基于h指数修正的学者历时影响力研究

收稿日期：2020-06-14

基金项目：河北大学高层次人才科研启动经费项目（项目编号：521000981329）。

作者简介：魏明坤（1988-），男，副教授，博士，研究方向：信息计量与科学评价，数据科学与知识管理。

摘 要：[目的/意义]学者是学术知识的创造者，也是学术创新的主要推动者。学者学术影响力评价对学者学术发展具有导向作用，也是每位学者关注的焦点。[方法/过程]本研究提出一种基于动态变化的学者学术影响力测度方法，以中国引文数据库（CCD）为统计工具，利用SIF测度模型对2019年爱思唯尔（Elsevier）发布的艺术和人文学科领域的中国高被引学者学术影响力演变进行分析。[结果/结论]结果表明，SIF测度模型弥补了h指数在评价学者影响力的不足，对学者学术影响力演变测度具有适用性，揭示学者学术生涯的学术影响力演变过程。

关键词：SIF;测度模型;h指数;Altmetrics;学者学术影响力

DOI：10.3969/j.issn.1008-0821.2021.01.018

〔中图分类号〕G250.252 〔文献标识码〕A 〔文章编号〕1008-0821（2021）01-0152-06

Research on Diachronic Scholar Impact Based on Improved h-index

Wei Mingkun

（School of Management，Hebei University，Baoding 071002，China）

Abstract：[Purpose/Significance]The scholar is the creator of academic knowledge and the main promoter of academic innovation.The evaluation of academic impact has a guiding role on the academic development of scholars and is also the focus of scholars.[Method/Process]This study proposed a method for measuring the academic impact of scholars based on dynamic changes.Using the China citation database（CCD）as a statistical tool，the SIF measurement model was used to analyze the evolution of the academic impact of highly cited scholars in China in the field of arts and humanities published by Elsevier in 2019.[Result/Conclusion]The results showed that SIF model made up the deficiency of h index in evaluating the scholar impact. It was applicable to the measurement of scholar impact evolution and revealed the process of scholar impact of academic career.

Key words：SIF;measure model;h-index;Altmetrics;scholar academic impact

學者作为学术领域的重要组成部分，学术成果的产出、交流与传播都离不开学者的参与。学者是知识交流和创新的主体，在学术领域发挥着重要作用。随着对学术投入力度的不断提升，学术成果产生数量不断增长，如何通过学者已有的学术成果对其学术影响力进行有效的测度显得尤为重要。关于学术影响力学术领域尚未形成统一概念，Van Houten B A等认为学术影响力是同行对学术成果的评价，学术影响力的深度与广度主要取决他人的重视、认可和引用的情况[1-2]。赵庆玲认为学术影响力是学术成果被学术领域或同行认知和认可的程度，或研究成果在学术领域和同行间产生的影响[3]。对于学者学术影响力概念，学术领域尚未达成共识的测度方法。h指数的提出结合了科研人员的发文数量和被引频次两个指标对学者学术影响力进行测度，如果某一学者发表N篇论文中有h篇论文的被引次数至少为h，那么该学者的h指数为h。但以h指数进行学者学术影响力测度时，高被引论文对学术的贡献无法通过h指数体现出来。

学者学术影响力是一个动态概念，根据学者学术成果的价值与质量进行测度某一时期某位学者在学术领域发挥的作用。其产生的学术影响力可简单概括为学者发表的学术成果被他人认可、引用的程度，反映学者在学术领域的权威性以及对学术活动产生的影响范围。Garfield创建了引文数据库，从学术价值角度进行学术成果的定量化测度。通过被引频次的数量对学术成果的价值予以判断，如h指数、p指数、g指数、CPP指数等，由于这些指标的评价角度不同，其侧重学者学术影响力的方面不尽相同。学者学术影响力随着时间的发展，影响力水平也不断发生变化，有些学者提出的学者学术影响力评价指标是从影响力累积角度出发，对学者学术影响力进行评价，这种学者学术影响力评价的方法不利于年轻学者发展。本研究认为学者学术影响力是某一时期某位学者对学术领域内其他学者及科研活动影响的范围和深度，其根本来源是学者学术成果的学术价值和质量。为了评价不同时期学者学术影响力的大小，本文提出一个新的学者学术影响力评价指标——学者影响力因子，旨在从特定时期或年份对学者学术影响力进行测度。

