困境與突破：算法權力下的學術期刊

周小玲

隨著以算法為核心技術的智能時代的到來，算法越來越多地被應用到社會各領域。例如，政府利用算法來實現智能化疫情防控；媒體依據算法對用戶進行個性化的新聞推送；商家利用算法來實現精準營銷；監管部門采用算法對網絡暴力、色情等違法內容進行識別與檢查；等等。可以說，算法的普及全方位地改變了人們的生活。然而，算法是一把雙刃劍，它在給日常生活帶來巨大便利的同時也導致了不公平、歧視、隱私泄露等一系列問題。例如，算法在增強人們的信息獲取能力，提高人們意見表達的機會的同時，也在無形中接管了信息分發的權力；在實現高效管理、維護社會穩定的同時，也在無意識中增強了政府的公權力；在幫助企業優化服務、精準營銷的同時，也暗中賦予了企業更多的支配權與控制權。可以說，“世界不再以我們能夠理解的方式來表達，它已經被數據化了，任由算法闡釋，按照控制論方式重新配置”[1]。

目前學界對算法所引發的經濟、倫理、社會治理方面的種種問題與隱患都給予了極大關注。可以看到，算法偏見、算法黑箱、算法失靈、算法倫理、算法治理、算法權力等概念層出不窮。然而，算法對學術期刊的影響卻鮮有研究者關注，相關研究大多聚焦于學術期刊在算法時代的傳播，即學術期刊如何構建有效的傳播平臺來適應算法時代的來臨[2—4]，而對算法可能給學術期刊帶來的潛在問題與現實困境的研究則寥寥無幾。因此，本文試圖從算法在學術期刊中的應用出發，結合學術期刊的編輯工作，探討算法作為一種權力在學術期刊中的滲透與擴張，揭示算法權力對學術期刊的無形控制，并為學術期刊的自救提出解決之道。

一、算法在學術期刊中的應用

目前，算法在學術期刊中的應用主要通過以下四種方式實現。

1.通過算法構建學術期刊的用戶畫像

用戶畫像（user profile）是一種通過描繪用戶特征來為用戶提供精準服務的技術，該技術往往需要綜合使用分類、聚類、推薦等各種算法[5]，目前被廣泛地應用于圖書館、電子商務、健康醫療等領域。近年來，隨著相關研究的推進，很多學者將用戶畫像技術引入學術期刊研究，試圖通過構建學術期刊的用戶畫像模型來更好地理解作者與讀者的需求、選擇更加合適的審稿專家、實現學術期刊微信公眾號的精準推送等。例如，有學者通過挖掘和收集學術期刊的網站、投稿平臺、微信公眾號上的用戶數據，并按照一定的算法對這些原始數據進行過濾、整理、分析、計算，構建作者畫像、讀者畫像與專家畫像，從而使學術期刊提供更加精準化、多樣化、社交化和個性化的服務[6]。另有學者針對學術期刊存在的“找不到”或“找不對”合適的外審專家審稿的問題，將用戶畫像技術應用到審稿人的遴選之中，通過構建審稿人畫像模型，設計出更加有效的外審專家推薦方法，以實現審稿人研究方向與稿件的精準匹配[7]。還有學者試圖通過用戶畫像技術來提高學術期刊微信公眾號的精準推送功能，從而提高期刊的傳播力與影響力[8]。總之，建立在算法基礎上的用戶畫像技術讓學術期刊可以精準細致地把握作者、讀者、專家的信息，從而提升學術期刊的服務質量與水平。

