丁佐奇，李芙蓉，孫勁楠，郝海平

（1中國藥科大學(xué)理學(xué)院，南京210009；2中國藥科大學(xué)《中國天然藥物》編輯部，南京210009；3中國藥科大學(xué)藥學(xué)院，南京210009）

目前，科研評價活動特別是科研論文往往存在“重數(shù)量、輕質(zhì)量”的現(xiàn)象，與新時代科技發(fā)展的目標(biāo)和內(nèi)涵不相適應(yīng)。為了扭轉(zhuǎn)這種局面，國家陸續(xù)出臺了改革意見和通知，2018年國務(wù)院辦公廳印發(fā)了《關(guān)于深化項目評審、人才評價、機構(gòu)評估改革的意見》［1］，2020年科技部印發(fā)了《關(guān)于破除科技評價中“唯論文”不良導(dǎo)向的若干措施（試行）》的通知［2］，教育部、科技部印發(fā)《關(guān)于規(guī)范高等學(xué)校SCI論文相關(guān)指標(biāo)使用樹立正確評價導(dǎo)向的若干意見》的通知［3］，要求高等學(xué)校規(guī)范各類評價工作中SCI論文相關(guān)指標(biāo)的使用，鼓勵定性與定量相結(jié)合的綜合評價方式，實行代表作評價，重點闡述代表性成果的創(chuàng)新點和意義。可見，在今后的科研評價活動中，代表作制度將發(fā)揮更加重要的作用。

在改革政策指導(dǎo)下，高校教授職稱評審實行代表作評價制度已達成共識，建立合理的評價機制，通過評價機制的導(dǎo)向作用，建立良好的學(xué)術(shù)環(huán)境，促使學(xué)術(shù)研究回歸本位［4］。然而，想要合理評價代表作，首先要選取合適的代表作。

現(xiàn)今被廣泛使用的評價方法主要是同行評議法和基于指標(biāo)體系的定量評價，同行評議有著實施效率低、成本高的局限性，而定量評價主要依據(jù)的是論文發(fā)表的數(shù)量、被引量及發(fā)文期刊的影響因子（impact factor，IF）等客觀數(shù)據(jù)，實施效率較高［5］。合理利用定量指標(biāo)，建立一套篩選標(biāo)準(zhǔn)與評價方式，能夠大大提高前期篩選評估的效率，為同行評審提供參考與輔助，推進代表作制度的落實。除了根據(jù)被引頻次篩選代表作，針對學(xué)科領(lǐng)域之間的差異，有學(xué)者提出根據(jù)論文被引頻次在所屬學(xué)科所處的百分位數(shù)來進行評價。應(yīng)用較廣的是Bornmann等［6］提出的PR6指標(biāo)，即所有在同一年發(fā)表的、具有相同文獻類型和屬于同一領(lǐng)域（由一個以學(xué)科為導(dǎo)向的數(shù)據(jù)庫所定義）的論文，被分為6個百分位等級，前1%、5%、10%、25%、50%和后50%。后續(xù)有學(xué)者根據(jù)PR6改進提出PR8分值法，增加了0.01%和0.1%兩個百分位等級，進行代表作篩選［7］。該方法可以有效減少因?qū)W科領(lǐng)域的差異帶來的引用行為的差異，并且有效避免采用一維指標(biāo)帶來的局限性。在此基礎(chǔ)上，如果能夠?qū)⒎从硨W(xué)術(shù)論文的學(xué)術(shù)影響的若干項指標(biāo)綜合應(yīng)用，則能夠較為客觀地選取代表作。如將論文所屬期刊分區(qū)，論文的學(xué)科領(lǐng)域百分比（percentile in subject area，PSA）和學(xué)科規(guī)范化引文影響力（category normalized citation impact，CNCI）等指標(biāo)綜合起來。Q1分區(qū)是根據(jù)不同學(xué)科期刊影響因子劃分的，一方面能夠區(qū)分學(xué)科，另一方面取Q1分區(qū)是取排名前25%的期刊，是相對大范圍的篩選。同時，PSA作為與CNCI密切相關(guān)的指標(biāo)，在CNCI得到廣泛認可基礎(chǔ)上，采用PSA能夠更方便地劃定不同標(biāo)準(zhǔn)線，例如高層次的代表作選取可以選擇排名前10%或者前5%的論文，通過靈活調(diào)整PSA的值對論文數(shù)量進行調(diào)整，針對不同樣本和不同篩選需求，都可以確定一個具體可行的篩選標(biāo)準(zhǔn)。最后，加入衡量施引文獻影響力的指標(biāo)施引文獻CNCI，使得篩選標(biāo)準(zhǔn)更加全面。

