Nature:压榨学生,论资排辈,现行论文作者制度已死

对于在读博士而言,论文数量经常是检验能否毕业的标准之一,但层出不穷的论文「挂名」、「造假」情况经常会冲击一些学者,甚至学科的名誉,并为年轻研究人员带来巨大压力。而有了贡献却没有署名的情况也是屡见不鲜。

除了教授、学生的品行问题之外,现行的论文作者制度可能也是学术不端的根源。悉尼大学心理学教授 Alex Holcombe 刊登在在最新一期《自然》杂志上的文章近日引发了人们的讨论。

Holcombe 认为,学界必须采用一种新的学术贡献体系,其必须更为具体地标记所有参与者在工作中扮演的角色。

「勇者」最终变成了「恶龙」

Holcombe 在这篇发表在 Nature 的文章中叙述了自己的经历:

当初,我们研究生成群结队地参加本系举办的「雪利酒会」,席间可以喝到各种免费饮料。当我在尽情饮用啤酒的时候,一位友好的教授过来和我交谈。他需要一位程序员,而我正符合他的要求。他提出可以付钱给我。我本可以接受这笔钱,但深知金钱无法为我带来教授之职。我需要的是「作者身份」。

这位教授告诉我,「仅凭编程参与」没有资格获得署名。根据我们领域的期刊要求,想要获得作者身份,你必须参与实验的构想或设计、数据分析和解释,以及写作过程。但是,这些角色已经有人选了。所以,第二天,我回到导师实验室做实验,并将实验过程写下来。总之,我做了一切必须做的事情,竭尽全力使我的名字出现在论文中。就这样,二十年过去了,我竟然越来越像「雪利酒会」上的那位教授了。我太忙了,没有时间亲自完成所有事情。所以,我也在寻找那个「会编程的人」。

如果更多期刊出版商能够采取一种更好的方式来记录哪些人在研究中做了哪些工作,则拥有编程等专业技能的研究者应该不会那么短缺了,而机器可读分类系统 CRediT(Contributor Roles Taxonomy)能够提供这一功能。该分类系统于 2014 年推出,研究者可以说明他们在论文写作整个过程中所承担的具体任务(如数据收集或统计)。

我们需要在大多数科学研究领域实行这种贡献分类系统。

数百种期刊遵循国际医学杂志编辑委员会(International Committee of Medical Journal Editors)的建议:想要获得作者身份,研究者必须「撰写论文初稿或者在修订过程中提供了重要的内容」。这意味着,程序员或统计学家等专业人员想要获得作者身份,就必须依靠论文主要作者主动将他们包含在论文写作或修改环节了。但遗憾的是,他们有时候会被忽略掉。所以,专攻编程或其他专业技能可能不利于研究者的学术生涯。

目前的作者制度削弱了对专业化的考虑,从而削弱了整个科学事业的发展。就像哲学家康德 200 多年前所指出的那样:「所有工艺、贸易和艺术都受惠于劳动分工……如果每个人都是多面手,那么创造出的作品将停留在初级阶段。」恰当地认可个体的贡献就是正确的事。科学是一项团队活动,我们需要奖励那些真正带领我们前进的人。

让贡献被人所知

十年前,Nature 开始要求作者介绍自己的贡献。但是,用于描述各类贡献的词汇并没有统一的标准,随意编写的文本无法满足招聘委员会、资助者等对简洁度量指标的要求。

CRediT 旨在对贡献进行量化。目前,它具备 14 种贡献类型,包括概念化、方法、软件、项目管理和数据管护等。已经有二十多家期刊出版商,包括细胞出版社、公共科学图书馆(PLOS)、牛津大学出版社,开始使用 CRediT。

Holcombe 表示自己并未参与 CRediT 的开发,但是他认为这一制度鼓励了对数据分析师、统计学家等专业人员的恰当认可。它还缓解了对所谓「荣誉作者」的过高认可,荣誉作者通常是团队的高级领导,而其实这些人参与做的工作很少。而使用 CRediT 系统,他们的真正贡献可以得到评估,因为该系统包含「获取经费」(funding acquisition)和「督导」(supervision)类别。

CRediT 还解决了一些阻碍大规模合作的问题。五年前,心理学领域对复现性的担忧日益增长,于是 Holcombe 帮助建立了一种期刊类型——注册复现报告(Registered Replication Reports,RRRs),即科学家提交实施重要研究的复现计划,期刊编辑帮助协调。