1 相关研究

1.1 基于引文分析的学者影响力

总被引次数是通过计量学者所发表论文的被引次数总和进行评价学者学术影响力的重要指标，体现学者的学术影响力的累积情况。基于引文的h指数，一般来说对学者学术影响力进行评价，年龄越大的学者h指数越高，其总被引次数也较高。对h指数的年龄不均现象，美国物理学家Hirsch J E提出用学术年龄对h指数进行划分的思想，后期Hirsch J E提出m熵指数，对不同资历的学者之间的学术影响力评价提供可能，但m熵指数不能评价出高被引论文的影响力[4-5]。与引文分析相比，h指数侧重学者学术成果的质量和数量[6]。雷二庆等以实证研究，分析了h指数的适用性、缺陷与优点等问题[7]。刘文娟等从h指数等方面研究我国人文社会科学领域的学者学术影响力，为体育人文社会学研究者把握学科的发展趋势提供参考[8]。2006年，Egghe L提出了g指数，与h指数相比，g指数主要适用于评价某一篇或较为突出的几篇学术论文影响力情况[9]，这些较高学术影响力论文对后续学术发展具有重要作用，体现学术知识的累积性和继承性。

针对h指数在学者影响力评价中缺乏灵敏度、区分度、波动性问题，金碧辉等提出了R指数和AR指数[10]。2008年，Rousseau R等提出个人学术影响力的动态h型指数，该h型指数受h核心、论文被引次数以及h值变化的影响[11]。对于学者高影响力论文区分度不明显现象，艾颖引进θ指数，根据二八定律，最重要的只占其中很小一部分，约20%，其余80%是次要的，即某一学者发表了p篇论文，则其高引用论文集中的论文篇数为0.2p[12]。也有一些研究者基于h指数理论、思想，提出一系列h指数的衍生指数进行科研团体或学者学术影响力的评价，如hP[13]、hm[14-15]、h-maj[16-17]等。根据引文的时间序列结构，研究了影响因子、h指数和h型指数的时间序列变化，分析了3年的h指数、5年的h指数，通过时间段的设置进行个人学术影响力的区分[18-21]。也有学者从引文分析融合的作者共被引、作者文献耦合、作者互引三维引文关联视角进行学者学术影响力评价，结果显示在加权直接引用网络指标下，有利于识别知识交流与传播中的重要贡献者[22]。

1.2 基于Altmetrics的学者影响力

自2010年，Priem J等提出Altmetrics后，Altmetrics在学术领域得到广泛应用，成为学者学术影响力评价的有效补充，通过补充计量指标，如微博转发和评论、博客、社交媒体评论、社会标签、阅读量、下载量、文献管理标记等指标，充分体现学者在社会范围的影响力情况[23]。随着网络计量指标的发展，孙海生等从引用认同角度，借鉴PageRank算法提出了AuthorRank算法，避免大量自引和低水平引用对评价结果的影响，从而更加客观反映学者的学术影响力情况，该算法对识别学科领域的核心作者具有参考价值[24]。Matsas G E A提出标准化因子NIF，进行科学团体与学者学术影响力的评价，该指标适用评价某学者对其同行的影响程度与同行对其影响程度的比较，根据NIF值是否大于1，判断学者在学科领域是否存在领导力[25]。

随着网络技术的发展，网络计量学指标不能满足Web2.0发展的需要。自Altmetrics被提出，弥补了网络计量学指标的不足，得到学术领域的广泛应用，Altmetrics不仅可以更快、及时地反映出学者近期研究工作的影响力，也能揭示学术成果之外不同类别评价对象的参与情况[26]。Altmetrics指标是通过浏览、点击量、微博数、评论等进行评价，反映学者的知名度和社会影响力，是评价学者在线关注度和认可度的计量指标[27]。基于Altmetrics，也有学者提出了不同类型评价指标，Jensen M提出建立学术Authority 3.0，并指出博客、评论、标签等指标是评价学术影响力的参考标准[28]，也有学者指出社会书签和CiteULike具有同行评议的作用，是同行评议的补充或替代指标[29]。

