利用作者分析报表优化期刊组稿对象——以《北京工业大学学报》为例

杨开英

(北京工业大学学报编辑部，北京100124)

大数据，即海量数据，是在合理的时间内进行截取、管理、处理并整理成为帮助企业经营决策更积极化的信息[1]。大数据的发展为编辑部提供了良好的技术手段，科技期刊的编辑部是科技论文信息数据的提供者，同时也应该善于分析和利用数据。科技期刊的作者资源是科技期刊赖以发展的生命线[2-3]。高校学报的内向性决定了其作者队伍依赖本校科研团体的程度比较高，科技期刊编辑有必要了解科研团体的人员构成、科研产出的过程以及科研产出的方式。对作者资源的深层次技术分析可以帮助编辑部优化信息，维护曾经的优秀作者，拓展潜在的优秀组稿对象，为编辑部的正确决策提供数据支持和相关指导。

1 数据来源

从北京工业大学(以下简称北工大)图书馆数据库中的个刊影响力统计分析数据库(http://www.jif.cnki.net/Core/)获取个性化统计数据关于作者方面的统计数据。该作者分析报表统计了2007—2014年发表文献作者在本刊及国内期刊发表文献的情况，未区分是否为第一作者，只要是署名作者都在统计范围之内。该数据库包括作者、本刊发文量、总发文量、总发文中的基金论文数、总发文中的疑似学术不端文献数、本刊影响力评估和总影响力评估信息。

2 数据分析及建议

通过深层次分析作者的相关数据，有助于全面了解优秀作者的学术优势。

2.1 对照“本刊发文量”和“总发文量”，考察本校科研人员对本学报的关注度

在5 429位作者的名单中，选择本刊发文量≥3篇的作者，这些作者通常来自校内的讲师、副教授、教授等科研队伍。计算“本刊发文量”和“总发文量”的比值，将北工大老师在学报上的发文量进行区间划分并利用Excel的平均值功能，得出本校老师对学报的平均关注度为24.69%，如表1所示。作者分析报表提供的数据表明：从整体上看，北工大的科研队伍将文章(发在国外期刊上的文章除外)的1/4发表在本校学报，另外3/4的文章发在CNKI统计范围内的其他刊物上。这个数据为编辑的约稿工作提供了一定的参考。但就科研人员个体而言，对学报的关注度受多种因素影响，如本校规定的考核条件要求、职称晋升条件要求等，因此对学报的关注度和支持力度是有很大差别的。编辑部需要再参考其他方面的数据，比如：CNKI数据库中提供的下载量、引用量以及发表刊物等信息，对教师队伍进行优化，重点关注曾发表具有较高学术价值论文的教师名单，采用主动约稿的方式，提供尽可能的物质和精神激励，以提高这部分群体对学报的支持力度。

表1 本校科研人员对本学报的关注度

2.2 对照“本刊篇均被引频次”和“总发文量的篇均被引频次”，分析论文学术质量

一直以来，比较疑惑和关注的问题是“作者是否不把高质量的论文投到学报，而发到了更高级别的期刊上？”，下面就统计数据进行分析。总发文量的篇均被引频次是分析报表中直接提供的数据，本刊篇均被引频次需要通过简单计算得出(本刊被引频次与本刊发文量的比值)，将2个“篇均被引频次”进行对比。

统计2007—2014年在北工大学报发表≥10篇的作者，共计84位，对比工大学报上发表的“篇均被引频次”与CNKI统计范围内期刊(含北工大学报)上发表的“篇均被引频次”的数值，发现：11位作者的2种“篇均被引频次”出入较大(篇均被引频次/本刊篇均被引频次≥2)，这些作者的大致特点要么是校内知名度非常高的教授，要么是级别较高的行政领导，高水平的科研产出成就了他们的学术地位和行政级别；55%左右的作者从数值上看总发文量的篇均被引频次与本刊的篇均被引频次差距不大，基本看不出在北工大学报上发表的论文比发在其他刊物上的学术质量之间的差别(就篇均被引频次而言)；34.5%左右的作者本刊篇均被引频次略高于总发文量的篇均被引频次。

就5 429位作者的篇均被引频次而言，每位作者的篇均被引频次数据具有重要的参考价值。可以看出，本刊发文量少的作者的篇均被引频次未必比本刊高发文量的篇均被引频次低。通过筛选高篇均被引频次的作者，分析和关注这部分作者的专业方向及承担的科研项目，列为编辑部的重点关注对象，加大对总体篇均被引频次较高的作者的约稿力度。

