缓解出版物引用中声望带来的后果

对于许多公共研究机构而言，资助科学创造和最大化科学产出是核心关注点。通常，在评估科学产出以获取资助时，引用被用作代理指标，尽管这些指标严重受科学内容之外因素的影响。本研究旨在缓解引用中的马太效应，即知名作者和著名期刊无论出版物的科学内容如何都会获得更多引用。为此，本研究提出了一种仅基于双盲同行评审提交阶段可用的可观测特征来预测论文引用的方法。结合经典线性模型、广义线性模型，并利用基于PubMed数据库的大规模生物医学论文数据集，结果表明仅使用论文的可观测特征（排除作者和期刊信息）即可进行相当准确的引用预测，从而缓解马太效应。因此，该成果对科学计量学领域具有重要影响，通过依赖作者和期刊无法操控的出版前变量，提供了一种更客观的引用预测方法，从而增强了评估过程的客观性。我们的方法因此对于负责资助高质量科学内容创造而非延续声望的政府机构具有重要意义。