h指數(shù)（h-index）［8］作為常見的科學(xué)計量指標(biāo)在實際應(yīng)用中獲得了較大的成功，但也存在著其計算方式本身帶來的局限性［9-10］，如不能反映科研人員最新的科研成果和最高被引文獻的價值［11-12］。許多學(xué)者針對h指數(shù)的缺陷提出了不同的方法來改進h指數(shù)，包括Hl指數(shù)［13］（Hl-index）、G指數(shù)［14］（G-index）等。Prathap在h指數(shù)的基礎(chǔ)上提出了p指數(shù)［15］，并對其進行優(yōu)化提出了Z指數(shù)［16］。Z指數(shù)首先將引文的分布情況作為一項指標(biāo)引入評價體系中，使得Z指數(shù)可以在一定程度上更好地反映某一科研人員的總體科研水平。將代表作制度引入Z指數(shù)，在實際應(yīng)用中具有較大的研究前景。

因此，本研究提出了以下問題作為研究的重點：相較于較為成熟的h指數(shù)核心法和representa‐tive法，本研究提出的Q1-PSA-CNCI法在代表作選取上有何優(yōu)勢？3種方法所得到的代表作在引入Z指數(shù)后的表現(xiàn)如何？本研究以C大學(xué)近3年的職稱評審文章及評審結(jié)果為基礎(chǔ)，選取藥學(xué)院、藥物科學(xué)研究院以及中藥學(xué)院教授的論文，采用目前常用的representative方法和h指數(shù)核心法篩選其代表作，并對結(jié)果進行分析比較，提出一種更為合理的、具有一定普遍性的代表作選取方法即學(xué)術(shù)認可度法（Q1-PSA-CNCI），并將不同方法篩選得到的代表作引入到Z指數(shù)中，為今后代表作制度的篩選和評價提供依據(jù)。

1 研究對象與方法

1.1 研究對象

1.1.1 職稱評審論文 2017－2019年C大學(xué)各學(xué)院參與職稱評審的所有文章，用以分析職稱評審論文的文獻計量特征。

1.1.2 Z指數(shù)評價 C大學(xué)藥學(xué)院、中藥學(xué)院和藥物科學(xué)院2017－2019年參與職稱評審的52位教授以第一作者或通信作者身份發(fā)表的論文，發(fā)表時間限定為2008年1月1日至評審年。采取不同方法篩選，代入Z指數(shù)，對不同評審級別教授的不同Z指數(shù)進行分析。

以職稱申報情況分布看，2019年申報正高級專業(yè)技術(shù)職務(wù)（以下簡稱“正高職稱”）有6位、副高級專業(yè)技術(shù)職務(wù)（以下簡稱“副高職稱”）有7位，2018年申報正高職稱有14位、副高職稱有8位，2017年申報正高職稱有6位、副高職稱有11位。

1.2 研究方法

1.2.1 檢索方法 在InCites數(shù)據(jù)庫中，以2008年—評審年為分析時間段，以研究對象隸屬機構(gòu)為檢索對象，研究方向為Web of Science（WoS）學(xué)科分類體系，通信作者和第一作者為標(biāo)準(zhǔn)，再以“隸屬于實體的研究人員”選項獲得該機構(gòu)的所有科研人員信息，分別以各教授姓名為檢索對象，獲取其以第一作者/通信作者身份發(fā)表的所有論文以及其被引頻次。被引頻次分別保留截止到評審年和2020年10月31日。

匯總整理相關(guān)數(shù)據(jù)后，形成了包括52位教授提供的參與職稱評審的340篇論文和830篇以第一作者/通信作者身份篩選出的論文。

1.2.2 代表作篩選 Representative法［17］：將目標(biāo)作者的所有論文按被引數(shù)降序排列，并將各篇論文按照順序記為正整數(shù)編號n（1≤n≤N），每篇文章的被引數(shù)記為Cn，有Cn＞Cn+1；然后，依次計算相鄰兩篇文章被引數(shù)的差值Δ（Δ=Cn-Cn+1）；最后找到所有差值中的最大值maxΔ，那么與此直接相關(guān)的第n篇及其之前的論文就是作者的代表作；h指數(shù)核心法：選擇入選h指數(shù)的所有論文作為代表作；Q1-PSA-CNCI（X%）法：篩選發(fā)表期刊為Q1分區(qū)，PSA前X%，施引文獻CNCI值較大的論文作為代表作。

