我校图书馆蔚莹老师和朱彦君老师撰写了“基于ESI和InCites我校工程学文献计量分析”一文（下面简称“分析”），对我校工程学入选ESI趋势进行了分析。该文指出制约未进入ESI前1%的主要因素是被引频次不高。虽然“分析”一文中表1数据中低被引频次论文数量高“肉眼”可见，但要考虑论文被频次本身就具有“金字塔”特征，愈高者愈少，在没有被引频次的全面数据的情况下，很难据此就认为我校低被引频次就低于正常情况。

那在没全面数据的情况下，就不能对这一问题进行证实吗？答案是：能。数据不会说谎，但又是沉默的。我们就需要用工具从数据的嘴中撬出真相。这里要用到一种统计学现象：本福特定律。

本福特定律，也称为本福特法则。当我们收集到一堆数据，去查着每个数据的第一个非零数字，会涉及到1-9共九个数。如果这些是不受人为影响而自然发生的，从直觉上看，每个数字出现概率应该大约是1/9（数学期望）。但实际上，首位数字的出现概率是符合本福特定律的，如图1。首位数字为1的数据出现概率为30.10%，接近直觉期望值的3倍。而数字越大，出现概率就越低，首位数字为9的数据出现概率仅为4.58%。

我们可对本校SCI文章的被引频次数据进行进一步的统计分析，看一下是否符合自然发生规律、发生怎样的偏差，并分析一下偏差的原因。以下是统计方法及结果：本校SCI文章中，被引频次为0的文章不统计，另外考虑。对其它文章被频引次的首位数进行统计，计算各首位数文章占被频次不为0文章的比例，如图1所示。计算各首位数文章比例与本福特比例之间的差值，见图2。

图1

图2

从图1可以看出，我校SCI文章被引频次，具有以下特征：低首位数（1-4）比例普遍于本福特比例，而高首位数（5-9）反之。从图2可以看得更清楚，首位数值越是小，高出相应本福特比例值越明显；反之亦然。再考虑到被引频次为0的文章数量达总文章数量的28.26%，显然低被引文章比例异常高于正常统计规律，证实了“分析”一文中 “发文量已经不是制约我校进入ESI前1%的主要因素”，“被引频次不高是未进入ESI前1%的主要因素”的结论。

另外，考虑到我校文章被引频次为个位数（包括0被引）的比例占83.29%，结合从图1和图2，可以看出，我校文章被引频次低于5的文章，是有提高被引频次的潜力。也可以这样说，我校还需要提高高水平文章比例。

以上分析仅限于“分析”一文提供的数据。可以相信，如果有Engineering学科的数据也应能得到相同的结论。而我们如果统计期刊影响因子的首位数字，这种偏差应该更明显。

据此，提出以下建议：

1. 从“分析”一文的图1和图2可以证实，一流学科建设启动和相关激励措施实施后，对提高广大教师的科研积极的效果十分明显。但是，单从进从ESI Engineering前1%的目标上看，对提高被引次数贡献大的，还是那些高水平文章，低被引文章对此贡献极为有限。而且，措施激发的是老师们发文章热情，但没有提高吸引其他研究人员引用热情，即没有“售后服务”。我校激励措施在这一目标上，有“隔山打牛”之感。建议我校在政策制定上，考虑加强对高水平文章，比如高被引、被引频次和高影响因子的奖励。

2. 我校否是可以考虑增加我校“学校建设”的专栏。像“分析”一文就可以发表在学报上。数据恒久远，文章永流传。我们的老师不仅应能提建议，而且应会提建议，发挥专业特长，用科学的眼光来发现学校发展中的问题。提建议时以数据为据，以分析为证，实证自己建议的合理性和正确性。建设城规学校的老师就我校建设和规划，能动学校的老师就节能，环境学校的老师就减排，理学校的老师直接上大数据分析，来为学校管理层提供科学建议。