行政上诉办公室非先例裁决
美国公民及移民服务局
案号：41757203
日期：2026 年 3 月 16 日
对服务中心运营部（SCOPS）裁决的上诉 表格 I-140，外籍劳工移民申请（国家利益豁免）
申请人寻求基于就业的第二优先（EB-2）移民分类，作为持有高等学位的专业人士，并寻求豁免与该分类相关的职位offer要求。见《移民与国籍法》（本法）第 203(b)(2) 条，8 U.S.C. § 1153(b)(2)。
服务中心运营部（SCOPS）拒绝了该申请，认定申请人符合持有高等学位的专业人士分类资格，但未能证明豁免所需职位offer、进而豁免劳工证将符合国家利益。本事项现依据 8 C.F.R. § 103.3 提交本办公室审理。
申请人负有以优势证据证明其资格的举证责任。Matter of Chawathe, 25 I&N Dec. 369, 375-76 (AAO 2010)。本办公室对本案问题进行重新审查。Matter of Christa's, Inc., 26 I&N Dec. 537, 537 n.2 (AAO 2015)。经重新审查，本办公室将驳回上诉。
I. 法律
为符合基础 EB-2 签证分类资格，申请人必须证明其为高等学位专业人士或在科学、艺术或商业领域具有特殊能力的人士。本法第 203(b)(2)(A) 条。
如果申请人确立了基础 EB-2 分类资格，则必须进一步证明其值得行使裁量权，豁免职位offer要求，因为该豁免「符合国家利益」。本法第 203(b)(2)(B)(i) 条。Matter of Dhanasar, 26 I&N Dec. 884, 889 (AAO 2016) 提供了审理国家利益豁免申请的框架。Dhanasar 指出，美国公民及移民服务局（USCIS）可作为裁量事项，在申请人证明以下各项时授予国家利益豁免：
拟议工作同时具有实质价值与国家重要性；
该个人有能力推进其拟议工作；以及
整体而言，豁免职位offer要求将有利于美国。
同上。
II. 分析
SCOPS 认定申请人符合持有高等学位的专业人士资格。待确定的唯一问题是，申请人是否已证明豁免职位offer要求、进而豁免劳工证将符合国家利益。
提交申请时，申请人在[已隐去]担任数据科学实习生，并在[已隐去]攻读数字化转型与创新博士学位。他表示其「拟议工作是开发并应用新颖的仿生特征降维算法，以高效管理高维数据，从而提高金融、医疗和制造等领域异常检测的准确性和可扩展性」。申请人进一步指出，其计划研究课题包括「通过机器学习改进热处理工艺」和「用于高维数据实时异常检测的代理辅助仿生特征选择」。
如下文所述，本办公室认定申请人未能依据 Dhanasar 所设分析框架确立国家利益豁免资格。
A. 拟议工作的实质价值与国家重要性
Dhanasar 第一要素——实质价值与国家重要性——聚焦于个人拟从事的具体工作。Dhanasar, 26 I&N Dec. at 889。工作的价值可在商业、创业、科学、技术、文化、健康或教育等一系列领域中得到证明。同上。本办公室同意 SCOPS 的认定，即申请人的拟议工作具有实质价值。
在确定拟议工作是否具有国家重要性时，本办公室考虑其潜在的前瞻性影响。同上。本办公室撤回 SCOPS 关于申请人未能依据 Dhanasar 第一要素确立其拟议工作国家重要性的结论。作为其拟议研究具有实质价值与国家重要性的证据，申请人提交了关于数据完整性与网络安全益处的信息。他还提供了支持信，讨论其工作如何有助于应用机器学习的进步。此外，申请人提交的文件表明，其拟议研究的益处对机器学习领域具有更广泛的意义，因为研究结果通过科学期刊和会议传播给该领域的其他人。由于申请人已证明其拟议研究同时具有实质价值与国家重要性，他已确立其符合 Dhanasar 框架的第一要素。
B. 有能力推进拟议工作
第二要素将焦点从拟议工作转向个人。同上，第 890 页。为确定其是否有能力推进拟议工作，本办公室考虑的因素包括但不限于：其教育背景、技能、知识以及在相关或类似工作中的成功记录；未来活动的模式或计划；实现拟议工作的任何进展；以及潜在客户、用户、投资者或其他相关实体或个人的兴趣。同上。
记录包括申请人的简历、硕士学位、已发表和已展示的作品以及资金来源的文件。申请人还提供了引用其已发表作品的文献、引用指标以及讨论其研究生研究的支持信等证据。
申请人在上诉中主张，SCOPS 未正确评估记录中的证据，且该证据证明其有能力推进拟议工作。申请人进一步主张，SCOPS 未适当分析其已发表和已展示的作品、引用证据、支持信、教育背景和研究资金。基于下文所述理由，记录支持 SCOPS 的认定，即证据不足以证明申请人依据 Dhanasar 分析框架第二要素有能力推进其拟议工作。
