基于F1000數據庫的醫學高校科研競爭力評價

，

同行評議作為與引文分析共生互助的一種科學評價方法備受關注。傳統的引文分析是對科研競爭力宏觀的科學評價，同行評議探索的是從微觀層次對科研成果進行科學分析。同行評議的功能是多方面的，有社會的、經濟的、政治的、認知的功能，還能建立研究軌跡，即允許在框架內自治，又有自我批判的作用，而不止是篩選出有用的文獻。不論文獻計量指標有著多少日新月異的變化，同行評議都是不可替代的[1]。

F1000作為評價論文影響力的社會網絡工具之一，打破了以往同行評議數據難以獲得的局面，并在原有的評價規則上進行了革新，不僅將定性評價內容定量化，同時多種信息模塊的劃分也為科研工作者快速查找高質量、熱門的科研論文提供了便捷途徑[2]。F1000數據庫作為優秀的科研工具，不僅有利于創造良好的學術研究氛圍，也將成為合理評價高校科研競爭力的一大助力。

F1000作為英國BioMed Central公司出版的一種新型網絡輔助工具，建立了規范的評價標準和操作程序，主要人員及組織按照金字塔式的層級結構運作，以此來保證評價的程序規范及嚴謹性。專家評價的文獻類型包括: 技術或方法、實驗研究、系統評價或Meta分析、臨床實踐或政策指南等，從創新性、新理論、新發現、新技術、科學價值和實際應用前景等6個方面進行評價，被推薦的論文必須具備其中一個或幾個特色[3]。然后再為論文定級，F1000將評論的論文分為Good，Very Good和Exceptional 3個等級，對應星級分別為一、二、三顆星，最后要寫出一個簡短的評價，說明論文的主要貢獻和入選理由[4]。不論來自何種期刊或是哪個國家，F1000堅持以科學價值作為衡量一篇文獻水平的評價標準，因此篩選出的文章本身就具有一定的科學高度。同時F1000數據庫運用行之有效的方式深挖底層數據的價值，通過數據提煉過程將底層的數據轉換成為更一般化和更易于理解的信息模塊，如標簽、專家評語等形式，打破以往數據庫僅僅能夠進行文獻檢索、獲取的單一功能，使科研工作者能夠從繁復的信息環境中快速捕獲和析取有用的信息。這種從固有知識中提取新的知識產品、服務和管理機制的方式，不僅創造了市場價值，更促進了學術的發展。

高校科研競爭力的主要評價形式之一是評估其發表的論文。一篇優秀論文的評價標準包括它如何影響別人的研究，以及它如何改變實踐和對政府決策是否有益。在傳統的文獻計量學中，引文分析作為論文評價的黃金標準一直占據著主導地位，然而它對一篇論文改變了多少實踐過程無法做出衡量。F1000數據庫通過其特殊的評價機制，對論文的實際意義作出評價，這是在論文出版后驗證其重要性的評估。

統計顯示，現有的3 800萬份公開發表的論文中，被他人引用超過200次的僅有0.5%，而有一半的論文從未被引用[5]。Waltman和Costas[6]通過分析F1000推薦文章與被引頻次間的相關性，得出一個低相關性的結論，同時發現約50%的推薦文章在被引頻次排名前10%的序列。Jacques Wainer等[7]通過統計研究發現一篇好的論文比隨機的一篇論文獲得高的引用。Banzi等[8]回顧了醫學領域科學評價文獻方面的研究，將主要影響定義為推進知識、能力建設、通知決策、健康、廣泛的社會經濟效益等。F1000檢索系統提供了星級數，致力于將定性的同行評議指標定量化來描述論文質量。這種對學術成果描述的多樣化趨勢，讓網絡上許多指標成為可測量的指標。

F1000通過獨創的篩選機制選出的文章具有很高的學術價值，同時可以客觀反映科研競爭力，使同行所做的評議擁有了更高的實用價值。

1 資料與方法

1.1 數據的采集與統計

本文主要收集的是教育部學位中心2012年公布的臨床醫學專業排名前10高校的數據。這些學校皆是我國醫學院校的排頭兵，對F1000數據庫收錄其文章進行深入挖掘，不僅能夠客觀反映它們的科研競爭力水平，同時也能夠在一定程度上反映出我國生物醫學的發展水平。本文選取上述高校2005-2014年近10年的數據。對于檢索記錄采用計算機抓取網頁中的篇名、期刊、出版年份等信息，人工收集網頁中被推薦次數、總星級數以及被賦予的標簽內容等信息，將上述結果導入EXCEL建立數據庫。

