怎樣的論文更容易被引用，每個(gè)導(dǎo)師都有自己的看法，但有可能通過量化的方式描述它們的特征嗎？一位研究員用機(jī)器學(xué)習(xí)技術(shù)分析了 400 篇高被引論文，發(fā)現(xiàn)了一些有趣的規(guī)律。
圖片來源：Pixabay
來源 University Affairs
撰文 Mohamed Elgendi，英屬哥倫比亞大學(xué)博士后研究員
翻譯 劉奇
審校 戚譯引
如何有效地提高我的學(xué)術(shù)論著影響力，這是我在多年的學(xué)術(shù)生涯中一直認(rèn)真考慮的問題。獲得博士學(xué)位后，我開始更詳細(xì)地研究這個(gè)問題。文獻(xiàn)讀得越多，我就越意識(shí)到這些建議有些不完整，有時(shí)甚至相互矛盾。鑒于我在機(jī)器學(xué)習(xí)（ML）領(lǐng)域有一定經(jīng)驗(yàn)，我決定下載一個(gè)數(shù)據(jù)集，看看能不能應(yīng)用 ML 技術(shù)從中挖掘一些信息，并回答一些相關(guān)問題。
Q：一篇研究文章的標(biāo)題應(yīng)該多長？
A：10 ± 3 個(gè)詞。
在我們看來，標(biāo)題能夠強(qiáng)調(diào)論文的整體目的和研究意義，它發(fā)揮著至關(guān)重要的作用。先前關(guān)于這個(gè)問題的研究論文一致同意標(biāo)題長度的重要性，以及標(biāo)題對(duì)讀者或引用率的影響。然而，過去的研究并沒有明確指出標(biāo)題應(yīng)該使用多少詞。
在瀏覽各種類型的 Nature 文章時(shí)，我們會(huì)很快發(fā)現(xiàn)這些文章標(biāo)題都很短，而且切中要害。接下來，我分析了以下四個(gè)數(shù)據(jù)集：
2014 年 Nature 上被引率最高的 100 篇論文（根據(jù) Google Scholar 統(tǒng)計(jì)）；
2014 年 Web of Science 中被引率最高的 100 篇論文；
2018 年 AltMetric 發(fā)布的全球最受關(guān)注的 100 篇論文；
Multidisciplinary Digital Publishing Institute 網(wǎng)站 2017 年發(fā)表的論文中被引率最高的 100 篇。
數(shù)據(jù)分析表明，有吸引力的標(biāo)題具有相對(duì)一致的模式，高影響力論文的標(biāo)題通常較短。具體來說，有吸引力的標(biāo)題的總長度是 10 個(gè)詞加減 3 個(gè)。在假設(shè)“有影響力的標(biāo)題”常伴隨著高引用率的前提下，我通過已發(fā)表的數(shù)百萬篇文章中的 400 篇高引文章（如前文描述）算出了這一范圍。有趣的是，有吸引力的標(biāo)題不一定包含句點(diǎn)或斜線，但是常常使用冒號(hào)。
可能吸引讀者的標(biāo)題關(guān)鍵詞 也被識(shí)別出來，它們是：回顧，癌癥，監(jiān)測(cè)，近期，治療，方法，理論，分析，應(yīng)用，學(xué)習(xí)，蛋白質(zhì)，DNA，多重，新的，聯(lián)系，健康，研究（review, cancer, monitoring, recent, therapeutic, method, theory, analysis, applications, learning, protein, DNA, multiple, new, association, health, and study）。
Q：一篇文章應(yīng)該有多少位作者？
A：6 個(gè)或更多。
我發(fā)現(xiàn)被引數(shù)和作者數(shù)量之間存在相關(guān)性，因?yàn)?strong>高被引論文和低被引論文（的作者數(shù)量）之間存在顯著差異。與只有一位作者署名的論文相比，多個(gè)作者署名的論文似乎從他們的機(jī)構(gòu)、實(shí)驗(yàn)室、研究人員和學(xué)生那里獲得了更多的關(guān)注。換言之，每個(gè)作者都有自己的圈子，把所有作者的圈子聚集在一起，有相同研究方向的讀者數(shù)量會(huì)增加，進(jìn)而增加文章被引用的可能性。
