基于F1000的學術成果影響力評價指標研究

李莉瓊

摘要：學術成果影響力評價是科技管理工作的重要組成部分。由于評價機制不同，量化指標和同行評議之間存在巨大差異。本文以臨床醫學學科文獻為例，通過論文F1000指標、被引頻次和期刊影響因子的對比，對學術成果影響力的主要評價標準進行比較研究，為科研人員掌握本學科領域的最新研究進展和發展趨勢，提升學術成果影響力提供決策參考。

Abstract： The impact evaluation of academic achievements is an important part of scientific and technological management. Because of different evaluation mechanisms， there are huge differences between quantitative indicators and peer review. Taking the documents of clinical medicine as an example， this paper makes a comparative study on the main evaluation criteria of academic achievements by comparing the F1000 Index， Citation Frequency and Journal Influencing Factors， so as to provide decision-making reference for scientific researchers to master the latest research progress and development trend and enhance the influence of academic achievements.

關鍵詞：F1000;學術成果影響力;同行評議;量化指標

Key words： F1000;the impact of academic achievements;peer review;quantitative indicators

中圖分類號：F426 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2020）24-0208-03

0 ?引言

學術成果影響力評價是科技管理工作的重要組成部分。隨著數字出版的發展，學術成果的出版形式逐漸多樣化，各學科自身特性及發展狀況存在不同差異，目前僅僅利用影響因子、被引頻次等計量學指標評價不同學科的學術期刊質量及學術成果影響力越來越受到質疑[1]。同行評議是遴選論文、提高學術質量的重要途徑之一。SCI創始人尤金·加菲爾德博士認為“在理想情況下，評價者應閱讀每篇文獻并作出個人主觀評價”[2]。本文以臨床醫學學科文獻為例，通過論文F1000指標、被引頻次和期刊影響因子的對比，對學術成果影響力的主要評價標準進行研究，以完善各類評價體系，為科研人員掌握本學科領域的最新研究進展和發展趨勢，提升學術成果影響力提供決策參考。

1 ?F1000（Faculty of 1000）簡介

SCI、EI、PUBMED等數據庫均不能就文獻內容質量進行評價與分析。2002年，英國現代生物出版集團（BioMed Central）創建并推出“Faculty of 1000 Biology”，并與2006年推出“Faculty of 1000 Medicine”，邀請全球45個領域的生物學和醫學領域專家對其所閱讀文獻的貢獻程度和科學價值進行評述和推薦，幫助科研人員在有限時間內發現專業領域有價值的期刊和學術文獻，快速把握論文的研究內容和創新點，輕松掌握本學科領域的最新研究進展和發展趨勢。截止于2019年6月，F1000 Prime共有16萬篇論文記錄，推薦了3500多種不同出版物的文章[3][4]，其中部分來自于知名期刊，如《自然雜志》（Nature）、 《科學雜志》（Science）、《新英格蘭醫學雜志》（New England Journal of Medicine）和《實驗醫學雜志》（Journal of Experimental Medicine）等，85%的論文推薦來自更專業或不太知名的期刊。專家評價推薦不受時間限制，每一篇論文可以由一個或一個以上的專家獨立評價，一篇好文章被評價的次數可能隨時間的推移而增加。同行評審推薦的學術評價方法受到了越來越多生物學和醫學科研人員的關注。

2 ?研究對象與數據統計分析

2.1 研究對象

本文選取F1000 Prime醫學排行榜部分數據和ESI臨床醫學學科論文及期刊信息，擬從論文被引頻次、期刊影響因子的角度研究 F1000 是否影響論文學術影響力，探討同行評議與文獻計量這兩種評價方法的差異。

2.2 數據統計分析

F1000 Prime醫學排行榜包括當前排名前十的文章（Current Top 10）、排名前十的文章（All Time Top 10）、當前瀏覽最多的文章（Current Most Viewed）、瀏覽最多的文章（All Time Most Viewed）和潛在影響力文章（Hidden Jewels）等[5]。

醫學學科當前排名前十的文章（Current Top 10）中，推薦等級均達7星及以上，其中發表于2019年的有8篇，發表于2018年的有2篇。以排名第一的文章為例（見表1），在Web of Science中被引頻次為0次，但在F1000中獲得9次推薦，分別是“非常好（Very Good）”8次、“很好（Good）”1次，推薦等級為17星。從表1可以看到，3篇文章均發表于2019年，來源期刊影響因子差距較大，但都得到專家不同程度的推薦，說明專家推薦與期刊影響因子無關。

醫學學科排名前十的文章（All Time Top 10）中，推薦等級均達31星及以上。以排名第一的文章為例（見表2），在F1000中獲得22次推薦，推薦等級達48星，專家為該文章寫3篇評論，說明其主要貢獻和入選理由，但在Web of Science中被引頻次僅為10次。