1.3 基于同行评议的学者影响力

同行评议是由一个或若干个相似能力的专家共同对涉及一项知识产品进行评价的活动。学术同行评议需要一个或多个特定领域的专家对学术活动进行公正合理的评审。同行评议早在18世纪中叶就已存在[30]，之后在学术领域被广泛应用，尤其在学术期刊领域。而对相关人员的评价也早已有之，早在阿拉伯地区，医生治病的记录由当地其他医生组成评议会检阅，来判断该医生的工作是否符合所要求的医疗规范。同时，同行评议是对学术研究者在其研究领域的专业度和影响力的直接衡量指标之一。

学术领域经常采用同行评议进行评判学术论文达到发表水平与否、科研基金项目的评审、学者科研职称的晋升等问题。杨瑞仙等在2017年对学术同行评议进行了深入分析并总结，提出同行评议存在的弊端，一是评价专家的主观性强;另一方面是评价机制存在缺陷[31]。焦建利使用网络同行评议发放调查问卷，遴选美国教育技术前10位领军人物[32]。随着网络社交平台的发展，开放同行评议成为开放科学时代的一种形式。在20世纪末，“开放同行评议”被提出，之后被相关研究者在学术论文、学者等展开评价。袁国华等利用开放同行评议，从质量层面分析学者影响力，结果表明同行评议方法可作为传统评价方法的补充，增加了学者影响力的饱满度和辨识度[33]。

1.4 基于社会网络方法的学者影响力

随着现代科学的深度、广度和复杂程度不断增加，出现学科之间不断交叉融合的发展趋势，“单打独斗”式的科研难以适应时代发展的要求，也不利于科研人员自身的成长，科研合作在一定程度上反映了学者的学术地位和学术影响力。社会网络分析方法是通过网络中节点与节点之间的关系，分析网络的结构及属性特征[34]，通过计算节点之间的路径、边的权值，评价网络中具有影响力的节点，以定量方式反映节点在网络中位置的重要程度，进而评价学者在网络中的影响力[35]。Yan E A Y D在2009年對图书情报领域近20年发表论文的合著情况进行统计，发现社会网络中点度中心度、中间中心度和接近中心度与被引频次等指标呈显著的正相关性，研究表明中心性指标可以用于评价学者学术影响力[36]。

社会网络分析方法通过网络节点之间的关系，揭示学者在学术领域的学术地位，吴海萍等针对国外研究的多维临近性与创新，运用社会网络分析方法对被引频次高于25以上的学者进行分析，得出在社会网络中处于核心位置的学者具有较高的学术影响力[37]。根据社会网络分析方法进行学者学术影响力评价是对整体网络中学者学术影响力进行分析，有时还应考虑学者个体产生的学术影响力。此外，社会网络分析方法对学者学术影响力的动态效果展示较弱，学者学术影响力是以时间动态发展的自然属性和社会条件综合作用的过程，反映个人学术生涯的兴衰变化过程。通过社会网络分析方法的点度、中间中心度、接近中心度评价学者的学术影响力时，点度中心度反映了学者学术影响力的局部特征;中间中心度对大型社交网络中学者学术影响力评价效果较弱，对节点的信息负载能力表现突出;接近中心度指标对随机网络中学者学术影响力评价效果较弱，反映节点在网络中产生的全局影响。由此可见，通过社会网络分析方法以动态形式展示学者学术影响力成为未来研究的重要内容。

2 学者历时影响力的定义

学者历时影响力（Scholar Diachronous Impact Factor）是对作者过去某一个时间点开始对其影响力进行测度。计算公式如下：

SIFn（T）=∑k+n-1i=kC（T+i，T）N（T）1n（k=0或k=1）

SIFn（T）表示T年学者的影响力，n表示作者从T年开始的随后的n年，N（T）表示T年学者发表的文献数量，∑k+n-1i=kC（T+i，T）表示作者在T年后的i年内的被引数量，当k=0时，表示作者的被引量包含当年的引文数，当k=1时，表示作者在发表论文的第2年开始计算其被引数量。学者历时引文影响力，是在学者某一时期学术成果的基础上对学者学术影响力评价和测度。从学者历时引文影响力计算公式可得出，学者历时影响力是一个动态概念，从作者历时的视角对作者影响力进行测度。学者学术成果的产出量随着时间的发展不断变化，Falagas M E等对生物医学领域的科学家进行分析，显示出学者的学术产出随着年龄增大而递减[38]，而Costas R等研究发现在西班牙研究理事会工作的生物学与生物医学领域的学者发文量的年龄分布呈现倒U型[39]。由此可见，学者在不同时期的学术影响力不尽相同，学者历时影响力可根据研究需要对不同时间节点的学者学术影响力进行测度。在进行学者历时影响力测度中，从学者首次发文的时间开始计算。本文从作者影响力历时角度，对2019年爱思唯尔（Elsevier）发布的艺术和人文学科领域的中国高被引学者学术影响力进行分析。