2.通過算法優化學術期刊評價

算法在學術期刊中最早、最主要的應用是期刊評價。學術期刊的評價方式主要有兩種：定量評價和定性評價。由于定量評價有利于保證評價結果的客觀性，避免人的主觀性、認知及情感等因素對評價結果產生過多影響，所以，長期以來都備受推崇。近年來，雖然同行評議等定性評價越來越受到重視，但以文獻計量為主的定量評價仍是期刊評價中不可或缺的方法。文獻計量主要是對引文數據進行整理、排序、分析、統計，這為算法提供了絕佳的用武之地。可以說，無論是長期以來期刊評價中最倚重的傳統指標，如載文量、被引量、期刊影響因子（journal impact factor，英文縮寫JIF）、h指數、g指數、A指數、r指數等[9]88，還是近來新興的“期刊聲望指標（SCImago journal rank，英文縮寫SJR）與特征因子（eigen-factor，英文縮寫EF）等衍生指標”[10]，都離不開算法的支撐。傳統的期刊評價所依據的算法往往比較簡單，主要是對引用進行統計，如影響因子就是對一種期刊前兩年發表的論文在統計當年被來源期刊引用的總次數除以該期刊在這兩年內發表的論文總數進行的計算。這種簡單算法使得影響因子只注重引文的絕對數量，而忽視引文的實際質量，且無法排除自引等情況，因而不斷被詬病。面對指責，期刊評價的算法不斷更新換代，逐步出現了一些新型期刊評價指標，例如，“作為新型期刊評價指標的代表SJR和EF，兩者都采用了類PageRank算法模型來評價科技期刊的質量與影響力”[9]88。總之，無論是傳統指標還是新型指標，算法在以定量分析為主的期刊評價中始終發揮著舉足輕重的作用。不過，顯而易見的是，過于依賴算法的期刊評價也帶來了一些弊端。

3.通過算法輔助學術期刊的選題策劃

及時了解和掌握學術熱點和前沿，并據此來進行選題策劃，是學術期刊編輯需要掌握的基本技能之一。然而，在信息爆炸時代，不僅信息量呈幾何級增長，而且信息傳播的速度和廣度也大大增加，這導致學術熱點也在加速更迭，那么，身處信息洪流和熱點日新月異中的學術期刊編輯如何應對這一挑戰？越來越多的研究者提倡學術期刊編輯利用算法來挖掘與捕捉學術熱點與前沿，從而在組稿、約稿中能主動出擊、引領學科發展。有學者探索運用SciVal的文獻數據挖掘技術來提煉學術熱點，以此輔助學術期刊編輯及時了解和掌握研究熱點，從而實現精準約稿[11]。有的學者自行開發算法來進行學術熱點發現與熱度評價，一方面“通過詞頻統計和詞增長速度算法對專業領域內的熱點進行識別”；另一方面“從內容層面和傳播層面兩個維度設計并計算一系列指標，對識別到的熱點進行熱度評價與排序”，最終實現由數據、算法驅動的選題決策。[12]有的學者建議利用數據庫自帶的算法對學術熱點進行預測，如利用基本科學指標數據庫（Essential Science Indicators，英文縮寫ESI）的相關功能來統計分析作者/機構/國家合作度、基金論文影響力、高被引期刊/機構/熱點主題詞等信息，以獲取研究熱點。[13]有學者借助Doc2Vec方法，對期刊論文的相似度進行計算，采取共詞聚類分析、關鍵詞的詞頻統計等算法，計算出一定時間和范圍內的期刊熱點選題。[14]總之，隨著技術的進步，學術期刊編輯關注學術熱點、進行選題策劃的手段日趨豐富，不過，算法在選題策劃上的應用也有局限性與不足之處，如會導致信息繭房、加劇學術期刊選題同質化等。

4.通過算法防范學術不端行為

目前，國內雖然有多種學術不端檢測系統，但其論文查重的基本原理是一致的，即查重系統將待檢測的論文與數據庫中的文獻進行比對，按照一定的算法進行識別，計算出重復率，并生成檢測報告單。由此可見，算法是學術不端檢測系統的關鍵。然而，不同檢測系統的重復率算法大同小異。例如，中國知網、萬方、大雅的查重系統，其重復率算法是相同的，即都是“重復字數和總字數的比值”。需要注意的是，中國知網查重采用的是目前比較先進的模糊算法，即以句子為最小單位，如果一句話中有連續13個字符重復，并且重復字數達到該段落的5%，那么就會被標記出來[15]。而維普與PaperPass采用的重復率算法略有不同，維普使用的算法是“總相似比=復寫率＋他引率＋自引率”；Paper-Pass的重復率算法是“（句子1相似度＋句子2相似度＋……+句子n相似度）/n”[16]。客觀來講，算法的應用的確有助于發現抄襲、剽竊、一稿多投等學術不端行為，算法的確是防范學術不端、凈化學術生態的有力武器，但需要指出的是，查重系統算法目前仍有不足，這也令學術期刊與作者都頗感苦惱。

