衡量研究人员科学影响力的最好方法

在近期的《美国科学院院》（PNAS）上，Jonathan Stalling等研究人员发表了一篇题为“Determining scientific impact using a collaboration index”的论文，提出了一种新的指标阐明论文所有共同作者的相对贡献，从而为我们提供了一种合理的方法来了解一名研究人员的科学影响力。

　　

生物通报道  从定性的角度给一名好的科研人员下定义相对容易，判断的标准就是他是否发表了许多优秀的研究论文。然而要定量评估这些研究论文则较为复杂，因为测量它们的方法可以有好几种。在过去的几年里，人们提出了几种不同的指标，基于个体同行评议论文的数量和质量来确定他在科学方面的才能。然而，在一篇论文有多名作者的情况下，大多数的这些指标都会假定所有的作者贡献均等。

在近期的《美国科学院院》（PNAS）上，Jonathan Stalling等研究人员发表了一篇题为“Determining scientific impact using a collaboration index”的论文，他们认为上述假设会造成这些指标中出现偏倚。并提出了一种新的指标阐明所有共同作者的相对贡献，从而为我们提供了一种合理的方法来了解一名研究人员的科学影响力。

论文的通讯作者、伦斯勒理工学院生物医学工程学系教授王戈（Ge Wang，音译）说：“我们每个人都有信用卡，不言而喻，衡量信用对于日常生活相当重要。如何来测量智力信用是当前的一个热门话题，目前缺少一种方法严格考量团体工作，例如联合发表的同行评议论文中个体的科学影响。我们最近的一篇PNAS文章为这一基础问题提供了一个答案。”

当前，衡量个体科学影响力最常用的一种指标就是H指数(h-index)，它可以反映一名研究人员的出版论文数量，以及每篇文章的引用次数（衡量论文质量的一个指标）。具体说来，一名科学家的h值是指他至多有h篇论文分别被引用了至少h次。其他的论文则不太经常被引用。H指数没有考虑到一篇论文中某些合作者的贡献有可能大于其他的人。另外在许多的情况下，H指数都达不到标准。例如，一名研究人员只发表了少量的研究论文，但是论文的引用次数很高，尽管这些研究人员的论文质量高，较少的论文发表数量会限制他们的h值。

最初提出H指数的科学家Jorge E. Hirsch认为，H指数最适合于比较相似科学年代的研究人员，以及高度协作的研究人员。他提出基于合著者的平均值来标准化H指数。然而在新研究中，研究人员希望能够按照公理来阐明合著者的相对贡献，以减少偏倚。

论文中提出的测量科学影响力的新指标是基于一组公理，其确定了合著者可能的信用空间，以及研究人员称之为信用向量（credit vector）的最有可能的概率分布，由此来确定一篇指定文章每个合著者的相对信用。他们将这一指标命名为A指数（A-index）。

研究人员将一名研究人员A指数的总和称为C指数（C-index），它可以基于研究人员的相对贡献来给出论文的加权计数（weighted count）。单篇论文的A指数还可用于衡量个体对于研究论文质量的贡献，论文的质量是根据期刊的影响因子或论文引用次数进行定义。这些值的总和就是P指数（P-index）。

在针对186名生物医学工程学研究人员开展的C指数和P指数测量以及模拟测试中，研究人员发现相比于N指数和H指数，这些指标提供了一种更为公平和平衡的方法来测量科学影响力。更为重要的一点是，研究人员指出获得高的H指数需要大量的研究论文，而获得高的P指数只要少量的研究论文，假如它们是发表在具有高影响因子的期刊上，或是获得了大量的引用。

作者们认为他们的新指标为研究人员提供了一个公平和敏感的平台，鼓励更顺畅和更广阔的合作，因为众所周知在许多情况下1+1的效应都大于2，尤其是日益显示出重要性的跨学科项目。

（生物通：何嫱）

生物通推荐原文摘要：

Determining scientific impact using a collaboration index

Researchers collaborate on scientific projects that are often measured by both the quantity and the quality of the resultant peer-reviewed publications. However, not all collaborators contribute to these publications equally, making metrics such as the total number of publications and the H-index insufficient measurements of individual scientific impact. To remedy this, we use an axiomatic approach to assign relative credits to the coauthors of a given paper, referred to as the A-index for its axiomatic foundation. In this paper, we use the A-index to compute the weighted sums of peer-reviewed publications and journal impact factors, denoted as the C- and P-indexes for collaboration and productivity, respectively. We perform an in-depth analysis of bibliometric data for 186 biomedical engineering faculty members and from extensive simulation. It is found that these axiomatically weighted indexes better capture a researcher’s scientific caliber than do the total number of publications and the H-index, allowing for fairer and sharper evaluation of researchers with diverse collaborative behaviors.