審稿人工作量的影響因素研究
——基于對Publons Top Reviewers個體特征的實證分析

■黃 穎 吳其達 宗乾進 張燕霏 徐英朔 程 媛

1)華南師范大學法學院，廣東省廣州市外環(huán)路378號 5100062)華南師范大學經濟與管理學院，廣東省廣州市外環(huán)路378號 510006

審稿人是論文學術質量的把關人。對于學術期刊而言，同行評議是保證期刊學術質量的關鍵環(huán)節(jié)。審稿人能否認真、細致地審查稿件和提出全面、客觀的意見，無論對作者、期刊，還是對整個科學共同體，都至關重要。在當前主流的單盲同行評議中，審稿人一直是“幕后英雄”。在當前科研績效考核的大環(huán)境下，論文一直是衡量科學家績效的重要指標。而科學家作為審稿人的貢獻，卻沒有體現(xiàn)在科研績效考核范圍內。在這一指揮棒下，科學家們更愿意將時間和精力花在那些有助于他們獲得終身教職和專業(yè)聲譽的科研項目、科技論文等方面，而不是放在同行評議上[1]。Willis[2]開展的一項面向審稿人的調查發(fā)現(xiàn)，在拒絕審稿的審稿人中，89.5%的審稿人給出的原因是沒有時間審稿。Breuning等[3]的調查也顯示，“太忙”位居拒絕審稿原因的首位。長期以來對審稿人工作量的忽視，導致審稿人審稿積極性低下、科學論文出版周期延長等一系列問題。近年來，學界認可審稿人貢獻的呼聲越來越高[4]。

審稿人的貢獻(工作量)問題已經開始得到關注。近年來審稿人工作量的上升，主要與科技期刊數(shù)量持續(xù)激增[5-6]、期刊要求審稿人提交審稿意見的時間縮短[7]有關。此外，期刊的投稿量逐年激增[3,8]也是審稿人工作量上升的重要原因之一。Fox等[9]調查了2004—2013年FunctionalEcology的收稿情況，發(fā)現(xiàn)其投稿量平均每年增長9.2%。Primack等[10]對審稿邀請記錄進行了統(tǒng)計，發(fā)現(xiàn)在發(fā)出的審稿邀請中，僅有約37%的審稿人同意審稿。換言之，如果每篇稿件需要2位審稿人評審，那么編輯需要為每篇稿件邀請6位審稿人，方有可能滿足這一要求。過往的一些面向審稿人的調查顯示，大部分審稿人能接受的年均審稿量為12～60篇[11]；然而，有接近7%的審稿人認為其審稿數(shù)量超過其所能承受的范圍[12]。

近年來，專注于同行評議的Publons平臺迅速發(fā)展，為研究審稿人工作量提供了新思路。Ortega[13]認為Publons中記錄的審稿人的審稿數(shù)量是審稿人在同行評議過程中所承擔的工作量，是審稿人對學術共同體的貢獻[14]。劉麗萍等[15]指出Publons的這些記錄可以按學科類別統(tǒng)計審稿人的審稿數(shù)量，進而能夠將審稿人的學術貢獻顯性化。在審稿人Publons個人主頁上顯示的審稿工作量，以及每年一次的Publons Top Reviewers評選，可以讓審稿活動變得更有價值[16]，也有利于審稿人影響力的形成[17]。

綜上所述，當前對審稿人工作量的研究主要有兩方面的進展：(1)學術期刊編輯部通過自身擁有的審稿記錄數(shù)據(jù)庫以及向其審稿人發(fā)放調查問卷，對審稿人的實際工作量和期望工作量進行統(tǒng)計分析；(2)部分學者指出Publons能夠為審稿人工作量的研究提供新視角。然而，目前研究仍然存在缺口：(1)從研究內容來看，對審稿人工作量的影響因素的探討多聚焦于審稿人所處的外部環(huán)境(如新期刊數(shù)量激增等)，而對審稿人個人特征的分析仍然非常匱乏；(2)從研究方法來看，雖然已有學者指出Publons可能會為研究審稿人工作量提供新思路，但是目前僅停留在理論層面，缺乏對Publons的實證分析。與以往研究有所不同，本研究嘗試從兩個方面對審稿人工作量進行研究：(1)嘗試從審稿人的個人特征出發(fā)，研究影響審稿人工作量的個人內在因素，與現(xiàn)有研究的“外部環(huán)境”影響因素形成互補，為審稿人工作量研究領域提供新的理論知識；(2)與現(xiàn)有的對Publons平臺的初步理論探討有所不同，本研究采用實證研究方法對Publons進行分析，為研究審稿人工作量的影響因素提供經驗證據(jù)，也為后人基于Publons進行實證研究提供參考。此外，本研究的現(xiàn)實意義在于能夠為科技期刊邀請審稿人帶來啟發(fā)。

