学术期刊办刊及评价路径

一、学术期刊的评价路径:数据化评价

 大数据时代，评价体系标准逐渐由重视定性分析转向重视定量分析，数据化评价越来越成为流行的趋势。正如哈佛大学社会学教授加里•金所说:“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”在学术期刊评价方面，目前主要有中国社科院社会评价中心、南京大学社会科学评价中心、北京大学图书馆核心期刊评价中心三大评价体系。这些评价体系虽然在具体评价指标上各有侧重，不尽相同，但在趋向性上有明显一致的地方，就是均强调数据指标的考核评价。数据评价的一个重要指标是期刊刊发论文的转引率。所谓转引率，是指一篇后被其他公开引用的机率或频次。随着对数据化客观评价的重视，它正在成为越来越加重要的评价论文学术影响力的因素。国内的许多学术成果评奖，也在将论文转引率作为必要的评价指标。不仅如此，论文的转引率还成为衡量学术期刊办刊水平和学术影响力的重要因素，甚至有的期刊评价体系如南京大学社会科学评价中心的评价体系将其作为最主要的评价指标。当然，不同专业的期刊其转引率会存在明显差距，如自然科学期刊的转引率相比较社会科学期刊来说普遍要高，社会科学期刊中经济学期刊相比较文学期刊来说又普遍较高。但对于同类期刊来说，通过努力是可以在原有自然转引的基础上使转引率得到明显提高的，同时可以达到提高期刊学术影响力的效果。《山东师范大学学报》(人文社科版)近年来通过实施名家名稿战略，主动走出去向学术名家约稿，转引率有了较大幅度的提高。以北京大学资深教授、中国现代文学研究著名学者严家炎在该刊发表的《拓展和深化中国现代文学史研究的几个问题》为例，该文自发表以来，仅就CSSCI来源期刊来说，《中国现代文学研究丛刊》《西南大学学报(社会科学版)》《东岳论丛》《山东社会科学》《文学评论》等均有论文转引，此外还有许多普通期刊论文予以转引。名家的论文往往具有更高的学术性和创新性，容易产生影响力。当然，转引率的提升与期刊的多渠道推介和传播也有极大的关系。在当今期刊林立、信息海量涌现的大数据时代，如果不能主动推介、多渠道传播，那么即使是名家名稿也可能会被无情淹没在论文海洋中，为学界所忽略。数据评价的另一个重要指标是期刊刊发论文的转载率。所谓转载率，是期刊所发表的论文被其他刊物再次转发的比率。期刊每年被其他刊物转载的总篇数称为转载量，而转载篇数与期刊发文总量之比即为转载率。通过转载率或转载量，可以看出期刊论文获得社会和学界认可的程度，显示出期刊论文的学术影响和编辑水平。人大“复印报刊资料”可以说是国内影响较大的转载系列期刊，现有期刊100余种，每年从4000多种国内期刊、报纸上搜集、精选优秀的人文社科学术论文加以转载。目前，它已基本覆盖了我国人文社会科学所有一级学科。结合期刊转载，该复印书报资料中心每年还定期年度转载的学术论文数据，对我国人文社科期刊和教学科研机构进行统计排名。自2001年起每年3月份，《光明日报》《中国新闻出版报》《文艺报》、新浪网、搜狐网、中国网、中国高校人文社科网等媒体，都同时这个年度“转载排行榜”。该排行榜在一定程度上反映了我国人文社科期刊阵营和学术研究机构的发展状况，受到期刊界、教学科研机构和广大人文社会科学工作者的关注和重视。此外，《新华文摘》《高等学校文科学术文摘》《红旗文摘》等都是目前国内最主要的学术文摘期刊。作为期刊编辑，要想使自己编发的论文能被这些文摘期刊转载，获得较高转载率，当然首先应从提升论文的学术质量和水平上来努力。同时，利用大数据分析，从已有的转载论文情况以及各大转载期刊的转载要求，可以针对转载率作出必要的调整。例如人大“复印报刊资料”在转载评分数据的处理过程中，就有剔除会议消息、报道、书评等非学术性文章这样的原则要求。根据这样的分析结论，在发稿方面作必要调整，避免非学术性文章、学术性不强的文章、学术创新性不突出的文章等，则无疑会有更大可能提高所刊发论文的转载率。无论是转引率还是转载率，都只是定量分析数据评价的一方面内容，还很难称得上是全面客观的评价体系。从目前国内最具有影响的三大期刊评价体系来说，南京大学社会科学评价中心的CSSCI来源期刊评价体系更多侧重于转引率数据分析，北京大学图书馆的核心期刊评价体系更多侧重于转载率数据分析，中国社会科学院评价中心的人文社科核心期刊评价体系则兼顾到学科自引量、学科载文量、引文率、摘转率等多项评价指标，相对更加综合。因此，综合量化指标分析应是数据评价的发展趋势，学术期刊要想在数据评价方面得到优良成绩，不能只关注某一方面努力，而应在转引率、转载率等多项指标上综合发展。只有这样，才能切实提高学术期刊的综合实力，真正打造具有学术影响力的期刊。