1.2 數據的處理

采用SPSS 20.0統計軟件分別對2005-2014年內選定的10所高校所擁有的F1000專家數、各年份收文量、總星級及標簽情況等內容進行統計分析，對其科研競爭力水平作出客觀評價。

2 結果與分析

2.1 文章收錄情況分析

F1000收錄2005-2014年10所高校文章詳見表1。

表1 F10002005-2014年收錄我國醫學前10名高校的文章數

從表1可看出，10所高校的文章收錄情況上呈逐年上升趨勢，2012-2013年達到高峰，其中北京大學、中山大學、四川大學等文章收錄增長速度明顯。

10所醫學高校總收錄文獻在10年間變化的情況見圖1。從圖1可看出，10所院校的發展情況目前處于穩固上升期。我們將這10年間的數據量變化分為兩個階段：第一階段為起始期，所發表文獻在國際上初露頭角，相應文獻量處于不穩定階段，被推薦的文章數量相對較少；第二階段為發展期，文獻數量急劇增加，增長速率逐年增快，是我國生物醫藥領域建設發展的黃金期。各校年均被收錄文獻均被以及10所院校2005-2014年均被收錄文獻總量見表2和表3。可以看出北京大學表現良好，具有明顯優勢，而排名靠后的幾所院校在收錄情況上與前幾名院校相比仍存在一些差距。

圖1 10所高校被推薦文章總數10年間的變化情況

表2 各高校年均被收錄文獻

表3 2005-2014年前10所醫學高校均被收錄文獻

2.2 擁有F1000專家數量情況分析

不同國家地區的科學發展水平直接體現在人員組成方面并同時反作用于當地的科學發展。在良好科學環境中容易產生更多高質量的人才。這些高質量人才將成為新一代科學家，影響科學的未來發展[2]。將各校F1000專家數進行統計對比，結果如圖2所示。

從圖2可以看出，上海交通大學擁有遠超于其他院校的專家人數，說明上海交通大學在科研學術環境上有著一定的優勢。

圖2 各高校擁有F1000專家數

2.3 文章星級情況分析

收集10所醫學高校10年被收錄文章的星級數據，不同高校以及不同年份的統計分析結果見表4、表5。從表4、表5可以看出，這10所院校被收錄文章評定的星級多數為一星，說明我國科學研究水平仍需提高，才能獲得更高的國際認可程度。但是我們可以看到在年星級均值上的呈上升的態勢，說明我國科研水平一直處在發展期。同時對比10所院校的情況可以看出，上海交通大學、北京大學、復旦大學表現相對較好。

表4 10所醫學高校被收錄文章星級

表5 不同年份被收錄文獻星級

2.4 文章標簽情況分析

標簽內容是同行評議的縮影。F1000數據庫所具有的標簽評價體系，通過直白的內容直接反映專家對收錄文章的評價，反映文章在科研領域的突出貢獻。

10所高校在標簽上的數據見表6。從表6可以看出，北京大學的科學研究在新發現上較為突出，而華中科技大學在先進技術的應用上擁有優勢，首都醫科大學在臨床試驗上較為突出，而四川大學在Meta分析上擁有優勢。

表6 我國10所醫學高校被收錄文章篇均獲得各類標簽

3 結語

科研競爭力評價的首要目的是為了讓各高校能夠清楚地認識到自身的發展水平以及需要努力的方向。通過10所院校10年間被F1000數據庫收錄的文獻情況，可看出它們在發展上各有特色。雖然排名靠前的院校在發展起步上比后者更加雄厚，但是后幾所院校最近幾年高增長速率的發展態勢也從側面反映出我國在生物醫藥衛生領域的科學研究整體呈良好的向前發展趨勢。

F1000數據庫通過將流動在底層粗糙而有待加工的數據加以挖掘，實現了在頂層描繪出科研全景畫的局面，使用戶可以很快的于頂層聚焦自己需要的內容，及時和全面地發現當今世界上生物醫學最新研究成果和發展動向。同時其采用的去中心化的組織形式，將整個團體細分成各個不同學科的細小活動，再將它們鏈接到一起，這樣強大的聯合體從根本上為自己篩選文章的標準提供了有利的說服力。隨著該系統更加廣泛的使用，它其將收獲更多的成功，也將為科學研究帶來更多的成功。