此外，多位作者署名的論文也可以從自引中獲益。直覺上人們也可能會(huì)認(rèn)為，當(dāng)各種力量聯(lián)合起來，并且不止一個(gè)人對(duì)這項(xiàng)工作作出貢獻(xiàn)時(shí)，研究方法的質(zhì)量、實(shí)驗(yàn)操作的質(zhì)量、研究經(jīng)費(fèi)和論文的質(zhì)量也會(huì)相應(yīng)提高。
Q：文章多少字符合適呢？
A：至少 35000 個(gè)（不包含空格）。
我還發(fā)現(xiàn)，高被引論文和低被引論文之間，文章字符數(shù)（不包含空格）有顯著差異。此外，高被引文章的字符需要超過 33600 個(gè)（包括參考文獻(xiàn)在內(nèi)），大約共計(jì) 5600 詞。這一數(shù)字與最具影響力的期刊之一 Nature 接受的詞數(shù)一致。根據(jù) Nature 最新格式要求，包括參考文獻(xiàn)在內(nèi)，文獻(xiàn)字?jǐn)?shù)最多為 6500 字。請(qǐng)注意，Google 指數(shù)（H5 指數(shù)和 H5 中位數(shù)指數(shù)）將 Nature 評(píng)為 2018 年全球最具影響力的期刊。
Q：文章應(yīng)該放多少插圖？
A：至少 6 張圖。
據(jù)我所知，目前的文獻(xiàn)還沒有對(duì)插圖的數(shù)量進(jìn)行過調(diào)查。根據(jù)我的分析結(jié)果，高被引論文和低被引論文的圖片數(shù)量略有不同。分析結(jié)果表明，一篇文章中的圖越多，被引用的可能性就越大。這可能是因?yàn)閳D表能夠快速傳遞更多的信息，從而幫助讀者更快地理解研究結(jié)果。開放獲取雜志對(duì)圖的數(shù)量不作限制，但是一些其他雜志明確規(guī)定了插圖數(shù)量（這種情況下，可以將多張圖合并為一張）。
我的分析結(jié)果顯示，至少需要 6 張圖來反映論文的關(guān)聯(lián)程度和影響力，這與 Nature 接受的圖的數(shù)量相符合。根據(jù) Nature 最新格式要求，展示項(xiàng)（圖或表格）的最大數(shù)目為 6。
Q：幾張表格合適？
A：至少 2 張表格。
和上上個(gè)問題一樣，據(jù)我所知，目前的文獻(xiàn)還沒有對(duì)表格的數(shù)量進(jìn)行過調(diào)查。我發(fā)現(xiàn)高被引論文和低被引論文之間的表格數(shù)量有很大的不同。具體來說，至少需要兩張表格來展示研究結(jié)果。請(qǐng)注意，這里研究的表格數(shù)量與插圖數(shù)量無關(guān)。
Q：使用多少方程式合適？ A：該用多少就用多少。
和上面研究問題相似，據(jù)我所知，目前的文獻(xiàn)中還沒有研究過方程的數(shù)目。我發(fā)現(xiàn)高被引論文和低被引論文的方程數(shù)量沒有顯著差異。也許這與綜述通常比包含方程式的文章更常被引用有關(guān)。因此，我們可以根據(jù)需要使用方程。
過去關(guān)于高閱讀量和高引用論文的組成部分的研究解決了一些問題，但并非全部。有時(shí)，作者的同行、導(dǎo)師也會(huì)給出主觀的答案。我的分析研究試圖通過客觀評(píng)估提出建議，這在更徹底全面地研究這一問題邁出了不錯(cuò)的第一步。當(dāng)然，請(qǐng)注意我在這里提供的建議并不能保證提高被引率。事實(shí)上，還有一些更重要的特征可以提高被引用率和整體影響力，比如期刊的聲譽(yù)、作者的名聲、研究工作的原創(chuàng)性、研究主題的重要性、期刊雜志的可獲取性（即公開出版還是非公開出版）、文獻(xiàn)類型（如文章、綜述、通訊等），以及編輯和審稿人的反饋意見質(zhì)量。
聯(lián)系客服
