说明：本博客与微信公众号《林墨》同步更新，所有内容均为原创，可授权转载。请扫码关注《林墨》公众号。

摘要

        署名发表论文时，作者的排位需要遵守一定的规则。这个排位不一定能真实反映每位作者的贡献。大神Barabási利用论文之间的共被引关系测算论文中各位作者的贡献，这似乎能在一定程度上查出论文中的挂名作者。

 

闵超 / 南京大学与美国印第安那大学联合培养博士生

        如果能查出论文中挂名……，细思极恐。一篇论文有两位作者，如图中论文A里的小红人和小绿人，我们可能会认为第一作者的贡献更大，也可能认为通讯作者（或末位作者）的贡献更大，还可能认为各位作者的贡献相同。我们判断贡献大小的依据只有一个——作者的排位。大神Barabási与常人的思维方式迥异，提供了一套无视作者排位的作者贡献测度方案。正因为与作者排位无关，该方案能在一定程度上查出论文中的挂名作者。

        科学家之间的合作是现代科学系统的关键组成部分，尤其在跨领域、跨学科的研究中起到非常重要的作用。然而，对于那些由多个作者署名的科学作品，作者会根据各种各样的标准自行排名，不同作者的相对贡献究竟应该是多大，仍然是一个棘手的问题。

 

衡量作者贡献的方式多种多样

        每个学位领域都遵循一定的作者排位规则，例如，按姓氏首字母排序，按作者的贡献从大到小排序等。目前，衡量合著文献中作者贡献的方式有三种：（1）将作品的所有作者都视为第一作者；（2）将所有作者视为同等重要；（3）根据作者的次序或者角色分配科学贡献。

Barabási的操作方案

        Barabási认为，科学文献的引文模式中蕴藏着有价值的信息，可以从中挖掘出科学界对一篇文献中所有作者的相对贡献。他们据此设计出一种算法，可以客观呈现作者的科学贡献。这种算法不依赖于具体的学科领域，也不依赖于作者的排位。

注：图片来源于参考文献中的论文（在具备矩阵运算、共被引原理等知识后，看懂此图大约需要10分钟）

        算法的思路是：（1）假设p是一篇待评价的目标论文；（2）找出引用了p的所有论文集合D；（3）找出D中的论文所引用的所有论文集合P；（4）计算p与P中所有论文的共被引强度s；（5）计算信誉分配矩阵A；（6）最后根据A与s计算论文p的每位作者分得的科学信誉。

        Barabási等人利用数十位诺奖得主和他们获奖论文的引文数据，对上述算法进行了验证。实验发现，如果将算法得到的作者贡献分数作为标准，假设得分最高的作者将获得诺奖，那么实验结果的准确率将达到86%。需要注意的是，所有的实验数据都截止到论文获奖之前。

        这项研究中提出的算法，基于科学共同体中最基本也是最可见的认可方式——引文，能够相对客观地作者的科学贡献，可以在人才招聘、基金资助和职称评定等方面提供建议。

 

编者注

        或许在Barabási的眼里根本没有作者挂名，因此，这项研究的本意是撇开作者排位来推断每位作者的贡献，而不是检测作者是否挂名。意外的是，这项研究为我们打开了一扇门，让我们从此开启挂名检测之旅。

        中国的作者排位比较复杂。当我们看到论文买卖的年交易额超过10亿的新闻时，我们或许只是看到了冰山一角，大量论文交易并非通过金钱完成。若干年前，写论文出专著或许可以东抄抄西抄抄，并可以逍遥法外。自从有了抄袭检测系统，没人敢赤裸裸地这么干了。当然，我们在挂名检测的旅程中，也可能遭遇道高一尺魔高一丈的尴尬。

        Barabási的算法即便检测出某位作者的贡献极小，也只能认为疑似挂名，而难以断定。回到图中的左侧部分，论文A里小红人与小绿人的贡献分别为75%与25%，而如果小红人在共被引论文集合P中出现的频次更高，则小绿人的贡献将变得更小，甚至趋近于0。在这种情况下，我们有理由认为，贡献极小的小绿人并不足以被列为作者，有挂名嫌疑。但是，导致这一结果的原因很可能是小红人在该研究领域发文更多，而小绿人只发一篇论文，我们因此断定小绿人是挂名似乎并不合适。这一点与期刊互引检测非常相似，我们认为过高的互引有学术不端嫌疑，但不能因此断定这就是学术不端。

        另外，我们还需要用大量的中国作者发表的论文来测试Barabási的算法，以评判效果并改进。无论如何，我们有信心认为，作者挂名只是中国学术发展特定阶段的产物，若干年后会消失在日新月异的检测技术中。

 

参考文献

Shen,H. W., & Barabási, A. L. (2014). Collective credit allocation in science.Proceedings of the National Academy of Sciences of the United States ofAmerica, 111(34), 12325-30.

 

文字编辑：李江 / 浙江大学

相关专题：投稿与审稿
转载本文请联系原作者获取授权，同时请注明本文来自李江科学网博客。
链接地址：https://blog.sciencenet.cn/blog-1792012-997896.html

上一篇：你被“致谢”过吗
下一篇：同行评议 VS. 引文指标，差异在哪？