對付審稿人“強迫引用”,新方法來了,Nature都說好
可以放心地投稿頂會了
蕭簫 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
投稿到頂會,結(jié)果被審稿人暗示要引用他的文章?
不僅要在參考鏈接里引用,而且還要加進內(nèi)文甚至標題?
以往遇到這種突如其來的“問候”,論文作者為了發(fā)表文章,大多只能忍氣吞聲。
好消息是,目前兩名來自美國俄克拉荷馬州醫(yī)學研究基金會(OMRF)的生物信息學家開發(fā)出了一種檢測方法,可發(fā)現(xiàn)科學家蓄意操縱論文引用的行為。
不測不知道,一測嚇一跳,通過分析PubMed數(shù)據(jù)庫中的公共記錄,他們發(fā)現(xiàn),大約在2萬名科學家中,竟然有80人涉嫌極度歪曲他人的引用模式。
也就是說,這80人很有可能是強迫他人引用自己文章的“嫌疑犯”。
兩位文獻計量學家在看過這篇研究后,表明“這項研究雖然還沒有經(jīng)過同行評審,但從技術上來看,這種方法應該是正確的?!?/p>
似乎再也不用發(fā)愁被審稿人「強迫引用」了。
高被引的檢測原理
從這次的檢測情況來看,研究者們利用PubMed,從每篇論文中獲取作者姓名、發(fā)表的期刊名稱以及編號,據(jù)此進行引用分析。
研究者們剔除了一部分名稱含糊的作者(例如不寫全名的),避免發(fā)生「誤傷」。
其中,引用論文的方式主要分為引用自己的論文(自引,SC)和引用他人的論文(非自引,NSC)兩種,這里研究者主要針對非自引論文的行為進行調(diào)查。
畢竟,相對于瘋狂引用自己的論文來說,強迫他人引用自己的行為更加惡劣。
然后,他們選擇采用NSC基尼系數(shù)(Gini Index)來衡量那些被引用學者的非自引情況。
嗯,基尼系數(shù)?
聽起來有點熟悉,這不是衡量國家收入分配情況的嘛?
的確如此,如果貧富差距越大,那么一個國家的基尼系數(shù)也就會越大。
不過,這個系數(shù)的計算方式對在一個學者的論文引用數(shù)量上,也有一定的道理。
如果一個學者平時的論文基本無人問津,然而卻在某一個期刊的某幾篇文章中,出現(xiàn)了大量被引用的情況,相較于平均值來說,他的NSC基尼系數(shù)就會詭異地變高。
例如,一位來自希臘的腫瘤學家Dimitrios Roukos,他的NSC基尼系數(shù)就非常不正常。
從2009年到2014年,Roukos在一本名為《外科內(nèi)窺鏡》的期刊中獲得71篇論文的近2000次引用,每項研究均引用了他的工作約20–30次,而且這些論文都由他的同事或?qū)熥珜?/strong>。
目前,Roukos沒有針對此事進行回應。
「強迫引用」學術圈背后
還記得今年二月,知名美籍華人學者、生物物理和生物信息學家周國城被2個期刊編委會開除的事情么?
據(jù)Nature報道,周國城在擔任JTB編委期間,審閱投稿論文時要求作者引用自己的文章、甚至將他開發(fā)的一種算法名稱加入論文標題,以提高曝光度,最多的時候超過50篇,截至被開除時,他的論文被引次數(shù)超過58000次。
值得注意的是,另一本國際學術期刊《生物信息學》(Bioinformatics)在 2019 年年初就禁止了周國城繼續(xù)參與期刊的論文審稿,但當時并沒有公開他的姓名。
對此,周國城回應稱,自己在論文中提到的算法不是“審稿人的強迫引用”,而是因其高效性而被許多用戶所認可使用。
但周國城絕非個案。
調(diào)查表明,大約有1/5的研究者經(jīng)歷過被“強迫引用”的情況。
對此,論文作者希望編輯和審稿人能開發(fā)一個數(shù)據(jù)庫,明確在同行評審中,數(shù)據(jù)庫內(nèi)增加了哪些資料。
此外,為提高論文引用率,頻繁自引的情況也屢見不鮮。
但除此之外,作者也指出,不應該單純以論文引用數(shù)量來定義論文質(zhì)量、或是給作者相應獎勵。
“這種現(xiàn)象,才是從根本上需要改變的?!?/p>
作者介紹
論文一作Jonathan D. Wren,畢業(yè)于德克薩斯大學西南醫(yī)學中心,目前是OMRF(Oklahoma Medical Research Foundation)實驗室的一員,這是一所獨立的、非營利性的高水平生物醫(yī)學研究機構。
目前,Wren也是《生物信息學》期刊的副編輯。
而另一位作者Constantin Georgescu,同樣是博士,畢業(yè)于羅馬尼亞多瑙河下游大學,目前也是OMRF實驗室的一員。
論文鏈接:
https://www.biorxiv.org/content/10.1101/2020.08.12.248369v1.full.pdf
參考鏈接:
https://mp.weixin.qq.com/s/lCOsnmViR-D4ZOO9Cs4ySg
https://www.nature.com/articles/d41586-020-02378-2
- 首個GPT-4驅(qū)動的人形機器人!無需編程+零樣本學習,還可根據(jù)口頭反饋調(diào)整行為2023-12-13
- IDC霍錦潔:AI PC將顛覆性變革PC產(chǎn)業(yè)2023-12-08
- AI視覺字謎爆火!夢露轉(zhuǎn)180°秒變愛因斯坦,英偉達高級AI科學家:近期最酷的擴散模型2023-12-03
- 蘋果大模型最大動作:開源M芯專用ML框架,能跑70億大模型2023-12-07