1.2.3 Z指數(shù)計算 在獲取了樣本教授的所有第一作者或通信作者發(fā)表的論文后，按照計算公式分別得各人得分。Z指數(shù)的計算公式如式（1）所示［18］：

式中：C4是某一教授所發(fā)表的全部論文被引數(shù)之和的4次方；N是該教授的總發(fā)文量；是該教授所發(fā)表的全部論文的被引數(shù)的平方和。

Zh指數(shù)，表示用h指數(shù)核心法篩選出的某教授代表作的數(shù)據(jù)代入計算。

Zr指數(shù)，用representative方法篩選出的某教授代表作的數(shù)據(jù)代入計算。

Zs指數(shù)，各教授自己選取的用于職稱評審的論文作為代表作，其數(shù)據(jù)代入計算。

Zq指數(shù)，用Q1-PSA-CNCI法選擇出的某教授代表作的數(shù)據(jù)代入計算。

分析方法：使用SPSS軟件進行描述性統(tǒng)計分析、正態(tài)分布檢驗、相關(guān)分析。對于不同學(xué)科定量指標(biāo)之間的差異進行描述性統(tǒng)計分析；對職稱論文各項定量指標(biāo)值進行正態(tài)性檢驗；對定量指標(biāo)與同行評審結(jié)果以及不同Z指數(shù)與不同職稱級別之間的相關(guān)分析采用Spearman秩相關(guān)，檢驗水準(zhǔn)α=0.05；對于不同Z指數(shù)之間相關(guān)性采用Person相關(guān)檢驗，檢驗水準(zhǔn)α=0.05。

2 研究結(jié)果

2.1 代表作文獻特征

2.1.1 期刊分布 對近3年C大學(xué)參與職稱評審文章的期刊分布情況進行分析，共計340篇，其中328篇是以C大學(xué)為第一單位發(fā)表的。論文期刊分布情況如圖1所示，其中75.6%的文章發(fā)表在Q1期刊上，85%的文章所屬期刊影響因子在2~10，32篇發(fā)表在影響因子大于10的期刊上。

圖1 代表作發(fā)表期刊分區(qū)（A）和期刊影響因子（B）

2.1.2 學(xué)科影響力 如圖2-A所示，一半以上參與職稱評審的論文CNCI值大于1，CNCI值在0.4~1.5分布密集。如圖2-B所示，有5篇文章的引用量在學(xué)科內(nèi)排名前百分之一，36篇排名前百分之五，大部分文章分布在前10%至30%。參與職稱評審的論文主要集中在影響因子2~10的期刊上，在這個區(qū)間內(nèi)，論文本身影響力差異較大，故期刊影響因子不能作為有效的單一篩選指標(biāo)。與CNCI值的集中相比，學(xué)科領(lǐng)域百分比的分布更加分散，便于劃定標(biāo)準(zhǔn)進行論文的篩選。

圖2 代表作CNCI值（A）和學(xué)科領(lǐng)域百分比（B）

2.2 引證指標(biāo)與同行評審關(guān)系

參與職稱評審的論文多為近年發(fā)表的論文，被引周期短，本研究統(tǒng)計了出版年至次年引用及至評審年平均被引兩個指標(biāo)值。除了職稱論文的CNCI值之外，論文影響力評價指標(biāo)需要兼顧反映施引文獻的質(zhì)量，對于被引頻次不足的論文，施引文獻CNCI值能夠在一定程度上彌補出版年的差異，將這些指標(biāo)與同行評審結(jié)果進行相關(guān)分析［19］。同行專家定性評價與定量指標(biāo)評價互為補充，研究目的不是為了建立二者的相關(guān)模型，而是利用同行評審結(jié)果找到具有概括性的評價指標(biāo)，從而能夠利用定量指標(biāo)篩選代表作。

