影響因子（一）

 

最近收到一封電郵，告訴我在2020年Pokemon Go建議新增的補給站終於獲得通過，在居住地方附近增加了一個新的地方賺取精靈球和物資。心想，終於可以爭取多一個地方玩這個遊戲，對其他玩家作出了一點貢獻。然後不禁就作出一個比較，到底自己做的研究對世界影響大一點，還是為這個遊戲（當然自己猜想這資料應該會賣給或者分享給其他遊戲）增加了一個新地標的影響更大一些？可能讀者對學術界這個影響力的定義不太清楚，所以在這篇文章會介紹幾個方法給大家認識。當然這些不同計算方法都有它的限制，到底那一個最公平公正，答案可能因人而異。我在這裏就不多加以批評，你們自己決定。

籠統地說，下面介紹幾個不同的數字，都可以被統稱為教授的影響因子（Impact Factor）。你可以把這些數字當作教授學術成績表的一部份。當然研究並不只剩下下面這幾個數字，每個人自己心中都有一把尺，知道自己在學術界在那一個地方。每個數字的計算方式都有所不同，但是大部份計算都只會看教授的研究文章。會看看這些研究論文如何被學術界對待。每一個做研究的人都不會有時間看看有多少人引用自己的文章，所以不同的機構就會幫忙做這些統計。例如Google Scholar就免費幫我們作出統計（例如我自己的版面可以在這裏看一下https://scholar.google.com/citations?user=rXnFQQQAAAAJ），有興趣的大家可以到上面搜尋一下你所認識的教授，看看他們在這些方法上面的分數如何。

對學術界做研究的人來說，一個比較常用的計算方式，就是文章被引用的次數（Citation Number）。文章的所被引用的次數越多，就有機會代表着研究方法或者研究成果比較重要，得到其他人的討論。文章越多人知道，有機會就代表着作者比越多人認識。所以如果我們想知道某一個學者對學術界有多大的影響力，就可以看一下他所有研究論文的總被引用次數。這個數字越大，就應該代表着他的影響力越大。

當然這些「有機會」或者「應該」，不代表這個學者做的研究越好。這個看看文章引用次數的方式，只是給予我們一個大約的感覺，了解這篇文章有多少人有興趣。要了解到底其他人為什麼引用你這篇論文，就必須要看他如何介紹你這篇文章，就需要逐篇閱讀。可是，如果我們只看數字，直接看這篇文章被引用的次數，我們其實沒有辦法了解文章內的研究成果是否真的對學術界有所影響。

有人會說，當教授久了，自然所有文章的總被引用次數自然越來越高，所以一些資深教授的影響力很可能被高估。他們很可能20年前非常有名，但是後來可能沒有做什麼研究，越來越少人知道他。所以如果要有一個相對比較公平的數字看看不同年資教授在「最近」的影響力，我們就不應該把研究這那麼多年所有的文章都計算在內。因此，除了這個總被引用次數，也有人會看一下某個學者最近五年的被引用次數。如果某些文章只在20年前對學術界有一些影響力，而現今沒有人有興趣，這個五年被引用次數就會比較小。總的來說，這個只看最近五年的統計，比較着重研究這對學術界在近期的影響力，而不會由於研究生涯的長度過分估計教授的影響力。