影響因子（三）

好了，如果你希望聽一下一些潛規則，知道如何增加自己的影響因子，在這個影響因子的遊戲拿到高分，我就分享一下我覺得有什麼地方需要留意。

最簡單的，當然要多發表文章。沒有大量文章的支持，無論是H指數還是i10指數，你都沒有可能得到高分。要留意的是，這兩個指數完全沒有理會你的文章到底是發表在什麼地方。Google看的比較粗疏，arXiv的會計算，自己放在網上的會計算，有時還會把研討會的宣傳單張也計算在內。所以要得到一個準確的數字，Google還是會需要我們不是的清理一下資料數據。

但是這些在網上隨手可得的文章，其實對影響因子不同的計算還不是最主要的因素。因為他們所考慮的並不只是文章的數目，還是要看這些文章被引用次數的多寡。一個普通的研討會宣傳單張並不會受到任何人的引用，所以這些文章數目並不會對你的影響因子有任何作用。所以除了有一些會被引用的文章以外，你還是需要有其他文章引用你這些論文。有什麼方法可以「偷懶」呢？其中一個是你記得引用自己以往的論文。這些Self-Citation在Google Scholar裏面是會被計算的。所以如果你第N篇論文都把前面N-1篇論文引用一次，你的總被引用次數就增長到N(N-1)/2那麼多次。當然這個方法在N越大的情況就越明顯，也越醜陋。想像一下，你文章可能只有30篇引用，但是裏面就有20篇自己的舊文章，比例來說也有點太過誇張。

當然不同機構為了防止這些「偷懶」的情況發生，有一些統計機構就會加入不同方式去改善統計的方法，去令到這些影響因子更為公平。其中一個是將這些自己引用自己文章的數字剔除，這樣就可以更公平地看看你的研究如何影響學術界的其他人。也有一些統計方式只會看在某些期刊上邊想發表文章的引文。這樣就可以將arXiv等等沒有被同行評審（Peer Review）過的文章剔除。

當然上面所提到的也只是一些數字，這些遊戲對一些學者來說也太過功利。我們做研究，有些時候其實相當「自私」，都在做一些自己感興趣的問題。這個研究題目是否對世界或者人類有着很大的影響力，其實並不是我們最感興趣的目的。有可能只是學者自己的求知欲，希望盡能力了解某個研究範疇的可能性，目的可能只是為了增進人類所擁有知識的總和。研究結果是否能做出新手機，設計了新的機械學習方法，是否能夠增加生產力，是否創造新科技令人類生活更便利等等，都可能不是我們的目的。