科學領域蓬勃發展的標志是數以億計的論文，而這正在阻礙創新思想的出現。來自美國西北大學凱洛格商學院的Johan S. G. Chu和芝加哥大學社會學系的James A. Evans合作，研究了241個學科9000萬篇論文的18億次引用數據，發現大規模的論文發表不會導致某個領域的中心思想更替，而是會導致經典思想范式的僵化。該研究指出當前科研創新需要顛覆式的學術創新和對新思想的關注。
論文題目：
Slowed canonical progress in large fields of science
論文地址：
https://www.pnas.org/content/118/41/e2021636118
1. 科研界的馬太效應
大多數研究領域，每年發表的論文數量隨著時間的推移顯著增加。科學界的諸多激勵措施，例如增加科學家的數量及研究經費，其最終產出，都是以論文的數量來衡量的。發表的論文數量，決定了學者的職業軌跡，以及對學術機構及國家層面科研能力的評價。
然而，科學家和論文數量的增加是否能夠轉化為認知邊界的擴大？如果能夠，其過程又是怎樣的？之前的觀點，認為科研進程可用沙堆模型描述，即使不是每一篇論文都能改寫教科書，但新的論文，可以看成在沙堆中添加一粒沙子，增加了發生雪崩的可能性。雪崩發生后，新的科學范式出現，就如同人類的認知從牛頓力學升級到相對論。
在這一假設下，在規定時間內發表更多的論文，便成為獲得終身職位和晉升的最可靠途徑。引用數成為了用來衡量一個領域內個人、團隊和期刊的重要性的最核心指標，數量越多越好，被引用的也越多越好。
然而，上述標準，依據的假設被證明是錯誤的。先看一個有代表性的例子，當電氣與電子工程領域每年發表約10,000篇論文，被引用次數最多的0.1% 論文，總引用數占1.5% ，被引用次數最多的1% 論文占8.6% 。而當這個領域增長到每年發表50,000篇論文時，前0.1% 的論文獲得了3.5% 的引用，前1% 的論文獲得了11.9% 的引用。等到該領域擴大到每年發表10萬篇論文時，前0.1% 的論文獲得了該領域5.7% 的引用，前1% 的論文獲得了16.7% 的引用。相比之下，排名最后的50% 被引用次數最少的論文的比例則隨著領域的擴大而下降，從每年10,000篇論文的43.7%，下降到每年100,000篇論文時的略高于20% 。
圖1：不同領域的發表論文的多少（橫軸）和論文引用數的衰減系數（縱軸），不同顏色代表了不同類型的引用數，縱軸的值越高，說明這項研究每年獲得的引用逐年下降的趨勢越弱，例如在被引用次數最多的前1% 以外的論文，平均每年減少約17% 的引用次數，而那些排前5%以下的論文，其引用次數有逐年減少四分之一的趨勢
這說明新論文的泛濫，可能會剝奪讀者理解新觀點所需的認知空缺（cognitive slack）。就如同必需先清空大腦，才能夠學到新知；研究者必須有空閑，才會去關注非主流的研究。當每年發表的論文數量非常大時，新論文的快速涌現可能會迫使學術界關注那些已經被廣泛引用的論文，從而限制對那些知名度較低的論文的關注——即使這些知名度低的論文，事后被證明是具有新穎性且有變革性想法。
回到前文提到的沙堆模型。當沙子以過快的速度下落時，鄰近的小型雪崩會相互干擾，反而造成沒有一粒沙子可以觸發整個沙堆的移動。即每一粒新的沙子落下的速度越快，所能影響的區域就越小。對應科研界，如果論文的發表速度太快，沒有新的論文可以通過擴散和優先連接的局部過程，積累影響力，從而改變科研界的全局范式。
當一個領域每年發表的論文數量增加時，引用量不成比例地流向已經被引用很多的論文，這就如同馬太效應，富者越富而貧者越貧。大量新發表的論文沒有加快領域范式的更替，而是鞏固了被引用次數最多的論文的學術地位。這意味著科學進展可能會放慢，受困于現有的研究范式。隨著大多數領域，每年發表論文呈現持續增長，科研保守化將會是大勢所趨，本文在論述了對數據的分析后，會討論如何采取政策措施，重組科學生產價值鏈，以使大眾的注意力集中在有希望的、新穎的想法上。