表2中論文“Hydroxyethyl starch 130/0.42 versus Ringer's acetate in severe sepsis”發表于2012年7月12日，在Web of Science中被引用次數高達1013次，是一篇高被引論文。分析其引用文獻情況，2012年該文章被引用12次，2013年引用次數達到159次，迅速攀升到最高值。在F1000中，該文章被推薦17次，其中“優秀（Exceptional）”9次、“非常好（Very Good）”6次、“很好（Good）”2次;2012年7月份該文章被推薦9次，最早的推薦時間是7月11日，最新一次專家推薦時間為2013年6月13日，反映出F1000專家推薦評價的及時性。

3 ?小結

綜上可以看出，由于評價機制不同，被引頻次、期刊影響因子和論文F1000指標之間存在巨大差異。文獻被引頻次是衡量科研成果被同行關注程度的重要指標，隨時間積累而變化;期刊影響因子是衡量學術期刊影響力的重要指標，反映了期刊的整體質量水平及讀者的引用偏好;F1000 推薦的絕大部分文獻都是在論文正式出版前1個月至出版后一年，時效性強的評價避免了期刊影響因子的片面性和論文被引頻次統計的滯后問題。

學術成果影響力的各評價指標側重點不同，不能簡單地通過單個指標來衡量，各評價指標相互獨立互為補充卻不可替代。“改變臨床實踐（Changes Clinical Practice）”、“重要確認（Confirmation）”、“新發現（New Finding）等十一種標簽和“隨機臨床試驗（Clinical Trial ： Randomized）”、“綜述評論（Review/Commentary）”等四種文獻類型在F1000中可以被科研人員分面檢索。被標注為“新發現（New Finding）”、“技術進步（Technical Advance）”等標簽的文章更容易引起科研人員的重視[6][7]。F1000評委會成員不考慮期刊影響因子和論文被引頻次，根據論文對其學科的貢獻程度和學術價值進行推薦分級和評議，并不只是簡單給出優劣評價，而是從學科專家的視角深入挖掘文獻價值。以“F1000排名前十的文章（All Time Top 10）”中的第一篇為例，論文“Genome-wide non-mendelian inheritance of extra-genomic information in Arabidopsis”獲得20次專家推薦，其中15次“優秀（Exceptional）”、5次“非常好（Very Good）”和1次“持異議（Dissent）”，共計55星。其中，F1000評委會成員Alejandro Sanchez-Alvarado對文章提出異議，指出其“對觀察到的逆轉的解釋，沒有提供任何實驗證據;期待對本文的假設進行系統的細胞學檢驗。”這些推薦及評論文字對于科研人員來說是難得的學習資料，指引了讀者的閱讀與思考。

每個評價指標都存在自身的局限性和不足。學科特點、語言可能對文獻被引頻次產生一定影響;影響因子可能受到期刊發文量及引用情況的影響;F1000學科比較單一，論文各項指標可能受到評議專家學科背景、所在國別及閱讀偏好的影響，基于同行評議卻難以保證個人評價的客觀性。學術成果數據不僅僅包括論文本身的基本信息，還包括其在專家評議過程中被標注的各種信息，還有被瀏覽、檢索、下載過程中產生的以信息資源為中心的各類數據，并與學科專業匹配情況等共同形成該科研成果的完整畫像。科研人員在選擇學術成果影響力評價體系時考慮各自不同優劣勢、學科特點及適用范圍，量化指標和同行評議結合，全面系統地閱讀該學術成果相關數據，減少各種主觀因素的不確定影響。

參考文獻：

[1]劉芳，朱沙.學術期刊與學術成果影響力主要評價指標差異性研究——以Nature期刊為例[J].情報雜志，2015，34（08）：65-69.

[2]Eugene Gaifield.The History and Meaning of the Journal Impact Factor.[J].Journal of the American Medical Association.2006，Vol.295（No.1）：90-93.

[3]ARTICLE RECOMMENDATIONS.F1000Prime[EB/OL]. （2019-6-23）.https：//f1000.com/prime/recommendations.

[4]F1000 Faculty.F1000Prime[EB/OL]. （2019-6-24）.https：//f1000.com/prime/thefaculty.

[5]謝巖巖，孫繼林.F1000的文獻評價功能淺議[J].圖書館雜志，2011，30（04）：38-42，47.

[6]Highly Cited Papers.InCites Essential Science Indicators[EB/OL]. （2019-5-17）.https：//esi.clarivate.com.

[7]Hot Papers.InCites Essential Science Indicators[EB/OL]. （2019-5-17）.https：//esi.clarivate.com.