二、困在算法里的學術期刊

需要指出的是，算法在為學術期刊賦能的同時，也逐步異化成了一種權力，成為支配與控制學術期刊的一種強制性力量。這是因為，在一切都以數據化的面貌出現的智能時代，誰擁有數據，誰就有權對數據進行分類、搜索、判定、過濾、推薦等算法的分析與處理[17]。而算法依據某些相關性作出的選擇、排序、分類或預測，會在有利于某些人或物的同時不利于其他人或物。如果說“權力是一種社會關系”，是某個主體“運用其擁有的資源，對他人發生強制性的影響力、控制力，促使或強迫對方按權力者的意志和價值標準作為或不作為” [18]的能力，那么可以被用來強化自己對他人的影響力和控制力的算法，儼然已經演化為一種算法權力。正如喻國明教授所指出的：“算法的社會本質是一種權力，技術不僅能夠賦能與賦權，而且它自身就構成一種權力的行使和對于傳統權力模式的替代。” [19]可見，算法不僅是一種技術，還是一種操縱政治、社會和經濟的權力手段。作為一種權力的算法，如今已經滲透到了社會的方方面面，學術期刊也概莫能外。

算法權力通常是非常隱蔽的，其在學術期刊中的運作往往是通過對學術期刊進行分等定級與排名，滲入選題策劃、學術不端檢測以及學術信息傳播等環節來實現的。

1.算法權力下的學術期刊分等定級與排名

通過采集各種數據對學術期刊進行分等定級與排名是一種重要的期刊評價方式，這種評價方式可以在學術期刊之間形成角逐與競爭，因而在一定程度上有助于提高學術期刊的質量。但對評價結果的濫用與盲目追求，也使得它逐步背離了設計的初衷，因此飽受詬病。《清華大學學報》仲偉民教授曾客觀地評價了“學術評價與學術期刊的糾葛”，他指出，學術界、期刊界以及管理部門“對學術評價的批評多、肯定少，這是可以理解的，因為最近一二十年學術評價機構對學術研究的負面影響的確越來越大，應該批評。但是，另一方面，我們也要充分看到有的學術評價機構在與學者及管理部門的交涉及交流中，客觀上對學術研究和學術期刊也起到了很重要的正向作用”[20]。目前，國內不同的評價機構按照不同的標準，對學術期刊進行了各種等級區分，其中比較重要的等級劃分有核心期刊與非核心期刊、CSSCI來源期刊與非CSSCI來源期刊等；比較重要的排名有影響因子排名、人大復印資料轉載指數排名、學術影響力排名、國際影響力排名等。此外，隨著微信的盛行，還出現了許多與之相關的新排名，如學術期刊微信公眾號熱點文章排名、學術期刊微信傳播力排名等。這些琳瑯滿目的分級與排名讓學術期刊冰火兩重天，評級高的、排名靠前的歡呼雀躍，反之則垂頭喪氣。