3 数据获取与结果分析

3.1 数据来源与指标

本文以中国引文数据库（CCD）为统计工具，检索2019年爱思唯尔（Elsevier）发布的艺术和人文学科领域的中国高被引学者引文数据。在中国引文数据库中检索统计学者历年引文数据，选取其中10名学者作为样本作为分析对象。分别检索发文量、总被引量、篇均被引、计算学者的h指数以及SIF值。学者总被引数量从影响力的角度分析，呈现学者累积学术影响力，通过统计学者所有发文的引文数量，在一定程度体现学者发表论文的学术价值。从学者被引的累积量体现学者总体学术影响力，经过历时的引文统计体现学者学术影响力随时间的演变情况。篇均被引频次用于测度学者单位时间内学术成果产出的影响力，作为学者学术影响力的集中趋势和离散程度的指标。

学者的h指数是其发表的Np篇论文中有h篇至少被引h次，其余Np-h篇论文被引均小于或等于h次[40]。在一定程度上，h指数可以反映学者的生产率及影响力情况[41]，避免针对学者学术论文的数量，忽视论文的质量。但h指数存在其自身的不足，主要体现在学者h指数不会随着时间的发展而下降，只能增长或保持不变，无法对学者学术影响力的变化情况进行测度，不能反映学者的学术休止状态或退出学术领域等变动情况;h指数对年轻学者学术影响力评价效果不明显，不同学科领域学者的h指数差异幅度较大;h指数的确定依赖于学者的长期学术生涯，对短期学者学术影响力测度效果不明显。

3.2 结果分析

根据分析样本学者，分别统计其总被引、篇均被引并计算学者的h指数及SIF2019值，如表1所示。学者的总被引反映学者引文的累积影响力情况。从学者的累积被引学术影响力分析，很难体现青年学者学术影响力的竞争优势。通过总被引进行学者学术影响力评价，依次为申丹、安成邦、胡耀武等;按篇均被引频次评价，具有较高学者学术影响力的学者依次为申丹、安成邦、董广辉等;按h指数进行排名的学者依次为申丹、安成邦、胡耀武等;按2019年SIF进行学者学术影响力排名依次为申丹、于世永、安成邦等。根据不同指标进行学者学术影响力排名不尽相同，为了进一步分析SIF指标与其他学者影响力评价指标之间的异同以及各指标之间的关系，通过相关性分析学者影响力评价指标之间的关系。

为了进一步分析学者学术影响力指标之间的关系，选取检验变量之间相关性分析的方法，需对选取样本进行Kolmogorov-Smirnov检验，各指标的双侧显著性取值均大于0.10，即认为各指标服从正态分布。因此，对学者学术影响力评价指标进行Pearman相关性检验，结果如表2所示。相关性分析是对两个或多个变量之间存在的关系进行分析，衡量两个变量的密切程度。其关联程度通过相关系数进行表示，变量之间相关性越强，相关系数越接近于1或-1，相关性越弱，相关系数越接近于0。

通过Pearman相关性对评价指标之间的关系进行分析，结果显示SIF2019与篇均被引、总被引和h指数的相关系数分别为0.607、0.584和0.488，根据显著性水平，SIF2019与篇均被引、总被引具有相关性，与h指数不存在相关性，表明SIF2019体现不同于h指数测度的学者影响力。SIF2019兼顧了学者发文数量与质量的指标，同时弥补了h指数受学者学术生涯时间区分度低的问题。根据SIF2019值与h指数相比，具有较大差异性，体现学者的影响力不同，表明彼此之间不具有替代关系。

通过SIF对学者学术影响力评价是根据学者历时学术生涯进行计算的，SIF值是由学者的学术产出数量与学术产出质量以及学术生涯因素决定的，对不同学术生涯的学者学术影响力演变进行分析，反映学者学术影响力的动态变化以及随着时间发展的变化情况。弥补h指数对学者的学术休止状态或退出学术领域等测度不明显情况。SIF值根据学者在不同的学科领域产出学术成果进行区分，以学者进入学术生涯时间和学科领域的学术产出及被引频次进行计算，反映学者在某一学科领域的历时学术影响力。

