本场网络研讨会旨在讨论并解读当前中国学术研究评价政策的变化所带来的影响,以及影响因子不再那么重要的原因。 中国科学技术部和教育部发布了两份政策文件,提出了一套新的学术研究评价方法——不再通过期刊的影响力评判一篇学术论文的优劣,而是将评价重心放在少数但更具影响力的文章上。 点击立即报名 参加此次网络研讨会,了解学术研究评价的主要变化,以及未来中国国内更青睐哪些类型的论文。 参加此次网络研讨会,听中国专家解读新政策的实施方式,及其对出版商可能造成的影响。本场网络研讨会将包含以下内容: •How is the policy being interpreted by Chinese institutions? •中国机构如何解读这一政策 •What impacts are STM Publishers likely to see over the next year and beyond? •新政策在明年及未来可能会对科技与医学出版商产生哪些影响 •How will the policy shape and change China’s domestic STM journals? •该政策会如何塑造和改变中国本土的科技与医学期刊 •What do Publishers need to do differently to compete for authors? •出版商需采取何种与众不同的方式吸引更多作者投稿 演讲嘉宾 刘冰 ,编审,中华医学会杂志社副社长,兼任《Bio-X Research》编辑部主任,《编辑学报》编委,中国科技期刊编辑学会医学期刊工作委员会秘书长,中国科技期刊编辑学会青年工作委员会副主任。曾参与多项国家及省市级课题研究,关注并研究符合临床研究规律的临床研究项目评审体系的优化和规范化问题。在医学伦理学、科研评价、数字出版等方面有较为深入的研究,发表相关学术论文数十篇。 颜帅博士 ,目前为独立顾问,同时担任中国期刊协会理事,中国科技期刊编辑学会副理事长,中国高校科技期刊研究会名誉理事长,教育部科技委管理学部委员。曾任施普林格·自然大中华区学术关系总监,清华大学出版社副总编、期刊中心主任及 《清华大学学报(自然科学版)》主编。 Nicko Goncharoff ,在学术研究软件、数据和出版领域有20多年的经验。普通话流利,过去四年的大部分时间里,他都在中国的学术研究领域工作, 目前担任Hindawi顾问,曾在科睿唯安(Clarivate)和Digital Science任职。 论文润色 | 学术翻译 | 其他发表支持服务 | 英国编辑团队介绍
SCI中每种杂志都有一个分数,那么这个分数是如何算出来的呢? 这方面信息我还不是专业人员,只看了两篇相关科普介绍,提供给大家阅读,专业人士请告知,SCI分数是否真是由下面这两篇文献中的数学算法算出。 马志明: Google 搜索与 Inter 网的数学 Rar1 Rar2 J.B. Keller, Ranking of Teams, Authors and Pages Rar1 Rar2 Rar3 Rar4 实际上,Stanford大学资深数学家,Wolf奖得主 J.B. Keller 于1978年提出了一个Ranking算法,刚开始,是用棒球赛来作为例子的,希望在评价棒球队排名(Rank)时,能够更加客观公平。 当Keller在SIAM任职时(Board of Trustee),开始将这个算法用于期刊评价和作者评价,只需要将棒球队换成期刊,将棒球队A战胜棒球队B一次,换成期刊A被期刊B引用一次,这种换元法对数学家来说当然是小菜一碟。 马志明的文章,未言及著名数学家Keller的贡献,而将其归功于Google的两位创始人, 这一漂亮的想法出自斯坦福大学 1998 年在读的博士研究生 Sergey Brin 与 Larry Page 。 Keller的这篇文章也讲,This same method was subsequently discovered by the founders of Google, who realized its value for ranking web pages。 关于Keller,有一个采访 Interview with Joseph Keller, Notices of AMS,vol. 51, number 7 备份地址 不管怎样,这都说明,排名问题,不仅仅是一个主观性社会问题,更是一个复杂的数学问题,并不简单。 科学网上,最近有些科学家,指摘SCI的不足之处,不过其理论依据,仍未经数学语言而上升到科学的角度,局限于简单的社会问题范畴,因而其立论往往不能服人,或者模糊性太强,或者博贴的预设政治立场太强。 Keller的文章,就有一段讲到这种算法会出现不足之处的原因,仅仅提了一下,未深入。 实际上,SCI分数,需要数学算法才能科学的定义,数学算法本身为适应更加复杂的实际情况(毕竟SCI这个信息量和复杂性比棒球赛要大得多),也需要进行深入的改进。 科学家们在批评SCI之时,或者,不是批评SCI本身,而是在批评对SCI的乱用之时,最好先对其涉及到的Ranking算法,有一个科普级的了解,毕竟Keller的文章只需要大一水平的线性代数就能看懂,马志明的文章,后半段稍微难些,需要概率统计的知识。 不仅SCI分数,实际上科学基金评审,如何在评审人的投票之后进行排名,怎么设计一个好的数学算法,问题想来应该也并不简单。 我们是科学家,不是政治家,必然不应采取政治替代科学的态度。非常可惜的是,在有些科学家的博文上,却出现了这种趋势。还好,后面有些科学家博文跟进,将很多信息明确化,使SCI讨论中的政治态度大为减少。 SCI专题博文收藏-Diigo MathCoffee Group,申请注册后,你也可往里贡献 实际上,即使是政治学方面,关于选举的方法,也有本数学书可以参考看看。 S.J.Brams, Mathematics and Democracy: Designing Better Voting and Fair-Division Procedures, Princeton University Press 2008 附注1. 如果用Page Rank算法,取代较为粗陋的SCI算法,应是一个可以尝试的方向。不过,Page Rank算法本身也不完善,细小的缺陷先不去说,先说一个最大的,即, 如果一篇文章被不同领域的文献引用,则其Impact Factor应该更大才对。这样,就需要考虑如何在算法上,定义不同领域不同文章的区分度。以及如何将这种区分度,加入到Ranking算法中去,这是目前Google也尚未做到的。 附注2. Ranking(评级)本来是社会中非常重要和严肃的内容,往往牵扯到至关重要的人际资源分配。没想到,因为网络的出现,网络内容的Ranking,实际上严肃性就没有那么大,允许出现错误,这个好处就使得各种Ranking算法的实验成为可能。相信这些实验,通过不严肃的网络评级,最后能演化到严肃的应用,从而为人类政治学的深入,开辟蹊径。