2.3 按本刊发文量排序，主动加强与校内科研团队的合作，降低零被引

本刊发文量是指一个统计期内同一个作者在本期刊上发表的论文数量，是编辑部分析作者信息的一项重要数据。2007—2014年，本刊发文量区间划分和作者数量如表2所示，发表论文≥20篇(报表中最高47篇)的作者数量为19位；仅发表1篇文章的作者数量为4 142位。同一作者8年期间在相同期刊上发表论文超过20篇是专业性期刊不太可能出现的情况，只有高校学报承担了这项功能，这是和学报的定位分不开的。高校学报在研究生培养中发挥重要作用，为我国的科学研究发展做出了卓越的贡献，任何其他期刊无法替代它[4]。

进一步分析本刊发文量数据发现，发文数量多的作者均为本校知名教授，科研团队的负责人，每年到校科研经费位居前列。科研团队承担了相应领域的科研课题，同时科研团队也有自己的绩效考核评价指标体系。对科研团队的考核主要包括：各类科研成果的数量、科研成果的质量、科研成果的被认可程度、科研成果的社会效益、科研业绩与创新性等[5]。其中，论文的数量、质量及被认可程度与科技期刊有很大关系，科研团队选择不同级别的期刊也是被考核的必然结果。

表2 本刊发文量区间划分和作者数量

高校学报作为综合性科技期刊，影响因子偏低，与专业性期刊相比，学报的竞争优势不大。北工大学报根据严格的审查制度对论文学术质量进行控制，但是根据精确的数据统计(2015年底)，自1974年创刊到2015年底共发表的5 135篇论文中，仅有下载量信息，未被其他科研人员或本人在以后的科研中所引用的论文(称为零被引)篇数为1 737篇(动态数据)，占比为33.83%。这个数据高于中国作者发表在SCI收录期刊上的论文的平均零被引率24.20%[6]。零被引论文的数量会增大影响因子(IF)计算公式[7]中的分母，对期刊IF所起的作用是负向的。高校学报类期刊的整体影响因子偏低，这是和零被引论文的数量分不开的。分析发现这些文章的共性是内容较单薄、逻辑分析不够严谨、学术思想匮乏，编辑和审稿专家需要对类似的文章进行进一步把控。

如何降低零被引论文的数量，编辑除了要初审阶段进行严格把关外，应当主动加强与科研团队中导师的合作，对于科研经历相对缺乏的硕士生撰写的论文给予写作方面的指导，建议和督促其导师做好论文学术方面的把关，努力降低学报零被引及低被引论文的比例。

2.4 参考学术不端检测系统的检测结果，共同净化学术环境

作者分析报表中，总发文的疑似学术不端文献数是考察本刊作者学术行为的重要参考，该数据信息还包含了本刊作者在国内所有期刊的学术行为信息。学术不端数据分为3部分：一稿多发、疑似自抄、疑似抄袭。

分析报表中提供了本刊所有作者的学术不端的论文的数量，对于已经具有一稿多投的恶意行为的作者，不再接受该作者的稿件；对于疑似自抄的行为，尤其是对于将要毕业的学生来说，面临毕业大论文的查重和期刊投稿的查重有几个月的时间差，他们关于学术不端行为的意识较弱，要加大宣传力度，有效控制疑似自抄的论文的数量。对于疑似抄袭的论文，在初审阶段进行严格控制，建议作者在引用处标注文献出处，对于复制比超过一定量的文章，直接退稿处理。高校学报针对学术不端行为采取了一些有效的防治措施[8-10]可供借鉴。

学术不端行为的监控任重而道远，针对学术不端行为各编辑部之间有必要通过相关数据的共享，有效地遏制恶意行为。随着信息时代的发展，期刊业界对学术行为的严厉监控与惩处，再加上对不端行为的道德谴责，相信学术氛围会日臻完善。

2.5 参考总发文中的基金论文数，通过项目追踪科研团队

各种科研基金在促进基础学科建设，发现、培养优秀科技人才等方面取得了巨大成绩，为提升基础研究创新能力进行了有益的探索，为中国基础研究的发展作出了积极贡献。作者分析报表提供了科研基金的分类及比重统计量，分为：国际(境外)、省市/院校(所)、国家科学基金论文比。这些数据信息有利于通过项目追踪科研团队，高级别项目数量多的作者是编辑部重点跟踪的对象。