等級劃分與排名的實質是一種算法權力機制，這是因為，等級與排名都是通過某種算法被計算出來的。雖然近年來隨著學界與期刊界中有志人士的不斷推進，各大期刊評價體系都放棄了之前單純依據量化指標的計算，逐步提高了質性內容的權重，但即使如此，定量分析仍是學術期刊評價體系的主要方法。然而，這種計算出來的等級與排名被盲目認同后，不僅某些作者會以刊物的等級與名次作為投稿的參照，某些讀者也會更愿意閱讀等級高、排名靠前的期刊。久而久之便產生了馬太效應：等級越高、排名越前的期刊，其稿源就越好，其訂閱量與影響力就越大。這導致一些期刊開始刻意迎合等級與排名的算法來調整自己的辦刊方針。于是我們看到，為了擠進核心期刊或提高影響因子，有的期刊會重金買稿，即給著名學者的文章提供高稿酬；有的期刊聲明自己傾向于發表長文章，因為無論是轉載率還是影響因子的計算都是以文章被轉載或被引用的次數除以發表的文章數量總和[21]，而多發篇幅長的文章就會降低文章數量總和即分母，從而期刊就可以坐享其成，即什么都不用做，只改變文章的篇幅就可以有效提高轉載率或影響因子；有的期刊明確表示自己偏愛發表基金論文，因為基金論文比是評價期刊等級與排名的重要指標之一；甚至還有期刊明確要求作者投稿的論文必須引用本刊發表過的文章……真可謂八仙過海，各顯神通。如此種種都是為了提高等級與排名。可見，學術期刊對等級與排名的認同，讓等級與排名的算法建立了自己的霸權地位。為了迎合這些等級與排名算法的偏好，學術期刊在選稿、用稿等方面不得不刻意地投其所好，以致丟失了自己作為優秀學術成果展示平臺的意義。奧尼爾（Cathy O' Neil）曾把算法稱為“數學殺傷性武器”，他指出“許多數學殺傷性武器都是依靠自己的內置邏輯來定義其所處理的情況，然后再以其自己的定義證明其輸出結果的合理性的。這種模型會不斷地自我鞏固、自我發展，極具破壞力”[22]。盲目追求算法決策出的等級與排名對學術期刊造成的傷害，又一次印證了這種“數學殺傷性武器”的破壞力。

2.信息繭房加劇學術期刊選題的同質化

國內的學術期刊尤其是綜合性學術期刊存在嚴重的同質化問題，它們不僅在形式上如封面、版式上趨同，更是在選題內容上重復，在欄目設置上相似，缺少各自的特色。對此，學界做過多方面的分析。如《天府新論》的謝蓮碧將學術期刊同質化的原因歸結為學術資源的有限、學術熱點的相對集中，以及期刊之間激烈的競爭[23]。《甘肅社會科學》的胡政平將學術期刊同質化的成因總結得更為全面，不僅追溯了歷史原因如“計劃經濟時代形成的行政化的單位制辦刊模式”“長期形成的傳統化的內向式辦刊模式”，還從制度設計與執行層面作了探討，認為失范的制度設計和長期的執行不力是同質化的重要因素。此外，他還從期刊自身出發深刻反省，列出了期刊主帥創新能力匱乏、編輯隊伍素質欠佳等弊病[24]。以上分析固然頗有見地，然而在算法時代，我們不得不考慮一個新現象，即信息繭房所帶來的選題同質化的加劇。

以往學術期刊編輯感知與獲取學術信息的方式通常有兩種：一是閱讀同行期刊，通過閱讀來尋找高頻出現的學術議題；二是參加各種學術會議，通過會議來了解學界動態與理論前沿。互聯網的發展讓編輯更多地依賴網絡來獲取信息，于是對同行期刊的閱讀從傳統的紙質閱讀轉變成了現代的數字化閱讀，即通過中國知網、萬方等電子數據庫來閱讀。新冠肺炎疫情暴發后，越來越多的學術會議也開始借助騰訊會議、ZOOM等軟件實現了線上與線下的共享。然而，無論是通過中國知網、萬方等數據庫檢索信息，還是參加線上線下的各種學術會議，都是編輯主動獲取學術信息。但算法時代的降臨，改變了編輯獲取學術信息的方式，讓被動獲取信息的比重大幅提升，即越來越多的學術信息來自微信朋友圈的分享、微博熱搜的榜單、今日頭條的推薦等。關注高校、科研機構、學術期刊等公眾號，閱覽微信朋友圈的分享，雖然有助于編輯及時把握學界最新動態，了解最新研究成果，但需要引起重視的是，過于依賴學術信息的被動獲取會導致信息繭房，從而加劇選題的同質化。

