学术贡献的评价方式有很多，在网络学术交流逐渐占据重要地位的时代，如果衡量每个人的学术贡献逐渐成为一个重要问题。最近有两个话题科学网上比较热，一是对砷剂治疗白血病的讨论也涉及到学术贡献的问题。另一个是关于院士年龄问题的讨论，已经引起社会的广泛关注。针对后一点，有人甚至提出，写一篇好的博客胜于多篇学术论文的说法，似乎觉得一篇博文产生如此大的影响不可思议，有一种无奈的感觉。其实出现这种现象十分正常，说明已经出现一种现代学术贡献评价的新方向，那就是基于网络和现代信息传播条件下的学术评价标准，现代学术评价和交流出现一种学术快餐化趋势。面对这样一种趋势，学者们应该适应改变，必须学习具备宣传自己的能力，甚至科学传媒学就象写论文、做学术报告一样，将已经成为一种学者必须掌握业务之一。

近代科学历史上，大部分学术贡献评价相对容易，因为一般都有白纸黑字的证据在，而且过去没有网络的时代，书信的往来也可以作为证据，或者是个人的学术笔记都可以作为证据。例如卡文迪什的许多贡献都是后人在整理他的实验记录后发现的。随着网络技术的发展，信息总量在加速度增加，一个人的学术贡献非常容易被淹没在信息的巨大洪流中，在这样的一个时代，学者如何应对这种趋势和改变应是每个学者思考和关注的问题。

历史上学术信息最可怕的问题是信息的丢失。比如卡文迪什的许多贡献都是后人在整理他的实验记录后发现的。如果没有被意外发现，那么卡文迪什的许多贡献可能就失传，遗传学的历史也存在类似情况，豌豆实验如果没有被发表，可能孟德尔的学术贡献几乎永远无法被后人承认。科学历史和人类历史存在非常类似的情况，就是成者为王，其实许多错误的或者失败的学术贡献仍是非常重要的，在历史上取得成功的那些重要学术理论没有那个不是在和错误或相反的观点斗争中获得进步，伽利略、牛顿、爱因斯坦都是这样进化过来的，但那些现代人认为是错误甚至可笑的观点，其实在历史上发挥着非常重要的作用。这些学术贡献往往被后人主动地遗忘，使人们误以为科学的发展就是一连串正确，或者相对正确的观点进化发展的，其实真实的科学往往是正确和错误交错发展的。

当前信息爆炸时代，对学者学术交流影响比较大的正是信息太多，这要求我们一方面学会选择信息的能力，另一方面学会扩大个人信息影响力的手段，否则，我们会被淹没在信息的海洋中，迷失方向，或者个人的贡献被海量的信息吞没。

感觉有以下几种相关技术必须掌握：

1、          目标信息获取能力；

2、          信息快速理解能力；

3、          信息整理发布的能力；

写到这里，发现在科学网写博客就是最好的一种方式。

看德国RG Score而产生的联想。

https://www.researchgate.net/profile.RGScoreFAQ.html

The RG Score is a metric that measures scientific reputation

 based on how all of your research is received by your peers.

We designed and built the RG Score to adapt to the needs of the research community. Our recently updated algorithm now takes a whole lot more data into account when considering the weight of your peer-reviewed publications. Thank you for all the feedback you’ve given us so far.

How does the RG Score work?

We believe that researchers are best placed to evaluate each other’s work, and that you should receive credit for all of your research, whether published or not. With this in mind, our algorithm looks at how both your published research and your contributions to ResearchGate are received by your peers. Here’s how it works.

Contributions

A contribution is anything you share on ResearchGate or add to your profile. So whether it’s the questions and answers you contribute in Topics, a published paper you add to your profile, or the negative results and raw data you upload, anything you contribute can count towards your RG Score.