AAO 指出数据分类问题 Clarivate Analytics 的数据将出版物归入过于宽泛的概括，例如“经济学与商业”，其中包含可能经常引用很少或没有引用的不同专业领域。
- 数据不可靠：AAO 引用了数据提供方的免责声明，指出引用频率高度偏斜，且近期文章的引用数据不可靠。此外，申请人提供的 OpenAlex 文档存在内部不一致（例如，引用数为0的论文同时出现在5%到70%的所有百分位中），这严重削弱了证据的可信度。
[!quote] AAO 对数据可靠性的质疑 这些文件存在内部不一致的信息，这对其可靠性和充分性产生了怀疑。
- 引用不等于正面认可：AAO 驳斥了申请人“引用即代表重要性”的论点，指出引用可能是为了指出研究的缺陷或过时，因此在没有上下文的情况下，引用率本身并非正面关注的证据。
- 分类过于宽泛：AAO 指出，申请人使用的 Clarivate Analytics 和 OpenAlex 数据将“商业与社会心理学”归入一个过于宽泛的类别（如“Economics & Business”）。这种宽泛分类下的引用率数据，无法准确反映申请人具体研究领域的贡献价值。
-
推荐信的不足：
- AAO 认为，推荐信虽然提到了申请人的工作有“价值”、“影响力”和“重要性”，但这些都是模糊的概括性评价。
[!quote] AAO 对推荐信的评价 推荐信没有具体说明申请人的文章如何对领域产生重大意义，只是泛泛而谈。
- 信件未能提供具体事例，证明申请人的某项贡献如何改变了该领域的研究方向、解决了关键问题或被广泛采纳。因此，这些信件无法满足“重大意义”的要求。
- AAO 认为，推荐信虽然提到了申请人的工作有“价值”、“影响力”和“重要性”，但这些都是模糊的概括性评价。
4. 结论 AAO 总结道，申请人未能证明其原创贡献的“重大意义”。尽管他证明了贡献的“原创性”（通过发表），但未能跨越从“原创”到“重大”的质变。
AAO 的最终结论
记录未能确立申请人的已发表文章如何在商业与社会心理学研究领域具有重大意义，因此未能满足该标准。
标准 (vi) 学术文章：唯一通过的标准¶
移民官和 AAO 都认可申请人满足了学术文章标准。申请人提供了在主要期刊上发表的学术文章，这符合该标准的“plain language”要求。然而，仅满足一项标准是远远不够的。
2. Step 2：Final Merits Determination（最终价值判断）¶
由于申请人未能满足至少三项标准，AAO 没有进行完整的 Final Merits Determination。根据 Kazarian 框架，只有在 Step 1 通过后，才需要进入 Step 2 的整体评估。
AAO 关于 Final Merits 的说明
由于申请人未能证明其收到一次性成就，或在替代方案中未能满足至少三项标准，我们无需提供 Kazarian 案中提到的最终价值判断。
尽管如此，AAO 还是在结论部分进行了简要的总体评估，指出申请人的记录未能显示其获得了持续的国家或国际赞誉，也未能证明他是处于该领域顶尖的小部分人群。
3. 可借鉴的教训¶
本案为未来申请人提供了极其宝贵的教训，尤其是在如何证明“原创贡献”方面。
教训一：证明“重大意义”需要具体化，而非泛泛而谈 * 问题所在：申请人仅提供了引用总数和百分位排名，以及推荐信中的赞美之词。这些证据是间接的、概括性的。 * AAO 逻辑：AAO 要求证据能直接、具体地说明贡献如何改变了领域。模糊的“影响力”不足以证明“重大意义”。 * 具体建议： 1. 提供直接证据：寻找能直接证明贡献被采纳的证据，例如： * 行业标准/政策引用：证明你的研究被写入行业标准、政府政策或国际组织指南。 * 技术/产品集成：证明你的理论或方法被集成到商业软件、产品或服务中。 * 教科书引用：证明你的工作被写入权威教科书。 2. 量化影响：如果使用引用数据，必须提供领域特定的、可靠的基准。例如，提供你所在细分领域（如“组织行为学中的远程工作研究”）的平均引用率，并证明你的文章远超该基准。避免使用过于宽泛的分类数据。 3. 推荐信要“讲故事”：让推荐人具体描述你的某项工作如何解决了他们研究中的难题，如何被他们的团队采纳，或者如何引发了后续的系列研究。避免使用“杰出”、“重要”等空洞词汇。
教训二：证据的可靠性和具体性至关重要 * 问题所在：申请人使用了来源不明、数据不一致的 OpenAlex 文档，以及带有免责声明的宽泛领域数据。 * AAO 逻辑：AAO 对证据的“真实性”和“质量”有严格要求。不可靠或来源不明的证据几乎没有证明力。 * 具体建议： 1. 使用权威来源：引用数据应来自公认的学术数据库（如 Web of Science, Scopus），并提供完整的报告或截图，显示清晰的来源标识。 2. 确保数据一致：提交前仔细核对所有数据，确保内部逻辑一致，避免自相矛盾。 3. 提供上下文：不要只给一个数字。要解释这个数字在你的具体领域意味着什么。例如，不要只说“引用224次”，而要说“在‘远程团队协作’这一细分领域，平均引用量为15次，我的文章引用量是该领域的前5%”。
教训三：不要假设移民官理解你的领域 * 问题所在：申请人认为“经济学与商业”是一个合理的分类，但 AAO 指出这过于宽泛。 * AAO 逻辑：移民官和 AAO 审理官并非你所在领域的专家。他们依赖于你提供的清晰、具体的证据和解释。 * 具体建议： 1. 定义你的细分领域：在申请材料中明确界定你的研究领域，例如“商业与社会心理学下的组织行为学，专注于远程工作环境下的团队动力学”。 2. 提供领域基准：主动提供你细分领域的平均引用率、发表难度等基准数据，帮助审理官理解你的成就在领域内的相对位置。 3. 使用通俗语言：在解释专业概念时，尽量使用通俗易懂的语言，避免过多的行话。
总结¶
本案是一个典型的“证据数量充足但质量不足”导致的失败案例。申请人拥有发表记录和引用数据，但未能将这些证据转化为证明其贡献“重大意义”的有力论据。AAO 的裁决清晰地表明，EB1A 的“原创贡献”标准要求的是质的证明，而非量的堆砌。未来的申请人必须精心设计证据链，用具体、可靠、直接的证据来讲述自己对领域的独特和重大影响，才能成功通过 Kazarian 的两步分析框架。