4 结 论

本文在对学者学术影响力评价指标梳理的基础上，提出了历时引文分析的学者学术影响力测度指标。并对学者历时影响力进行实证分析，得出以下结论：

1）学者历时影响力适合测度学者动态学术影响力。学者历时影响力根据学者进入学术生涯时间进行测度学者学术影响力，通过消歧发文量因素的影响对学者学术影响力进行动态测度。消除学者因学术生涯节点对学者的影响，解决学者学术影响力评价中，引文累积数量导致学者学术影响力评价结果存在偏态的情况。

2）弥补了h指数只能增不能减的不足，当学者的学术活跃程度降低时，学者动态学术影响力会随之下降。学者历时影响力消除引文累积影响力带给年轻学者成长带来的压力，有利于突出学术领域活跃的学者识别，对学术领域具有突出贡献的学者成长具有重要作用。避免受到学术生涯时间因素的影响，弥补h指数对新进入学术生涯的学者评价区分不明显的问题。基于学者历时影响力指标测度的学者动态影响力，为学者成长创造有利的学术生态环境。

3）有利于识别学术领域活跃学者。学者学术影响力是随时间发展不断变化的，学者历时影响力呈现学者影响力演变情况。从学者学术产出质量与时间的视角分析，通过学者历时影响力测度指标，有利于识别学术领域活跃度较频繁且具有学术潜力的学者。

参考文献

[1]Ferrara E，Romero A E.Scientific Impact Evaluation and the Effect of Self-Citations：Mitigating the Bias By Discounting the h-Index[J].Journal of the American Society for Information Science & Technology，2013，64（11）.

[2]Van Houten B A，Phelps J，Barnes M，et al.Evaluating Scientific Impact.[J].Environmental Health Perspectives，2000，108（9）：A392-A393.

[3]赵庆玲.河南省学术期刊学术影响力分析及发展对策探析[J].新乡学院学报：社会科学版，2011，25（4）：133-134.

[4]Hirsch J E.An Index to Quantify an Individuals Scientific Research Output[J].Proceedings of the National Academy of Sciences of the United States of America，2005，102（46）：16569-16572.

[5]Franceschet M.A Cluster Analysis of Scholar and Biliometric Indicators[J].JASIST，2009，60：1950-1964.

[6]丁楠，潘有能.h指数和g指数评价实证研究——基于CSSCI的统计分析[J].图书与情报，2008，（2）：79-82.

[7]雷二庆，陈红光.H指数评价中国科学家的适用性及影响因素分析——以2007年中国科学院增选院士候选人为例[J].科研管理，2009，30（S1）：84-89.

[8]刘文娟，陈勇，崔建强.我国体育人文社会学科领域学者学术影响力分析[J].沈阳体育学院学报，2012，（2）：16-21.

[9]Egghe L.Theory and Practise of the g-index[J].Scientometrics，2006，69（1）：131-152.

[10]金碧辉，Rousseau R.R指数、AR指数：h指数功能扩展的补充指标[J].科学观察，2007，（3）：1-8.

[11]Rousseau R，Ye F Y.A Proposal for a Dynamic h-type Index[J].Journal of the American Society for Information Science & Technology，2008，59（11）：1853-1855.

[12]艾穎.θ-指数：一个科研绩效评价的新指标[J].当代教育理论与实践，2017，9（7）：123-125.

[13]Wan J K，Hua P H，Rousseau R.The Pure h-index：Calculating an Authors h-index By Taking Co-authors Into Account[J].Collnet Journal of Scientometrics & Information Management，2007，1（2）：1-5.

[14]Schreiber M.A Modification of the-index：The-index Accounts for Multi-authored Manuscripts[J].Journal of Informetrics，2008，2（3）：211-216.

[15]Schreiber M.A Case Study of the Modified Hirsch Index hm Accounting for Multiple Co-authors[J].Journal of the American Society for Information Science & Technology，2014，60（6）：1274-1282.

[16]Hu X，Rousseau R，Jin C.In Those Fields Where Multiple Authorship is the Rule，the h-index Should Be Supplemented By Role-based h-indices[M].2010.