在支持申请的支持信中，申请人的推荐人讨论了其涉及应用机器学习的研究生研究项目。例如，[已隐去]教授 Dr. K-R- 表示，申请人将「仿生方法归类为基于群体智能的、进化的和混合的方法，并采用性能分析评估其在降维、预测准确性和计算效率方面在关键领域中的优势」。Dr. K-R- 进一步断言，申请人的「研究结果表明，基于群体的算法在该领域占主导地位，出现在 38 项研究中的 28 项，这些方法在降低数据维度的同时保持预测性能方面尤为有效，特别是在医疗诊断和工业监测领域」，但他未详细说明申请人的具体研究结果在机器学习领域被使用的程度。申请人也未以其他方式证明其研究结果构成成功或进展的记录，从而使其有能力推进拟议工作。
此外，[已隐去]教授 Dr. J-A-L- 表示，申请人「系统性地回顾了仿生特征降维方法，分离出模仿自然界过程的算法」，其工作揭示了「大型复杂数据集中最有用的测量指标，而不会使计算机系统负担过重」。虽然 Dr. J-A-L- 表示申请人的「研究结果改善了医学诊断工作流程，实现了工业中的早期故障检测，并为数据降维工具提供了指南」，但他未提供具体实例说明申请人的工作如何影响该领域，或以其他方式表明其成功或进展达到使其有能力推进拟议工作的水平。
此外，[已隐去]副教授 Dr. X-Y- 断言，申请人回顾了「用于高维数据的仿生特征降维技术」，并「阐明了准确性、可解释性和计算成本之间的重要权衡，为从业者在不同问题情境下的算法选择提供了实用指导」。Dr. X-Y- 还写道，他和其他人在自己的工作中引用了申请人关于该主题的研究论文，但申请人未证明这种对其工作的关注程度或其研究成功记录足以证明其有能力推进拟议工作。
申请人主张，他已在「IEEE Access 等知名平台」发表了「3 篇第一作者、同行评审的文章」。他提供了 Google Scholar 的信息，将 IEEE Access 列为「工程与计算机科学」领域排名第一的期刊。出版物具有高期刊排名或影响因子反映的是该出版物的整体引用率。然而，这并不能显示任何特定作者的影响力，也不能以其他方式证明个人的研究如何代表其领域的成功记录。
关于其工作的引用情况，申请人提交了其 2025 年 6 月的 Google Scholar 个人资料，以及针对 SCOPS 2025 年 10 月补件通知（RFE）的回应。最新个人资料显示，其三篇文章，题为[已隐去]（2023）、[已隐去]（2025）和[已隐去]（2024），分别获得 56、1 和 1 次引用。申请人未说明这些单篇文章的引用中有多少是其本人或合著者的自引。
申请人还提供了 Clarivate Analytics（InCites Essential Science Indicators）2025 年的数据，涉及「计算机科学」研究领域按发表年份的基线引用率和百分位数。申请人主张，其 2023 年题为[已隐去]的文章基于 56 次引用，位列「2023 年发表的最具引用率文章的前 1%」。在此，申请人依赖关于计算机科学更大领域的引用信息，并将其在机器学习领域的引用频率与更大领域进行比较。虽然本办公室承认机器学习是计算机科学更大领域的一部分，但申请人未提交足够证据确认从更大领域推断的信息同样适用于计算机科学内的每个子领域，包括机器学习。因此，申请人将其领域内的引用数与计算机科学更大领域的引用信息进行比较，不足以确立其在机器学习领域的成功或影响水平。
此外，申请人提交了一篇题为[已隐去]的文章，该文提出了基于引用百分位数的方法建议。该文提出了「如何评估自然与生命科学领域个体研究人员」的建议，用于资助、晋升或招聘决策。作者指出，「在其学科领域内属于被引用最多的 10% 的出版物通常被称为高被引或优秀」，并且「前 10% 卓越指标」在「比较单个研究人员的科学表现时应给予最高权重」。虽然作者提出了研究表现文献计量分析的拟议方法，但记录未表明其方法已被学术界接受和实施。此外，关于 Google Scholar 的引用信息，作者建议不要「使用 Google Scholar（GS）作为文献计量分析的基础。多项研究指出，GS 在研究评估方面存在诸多缺陷」。此外，关于「自引」，作者指出「如果评估研究的问题明确意指某位科学家在多大程度上影响了其他科学家的工作，则自引显然应被忽略」。