1 數(shù)據(jù)來源與指標

Publons創(chuàng)立于2012年，致力于通過利用同行評議來加速科學發(fā)展。Publons用戶可以選擇公開自己的審稿記錄等信息。截至2019年3月，在Publons中注冊的審稿人數(shù)量已超過60萬。筆者以2018 Publons Top Reviewer頁面(https:∥publons.com/awards/2018/esi/)為入口，獲取審稿人所處國家、基本科學指標(Essential Science Indicators，ESI)學科等基本信息；然后依次獲取該審稿人的審稿記錄、論文發(fā)表記錄等原始數(shù)據(jù)。基于可獲得的數(shù)據(jù)，對原始數(shù)據(jù)進行處理，并抽取出部分指標，如表1所示。基于上述指標以及數(shù)據(jù)，采用探索性因子分析法分析審稿人工作量的主要影響因素。

表1 抽取的指標及其說明

2 結果

2.1 描述性統(tǒng)計

本研究以2018 Publons Top Reviewers頁面為入口，一共獲取了6057條審稿人的原始數(shù)據(jù)。眾所周知，被邀請參與同行評議的審稿人，往往都是那些已經有論文發(fā)表經驗的學者。因此，對于數(shù)據(jù)集中論文發(fā)表數(shù)量為0以及為空(可能是用戶沒有在Publons中上傳其論文發(fā)表記錄，或是用戶在Publons中的隱私設置所致)的記錄，將其從原始數(shù)據(jù)集中剔除。最終，本研究獲得了2799條有效的審稿人數(shù)據(jù)(接下來的統(tǒng)計均基于該數(shù)據(jù)集)。在國家地區(qū)分布方面(有部分審稿人的所在國家信息并未公開，占8.6%)，排名前5位的國家分別為美國(17.0%)、意大利(7.2%)、英國(6.2%)、澳大利亞(4.4%)、西班牙(3.8%)；在學科分布方面，排名前5位分別為：Clinical Medicine(13.0%)、Assorted(12.3%)、Engineering(9.2%)、Chemistry(8.3%)、Environment/Ecology(7.0%)。

各指標的描述性統(tǒng)計結果如表2所示。

表2 各指標的描述性統(tǒng)計結果

注：(1)變量“審稿年數(shù)”的最小值為0，實際上是該審稿人沒有公開其詳細審稿記錄，此類數(shù)據(jù)共有10條，對于此類缺失數(shù)據(jù)，以0加以填充；(2)表2的統(tǒng)計樣本為上述2799位審稿人。

2.2 探索性因子分析結果

探索性因子分析是利用降維的思想，在保證數(shù)據(jù)信息量損失最少的情況下，將多個原始指標轉化為較少的幾個綜合性指標。影響審稿人工作量的因素多且相互之間存在相關性，因此，本研究采用探索性因子分析法來抽取出其主要影響因素。在進行因子分析前，需要先確定數(shù)據(jù)集是否滿足因子分析的前提條件。其中最常用的檢驗方法是KMO(Kaiser-Meyer-Olkin)和Bartlett檢驗。根據(jù)這一檢驗，假設變量的變差均勻地分布在輸入數(shù)據(jù)集中，且因子能夠解釋變量的方差比平均方差大，那么因子就被保留[18]。

基于上述數(shù)據(jù)，首先進行了KMO和Bartlett檢驗，結果如表3所示。由表3可知，KMO值大于0.5，同時Bartlett檢驗的伴隨概率為0.000，適合作因子分析[19]。

