文丨李江

Barabási的團(tuán)隊(duì)在《Science》上發(fā)表論文證明,，想做出出色的研究是需要天賦（某種學(xué)術(shù)能力）的，這種天賦就像人的智商一樣,，并不依賴于個人努力,。在整個職業(yè)生涯中，科學(xué)家的這種學(xué)術(shù)能力不會發(fā)生大的變化,。因此,，我們不妨稱其為「研商」,。

根據(jù)某大型搜索引擎的百科的定義，智商是通過一系列標(biāo)準(zhǔn)測試測量人在其年齡段的認(rèn)知能力「智力」的得分,，主要包括短期記憶力,、推理能力和語言能力?！秆猩獭箍梢岳斫鉃榭茖W(xué)家科研能力的得分,。

做出出色研究成果的科學(xué)家只占一小部分，對于多數(shù)人而言,，無論多么努力,，終其一生也沒有重要的科學(xué)發(fā)現(xiàn)。研商高就夠了嗎,？不是,，要想有重要的科學(xué)發(fā)現(xiàn)，還需要一些運(yùn)氣,。這種運(yùn)氣是選對研究領(lǐng)域與研究主題,。

Barabási的團(tuán)隊(duì)發(fā)現(xiàn)，出色的研究成果（高影響力成果）取決于兩個因素：研商和運(yùn)氣,。模型表述為：

C＝p×Q

其中,，C表示影響力，p 表示運(yùn)氣,，Q表示研商,。

該模型的含義為，科學(xué)家隨機(jī)選擇了一個研究主題,，該主題的潛力為p,，科學(xué)家以天賦Q去深入研究，最后得到研究成果的影響力為C,。更通俗地解釋,，科學(xué)家隨機(jī)選擇地方挖坑，挖到金礦的概率為p,，科學(xué)家憑某種能力能更快找到金礦的準(zhǔn)確位置,。因此，要快速找到金礦,，既需要運(yùn)氣,，也需要科學(xué)家的某種能力。

按照傳統(tǒng)的理解，在學(xué)術(shù)職業(yè)生涯中,，經(jīng)驗(yàn)積累非常重要,，學(xué)術(shù)泰斗中年輕人極少。我們不懷疑對于單個個體而言學(xué)術(shù)積累的重要性，但在不同個體之間比較時(shí),，Barabási的團(tuán)隊(duì)發(fā)現(xiàn),，學(xué)術(shù)積累似乎沒有那么重要，重要的科學(xué)發(fā)現(xiàn)可以出現(xiàn)在學(xué)術(shù)生涯中的任何時(shí)候,，可以是第一年,，可以是最后一年，也可以是中間的某一年,。Frank A. Wilczek（2004年諾貝爾物理學(xué)獎獲得者）的影響力最大的科學(xué)發(fā)現(xiàn),，是其學(xué)術(shù)生涯發(fā)表的第一篇論文。John B.Fenn（2002年諾貝爾化學(xué)獎獲得者）的影響力最大的科學(xué)發(fā)現(xiàn)出現(xiàn)在其退休之后,。

                                   圖片來源于參考文獻(xiàn)中的論文

上圖中清晰地顯示,，不同天賦的科學(xué)家從事學(xué)術(shù)研究工作之后，其成果的影響力分布不同,。對于研商Q＝9.99的科學(xué)家而言,，其研究成果的影響力介于0至300；對于研商Q＝3.31的科學(xué)家而言,，其研究成果的影響力介于0至100,；對于研商Q＝1.49的科學(xué)家而言，其研究成果的影響力介于0至30,。三位不同科學(xué)家的學(xué)術(shù)成就的差異,，嚴(yán)重依賴于研商，而不是年齡,，不是學(xué)術(shù)積累,。

我們不應(yīng)該否定我們的價(jià)值觀,，任何時(shí)候,，對任何個體而言，后天努力都非常重要,，笨鳥可以先飛,。但談到重要科學(xué)發(fā)現(xiàn)，對于不同的個體而言,，研商似乎更重要,。

對于研商高（Q＝10）的科學(xué)家而言，努力發(fā)論文,，產(chǎn)量翻一番,，其影響力的最大值可以提升50次；而對于天賦低（Q＝1.2）的科學(xué)家而言,，努力發(fā)論文,，產(chǎn)量翻一番,，其影響力的最大值僅能提升7次。這種學(xué)術(shù)成就的差異嚴(yán)重依賴于研商,，而不是后天努力,。

