论文发表前，经过同行评议的往往优于未经过的，这是因为提交的论文，即使资深的作者也不见得能确保论文是完美无缺的，总有可能百密存在一疏。要么实验比较不全、参数分析不深入，要么文献跟踪不完整、新文章没看到，诸如此类。结果，无修改直接接收的极少。最终发表的文章，往往是根据评审意见反复修改后，呈现的版本。这也是仅在线发表的论文有的时候不一定被大家认可的原因之一。

      那么，是否发表了就完事了呢？其实没有。此时的论文，还需要经过时间的检验和读者的评价，毕竟同行评议再好，充其量也不过来自屈指可数的几位评审。有的时候，甚至无法保证同行评价的质量。比如人工智能近年来的会议，动不动就上万篇投稿，想找到能匹配这个数量级和会议同水平级的评审，几乎是不可能的，结果，就导致了一些实际上并达不到这个水平的论文，也被接收了。而在线发表的，质量就更加参差不齐了。比如，有些作者为了能尽快占坑，不让想法被其他研究组抢先发表，会对理论、算法或实验的严谨性有所牺牲。

       既然发表了，要怎么去评判发表后论文的质量。抛开发表论文的期刊或会议的档次不说，一个重要的指标是看引用，因为它反映了相关领域科研人员对该论文的重视程度。然而，引用中有不少误区，在数量、来源、人三方面都存在，是需要小心甄别的。

       一是引用的次数。通常来说，引用次数越多，越能反映论文的影响力。不过，引用次数并非只有一条赛道。比如图书馆查新里涉及的引用次数，往往是指SCI他引次数。这个次数既要去除引用文章中自己引自己成果的部分，又要去除掉非SCI期刊引用论文的次数。所以，它的引用次数一般不容易得到高的值。

       值得指出的是，SCI他引对于某些专业并不公平。比如计算机科学，整个学科为了追求短平快的科研成果发表，推崇会议。结果，论文的引用也多是会议引会议的。如果按SCI查他引，显然会吃亏。好在谷歌推了一个谷歌引用次数，计算机学科一般会用它来评估。然而，网络搜索的次数也不是百分之百靠谱，毕竟里面是用人工智能技术来搜的。计算机学科的科研人员比老百姓更清楚人工智能能力的局限性。所以，一般也只会说，据不完全统计，本论文的谷歌引用是多少次。而不敢确信地说，我这论文的引用次数是百分百精准的。

        当然，还有些方向在引用次数上会更加吃亏，比如从事数学研究的。不少数学专业相关的科研人员研究的内容，可能只有他自己能看懂或深入研究过。其他人想沿他的路继续走都很难，自然就谈不上多少引用了。于是，数学界为了强调一项工作的重要性，会换个评价准则，比如用在国际数学家大会上的发言时间来作为重要指标，45分钟的报告才是重量级的。

        但是，有指标就有提升的办法。数学大家丘成桐在他的自传《我的几何人生：丘成桐自传》中谈过一段国际数学家大会的轶事，有兴趣的读者可以去看看。

      事实上，单谈引用次数，是有漏洞的。比如引用次数来自同一个或同类型的低档次期刊或会议。这种次数看上去多，有些甚至有助于进入ESI 高倍引的门槛，但其实意义不大，是“虚高”。也有少量引用是权力寻租式引用。比如有些国外期刊的国际编委，在审稿时，会要求引其发表的文章，是“假高”。还有一种，是“卷高”。这是因为期刊为了扩大自身的影响力，追求高SCI影响因子导致的。一般表现为，会要求投稿论文增加对该期刊的引用，结果间接导致了在该期刊发表的论文引用率增加。这倒也可以理解，毕竟期刊也要生存，也希望有更好的论文投稿。所以，用引用次数来判断论文的质量，应该需要做下细分，而非笼统地只看次数，才比较科学。

       二是引用的来源。如前所述，有些引用次数虽然高，但可能多数来自低档期刊或会议。从统计意义来讲，它意味着缺少该领域里的主流科研团体在跟进这一研究。或者反过来说，研究的内容，可能是旁枝末节，而非该领域当前关心的核心问题。这种高，是“偏门高”。在这种情况下，光看引用，有可能会产生误导，尤其会误导那些刚进来读研的学生，让他们对研究方向的前景产生错误判断。当然，这里需要与那些冷门但含金量高的研究，区分开来。而对热门研究来说，也应该避免为了追求高引用次数，仅通过小修小改获得的“灌水高”论文。

         三是引用的人。华山论剑，大家都期望自己的工作，能被高质量、高端人士看到和引用。所以，在评估论文的影响力时，也很自然地会看看有没有这类型的引用。比如论文被某一篇文章引用了，恰好该文章作者列表中有一位是IEEE Fellow，或者是某国科学院院士。那一般值得提一下，因为这可以表明论文得到了大牛的认可。但事实上，这有一个明显的误区，即这些大咖可能并没有看过被引用的论文。从逻辑上讲，论文的主角一般是一作，和/或学生。参考文献的形成，主要来自他在形成创新想法前和撰写论文期间的文献阅读。而论文里的大咖，则主要负责对论文总体的把握，以及论文存在的技术问题、概念问题、实验问题、语言问题的修改和建议。但对于参考文献中的内容，是否有充分时间来阅读，是值得商榷的。所以，即使其参与的文章引用了某论文，也并不能意味着大咖本人真的读过该论文。然而，现阶段，不少科研人员为突出自己论文的影响，有时会跳过其他作者，而强调其论文的引用源自某重量级大咖。这或许是费时又不得已的“攀比高”，不利于公平比较。

        那么，什么样的引用才是真正有含金量的呢？我觉得反而不会太复杂。最好的成果，必然是经得起时间考验的、能进入正经教材的。稍次一点的，应该是在该领域的多数研究，在一定时间内，会在此成果基础上持续推进，且能让人在改进成果中看到最初成果的思想、影子或框架。再其次，是新论文的实验部分，会与发表的论文进行详尽的实验比较或分析，甚至采用原文的整个实验设计方案。这些，才能真正表明了一项科研成果得到了同行的真正认可，才是我们应该在未来若干年一起去追的高引用。

张军平  

2022年7月31日星期日，初稿完成于桂林回上海的飞机上               

参考文献：

丘成桐，《我的几何人生：丘成桐自传》，南京：译林出版社，2021.

高质量读研其它文章：

1. 科研要记住的是名字而非帽子– 谈破五唯和忆孙剑

2. 《高质量读研》出版感言

3. 科研的主动性 — 从下厨做菜说起

4. 科研需要的品质：单纯

其它老师撰写的关于《高质量读研》的文章：

1. 刘全慧，祝贺张军平教授博文集《高质量读研》出版

2. 马臻，读科学网博主张军平的新书《高质量读研：教你如何写论文、做科研》

3. 陈德旺，因材施教与专注坚持是研究生成才的关键因素