申请人的 RFE 回应包括 OpenAlex 作者指标，其声称将其引用影响力与「计算机科学」领域的其他研究人员进行比较。同样，申请人依赖关于计算机科学更大领域的引用信息，并将其在机器学习领域的引用频率与更大领域进行比较，但他未证明从更大领域推断的信息同样适用于计算机科学内的每个子领域，包括机器学习。无论如何，引用频率本质上是定量的，并不揭示引用的原因，而后者涉及定性分析。换言之，高引用数可能表明该领域其他人注意到了申请人的工作，但并不能确认其工作已影响或推进该领域，从而使其有能力推进拟议工作。
申请人还提交了引用其工作的文章（例如[已隐去]）。这些文章包含引用文本，申请人声称这些文本突出了其论文的影响。虽然本办公室同意申请人的观点，即这些引用表明其同事和同行对其研究有一定程度的关注，但该证据不足以证明关注程度或研究成功记录使其有能力推进拟议工作。记录中的文章在引言部分作为当前研究概述的一部分引用其工作，作为该领域所做研究的示例，但无一以表明其有能力推进拟议工作的方式突出或评论其研究。
申请人主张，其引用记录强于 Dhanasar 先例裁决中的申请人 Dr. Dhanasar。虽然本办公室将 Dr. Dhanasar 的「出版物及其他引用其工作的已发表材料」列为其提交的文件之一，但本办公室认定其符合第二要素并非基于其引用记录。相反，在先例裁决中，本办公室认定「申请人的教育背景、经验和在其领域的专业知识，其在研究项目中角色的重要性，以及政府实体如 NASA 和 AFRL 的持续关注和资助，使其有能力继续推进其高超声速技术研究的拟议工作」。Dhanasar, 26 I&N Dec. at 893。
关于申请人的教育背景，虽然其硕士学位使其符合基础 EB-2 签证分类资格，但他未证明其学术成就本身足以证明其有能力推进拟议工作。在 Dhanasar 中，记录确立申请人持有多个研究生学位，包括「机械工程和应用物理学两个理学硕士学位，以及工程学博士学位」。同上，第 891 页。本办公室在确定申请人是否有能力推进其拟议工作时考虑多种因素，教育仅是可能有助于此类认定的众多因素之一。
申请人还主张，其工作获得了「主要资金来源」的支持。为支持其主张，申请人提交了其与 Dr. B-R- 合著的三篇研究论文，每篇均包含致谢，注明其工作得到加拿大自然科学与工程研究理事会的支持。在 Dhanasar 中，记录确立申请人「发起」或「是多个获资助拨款提案的主要奖项联系人」，且其「是许多拨款中唯一列出的研究人员」。同上，第 893 页，注 11。在此，记录未表明申请人（而非其教授 Dr. B-R-）主要负责为其研究项目获得资金。
关于申请人的未来计划，其 RFE 回应指出：「我将在[已隐去] Dr. K-R- 指导下开展的主要研究项目之一是开发用于网络安全的实时异常检测系统，如其聘用我为博士后研究员的意向书所述。」在意向书中，Dr. K-R- 表示申请人的博士后职位「取决于资金可用性和机构批准」，且该「信函不具约束力，不构成正式职位offer」。
记录表明申请人在研究生学习期间进行了研究、发表和展示，但他未证明该工作使其有能力推进拟议工作。虽然本办公室认识到研究必须以某种方式为知识库增加信息才能被接受发表、展示、资助或获得学术学分，但并非每个进行过原创研究的人都会被认定有能力推进其拟议工作。相反，本办公室审查 Dhanasar 中列出的因素，以确定例如个人实现拟议研究目标的进展、在类似工作中的成功记录或在相关方中产生的兴趣是否支持此类认定。同上，第 890 页。然而，申请人未充分证明其研究生工作构成应用机器学习研究的成功或进展记录，从而使其有能力推进拟议工作。由于申请人未证明其有能力推进拟议研究工作，他未确立其符合 Dhanasar 框架的第二要素。
III. 结论
由于记录中的文件未证明申请人依据 Dhanasar 先例裁决第二要素的要求有能力推进拟议工作，他未证明国家利益豁免资格。由于该问题对申请人的上诉具有决定性，本办公室拒绝审理并在此保留关于其依据 Dhanasar 第三要素资格的上诉论点。见 INS v. Bagamasbad, 429 U.S. 24, 25 (1976)（per curiam）（裁定机构无需对最终裁决不必要的问题作出「纯咨询性认定」）。
由于申请人未满足 Dhanasar 分析框架第二要素的要求，本办公室认定其未确立有资格或作为裁量事项值得获得国家利益豁免。基于上述理由，上诉将被驳回，每项理由均作为裁决的独立和替代依据。
裁定：
上诉驳回。
通知：本裁决构成此事的最终决定。提交动议不会推迟裁决的效力。8 C.F.R. § 103.5(a)(1)(iv)。非法居留或 otherwise 不可入境或可被驱逐的外国人，可能通过签发 I-862 表格（出庭通知）而依据本法第 240 条启动驱逐程序。该程序可能导致其被驱逐出美国，并可能丧失未来签证或其他移民福利的资格。
