小張發(fā)了一篇CNS，小王連發(fā)兩篇核心期刊，小李論文引用量又飆新高……看著身邊的同齡人“早熟”冒尖，一些青年科學(xué)家內(nèi)心酸成了“檸檬精”：我啥時候才能出頭？

今天的學(xué)術(shù)界，“早熟”學(xué)者已屢見不鮮。一項針對數(shù)十萬名科學(xué)家論文發(fā)表情況的研究顯示，在過去幾年中，“早熟”學(xué)者的數(shù)量甚至出現(xiàn)了激增。他們在職業(yè)生涯之初就嶄露頭角，斬獲高影響因子和高被引論文，在獨領(lǐng)風(fēng)騷的同時，也給不少同齡人帶來壓力和焦慮。

不過，主導(dǎo)前述研究的美國斯坦福大學(xué)教授John Ioannidis認為，或許不必“眼紅”這些“早熟”學(xué)者。他們之中雖不乏棟梁之材，但也有很多暗箱操作、暗度陳倉的投機取巧之輩。這項研究日前公布在生物預(yù)印本服務(wù)器bioRxiv上。

“早熟”學(xué)者：“天才”還是“投機者”

什么樣的人才是“早熟”學(xué)者？

Ioannidis認為，“早熟”學(xué)者是在職業(yè)生涯早期就聲名鵲起的一群“高被引科研群體”，即在本領(lǐng)域排名前2%或在所有領(lǐng)域排名前10萬的科研人員。首次發(fā)表論文后，8年內(nèi)躋身這一行列的為“早熟”學(xué)者；而僅用5年就躍入這一行列的，則為“超早熟”學(xué)者。

他利用知名學(xué)術(shù)出版機構(gòu)愛思唯爾旗下Scopus引文數(shù)據(jù)庫統(tǒng)計發(fā)現(xiàn)，從2019年至2023年間，“早熟”學(xué)者從213人增至469人，“超早熟”學(xué)者則從28人增至59人。與通常情況下科研人員平均需要36年才能躋身高被引學(xué)者行列相比，這一現(xiàn)象格外引人注目。

許多“早熟”學(xué)者的成就令人艷羨，他們中不乏真材實料之士。中國科學(xué)技術(shù)大學(xué)本科畢業(yè)生、現(xiàn)美國加州大學(xué)伯克利分校助理教授曹原就是典型代表。至今，他已在國際頂尖科學(xué)雜志《自然》和《科學(xué)》發(fā)表10篇論文。其中他2018年發(fā)表在《自然》的一項關(guān)于石墨烯超導(dǎo)的研究，引用量已超8000次。

但值得關(guān)注的是，這一群體中也不乏投機取巧者。Ioannidis在研究中通過深入觀察一些“早熟”學(xué)者的研究軌跡，發(fā)現(xiàn)了他們中部分人具有一些“異常”特征：有人展現(xiàn)出超人的發(fā)文速度，平均每周能發(fā)表一篇以上論文；有人的論文引用量會以令人意想不到的方式快速躥升；也有人甚至出現(xiàn)較高的撤稿率。

這些“異常”背后，“早熟”學(xué)者的“催熟”方式令人關(guān)注。

正如在接受《自然》雜志采訪時，美國得克薩斯農(nóng)工大學(xué)昆蟲學(xué)家Zach Adelman所說，“我不認為我們比五年前多培養(yǎng)出那么多天才。”

“早熟”背后的“暗流”

讓很多人意想不到的是，聲名鵲起背后，一些“早熟”學(xué)者建立了一系列不為人知的高被引“操縱”渠道，其方式路徑可謂“花樣百出”。

其中最基本的是自引。部分學(xué)者在新發(fā)表的論文中大量引用自己之前的文章，有的甚至在單篇論文中插入數(shù)十次自引。Ioannidis的研究就發(fā)現(xiàn)，“早熟”學(xué)者的自引率高達25%～50%，而普通論文的自引率僅為13%。而31%的“超早熟”學(xué)者的自引率超過了其領(lǐng)域95%的研究人員，且20%的作者在剔除自引后就會跌出高被引名單。

更“高明”一些的操縱手法還有建立引用“朋友圈”，即通過互相引用來抬高各自的引用指標(biāo)。這種做法游走在學(xué)術(shù)不端的灰色地帶，顯然違背了學(xué)術(shù)引用的初衷。

另一種難以被識破的操縱手法則是“購買”被引。紐約大學(xué)阿布扎比分校的計算機科學(xué)家Yasir Zaki及其團隊開展了一項“釣魚實驗”。他們發(fā)現(xiàn)在學(xué)術(shù)“黑市”上，300美元就能購買50次引用，或者500美元100次引用。這些付費引用很難被識破，因為它不是“一次到賬”，而可以“分期到賬”——比如在40天內(nèi)逐步添加到研究者的谷歌學(xué)術(shù)檔案中，其中相當(dāng)一部分論文來自Scopus數(shù)據(jù)庫收錄的期刊。

此外，在一些更隱蔽的操作中，一些“早熟”學(xué)者則利用預(yù)印本平臺，快速發(fā)布質(zhì)量不高，甚至是“偽造”的預(yù)印本文章，炮制“虛假”引用，刷取引用量。

“通過創(chuàng)建虛假預(yù)印本和付費服務(wù)，引用很容易被操縱。”Zaki的合作者、紐約大學(xué)阿布扎比分校的計算機科學(xué)家Talal Rahwan說。

這些引用量操縱行為不僅讓學(xué)術(shù)造假的識別變得更加困難，也在一定程度上模糊了學(xué)術(shù)不端的界限。不少學(xué)者認為，究其根源在于學(xué)術(shù)界以“高引用量”等作為評價指標(biāo)，在職稱評定、項目申請、人才引進、資源分配等方面，引用量都扮演著越來越重要的角色。

例如，Zaki調(diào)查了全球排名最高的10所大學(xué)中的574名研究人員。他們發(fā)現(xiàn)，當(dāng)大學(xué)評估科學(xué)家的引用次數(shù)時，超過60%的機構(gòu)會從谷歌學(xué)術(shù)獲取引用量數(shù)據(jù)。

為此，當(dāng)引用量成為在學(xué)術(shù)界生存的“通行證”，一些年輕學(xué)者不得不絞盡腦汁提高自己的引用量，從而在某種程度上助推了“早熟”學(xué)者的產(chǎn)生。

為扭轉(zhuǎn)這一局面，除了重塑學(xué)術(shù)評價體系，建立更加全面、多元的評估標(biāo)準，科學(xué)界也在積極探索監(jiān)管策略。例如，法國圖盧茲大學(xué)的Guillaume Cabanac開發(fā)了一個可識別異常引文的工具，專門發(fā)現(xiàn)那些為規(guī)避抄襲檢測而添加的不相關(guān)引用。法國格勒諾布爾阿爾卑斯大學(xué)的Cyril Labbe團隊則研發(fā)了可自動識別可疑引用模式的系統(tǒng)。

這些監(jiān)管工具的出現(xiàn)，或?qū)槎糁飘惓５?ldquo;早熟”提供利器。