周耀旗
抛弃“影响”因子,计算颠覆因子! 精选
2022-7-3 16:36
阅读:9281

导读:全世界科技界受“影响”因子的毒害久矣:追热门、跟风向、造新闻、编故事。已经有科学家开发、验证的颠覆因子,却不被以盈利为目标的公司使用!呼吁有人才、有实力的企业、单位(例如中国科学院文献情报中心、百度、腾讯、华为等)根据期刊发表文章的“颠覆”因子来倒逼期刊发表、鼓励大家从事、多样性的、踏踏实实的原创工作,摆脱目前国内外受“影响”因子所扭曲的评审系统,欢迎转发!

 

我们见过多个大学排名,比较出名的有美国的News & World Report,英国的泰晤士报THE/QS,还有上海交大的ARWU,各有千秋。期刊排名呢?科睿唯安(Clarivate)的《期刊引用报告》一家独大。虽然有国内的中国科学院文献情报中心期刊分区,但是它与期刊的“影响”因子有明显的相关性。在科睿唯安最新的2021年的《期刊引用报告》里面,一些杂志由于新冠病毒相关的综述得到高引用,“影响”因子大幅度上升【1,2】,再一次说明所谓影响因子来衡量杂志水平的荒谬。现在是该抛弃期刊影响因子的时候了!

 

期刊的“影响”因子是该期刊在前两年发表的论文在当年的被引用量,除以前两年发表的总论文数。这样的计算方法的问题很明显:

 

首先,只考虑短时间两年内的引用量。强调这样的短期引用量,变相鼓励大家做热门课题,因为热门的研究方向,做的人多,自然而然的有高引用量。这样的后果很严重。例如,关于人类蛋白质组里面,95%的工作在关注5,000种已得到充分研究的人类蛋白质,而大多数其他蛋白质被打入冷宫,属于“未被充分研究蛋白质”【3】。鼓励追求热门项目,也会导致内卷和资源分配的浪费。更重要的是,原创性或者颠覆性工作,不管是科学还是技术,往往有引用迟后(所谓的睡美人文章),需要比较长的时间才能得到大量的引用【4】,追求短期影响也就激励大家去做热门的、跟风性的、扩展性的、而不是开创性的工作,因为跟踪热点,很快能得到许多人引用。

 

其次,“影响”因子用的是平均值,少数超高引用文章把持了整个期刊的“影响”因子。综述性文章介绍一个方向的概况,自然会比普通科研论文有更多的引用,综述性文章与普通科研论文不分,甚至与新闻稿、评论文章也不分,导致了今年一些杂志由于新冠病毒相关综述的高引用,“影响”因子大幅度上升的诡异现象【1,2】。

 

此外,“影响”因子不分专业。各个专业从事的科研人员人数不一样,人多势众的专业,互相之间的引用率自然就高,比如关于癌症期刊的“影响”因子比数学期刊“影响”要高得多,但并不能说癌症期刊里面文章的水平比数学期刊里面文章的水平高。虽然有一些根据大学科专业来归一处理的方法,但是现在越来越多的文章是多专业交叉的,对它们怎么归一是一个问题。

 

除了“影响”因子外,谷歌学术【5】利用期刊的h因子(h-index)来对杂志排名。某期刊的h因子是指该期刊在5年内发表的论文里有h篇论文超过h次引用。与“影响”因子比,h因子更强调中期(5年)的“影响”,但是它更偏向发表文章多的杂志。自然通信(Nature Communication)比细胞(Cell)及其它自然子刊排名高,主要靠它发表的文章多。而且h因子也没有解决不同专业引用率不一样的问题。

 

我呼吁有人才、有实力的企业、单位(例如中国科学院文献情报中心、百度、腾讯、华为等)根据期刊发表原创文章的“颠覆”因子来倒逼期刊发表、鼓励大家从事更多的原创工作。颠覆因子(Disruption)是Wu,Wang和Evans在2019年的Nature的文章推出的【4】。这个因子是指引用了该论文,但没有引用该论文所引用的论文的论文数(ni)减去那些同时引用了该论文及该论文所引用论文的论文数(nj),然后用引用该论文的论文数(ni+nj)加上那些没有引用该论文却引用了该论文所引用论文的论文数(nk)来归一[D=(ni-nj)/(ni+nj+nk)]。这个颠覆因子可以衡量一篇论文是后来工作的起点(原创性工作,D~1),还是研究工作发展中的中转站(跟风、发展性工作,D~-1)。他们用诺贝尔获奖论文(高颠覆因子)、综述论文(低颠覆因子)、专家的调查、关键词汇的使用验证了颠覆因子的可靠性。

 

这个颠覆因子的好处是不受专业的影响,同时也不受时间的限制,每年可以把某个期刊在10年内(或者5年内)发表的文章都计算一下,做个平均值(或者中间值)。不仅仅可以计算D因子,期刊的相对引用率也可以用每篇文章的相对引用率(ni+nj)/(ni+nj+nk)来计算,不受热门、冷门还是跨学科专业的影响。这个D因子还有后续的改进【6】。期待着有单位挺身而出,摆脱目前国内外科学界受“影响”因子所扭曲的评审系统。是时候了!

 

【1】   Immugent,“吃惊!2021年的影响因子还能用来评价杂志的质量吗?”,生信宝库6-282022)。

【2】   任胜利,简析2021年度SCI影响因子大幅变化的部分中外期刊数据,科学网https://blog.sciencenet.cn/blog-38899-1345574.html,7-2(2022)。

【3】   Kustatscher G.et al., Understudied proteins: oppprtunities and challenges for functional proteomics, Nature Methods, (2022)

【4】   Wu, L., Wang, D. & Evans, J.A. Large teams develop and small teams disrupt science and technology. Nature566, 378382 (2019).

【5】   https://scholar.google.com/citations?view_op=top_venues

【6】   Bornmann, L., Devarakonda, S., Tekles, A. et al. Disruptive papers published in Scientometrics: meaningful results by using an improved variant of the disruption index originally proposed by Wu, Wang, and Evans (2019). Scientometrics 123, 11491155 (2020).

 


转载本文请联系原作者获取授权,同时请注明本文来自周耀旗科学网博客。

链接地址:https://wap.sciencenet.cn/blog-472757-1345692.html?mobile=1

收藏

分享到:

当前推荐数:33
推荐到博客首页
网友评论13 条评论
确定删除指定的回复吗?
确定删除本博文吗?