[17]Hu X，Rousseau R，Jin C.Time Series of Outgrow Indices[J].Journal of Informetrics，2011，5（3）：413-421.

[18]Liu Y，Rousseau R.Definitions of Time Series in Citation Analysis with Special Attention to the h-index[J]2008，2（3）：202-210.

[19]Fiala，Dalibor.Current Index：A Proposal for a Dynamic Rating System for Researchers[J].Journal of the American Society for Information Science & Technology，2014，65（4）：850-855.

[20]Schreiber，Michael.Restricting the h-index to a Publication and Citation Time Window：A Case Study of a Timed Hirsch Index[J].Journal of Informetrics，2015，9（1）：150-155.

[21]Pan R K，Fortunato S.Author Impact Factor：Tracking the Dynamics of Individual Scientific Impact[J].Scientific Reports，2014，（4）：4880.

[22]王菲菲，王筱涵，刘扬.三维引文关联融合视角下的学者学术影响力评价研究——以基因编辑领域为例[J].情报学报，2018，37（6）：610-620.

[23]Priem J，Hemminger B H.Scientometrics 2.0：New Metrics of Scholarly Impact on the Social Web[J].First Monday，2010，15（7）.

[24]孙海生，韩红，Sunhaisheng，等.引用认同用于科研人员评价的实证分析[J].情报杂志，2011，30（7）：30-33.

[25]Matsas G E A.What are Scientific Leaders？The Introduction of a Normalized Impact Factor[J].Brazilian Journal of Physics，2012，42（5-6）：319-322.

[26]Raff J W.The San Francisco Declaration on Research Assessment[J].Journal of Experimental Biology，2013，216（12）：2163-2164.

[27]Van Noorden R.Twitter Buzz About Papers Does Not Mean Citations Later[J].Nature News，2013.

[28]Jensen M.The New Metrics of Scholarly Authority[J].Chronicle of Higher Education，2007，53（41）：1.

[29]Taraborelli D.Soft Peer Review：Social Software and Distributed Scientific Evaluation[J].From CSCW to Web 2.0：European Developments in Collaborative Design Selected Papers from COOP08，2008.

[30]Kronick D A.Peer Review in 18th-Century Scientific Journalism[J].Jama the Journal of the American Medical Association，1990，263（10）：1321-1322.

[31]楊瑞仙，李贤，李志.学术评价方法研究进展[J].情报杂志，2017，36（8）：106-112.

[32]焦建利.美国教育技术学领军人物学术思想研究引论[J].现代教育技术，2009，19（1）：5-7.

[33]袁国华，寇晶晶，张建勇，等.基于开放同行评议的学者影响力评价研究——以F1000为例[J].图书情报工作，2018，（13）：37-44.

[34]林聚任.社会网络分析：理论、方法与应用[M].2009.

[35]刘蓓，袁毅，Eric Boutin.社会网络分析法在论文合作网中的应用研究[J].情报学报，2008，27（3）：407-417.

[36]Yan E A Y D.Applying Centrality Measures to Impact Analysis：A Coauthorship Network Analysis[J].Journal of the American Society for Information Science and Technology，2009，60（10）：2107-2118.

[37]吳海萍，孙锐，Wu H P，等.基于作者共被引分析的国外多维邻近性与创新学术群探析[J].科技与经济，2015，28（3）：6-10.

[38]Falagas M E，Ierodiakonou V，Alexiou V G.At what Age Do Biomedical Scientists Do their Best Work？[J].Faseb Journal Official Publication of the Federation of American Societies for Experimental Biology，2008，22（12）：4067.

[39]Costas R，Leeuwen T N V，Bordons M.A Bibliometric Classificatory Approach for the Study and Assessment of Research Performance at the Individual Level：The Effects of Age on Productivity and Impact[J].Journal of the Association for Information Science & Technology，2010，61（8）：1564-1581.

[40]Hirsch J E.An Index to Quantify an Individuals Scientific Research Output that Takes Into Account the Effect of Multiple Coauthorship[J].Scientometrics，2010，85（3）：741-754.

[41]Ruscio J.Taking Advantage of Citation Measures of Scholarly Impact：Hip Hip h Index！[J].Perspect Psychol Sci，2016，11（6）：905-908.（责任编辑：孙国雷）