2.2.1 不同學(xué)科之間定量指標(biāo)比較 選取C大學(xué)參與職稱評審的論文分布較多的化學(xué)、臨床醫(yī)學(xué)、材料科學(xué)、藥理學(xué)與毒理學(xué)4個學(xué)科，對不同學(xué)科之間定量指標(biāo)的差異進行分析，結(jié)果如表1所示。除施引文獻CNCI外，其他指標(biāo)差異均有統(tǒng)計學(xué)意義。

表1 不同學(xué)科之間定量指標(biāo)差異分析

2.2.2 論文同行評議結(jié)果與引證指標(biāo)的關(guān)系考慮到學(xué)科之間差異，選取C大學(xué)參與職稱評審的論文分布最多的ESI學(xué)科化學(xué)學(xué)科的論文定量指標(biāo)與同行評審結(jié)果進行相關(guān)性分析。結(jié)果如表2所示，論文CNCI、至職稱評審年的平均被引、施引文獻CNCI與同行評審結(jié)果具有顯著相關(guān)性；出版年至次年平均被引及期刊IF與同行評審結(jié)果不具有明顯相關(guān)性。這也說明了目前以影響因子確定代表作的方法有失偏頗。在不區(qū)分學(xué)科的情況下，所有參與職稱評審的論文的指標(biāo)值與同行評審結(jié)果之間不具備統(tǒng)計意義上的相關(guān)性。定性評價與定量評價之間是互為補充的關(guān)系，不能互相取代。

表2 化學(xué)學(xué)科參與職稱評審的論文定量指標(biāo)與同行評審結(jié)果相關(guān)性分析

2.3 不同方法篩選代表作結(jié)果

選取具有代表性的藥學(xué)院、中藥學(xué)院、藥物科學(xué)院近3年參與正高和副高職稱評審的52位教授。分別用representative法、h指數(shù)核心法和本研究提出的Q1-PSA-CNCI法（所屬期刊分區(qū)Q1，學(xué)科領(lǐng)域百分比，施引文獻CNCI 3項綜合指標(biāo)）篩選代表作。

比較各教授發(fā)表論文以及用不同方法篩選出代表作的數(shù)量。結(jié)果如圖3所示，申報正高職稱的教授發(fā)表論文數(shù)的中位數(shù)是20，平均數(shù)為22，大部分發(fā)表論文數(shù)在15~25篇，申報副高職稱的教授發(fā)表論文中位數(shù)是10，平均數(shù)為11，大部分發(fā)表論文數(shù)在8~13篇；申報正高職稱的教授用h指數(shù)核心法篩選得到代表作的論文數(shù)中位數(shù)是7，平均數(shù)為8，大部分論文數(shù)在6~9篇，申報副高職稱的教授用h指數(shù)篩選得到的論文中位數(shù)是4，平均數(shù)是5；用representative法篩選得到的申報正高職稱的教授論文數(shù)除兩位有2篇，兩位有3篇之外，其余均為一篇，申報副高職稱的教授則9位2篇，17位1篇。

圖3 不同方法篩選代表作結(jié)果

由于representative法通常只選取出了被引量最高的論文，而僅一篇文章不能充分體現(xiàn)研究成果。h指數(shù)核心法選取得到的論文數(shù)量較多，起到的篩選作用不強。同時，序號22到38，評審年為2017年的論文被引頻次到2020年時發(fā)生了變化，從而導(dǎo)致h指數(shù)核心法篩選得到的論文數(shù)變化較大，這也與大部分申報教授論文的被引頻次在20之內(nèi)有關(guān)，在被引頻次偏低時，被引頻次的增加對h指數(shù)影響較大。

h指數(shù)的計算方式?jīng)Q定了h指數(shù)核心法不適于篩選近年出版的論文，因為論文發(fā)表前幾年的被引頻次可能普遍較低，因此引用量的變動會影響h指數(shù)核心法的篩選結(jié)果。同時h指數(shù)核心法篩選論文必然會導(dǎo)致學(xué)術(shù)生涯較長的學(xué)者篩選得出更多的代表作，也更容易篩選得到發(fā)表較早的論文?？紤]到代表作的選取一般為3~4篇，C大學(xué)職稱論文評審時也是選取3篇代表作，從論文數(shù)量的角度來看，h指數(shù)核心法和representative法均不適合作為代表作的篩選方法。