这些 RRRs 通常涉及十几位科学家,其中一些是在实验协议和数据分析计划完全成形之后才同意参与的。我们需要这些人,但是他们却并非传统意义上的作者。而 CRediT 的「investigation」贡献类型包括数据收集,它解决了这个问题。

激励措施对人类行为的影响极大,而学界主要的激励手段是对研究者所著论文的评估。

《旧金山科研评估宣言》(San Francisco Declaration on Research Assessment,DORA)想要改变学术界的激励措施,该宣言得到超过 1400 家组织和大约 1.4 万个体的支持。该宣言希望研究者不再执着于将研究发表在「高影响因子」期刊上,而是要使用更宽泛的衡量指标去评估期刊发表的质量和影响力。CRediT 可以保证更丰富和差异化的研究衡量指标。期刊可以逐渐接纳 CRediT,比如放宽作者署名要求,允许使用 CRediT 分类法。

让较少被认同的角色变得可见,这会带来改变吗?会的。想要招聘程序员、统计学家和项目经理等的研究机构可以获得关于应聘者更好、更全面的背景信息;经费申请者可以更容易地向资助者展示他们具备合适的技能;科研资源分配将更加高效。

它可以更容易地展示,谁具体做了什么。

可视化论文贡献体系

无独有偶,华盛顿大学神经科学助理教授 Nick Steinmetz 提出了自己的解决方法,并得到了「GAN 之父」、苹果人工智能科学家 Ian Goodfellow 等人的赞同:

Nick 同样认为,随着科研团队的发展,学界现行的贡献分配模式——第一作者、通讯作者(老板),以及其他所有作者——正在变得过时。其中一个问题就是描述作者贡献的文本是无效的。这里有一个不错的建议:贡献表机制。一个思路,欢迎大家讨论:

其中作者贡献部分是新的,仍未被大量期刊所采用,但这是可以改进的方向。与其用文字列出每个作者的贡献,我们不如使用一张表格直观表示出每个作者在研究中都做了什么。

Nick Steinmetz 认为,这样做有四种好处:

1. 图比文字更容易理解,也更容易在文档中找到。

2. 这种格式可以通过附加信息轻松扩充,例如用不同灰度的方格区分「主要」和「次要」贡献者。如下图所示,人们可以清晰看到 Warren(WWP)在数据分析工作中的贡献显著大于 Tirin(TM)和 Steinmetz(NAS)。这样,人们对于论文作者贡献的程度就有了更为清晰的认识。

3. 这种格式方便人们从多个方向寻找有用信息,解答「谁做了 X?」、「Y 做了什么?」这样的问题。如下图,你可以很快知道 DJD(Dan Denman)在这篇论文中做了哪些贡献。

4. 更进一步,这种格式也可以应用在你的简历中,告诉人们你在很多不同论文中的贡献。

使用这种方式标注论文贡献者面临一个挑战:人们对于术语的理解不同。不过 CRediT 框架或许可以解决这个问题:https://www.casrai.org/credit.html

请注意,上面的表格仅用于说明,一些术语已经针对 CRediT 进行了修改。采用这一方法的好处在于我们可以更好地声明论文作者的贡献,这些信息也可以被人们更认真地对待,最终推动更为公平的贡献奖励机制——特别是对于那些作者众多的大型科研团队而言。

推动这种方法的第一步就是使用机器可读方式列出作者贡献信息,例如在期刊网站上提供 RIS 和 Bibtex 引文文档。


最后,希望每个人在各自学术领域的贡献都能得到应有的回报。


参考内容:

https://www.nature.com/articles/d41586-019-02084-8

https://www.casrai.org/credit.html

理论Nature期刊论文
1
相关数据
Ian Goodfellow人物

Ian Goodfellow 是机器学习领域备受关注的年轻学者之一,他在本科与硕士就读于斯坦福大学,师从吴恩达,博士阶段则跟随蒙特利尔大学的著名学者Yoshua Bengio研究机器学习。Goodfellow 最引人注目的成就是在2014年6月提出了生成对抗网络(GAN)。这一技术近年来已成为机器学习界最火热的讨论话题,特别是在最近几个月里,与GAN有关的论文不断涌现。GAN已成为众多学者的研究方向。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

推荐文章
暂无评论
暂无评论~