表3 KMO和Bartlett檢驗的結果

在KMO和Bartlett檢驗結束之后，采用主成分提取、最大方差法進行旋轉，各成分方差貢獻率(累積方差貢獻率)和旋轉后因子載荷矩陣分別如表4和表5所示。

表4 各成分方差貢獻率和累積方差貢獻率

設第k個主成分Yk的方差貢獻率為φk，其表示第k個成分占原始信息總量的比重，計算公式為[20]

(1)

若抽取m(m

(2)

由表4可知，本研究抽取出的前4個公共因子特征值的累積方差貢獻率為65.118%，意味著這4個公共因子能夠解釋總方差的65.118%。在社會科學研究中，累積方差貢獻率達到60%是可接受的[21-22]。

表5 旋轉后的因子載荷矩陣

對抽取出的4個公共因子，結合指標內容分別命名如下：將第1個公共因子命名為學術產出因子，該因子包含的指標為年均發(fā)文數(shù)量、發(fā)表論文總數(shù)；將第2個公共因子命名為學術影響力因子，該因子包含的指標為篇均被引頻次、年均被引頻次、總被引頻次；將第3個公共因子命名為學術兼職因子，該因子包含的指標為經過認證的編輯的期刊數(shù)、目前正擔任期刊編委的數(shù)量、經驗證的編輯記錄數(shù)量、未經驗證的編輯記錄量；將第4個因子命名為研究資歷因子，該因子包含的指標為學術生涯年數(shù)、審稿年數(shù)、研究領域數(shù)量。

3 討論

根據(jù)表5所示的旋轉后成分矩陣，第1個公共因子在年均發(fā)文數(shù)量和發(fā)表論文總數(shù)這兩個指標中載荷值較大。這一公共因子反映的是審稿人的學術產出數(shù)量，這兩個指標的數(shù)值越大，則審稿人的學術產出越多，對審稿人工作量(審稿數(shù)量)的影響越大。因此，這一結果表明學術產出因子是審稿人審稿工作量的重要影響因素之一，這可能是因為審稿人的學術產出越高，其獲得的審稿邀約越多。目前學術期刊尋找審稿人參與同行評議的路徑，主要是邀請該領域內的知名學者、通過學術數(shù)據(jù)庫(如Web of Science等)檢索并邀請相關學者、邀請該期刊的編委等[23]。眾所周知，成為知名學者，抑或是學術數(shù)據(jù)庫中的某領域專家，再或是期刊編委，其重要前提往往是該科學家在某領域有著較高的學術產出。此外，持續(xù)保持較高學術產出的科學家往往具有旺盛的精力以及良好的時間管理能力[24]。這些優(yōu)良的特征有助于高產出科學家能夠審查更多的論文。審稿人工作量的第2個主要影響因素是審稿人的學術影響力。在表5所示的旋轉后因子載荷矩陣中，第2個公共因子在篇均被引頻次、年均被引頻次、總被頻次3個指標的載荷值較高，因此，被篩選出來命名為學術影響力因子。這3個指標反映了審稿人所發(fā)表的論文被引用的基本情況。被引頻次是審稿人在科學界被他人認可程度的標志[25]。被引頻次越高，可在一定程度上反映出被引者的學術貢獻被他人認可的程度越高，換言之，審稿人的學術影響力越大[26]。學術期刊在遴選審稿人時，審稿人的學術影響力也是重要的篩選標準之一。審稿人的學術成果的被引頻次越高，學術影響力越大，被學術期刊邀請為審稿人的概率也就越大。