2. 論文過多讓科學界越發保守
基尼系數是經濟學中用來評價收入平等的，越高說明收入不平等越嚴重。該文用其來評價論文每年獲得的新引用數目上的不平等。圖2A說明了，科學界中引用數越高的論文，其獲得的引用的過程，也越發不均等，當一個領域有更多的論文發表時，特定論文，尤其是那些高引用論文拿到了相對更多的新增引用；而B指出，當某領域發表更多的論文后，該領域論文引用數的排名變的更加穩定（從而相關性更高），每一篇新論文的發表都不成比例地增加了已經被引用最多的論文的引用。
圖2：圖中的每個點代表一篇論文，左圖指對數處理的某領域該年的總論文數（橫軸），與每年特定論文獲得引用數所占比例的基尼系數（縱軸）之間的散點圖；右圖展示了特定論文年與年之間，新獲得的引用數量，與當年該領域總引用數之間的斯皮爾曼相關系數（縱軸），不同顏色的線代表了論文數量最多的十個學科的擬合曲線
如果按照之前的認知， 論文被引用，是一個通過逐漸累積影響力，使得學術圈內的人集中注意力的過程，其每年新增引用數也相對平等。研究如在某一年內被大量引用，是由于人們認識到了其創新價值，之后更新的研究替代了這項研究，使得其引用增長在年與年之間會出現不均等，和所在領域該年總共發表了多少論文無關。一篇論文即使再有顛覆性，在現代科學枝繁葉茂的情況下，也不太可能引起該領域這一年發表的論文數目顯著增加，即使有也只是特例而非趨勢。
但事實推翻了傳統觀念對論文被引用這一現象的描述，更合理的描述是：那些不引用已有經典高引用論文者，很難獲得新的引用，成為經典。當許多論文在短時間內發表時，學者們被迫采用啟發式方法來理解這個領域。認知負荷過重的讀者，只處理與現有范式吻合的新研究，而不是根據特定研究的自身優點去評價其價值。一個新穎的想法，如果不符合現存的模式，將不太可能被出版，閱讀或引用。
進一步支持上述解釋的事實是，某領域發表的論文越多，新論文越難以成為該領域被引用次數最多、廣為人知的經典。新發表的論文，成為引用最高的千分之一那部分的概率，所需的時間，都隨著領域發表論文總量降低。如圖3所示：
圖3：領域發表論文數（橫軸）和發表論文成為引用數最高的千分之一的概率（a縱軸）及所需年份（b縱軸）的散點圖
當一個領域很小的時候，論文隨著時間的推移緩慢地上升到前0.1% 的最常被引用，這對應的是科研共同體，緩慢聚集注意力的過程。相比之下，那些在論文發表量很高的領域，屬于主流研究范式的論文，很快就登上頂峰，這與學者們通過閱讀他人研究中引用的參考文獻，而發現新作品的累積過程不一致。
圖4：圖a紅色/藍色分別對應繼承性/顛覆性所占比例（縱軸）和該領域該年發表論文總數（橫軸）的散點圖。圖b是每年發表的論文，其顛覆性指數能達到平均來看最大的5%的概率（縱軸）和該領域該年發表論文總數（橫軸）的散點圖
根據吳令飛、王大順、James Evans等人2019年的論文[1]，可以針對每篇論文，計算其顛覆性指數。圖4指出，當每年1,000篇論文發表時，顛覆性論文（D>0）所占比例為49%。當發表10,000篇論文時，顛覆性論文的預測比例下降到27% ，100,000篇論文則下降到13%。當每年發表10000篇論文時，論文是最具顛覆性的5%的比例從1000篇時的8.8% 降至3.6% ，而每年發表10萬篇論文時沒，該比例則只有0.6% 。
3. 總結和展望可能的改進方法
最近的證據表明[2]，現在需要更多的研究努力和資金才能產生類似的科學收益ーー生產率正在急劇下降。我們是否因為陷入過度內卷的研究領域，而錯過了有潛力的新科研范式？對于這些問題，該研究的發現可以給出部分回答，具體可總結為以下六點：
與一個領域每年只發表很少的論文相比，當這個領域每年發表很多新論文時：
1) 新的引用更有可能引用被引用次數最多的論文，而不是引用次數較少的論文；