下文以微信為例做具體分析。微信極大地提升了學術信息的傳播范圍與傳播速度，但它的算法機制有可能導致信息繭房現象。編輯通過微信獲取信息的途徑主要有三種：第一種來源于微信的分享功能，即微信好友基于朋友圈、“看一看”、視頻號所發布、分享的內容；第二種來源于微信的關注功能，是基于用戶關注的微信公眾號與視頻號所發布的信息；第三種來源于微信的推薦功能，如“看一看”中的“熱點廣場”、“搜一搜”中的“今日熱點”，視頻號中的“推薦”都會向用戶推薦信息。這三種信息來源都會在一定程度上造成信息繭房。首先，微信的分享與關注功能會導致個人信息繭房。這是因為，添加誰為好友與關注哪些公眾號都是用戶個人選擇的結果，這個選擇本身就已經對繁雜的信息做了過濾，使得用戶看到的信息都是自己所偏愛的。毋庸置疑，編輯的微信好友中肯定包含大量的學者與同行，編輯所關注的公眾號中肯定不會缺少各種同行期刊等與工作相關的公眾號，而對于這些好友與公眾號的選擇，本身已經經過編輯本人偏好的過濾。所以編輯在微信朋友圈或公眾號中獲得的學術信息，已經是經個人偏好篩選后的信息了。其次，微信的推薦功能會帶來群體信息繭房。微信“看一看”中的“熱點廣場”、“搜一搜”中的“今日熱點”，視頻號中的“推薦”的形成是經過群體信息篩選的結果，算法對用戶關注、點贊、轉發、評論、搜索的數據進行統計，然后向用戶推送包含出現頻率最高的詞的信息，這就導致同樣的信息會被反復傳播，形成信息壁壘，新的信息很難打破重圍并突顯出來。因此，編輯通過微信推薦所獲取的學術信息并不全面客觀，而是算法過濾后的“擬態環境”[25]，很可能是大量重復且單一的信息。由此可見，編輯在微信中只能獲取到自己偏愛和大眾偏愛的信息。學術期刊編輯如果過于依賴微信這一信息渠道來獲取學術信息，并據此提煉選題，就會受困于信息繭房而加劇選題同質化。

3.學術不端檢測系統中的算法漏洞

目前學術期刊基本上都采用了學術不端檢測系統來防范抄襲、剽竊、一稿多投等違背學術誠信與學術準則的行為。自2008年3月國內第一個學術不端檢測系統PaperPass問世以來，目前我國已經有十余種學術不端檢測系統，主要包括中國知網的“學術不端文獻檢測系統”、武漢大學的“ROST論文反剽竊系統”、維普論文檢測系統、Gocheck論文引用檢測系統、萬方數據文獻相似性檢測服務、大雅相似度分析系統等。

十多年來的實踐經驗證明，學術不端檢測系統對于發現學術不端行為是有效的，但不能否認的是，目前的學術不端檢測系統雖然經過不斷升級仍有許多不盡如人意之處。這些不足主要是由其算法上的漏洞導致的。一方面，算法的數據來源存在盲區，使系統無法甄別抄襲與合理引用，于是許多必要自引、合理他引，如對權威著作、歷史資料、法律法規、專業名詞、經典詩詞、名言警句等的引用都一概被判定為抄襲，甚至論文的統一格式如前言、資料與方法、結論等內容也被判定為抄襲[26]。另一方面，算法不夠智能，這導致同義詞的替換、表達方式的變更、字序的調整等簡單操作就會極大地影響檢測結果。目前國內的學術不端檢測系統大多采用數字指紋技術或詞頻統計技術，其原理在本質上只是對字符串進行統計與標記，而無法從語義信息和語用信息層面理解論文的含義，因而多數只能識別文本復制類型的簡單抄襲[27]，對思想觀點、研究方法上的剽竊完全束手無策。此外，檢測系統不能識別圖表與公式，且有些系統只能查中文文獻而對外文文獻無能為力[28]。

