本文系募格学术原创作品，转载加白名单请后台联系
“某某某年纪轻轻，发表的论文影响因子累积就达100”，你是否看过这样的新闻，并对主人公羡慕不已？别着急，可能今后你就不必羡慕了……
2016年7月5日，一篇在生命科学预印本网站bioRxiv上提交的论文A simple proposal for the publication of journal citation distributions引起了轩然大波，该论文由几大顶尖级学术出版机构（包括Nature的出版商SpringerNature）的高层职员写成，旨在呼吁期刊降低对期刊影响因子（IF）计算的痴迷和依赖程度。
（1）影响因子，即IF（Impact Factor，IF）是汤森路透（Thomson Reuters）出品的期刊引证报告（Journal Citation Reports，JCR）中的一项数据，用来计算某期刊前两年发表的论文在该报告年份（JCR year）中被引用总次数占该期刊在这两年内发表的论文总数的比例。这是一个国际上通行的期刊评价指标。
（2）bioRxiv，于2013年启动，是专为生物学家打造的论文分享平台。其实预印本文献库已经存在了20多年，大家比较熟知的有arXiv（侧重物理、数学、非线性科学、计算机科学等领域），RePEc（侧重经济学领域），还有一看名字就知道属于我国的中国预印本服务系统跟中国科学论文在线系统。预印本是个特别的存在，关于其算不算出版物等问题今天暂不做讨论，总之它为学者们快速分享研究成果并收获极为广阔的反馈意见和建议做出了很大的贡献。
广大科研“群众”的反应
该论文一经提交，反响巨大。大家不仅在文章下面自由评论，读者与作者之间进行学术交流，一片“安静祥和”的景象，就像这样：
还有很多人将其转发到推特，呼朋唤友赶紧来看，每条推文赞数少则几百，多则三四万：
有人觉得意外且讽刺：
“呵呵，Nature，Science这帮人居然有脸来分析影响因子”
“大家快来看啦：PLoS，Science，Nature，EMBO四大贵族说它们觉得影响因子不好用啊喂”
有人为之兴奋欢呼：
“好棒耶，简直太及时了，我们得赶紧支持这个啊。@跟我一起正在发愁发论文的好基友”
有人认真冷静且客观：
“这无疑是替代一度有用无奈现如今被滥用的影响因子的最佳选择”
“嗯，这是我今晚的思想盛宴，你们要不要来一碗？”
“什么？神圣的影响因子说被践踏就被践踏？”
这么严肃的事情面前，当然少不了我们的幽默派：
“@各大期刊机构的编辑们，赶紧跟影响因子分手吧”
“所有人都知道事情是什么样子的（但改变好难的）”（情不自禁唱起我们伟大诗人&小说家&歌手leonard cohen的无奈之歌Everybody Knows）
各大期刊和机构官号的反应
不仅讲英语的国家在疯转这个消息，各国朋友都在奔走相告：
日本朋友说：“Nature等编辑们发文指出：期刊影响因子与论文影响力相离”
荷兰朋友说：“关于引用，来看看顶级出版商的深度见解和建议”
最后还有一位西班牙的妹子说：“太赞了，太酷了，太炫了，终于有人要来取代影响因子这个挨千刀的了”（喂，妹子，先别这么开心，这八字才刚有半撇）
学术界&出版界为什么会炸锅？
慢慢往下看。
我们先来打个比方，论文的被引频次就像是人的身高，平均来看男人高过女人。那么，通过一组人的身高平均值来估计其中某一个人的身高，要比只通过性别来随机估计一个人的身高准确得多，这就是平均值的意义。如此来看，某一期刊某两年所有论文的平均被引频次，就是所谓的影响因子（Impact Factor，即IF），应该提供一些有效信息，比如根据这个平均值来判断论文的影响力。
然而事实并非如此，纵观任一期刊，只有一小部分的文章被引频次很高，大多数的文章很少被引甚至零引用，所以被引频次的平均值其实就是个误导。庞培法布拉大学（Universitat Pompeu Fabra，UPF）的细胞生物学家Lucas Carey（并未参与此次proposal的研究工作）认为，IF存在至少以下两个问题：
1. 作为一项预测性标准，IF是毫无意义的。在IF高的期刊上发表文章，并不代表文章的被引几率就大；
2. 计算IF的方法不够透明。这种不透明源于汤森路透的商业私营性质，计算是由汤森路透做的，被引数据也不会公开。计算论文的被引次数是需要很多努力的，必须对每篇论文的参考文献部分进行仔细检查，而各期刊接收论文的格式要求又不一样，一些要求作者引用时力求极简，这就加大了确定被引文章的难度；此外，印刷排版方面的偏差或错误也会影响数据的准确性。
研究结果表明，论文的引用分布极其不均衡，任一期刊中65%以上的论文被引频次都低于该期刊的IF，因此，采用IF来预测某一论文的影响力根本就是臆测。这与众所周知的80/20法则，即一份期刊20%的论文将占该期刊论文总引用次数的80%，是相一致的。为指出IF的局限性，该研究小组标绘了11家期刊2013-2014年的引文分布情况，以下是Nature，Science，PLoS ONE的分布图。
大多数论文的被引数都低于该期刊的IF。Nature74.8%的文章被引频次低于其IF38.1；Science75.5%的文章被引频次低于35次（其2015年的IF为34.7）；PLoS Genetic上65.3%的文章被引频次低于其IF6.7，所占比例最低。高引用频次论文的被引次数情况为：Nature被引频次最高的文章引用数达到了905次；Science达到了694次；而IF3.1的PLoS ONE上被引频次最高的文章被引用了114次。