论文、专利、奖励、人才培养及学术交流是科研产出的主要形式。从年龄段来看，35～45岁的项目负责人人均产出最高，特别是论文发表及人才培养方面取得较好成果；从职称上看，正高级职称的项目负责人由于有较好的科研积累，人均产出最高。中级职称在论文发表、专利申请和授权，会议报告方面取得的成果最多；从学位上看，具有博士学位项目负责人在论文产出总量最高。通常，50岁以上的项目负责人作为资深课题主持人，在专著出版、专利申请和授权、会议报告、奖励获得和人才培养方面均取较好成果[11]。相关的调查和数据分析表明：35～45岁的负责人思维活跃、精力充沛，具备较强的科研能力；刚入职的年轻博士论文产出量较大，职称晋升的愿望比较强烈；资深课题主持人具有丰富的研究经验，在各自研究领域已有一定的影响力。

深入分析科研团队的专业方向及组织架构是为了更好地组织稿源，期刊离不开科研团队的支撑，编辑要与科研团队保持良好的沟通，主动跟进重大基金项目的发展进程，成功组到学术质量较高的论文。

2.6 分析本刊低发文量作者，挖掘潜在的作者源

数量巨大(5 090位)的本刊低发文量(1～3篇)作者队伍通常是在读或是已经毕业的硕博士生、入职时间较短的本校讲师、外单位作者等。这个作者队伍也有其潜在的价值，本文分析了总发文量≥100篇和总篇均被引频次≥9的作者发现：部分作者虽然在北工大学报上发表的文章数量较少，但从总发文量上看一直从事科研工作，而且篇均被引频次较高。有些作者的篇均被引频次比本校的知名教授还高，其总体学术影响力和学术领域的关注度比较高，作为本刊曾经的作者，认可本刊，可以发展为今后的组稿对象。通过优化本刊低发文量作者信息，挖掘潜在的作者源。

3 结 束 语

科技期刊编辑部提供科技论文的数据信息，相关数据库平台又将科技论文的重要参数统计形成个刊影响力统计分析数据报告反馈给编辑部。编辑要善于挖掘数据、分析数据和利用数据来指导编辑工作，从而提高效率。组织高质量的稿源一直是高校学报的难点，既要依托本校科研团队的科研实力，争取校内种种有利于学报发展的优惠政策，又要发挥编辑的开拓能力，扩大校外优秀的作者队伍。作者分析报表为编辑部提供了作者方面的数据支持，为编辑部的组稿工作提供了指导。

[1]孙大力.大数据时代学报编辑业务面临的挑战及应对措施[J].黑龙江教育技术学报,2013,32(12):191-192.

[2]杜秀杰,葛赵青,刘杨,等.基于著者索引的高校学报核心作者群分析[J].编辑学报,2006,18(5):366-368.

[3]张丽颖,王萍,张瑞亭.刍议科技期刊的作者及审稿人[J].中国科技期刊研究,2006,17(1):123-124.

[4]李丽,匡云,张凤莲.高校学报编辑对研究生作者的指导及其意义[J].编辑学报,2006,18(4):313-315.

[5]刘慧群.高校科研团队绩效考核机制研究[J].科技进步与对策,2010,27(24):138-141.

[6]付晓霞,游苏宁,李贵存.2000—2009年中国SCI论文的零被引数据分析.科学通报,2012,57(18):1703-1710.

[7]中国科学文献计量评价研究中心.中国学术期刊影响因子年报(自然科学与工程技术)[R].北京:中国学术期刊(光盘版)电子杂志社,2015.

[8]余毅,胡澜,张凌之.高校科技期刊学术不端防范体系研究[J].科技与出版,2013(3):110-112.

[9]任艳青,陈培颖,欧彦,等.《自动化学报》防范学术不端行为的策略[J].中国科技期刊研究,2012,23(3):373-376.

[10] 李刚,陈京香,王健梅,等.学术不端行为分析及编辑部预防对策措施[J].编辑之友,2011,180(8):77.

[11] 刘运芳,王寿宇,刘岩,等.2010—2013年国家自然科学基金中医骨伤科结题项目情况分析[J].中国科学基金,2014(6):462-465.