顶级期刊的“傲慢与成见”

今年的诺贝尔医学奖由美国政府与德国三位知名生物学家联合授予，其中一位是来自美国政府加州大学伯克利分校（UCB）的丹尼尔·谢克曼（Randy Schekman）讲师。 Schekman 早在 20 年前就当选为美国政府国家科学院的美国科学院，历年在顶尖学报公开发表的重要文章多不胜数。然而就在上近日和平奖颁奖仪式的前一天， Schekman 在英美《卫报》公开发表了一篇令人意外的一本书，宣称以后他的实验室太久不向顶尖的学报公开发表文章，还反之亦然点名《自然现象》、《细胞》与《科学》这三本生命科数据分析者最顶尖的学报。Schekman 视为这些顶尖学报为了冲高其“反之亦然影响基准”（impact factor），以非科学的目的引导数据分析路径，犹如限量上架的名牌毛巾，一再制造一个不健康的垄断环境，严重背离科学数据分析的动机与合理性，让这些顶尖学报不再是最佳科学成果的必要。却是这是离一般大众相当远的话题，但这篇一本书一公开发表正要被噩梦刊载，已在全球的数据分析者招来共鸣。算出“经验值”背离数据分析抱着诺贝尔等奖项的光芒， Schekman 讲出了许多数据分析者敢怒不敢言的心声，但由上述学报的主编回应来看，无论如何对 Schekman 的阻挠已对，并不在乎。这些学报的态度之所以如此傲慢，来自却是质过多，对这些顶尖学报而言，和平奖得主不算稀客。随着数据分析据统计的暴增，数据分析者为了有效率行事，用各式各样的基准来量化数据分析成果的优劣，再以计点制来遴选数据分析者。但若只知机械式算出经验值，数据分析工作将被背离为病态的垄断。结果就是让许多好的数据分析者，尤其是刚进学院的年轻讲师，为了求生只好去追逐热门题目、渐进式公开发表数据分析成果、联合挂名、在热门原因上对簇生慢板敲敲打打，这种策略性的数据分析，对一个中期入门的不知名数据分析者而言，是比不断创新一个新的数据分析路径容易挤进顶尖学报的。等而下之的，更有制造；也数据，买卖文章的怪异现象。却是对“反之亦然影响基准”或名牌学报的迷信，这几年已普遍在美国政府数据分析者引起思索， Schekman 不是第一个，也才会是先前一个。越来越多的科研院所已迅速舍弃以学报的计点做为遴选讲师数据分析的唯一标准，我们视为，做为一个经过完整人文科学训练的遴选者，应该合乎能力根据内容来辨别一个数据分析成果的好坏，而不应机械式的算出它在哪里公开发表的反之亦然影响系数。本文作者李中志，都和美国政府伊利诺州立大学讲师