临近1月底，德国科学与人文委员会（German Council of Science and Humanities）给出建议：是时候“重启”德国的科研体系了。他们分析，新冠疫情暴露了科研体系的一些缺陷，例如更关注研究数量而非质量、对教学、政策建议和知识传播不够重视。

尽管说的是德国的科研体系，但这些问题却往往是通病。这也给出版商需发出一个信号：基于引用量和文章数量的激励法有待调整。

此前，这些问题已在荷兰学界掀起了一阵讨论。大约一年半以前，荷兰的一些研究机构和资助机构就宣布要开发新的认可与奖励体系，不再以引用量为评判指标。

这一想法是基于对当下实践的认识，当下的体系造成了滥用和浪费。荷兰学界主张减少发文数量，但所发文章要有更深更广的意义。荷兰的科学家已走上正轨，各高校也对此把握正确基调。尽管荷兰学界向来对文献引用控制得不错，但他们会继续开发替代体系，以衡量科研对社会的影响。

为了缕清思路，先来回顾一些基本点。

研究人员为何要发表研究成果？

研究人员发表研究成果的目的在于交换知识、获得认可，以及永久记录成果和观点。分享研究成果，也就是在为他人验证成果和进行深入研究搭建起点。这种分享是全球大范围反馈的开端，旨在使得现有最好的科学真理得到认可。它们交织成一张无形的网络，承载着关于研究方法、方法质量、研究结果和结论的建议和反馈。

文献引用扮演怎样的角色？

引用量能够很好地衡量科研文章的影响力。通常可以这么认为，被引用的文章就颇具影响力。科研人员引用他人文章的原因有很多：由于使用了他人的研究方法；由于采纳了他人的结论或引用了他人的结果；由于不赞成他人的观点。

然而，引用量和影响力之间的关系也因此并不总是那么明朗，它们不总是相互关联的。一些阐述伟大发现的原始文章很少被引用，其作者包括日本的诺奖得主赤崎勇（Isamu Akasaki）、天野弘（Hiroshi Amano）和中村修二（Shuji Nakamura）。一些平庸的文章却被大量引用。不过，将引用量作为一种笼统的衡量指标，的确能从中看出哪些研究对其他研究人员产生了影响。

该指标有哪些缺点，怎样被滥用？

研究人员常常基于期刊的平均引用数据，即期刊影响因子（Journal impact factor）做判断，而非基于对一篇文章的引用量；这好比在跑步比赛中以比赛的平均速度来评奖，而不是看个人速度。研究人员凭引用量或文章数量获得奖励，则会导致滥用现象的发生。

滥用现象有多种形式，其危害各不相同。研究人员可能会将一篇文章拆分为多篇，这样每篇文章都能获得多次引用。这种形式虽令人不快却也无伤大雅。更有甚者会通过冒用身份影响同行评审、暗中签订引用协议，也有审稿人会指示作者引用自己的文章，甚至编造结果，以便加上一篇引用文章。

仅在Elsevier每年收到的约250万份投稿中，就有数千起研究造假或发表造假事件，所幸占比相对较低。

然而，也存在许多不太容易发现的不端行为，例如图片抄袭。目前，检查图片抄袭需要依靠编辑和审稿人辛苦细致的审阅。许多图片抄袭只能依靠大规模数据分析和图像识别发现，尽管人工智能起到的帮助越来越大，这些工具依然离不开人工操作，依然要靠编辑分析检测结果，并对数千篇文章做决定，而这项由期刊出版商和编辑完成的工作往往是无法被看见的。同时，尽管各方进到了最大努力，依然会有成功发表的漏网之鱼。

有哪些能够衡量科研对社会影响力的新指标？

• 借助每天扫描数千份报纸以查找科研新闻的算法，追踪大众媒体或社交媒体中的某篇论文的出现。
• 追踪政府政策的参考文献或医学实践的作用。
• 追踪论文对可持续发展目标或多样性的贡献。
• 追踪论文对国际合作或高校与行业之间合作的贡献。
• 追踪论文对新研究文献引用建议或引用科学论文的贡献。
• 追踪论文对创新的贡献，如统计专利。

上述办法都是可行的，但都不是绝对可靠的，也都不完美。然而，它们共同提供了更广阔的科研视野，并奖励了科学家洞察世界的眼光及其贡献。

参考来源：

https://www.elsevier.com/connect/re-evaluating-reward-and-recognition-in-science