為了彌補檢測系統的局限，期刊界提倡系統檢測與人工審查相結合來判斷引用的必要性與合理性，試圖用人工來矯正算法的失靈。但是，如今很多高校、編輯部、管理機構都把低重復率作為一個硬性指標，例如，有些高校規定畢業生論文提交評審前必須通過學術不端檢測系統的查重；多數編輯部把學術不端檢測作為審稿的第一步；某些管理機構也將學術不端檢測作為必備的輔助工具，用于課題審核與職稱評定等。檢測系統的算法決定了一篇文章重復率的高低，這導致同一篇文章在不同的檢測系統中很可能具有不同的重復率[29]。這就讓檢測系統的算法擁有了影響甚至決定學生畢業論文是否合格、編輯部審稿是否通過、課題與職稱評定是否成功的強制性力量。而如何對算法的權力進行有效制衡、防止其異化，是一個亟待解決的問題。

4.算法歧視下學術期刊的不公平傳播

算法歧視通常被理解為日常生活中基于數據的廣告所含有的種族歧視、性別歧視，以及“大數據殺熟”背后的價格歧視等。不過，僅僅將算法歧視“定義為由于算法程序的片面性呈現在種族、性別、職業身份等之上的消極態度，未免稍顯狹隘”[30]48，理應將其擴展為“算法程序在信息生產和分發過程失去客觀中立的立場，影響公眾對信息的客觀全面認知” [30]48 。正是在這個意義上，本文認為，如今的學術期刊在傳播機會上遭遇了嚴重的算法歧視。這種歧視主要表現為兩大類：一是搜索引擎的競價排名算法所帶來的經濟歧視，二是搜索引擎內置的認證歧視。

首先分析競價排名算法的經濟歧視。算法在表面上僅僅是一種技術，但其背后卻往往潛藏著強大的資本力量。競價排名算法就是這樣一種資本與技術的共謀，使學術期刊深受其害。眾所周知，在百度上隨便搜索任一學術期刊的刊名，就會出現一堆虛假期刊網站，而學術期刊真正的官方網站則可能淹沒在茫茫的高仿網站之中。雖然經過2016年的專項治理，搜索引擎取消了對一些釣魚網站的推廣，亂象得到了一定程度的遏制，但即使如此，如今在網上搜索期刊刊名，查詢結果中仍有不少虛假網站位居前列。為學術黑市助紂為虐的正是競價排名算法，這一算法使付費越多的網站在搜索結果中排名越靠前，因而假冒網站可以通過付費購買競價排名服務讓自己比真實網站更容易被搜到。而與虛假期刊網站積極購買競價排名服務不同，絕大多數學術期刊為非營利機構，以傳播優秀學術成果為己任，基本不會主動參與競價排名，因此，其真實網站通常都在搜索頁面中排位靠后，難以被公眾看到[31]。由此可見，競價排名算法在利益的驅動下，已經在信息傳播的過程中失去了客觀中立的立場，它們赫然實行經濟歧視，使得虛假的仿冒期刊網站也能“買”到搜索結果的前排位置，嚴重妨礙了公眾對學術信息的客觀全面的認知，致使真正的學術期刊網站在海量信息里遭到屏蔽，無法獲得公平的傳播機會。可以說，競價排名算法造成了假冒期刊網站與學術期刊官網之間的一場不公平競爭，讓學術期刊受到了來自算法的經濟歧視。