當(dāng)前所有關(guān)于科學(xué)家的定量測度指標(biāo)都存在缺陷，即這些指標(biāo)都不穩(wěn)定,，例如,，發(fā)文量、被引次數(shù),、h指數(shù)等,。這些指標(biāo)值都會隨時(shí)間增長，因此,，無法比較處于不同發(fā)展階段科學(xué)家,。相比而言，研商Q值相對穩(wěn)定,，并不會隨時(shí)間發(fā)生大的變化,，因而與科學(xué)家的發(fā)展階段無關(guān)。

比較兩個年齡不同,、學(xué)術(shù)積累不同的科學(xué)家時(shí),，用發(fā)文量、被引次數(shù),、h指數(shù)都難以發(fā)現(xiàn)差異,；但用研商Q值，足以說明兩者的差距,，并預(yù)測未來的發(fā)展趨勢,。所以，預(yù)測諾貝爾獎得主,，不必再依賴發(fā)文量,、被引次數(shù)、h指數(shù)等指標(biāo),，而可以直接用研商Q值,。

研商Q值的優(yōu)點(diǎn)是它對76%的科學(xué)家來說都是恒定的，而其它指標(biāo)都隨時(shí)間變化,。研商Q值的穩(wěn)定性使其能夠預(yù)測科學(xué)家職業(yè)生涯的演化,。低Q值科學(xué)家即使增加了發(fā)文量，也不能從本質(zhì)上提高發(fā)表高影響力論文的幾率,。一個科學(xué)家的h指數(shù)（即至少有h篇高被引論文被引用至少h次）由其研商Q值和總發(fā)文量共同決定,，Q模型可以準(zhǔn)確地預(yù)測h指數(shù)的演變。

例如,，利用一個科學(xué)家職業(yè)生涯早期的數(shù)據(jù)（如前20-50篇論文）算出的Q值可以預(yù)測其后來的影響力（如h指數(shù)）的演化,，早期h指數(shù)相同而Q值不同的兩個科學(xué)家,，在后期他們的h指數(shù)會拉開差距。

Q模型理清了科學(xué)成就,、研商和運(yùn)氣在學(xué)術(shù)生涯中的作用，揭示了科學(xué)成就產(chǎn)生的統(tǒng)一模式,，能夠準(zhǔn)確地預(yù)測科學(xué)家影響力的演化,。

根據(jù)表達(dá)式C＝p×Q,，轉(zhuǎn)化后可得Q值的表達(dá)式為Qi=e(logc10,i)-μp,。Q不由單獨(dú)的某一篇高水平論文決定，不由運(yùn)氣決定,，也不由某一合著者決定,，而是由貫穿學(xué)術(shù)生涯的高水平的學(xué)術(shù)能力決定，也就是說,，可以根據(jù)科學(xué)家學(xué)術(shù)生涯前若干年的發(fā)表情況計(jì)算出科學(xué)家的Q值,。

Q值與受教育背景、工作機(jī)構(gòu)平臺,、學(xué)科領(lǐng)域規(guī)模,、性別、研究方向,、發(fā)表習(xí)慣等之間的關(guān)系現(xiàn)在尚不清楚,。

一個科學(xué)家的生產(chǎn)力由發(fā)文量體現(xiàn)，而論文的影響力可以由被引次數(shù)體現(xiàn),，例如一篇論文發(fā)表后10年內(nèi)的被引次數(shù),，以下簡稱「c10」，并將該科學(xué)家的c10值最高的論文簡稱「c10*」,。

為了量化科學(xué)家影響力的演化,，作者研究了2887位有20年以上發(fā)表論文經(jīng)驗(yàn)并且至少發(fā)文10篇（每5年至少1篇）的物理學(xué)家于1893-2010年間在Physical Review系列期刊發(fā)表的論文。論文和被引次數(shù)來源于兩個數(shù)據(jù)集：APS數(shù)據(jù)集和Google Scholar與Web ofScience結(jié)合的數(shù)據(jù)集,。

基于被引次數(shù)的研究需要解決三個問題：（1）不同論文的被引曲線不同,；（2）論文的平均被引次數(shù)隨時(shí)間變化；（3）被引次數(shù)受學(xué)科領(lǐng)域影響,。為了解決第一個問題,，作者采用論文發(fā)表后10年的累計(jì)被引次數(shù)c10，消減被引曲線形態(tài)的影響,；采用將c10值標(biāo)準(zhǔn)化的方法消減問題2和3的影響,。