此外，研究还发现了汤森路透数据库中引文与被引原文不匹配的情况，研究小组希望大家可以正视IF的价值被夸大这一事实，并且对于评判研究或者研究人员来说，IF都是一个极不可靠的指标。
该研究一经公布，大家就开始纷纷响应，2016年7月11日，美国微生物协会（American Society for Microbiology，ASM）旗下的8家期刊载社论宣布将撤销其期刊、网站以及广告和营销中所宣传的IF。IF的反对者之一，美国微生物协会的首席执行官Stefano Bertuzzi谈到：“对我而言，一项主要任务就是净化IF带来的不良风气，我们的目标就是让人以后一提及IF，就觉得羞愧难当。” Bertuzzi曾是美国细胞生物学学会（American Society for Cell Biology，ASCB）的执行董事，该学会禁止提IF。
英国皇家学会和欧洲分子生物学组织出版社出版的期刊已经公布了引用分布（citation distribution）这个概念，Curry（就是前面激动发推文的那位作者）其团队明确建议其他出版商也降低宣传IF，而采用引用分布曲线这一标准。bioRxiv上提交的预印本论文也详细介绍了如何计算引用分布。
Nature的一名发言人称，Nature将会尽快更新其网站，以使其涵盖多种评价标准；Science的一名代表也表示，如果该预印本论文经一家同行评审的期刊发表后，Science就会考虑该建议。
汤森路透是如何回应的？
汤森路透的一名发言人Heidi Siegel回应说：“IF只是期刊产出的一个粗略的指示器，不应该用来评价某篇论文或者其作者。制定一个评价期刊的标准意义重大，而我们认为期刊IF就起到了这样的作用。”不过Curry指出，很多的科学家、资助机构跟期刊并没有正确地看待IF，好些科研人员都通过期刊的IF来衡量刊登在该期刊上的文章，并且他还担心IF可能会影响到高校人事机构和资金资助机构的决策。
汤森路透发展与创新部门、知识产权和科学信息部门主任James Pringle也表示：“研究小组指出IF只能用于期刊的质量评价是很正确的，它是期刊文章被引情况的一个整体反映，而不是每篇文章被引数量的一个集合。”至于其数据库中的误差，汤森路透的编辑团队则表示将继续跟进出版商，提高匹配率，并为作者提供修改途径。该研究的作者之一，The EMBO Journal在德国海德堡的主编Bernd Pulverer告诉ScienceInsider说：“该研究很有建设性，汤森路透也表示可以继续，不过他们虽然同意我们的研究成果，但还是不会做任何有损期刊影响力排名的决定，因为这是他们的主要商业资产。”
那么，这些顶尖期刊的高层职员所做的这项研究究竟会不会引发一场期刊及论文评判指标的革命呢？荷兰莱顿大学（Leiden University）的文献计量学专家Ludo Waltman说：“对于一些重大决策，比如雇佣和晋升而言，与IF相比，引文分布的相关性的确更高，但是我们不能完全撇开IF，对于科研人员选择读哪些文章而言，还是IF的话语权更大一些。如果我们否定IF的价值，那我们就是在否定整个学术出版系统的价值，在否定期刊编辑和同行评审们为论文质量把关所做的努力，我觉得这是不可以的。”
牛津郡的学术出版专家David Smith也表示不大可能，该研究结果本身的确非常有价值，也很有意思，但由于其统计期刊来源有限，日后研究可能还需要研究统计更多的期刊。即便该成果代表整个科研圈的心声，也不会有哪一个数字可以代表一个科研人员的工作和努力的。出问题的不是IF，而是我们看待学术过程的方式。
最后，让我们引用两句话，一句来自爱因斯坦：“Not everything that can be counted counts, and not everything that counts can be counted.”——不是所有能计算出来的东西就一定有价值，有价值的东西也并非都可以用数字来表示。另外一句是英国经济学家Charles Goodhart在1975年发明的一个以他名字命名的Goodhart定律：“Once a measure is chosen for making policy decisions, it begins to lose value as a measure.”——某种评价一旦被选择用来作决策时，这种评价就开始失去其价值了。
这个定律可以有多种解释，其中最常见的一种解释是（据维基百科）：一项社会指标或经济指标，一旦成为一个用以指引宏观政策制定的既定目标，那么该指标就会丧失其原本具有的信息价值。因为政策制定者会牺牲其他方面来强化这个指标，从而使这个指标不再具有指示整体情况的作用。
另据最新消息透露，2016 年 7 月 11 日，汤森路透公司宣布将知识产权业务和科学信息业务（IP & Science）以 35.5 亿美元的价格出售给 Onex Corp 和霸菱亚洲投资（Baring Private Equity Asia），其中包括大家熟知的科学引用指数（SCI，Science Citation Index），Web of Science等。所以前面的路是什么样的，还很难说。路漫漫其修远兮。
英文来源：
联系客服