審稿人工作量的第3個主要影響因素是學術兼職。學術兼職因子在經過認證的編輯的期刊數(shù)、目前正擔任期刊編委的數(shù)量、經驗證的編輯記錄數(shù)量、未經驗證的編輯記錄量4個指標上的載荷較大(表5)?？茖W家在科學共同體中往往具有多重身份，既可以是審稿人，也可以兼職為某些學術期刊的學術編輯、編委、主編等[27]。目前，學術期刊往往邀請在學術界有較高影響力的資深專家、權威學者作為期刊的編委會成員[28]，而與普通學者相比，資深專家以及權威學者能夠獲得更多的審稿邀約。因此，科學家以學術兼職的身份參與到不同學術期刊的編輯以及編委的工作中，其收到的審稿邀請會越來越多，審稿工作量也會相應地增多。此外，與非期刊編委會成員(或兼職學術編輯)相比，期刊主編(編輯)對其編委會成員(或兼職學術編輯)更為熟悉。當需要評審稿件時，期刊更有可能優(yōu)先邀請其編委會成員或兼職學術編輯來審稿，這使得擁有學術兼職的科學家能夠獲得更多的審稿機會，進而提升其審稿工作量。

審稿人工作量的第4個主要影響因素是研究資歷。在表5所示的旋轉后成分矩陣中，研究資歷這一公共因子在學術生涯年數(shù)、審稿年數(shù)和研究領域數(shù)量這3個指標上的載荷值較高，因此，被抽取出來用于度量審稿人在科學共同體中的資深程度。Coniam[29]分析了適用于評審人員的指南，對前人研究的語料庫進行整理并對審稿專家指南的影響因素設立標簽，其中的一個標簽是學術背景。Coniam研究發(fā)現(xiàn)，科學家的學術背景對評審工作具有指導作用。從時間維度來看，審稿人的學術生涯越長、審稿年數(shù)越多，表明其研究資歷就越深。研究資歷深且持續(xù)活躍在科學界的科學家，往往在其研究領域中擁有較高的學術影響力，這使得他們能夠獲得更多的審稿邀請。需要指出的是，在研究資歷公共因子中，研究領域數(shù)量與其他兩個指標存在反向關系，這表明作為審稿人的科學家，其研究資歷越深，研究的領域越專精，其在本領域中能夠獲得的審稿機會越多。

4 結語

本研究基于Publons平臺中公開的審稿人數(shù)據(jù)，從審稿人的個人特征入手研究了審稿人工作量的影響因素。研究發(fā)現(xiàn)，影響審稿人工作量的主要因素是審稿人的學術產出、學術影響力、學術兼職和研究資歷。

本研究結果可為科技期刊遴選審稿人，進一步降低審稿人拒審率提供實踐啟示。由于對審稿人工作量的長期忽視，很多審稿人的審稿數(shù)量超出了其能承受的范圍。審稿人的工作量不斷增多，從而造成了審稿人的審稿積極性低、拒絕審稿概率大等問題。在學術產出、研究資歷兩個公因子中，分別有一個指標值得關注——年均發(fā)文數(shù)量、研究領域數(shù)量。本研究發(fā)現(xiàn)，年均發(fā)文數(shù)量越多，研究領域數(shù)量越少，對審稿人工作量的影響越大。年均發(fā)文數(shù)量多，研究領域數(shù)量相對較少的科學家，往往是學術界中冉冉升起的學術新星(如剛獲得教職的年輕學者)。然而，科技期刊往往傾向于向業(yè)內權威科學家發(fā)出審稿邀約，而忽略了學術新星這一重要的群體。學術新星(年輕科學家)年富力強，在科研上的高產出能夠為其專業(yè)能力提供保障。因此，科技期刊除了向具有高學術影響力、擁有數(shù)個學術兼職的資深專家發(fā)出審稿邀約外，還應該同時給予年輕科學家更多參與同行評審的機會，增強年輕審稿人的審稿動力，激勵他們向資深審稿人轉變，共同承擔同行評議工作。如此，可從整體上減輕全體審稿人的工作量，更加高效、有序地推進科技期刊同行評議的發(fā)展。

本研究同樣存在局限性。本研究指標是建立在Publons平臺中可以公開獲取的十幾個有限指標的基礎上，在研究指標的多樣性方面仍然有進一步提升的空間。未來研究可以結合審稿人性別、年齡等指標建立實證模型，探討更多影響審稿人工作量的因素。此外，本研究的數(shù)據(jù)是截面數(shù)據(jù)，不能反映出審稿人工作量的動態(tài)變化。未來的研究可以考慮進行縱向分析，揭示審稿人工作量的動態(tài)變化以及相應的影響因素。