根據(jù)C大學(xué)參與職稱評審論文學(xué)科領(lǐng)域百分比的分布情況，選擇了TOP 20%作為基準(zhǔn)線進行篩選，使得大部分教授通過篩選能夠得到4~5篇代表作，再結(jié)合Q1分區(qū)，最后取施引文獻CNCI值前3的論文作為代表作。21位申報正高職稱的教授篩選得到3篇代表作，3位篩選得到2篇代表作，2位篩選得到1篇代表作；13位申報副高職稱的教授篩選得到3篇代表作，6位篩選得到2篇代表作，6位篩選得到1篇代表作，還有1位沒有符合篩選標(biāo)準(zhǔn)的代表作。部分申報副高職稱的教授能夠有符合標(biāo)準(zhǔn)的3篇代表作，這樣也給不同學(xué)術(shù)生涯教授之間的平行比較提供了可能性。

此外，各教授發(fā)文量和其篩選得到的代表作的數(shù)量并不完全正相關(guān)。例如樣本教授中，藥科院2018年參評正高職稱和藥學(xué)院2017年參評的教授，兩位教授雖然發(fā)文量不多，但學(xué)科百分位靠前的論文較多。這也說明了僅依靠論文數(shù)量進行評價的方法是不可取的。

2.4 代表作評價研究

2.4.1 基于Z指數(shù)的代表作評價Z指數(shù)的計算考慮了所有論文的引用情況，發(fā)文量較高但論文被引量較低的科研人員在Z指數(shù)的評價上會處于劣勢。Z指數(shù)在一定程度上能夠反映科研人員的整體影響力。因此將通過不同的篩選方法得到的代表作作為新的數(shù)據(jù)集引入到Z指數(shù)中，進行計算。

結(jié)果如圖4所示，比較不同方法篩選得到的論文Z指數(shù)以及所有論文Z指數(shù)之間的關(guān)系，被引頻次截止到評審年?？梢钥闯觯琙h指數(shù)更接近總體Z指數(shù)，當(dāng)教授存在某一高被引論文時，通過repre‐sentative法篩選得到的代表作會有較高的Z指數(shù)，使得Zr指數(shù)的排名與Z指數(shù)和Zh指數(shù)差異更明顯。教授自己選擇的代表作Zs并不都擁有較高的值。而Q1-PSA-CNCI法得到的Zq指數(shù)值一般高于總體Z指數(shù)值，低于Zr指數(shù)值，起到了篩選作用的同時，也區(qū)別于Zr指數(shù)局限在個別高被引論文上。

圖4 不同方法篩選所得代表作的Z指數(shù)

2.4.2Z指數(shù)相關(guān)性分析 從表3中可以發(fā)現(xiàn)，不同方法篩選得到的Z指數(shù)之間都通過了相關(guān)性檢驗，表現(xiàn)出了一定的相關(guān)性。其中Z指數(shù)和Zh指數(shù)之間表現(xiàn)出了極強的相關(guān)性，達到0.936，為所有結(jié)果中最高的。Zq指數(shù)和Zr指數(shù)之間表現(xiàn)出了較強的相關(guān)性，達到了0.830。Zs指數(shù)和其他Z指數(shù)之間表現(xiàn)出來中等程度的相關(guān)性，分別為0.588、0.536和0.569。

表3 Z指數(shù)相關(guān)性

2.4.3 不同學(xué)術(shù)影響力教授Z指數(shù)比較 經(jīng)過前述部分研究發(fā)現(xiàn)代表作和所有論文Z指數(shù)排名差異明顯。進一步比較參評正高職稱和副高職稱的教授之間Z指數(shù)的差異以研究各項指標(biāo)在職稱評定的實際應(yīng)用。結(jié)果見表4。

表4 申報不同職稱的教授不同Z指數(shù)比較分析

總的來說，Z指數(shù)反映出各科研能力水平基本與科研人員的影響力正相關(guān)。參評正高職稱的教授的不同Z指數(shù)平均數(shù)與中位數(shù)均高于參評副高職稱的教授，但不同職稱教授之間Zq之間沒有統(tǒng)計學(xué)意義上的顯著差異。Z指數(shù)本身能夠平衡論文數(shù)量與質(zhì)量，以Q1-PSA-CNCI法能夠篩選出合適數(shù)量的優(yōu)質(zhì)論文。這一結(jié)果表明即使在論文總數(shù)上可能不占優(yōu)勢的年輕學(xué)者，只要具備了一定數(shù)量的代表作，使用Zq指數(shù)便能夠進行橫向的直觀比較，這對于推行代表作制度意義重大。

