“早熟”学者之中虽不乏栋梁之材，但也有很多暗箱操作、暗度陈仓的投机取巧之辈。
撰文 | 宋书扉、冯丽妃
小张发了一篇CNS，小王连发两篇核心期刊，小李论文引用量又飙新高……看着身边的同龄人“早熟”冒尖，一些青年科学家内心酸成了“柠檬精”：我啥时候才能出头？
今天的学术界，“早熟”学者已屡见不鲜。一项针对数十万名科学家论文发表情况的研究显示，在过去几年中，“早熟”学者的数量甚至出现了激增。他们在职业生涯之初就崭露头角，斩获高影响因子和高被引论文，在独领风骚的同时，也给不少同龄人带来压力和焦虑。
不过，主导前述研究的美国『斯坦福大学』教授John Ioannidis认为，或许不必“眼红”这些“早熟”学者。他们之中虽不乏栋梁之材，但也有很多暗箱操作、暗度陈仓的投机取巧之辈。这项研究日前公布在生物预印本『服务器』bioRxiv上。
1
“早熟”学者：“天才”还是“投机者”
什么样的人才是“早熟”学者？
Ioannidis认为，“早熟”学者是在职业生涯早期就声名鹊起的一群“高被引科研群体”，即在本领域排名前2%或在所有领域排名前10万的科研人员。首次发表论文后，8年内跻身这一行列的为“早熟”学者；而仅用5年就跃入这一行列的，则为“超早熟”学者。
他利用知名学术出版机构爱思唯尔旗下Scopus引文数据库统计发现，从2019年至2023年间，“早熟”学者从213人增至469人，“超早熟”学者则从28人增至59人。与通常情况下科研人员平均需要36年才能跻身高被引学者行列相比，这一现象格外引人注目。
许多“早熟”学者的成就令人艳羡，他们中不乏真材实料之士。中国科学技术大学本科毕业生、现美国加州大学伯克利分校助理教授曹原就是典型代表。至今，他已在国际顶尖科学杂志《自然》和《科学》发表10篇论文。其中他2018年发表在《自然》的一项关于石墨烯超导的研究，引用量已超8000次。
但值得关注的是，这一群体中也不乏投机取巧者。Ioannidis在研究中通过深入观察一些“早熟”学者的研究轨迹，发现了他们中部分人具有一些“异常”特征：有人展现出超人的发文速度，平均每周能发表一篇以上论文；有人的论文引用量会以令人意想不到的方式快速蹿升；也有人甚至出现较高的撤稿率。
这些“异常”背后，“早熟”学者的“催熟”方式令人关注。
正如在接受《自然》杂志采访时，美国得克萨斯农工大学昆虫学家Zach Adelman所说，“我不认为我们比五年前多培养出那么多天才。”
2
“早熟”背后的“暗流”
让很多人意想不到的是，声名鹊起背后，一些“早熟”学者建立了一系列不为人知的高被引“操纵”渠道，其方式路径可谓“花样百出”。
其中最基本的是自引。部分学者在新发表的论文中大量引用自己之前的文章，有的甚至在单篇论文中插入数十次自引。Ioannidis的研究就发现，“早熟”学者的自引率高达25%～50%，而普通论文的自引率仅为13%。而31%的“超早熟”学者的自引率超过了其领域95%的研究人员，且20%的作者在剔除自引后就会跌出高被引名单。
更“高明”一些的操纵手法还有建立引用“朋友圈”，即通过互相引用来抬高各自的引用指标。这种做法游走在学术不端的灰色地带，显然违背了学术引用的初衷。
另一种难以被识破的操纵手法则是“购买”被引。纽约大学阿布扎比分校的计算机科学家Yasir Zaki及其团队开展了一项“钓鱼实验”。他们发现在学术“黑市”上，300美元💵就能购买50次引用，或者500美元💵100次引用。这些付费引用很难被识破，因为它不是“一次到账”，而可以“分期到账”——比如在40天内逐步添加到研究者的谷歌学术档案中，其中相当一部分论文来自Scopus数据库收录的期刊。
此外，在一些更隐蔽的操作中，一些“早熟”学者则利用预印本平台，快速发布质量不高，甚至是“伪造”的预印本文章，炮制“虚假”引用，刷取引用量。
“通过创建虚假预印本和付费服务，引用很容易被操纵。”Zaki的合作者、纽约大学阿布扎比分校的计算机科学家Talal Rahwan说。
这些引用量操纵行为不仅让学术造假的识别变得更加困难，也在一定程度上模糊了学术不端的界限。不少学者认为，究其根源在于学术界以“高引用量”等作为评价指标，在职称评定、项目申请、人才引进、资源分配等方面，引用量都扮演着越来越重要的角色。
例如，Zaki调查了全球排名最高的10所大学中的574名研究人员。他们发现，当大学评估科学家的引用次数时，超过60%的机构会从谷歌学术获取引用量数据。
为此，当引用量成为在学术界生存的“通行证”，一些年轻学者不得不绞尽脑汁提高自己的引用量，从而在某种程度上助推了“早熟”学者的产生。
为扭转这一局面，除了重塑学术评价体系，建立更加全面、多元的评估标准，科学界也在积极探索监管策略。例如，法国图卢兹大学的Guillaume Cabanac开发了一个可识别异常引文的工具，专门发现那些为规避抄袭检测而添加的不相关引用。法国格勒诺布尔阿尔卑斯大学的Cyril Labbe团队则研发了可自动识别可疑引用模式的系统。
这些监管工具的出现，或将为遏制异常的“早熟”提供利器。
参考资料
[1] https://www.nature.com/articles/d41586-024-04006-9
[2] https://www.nature.com/articles/d41586-024-01672-7
[3] https://doi.org/10.1101/2024.10.14.618366