其次分析搜索引擎的認證歧視。為了打擊山寨網站，搜索引擎推行認證制度，為一些知名期刊網站授予“官網”標識。例如，加入百度認證后就會有藍色背景的“官網”字樣，加入360認證后就會有綠色的“官網”字樣。事實證明，認證機制確實有效。據統計，實行官網認證后，學術期刊網站在國內三大主流搜索引擎（百度、360搜索及搜狗）中的排位情況為：“前3頁出現正確官網的比例最高為百度搜索，其次為360搜索和搜狗搜索，后二者間差別不大。雖然前3頁大多有正確官網顯示，但正確官網出現在首頁首位的比例均偏低，都未超過50%，360搜索甚至低于10%。”[32]然而，并非所有的學術期刊都進行了認證，只有繳納一定費用才能通過認證。這樣認證機制就帶來了新歧視，即有認證的官網對沒有認證的官網的歧視。認證與否本來不影響搜索結果的排名，因為認證的主要作用是驗證網站的真實性和有效性，但事實上，搜索引擎的算法傾向于優先展示自己平臺認證的網頁，而那些沒有進行認證的學術期刊官網即使是真實的，也會被算法降序甚至忽略。其實，這種優先展示自己平臺內容的算法早已經是互聯網行業的公開秘密。比如Facebook 會在用戶信息流中優先呈現自己平臺上的視頻而非 YouTube 上的視頻[33]；今日頭條會向用戶優先推薦自己平臺（頭條號）中的資訊[34]。因此搜索引擎優先顯示自己認證的網站也只不過是如法炮制而已。

三、突破算法困境：學術期刊何去何從

算法既給學術期刊帶來了機遇，也帶來了風險。它對學術期刊的未來發展的影響是多方面的。本文指出算法權力對學術期刊的規訓，并不意味著要抵制算法在學術期刊中的應用，只是希望引起學界的重視，讓算法權力能得到應有的制衡與約束，從而維護學術期刊的正當權益。當然，“批判的武器不能代替武器的批判”，要想真正從算法困境中解脫出來，除了技術開發、法律監管等方面的完善之外，學術期刊也需要開展自救，那么學術期刊能為自己做些什么呢？

1.不忘初心、牢記使命：端正辦刊理念

面對算法時代的到來，學術期刊應端正自己的辦刊理念，不忘自己的初心與使命，即“學術期刊只是一個學術研究成果的展示和交流平臺……展示哲學社會科學研究領域的高水平研究成果，支持哲學社會科學領域優秀學術人才成長，促進中外哲學社會科學研究的學術交流”是它“最基本的工作內容”[35]。因此，在期刊評價上，不應過度追求各種排名與等級劃分，而應倡導多元評價，從而發揮期刊對評價體系的引導作用，以利于期刊評價體系的優化與完善；在選題策劃上，不要盲目追隨熱點問題，而應根據期刊特色來組織選題；在審稿上，不要單純依賴學術不端檢測系統的檢測報告，還要對檢測報告的數據結果進行具體分析；在期刊傳播上，要重視官網建設以及搜索引擎的官方認證，做好自己力所能及的事情，維護自己的法定權利。

2.編輯主體性的再確認：做算法的把關人

算法時代的快速來臨，直接將新聞媒體的“把關人”從編輯轉變為算法，出現了“算法把關”的新現象，編輯的主體性遭到了消解。盡管與新聞媒體相比，在學術期刊界，算法并沒有完全取代編輯，但它也滲透進了學術期刊的選題策劃、審稿、傳播等環節之中，影響著編輯的選擇與判斷，在一定程度上削弱了學術期刊編輯的主體性。要矯正、彌補算法的弊端，就需要在算法時代重新確認與強調編輯的主體性，用人的主體性來彌補物的不足，即在編輯工作中不要過多依賴算法，不要迷信數據，不要完全將選題與審稿的權力讓渡給算法，而應在充分利用算法于數據分析方面的優勢的同時，結合編輯的經驗來選稿、用稿、審稿。2021年6月，中宣部、教育部、科技部等三部委聯合印發《關于推動學術期刊繁榮發展的意見》（簡稱《意見》），為學術期刊的繁榮發展指明了方向。《意見》明確提出，應“提升編輯策劃與把關能力”“切實把好政治導向關、學術質量關和價值取向關”。可見，算法時代下學術期刊編輯不僅不應該讓算法取代自己進行把關，從而弱化自己的把關人形象，相反，應該進一步強化自己的主體性，做算法的把關人。