二、学术期刊的办刊路径：大数据思维

 新的时代孕育和产生新的事物，而新的事物需要新的思维来认识。从传统眼光来看，无限增长的海量数据庞杂无序，无疑给人们认识事物造成更多的负担和压力;而今天借助现代科学手段，大数据却成为一种对海量数据进行有效收集、分析和处理的新的技术方法。“大数据标志着人类在寻求量化和认识世界的道路上前进了一大步。过去不可计量、存储、分析和共享的很多东西都被数据化。拥有大量的数据……为我们理解世界打开了一扇新的大门。”那么，如何看待大数据与学术期刊之间的联系?如何将大数据具体运用到学术期刊的办刊中?如何从海量数据中发现规律，寻找隐藏在大数据中的办刊模式和趋势，揭示当下期刊面临的新形势、新特点以及未来可能的发展前景?这些都需要我们学术期刊的办刊人转变观念，要有大数据思维。大数据思维首先强调要有大数据的意识。意识影响或支配人的行为。具备大数据意识的人，能够更加重视大数据，更主动地去运用大数据。这种人即使自身不拥有数据，不具备分析和处理数据的专业技能，往往也能够借助社会提供的已有数据加以利用，从而极大地提高工作效率，甚至能够先人一步获得机遇。对于学术期刊编辑来说，由专业机构或网站开发的论文、引文检索等大型数据库，为确保稿件编辑质量、提高工作效率等就提供了很多便利条件。例如知网、维普、万方等专业期刊网站均有独立开发的数据库，目前多数学术期刊的编辑已将选择数据库作为审核投稿的必要程序。根据其检测的重合率结果来判断论文是否存在抄袭、剽窃等学术不端行为，可以快速有效地避免论文重发、学术侵权等问题。如果仅凭编辑审稿时的个人经验判断，这些往往是很难做到的。利用期刊所获取的作者投稿、读者订阅、刊文转载转引率、网传文章点击或下载量等方面的大量信息数据，通过分析其中的相关性作出预测，以便更有针对性地选择紧扣学术热点的论文选题，挖掘具有学术发展潜力的高被引作者，正不失为一条学术期刊办刊的新路径。大数据思维还强调数据的全面收集和利用。由于技术条件和认识手段等局限，传统的小数据思维往往注重通过抽样数据或典型数据的分析作出判断，在今天看来，其结论是难以保证全面可靠的。因此，大数据强调要全面地收集和占有数据，“要分析与某事物相关的所有数据，而不是依靠分析少量的数据样本”。作为学术期刊来说，全面收集与期刊联系密切相关的数据，建立期刊自己相对独立完备的数据库，也是一条值得重视的办刊新路径。通过接收来稿、学术会议交流、网络搜索等多种渠道，学术期刊可以广泛收集相关数据，逐步建立作者信息库、审稿专家信息库、读者信息库、期刊资源库、学术咨询库等准大数据资源。对于大多数数据来说，其利用价值往往具有多重性，也就是说在一次利用之后还可能会因不同的分析处理而产生再次利用价值。当然，大数据思维也要注意避免对大数据的过度迷信，要避免唯数据化的倾向。大数据时代的信息传播既具有海量性而又呈现碎片化的特征，网络自媒体的兴盛也同时带来信息传播良莠不齐、真伪难辨的诸多负面因素。所以，面对来自网络的众多信息和各种数据库的庞大资源，学术期刊编辑应该更加强化自身的把关能力，而不能陷入对大数据的盲从，唯大数据马首是瞻。比如在核校稿件的引文时，编辑人员不可完全相信各种学术搜索数据库，必要时还是要尽可能找到原版著作或论文资料逐字查对。此外，有些期刊或期刊编辑动辄要求来稿篇幅须在1万字以上，或参考文献须在15个以上，或正文内容至少须有三部分，或正文各部分须有三级纲目，等等，这些都是数据过度迷恋症的典型症候。这种对数据的过度迷恋，只会促成形式主义的新八股论文，而对学术创新的促进毫无助益。