2) 被引用次數最多的論文的名單每年都會發生很小的變化ーー經典僵化；
3) 一篇新論文最終成為經典的可能性會下降；
4) 確實進入被引用次數最多的論文的新論文不會通過逐漸累積的傳播過程進入這個行列；
5) 發展現有科學思想的新論文的比例會增加，破壞現有思想的比例會減少；
6) 一篇新論文成為高度破壞性論文的可能性會下降。
這些發現，對于當前科學的發展方向，是令人不安的。如果在短時間內發表了太多的論文，新的想法就不能與舊的想法進行仔細的比較，累積優勢的過程就不能選擇有價值的創新。具有諷刺意味的是，當今科學事業的“越多越好”、“量化評估”的本質，可能會阻礙已成熟領域的革命性變革。期刊數量的激增，論文預印和在線開放閱讀的流行，導致期刊層次結構的模糊可能會加劇這一問題。
需要注意的是，由于知名學者通過以領域為中心的閱讀清單、教學大綱和課程順序，將他們對世界的認知觀傳遞給學生，領域界限通過晉升和獎勵的職業塑造模式，會自然而然的得到強化。這意味著該研究的結論，不應該被過渡推廣。例如即使某領域被引用次數最多的文章保持不變，進步可能依然存在。就像盡管《分子生物學》中被引用次數最多的文章發表于1976年，并且自1982年以來，每年都是被引用次數最多的文章，但人們很難說這個領域已經停滯不前了。
減少論文數量，出版物的數量，關閉期刊，關閉研究機構，減少科學家的數量，這些都是不可行的措施。在不改變其他激勵措施的情況下限制文章數量，可能會阻礙新穎、重要的新觀點的出版，從而有利于低風險、屬于現有研究范式的論文。
而在學術如何進行、傳播、消費和獎勵方面的一些改變，可能會有所幫助。一個更清晰的期刊等級結構，以及最有聲望、最受歡迎的出版社，將版面專注于那些不那么主流的研究，可以培養顛覆性的學術研究，并將注意力集中在新穎的想法上。改變獎勵和晉升制度，避免采用基于數量的衡量標準，重視更少、更深入、更新穎的貢獻，可以減少爭奪某個領域注意力的論文數量，同時鼓勵不那么符合現有研究范式、更具創新性的工作。
一個被廣泛采用的衡量新穎性的標準，相對于傳統的h-index，可以被用來衡量研究者的學術水平。新指標會促使未來的研究人員更好地理解那些不那么扎根于既定準則的令人不安的新奇想法。例如圣塔菲研究院的Stefani提出的Epsilon 指數，其中的希臘字母 ε 象征統計學中的殘差[3]。
這個新的指標考慮了研究領域中的許多差異，以提供一個更公平的比較。作為一個現成的應用程序，可以免費使用ーー只需為來自谷歌學術等開源數據庫的研究人員樣本輸入一些數據，就可以得出結果。這樣就可以對處在職業生涯的任何階段的研究人員，在同等規模的各個學科（包括跨學科研究）進行更加公平比較，以激勵更多的顛覆性創新。
參考文獻
[1] Wu, Lingfei, Dashun Wang, and James A. Evans. "Large teams develop and small teams disrupt science and technology." Nature 566.7744 (2019): 378-382.
[2] Bloom, Nicholas, Charles I. Jones, John Van Reenen, and Michael Webb. 2020. "Are Ideas Getting Harder to Find?" American Economic Review, 110 (4): 1104-44.
[3] Bradshaw C J A, Chalker J M, Crabtree S A, et al. A fairer way to compare researchers at any career stage and in any discipline using open-access citation data[J]. Plos one, 2021, 16(9): e0257141.