3 討 論

相較于h指數(shù)核心法和representative法，本研究提出的Q1-PSA-CNCI法不僅能夠規(guī)避h指數(shù)核心法導(dǎo)致的代表數(shù)量過多進而稀釋了高水平研究成果價值的先天劣勢，而且能夠避免representative法由于少數(shù)高水平研究成果導(dǎo)致代表作數(shù)量較少的先天劣勢，通過綜合發(fā)文期刊區(qū)屬、學(xué)科領(lǐng)域百分比和CNCI優(yōu)化代表作數(shù)量構(gòu)成。此外，通過對各項指數(shù)的比較發(fā)現(xiàn)，各項指標(biāo)間存在顯著的相關(guān)性，并且由Q1-PSA-CNCI法衍生出的Zq指數(shù)可以應(yīng)用于青年學(xué)者的評價。

3.1 Q1-PSA-CNCI法篩選代表作，克服“以刊評文”

對SCI期刊的盲目追求，使得之前學(xué)術(shù)界存在著“以刊評文”的現(xiàn)象。期刊影響因子可在一定程度上表征其學(xué)術(shù)質(zhì)量的優(yōu)劣，但影響因子與學(xué)術(shù)質(zhì)量間并非呈線性正比關(guān)系，不能直接對期刊影響因子數(shù)值進行比較［20］，亟需采取恰當(dāng)?shù)姆椒▉磉x取代表作。

采取不同方法篩選得到的論文代表作結(jié)果并不相同。h指數(shù)核心法不適于篩選近年發(fā)表論文，論文出版時間較短，被引頻次普遍較低時，小幅增長也會引起h指數(shù)的變化。而representative法一般能篩選出高被引的論文，當(dāng)需要對學(xué)者高被引論文進行比較時，可以選擇representative法篩選。但representative法篩選出的論文數(shù)量可能普遍較低，且無法采取統(tǒng)一標(biāo)準(zhǔn)調(diào)控。本研究針對目前存在的代表作篩選方法的優(yōu)缺點，根據(jù)PR8分值法，創(chuàng)造性地提出了Q1-PSA-CNCI法篩選代表作，不受出版年和學(xué)科類型的影響，且能夠根據(jù)需要設(shè)置不同的值來調(diào)控論文數(shù)量。同時，根據(jù)不同學(xué)科被引頻次百分位篩選代表作時，排名差異明顯，因此在界定代表作時，可以根據(jù)參與評價的學(xué)者水平，選擇合適的基準(zhǔn)線。最后，針對可能存在的高質(zhì)量論文被引頻次較低的情況，加入了施引文獻指標(biāo)，豐富了篩選標(biāo)準(zhǔn)。該方法能夠快速幫助學(xué)者篩選出合適的代表作，而不僅僅是根據(jù)期刊影響因子來判斷。

3.2 Z q指數(shù)推動代表作評價

h指數(shù)已經(jīng)得到了廣泛認可和使用，而Z指數(shù)在其基礎(chǔ)上進一步發(fā)展，具有更加科學(xué)的評價意義。本研究采用的Zh指數(shù)、Zr指數(shù)和Zq指數(shù)等是在Z指數(shù)的基礎(chǔ)上進一步發(fā)展而來，在一定程度上克服了Z指數(shù)的缺陷。各種篩選方式不同得到的Z指數(shù)都具有相關(guān)性，采用Q1-PSA-CNCI法得到的Zq指數(shù)，并沒有簡單按照被引頻次篩選，卻與Zr指數(shù)相關(guān)性最高，被引量表現(xiàn)較好。同時，針對不同職稱的教授進行Z指數(shù)的比較，只有Zq指數(shù)在不同職稱之間沒有顯著差異。不同職稱教授實際上處于不同的學(xué)術(shù)生涯階段，考慮到年輕學(xué)者的學(xué)術(shù)生涯較短，采用Zh和Zr指數(shù)都會受早期發(fā)表的引用較高的論文影響，而Zq指數(shù)在篩選過程中極大減小了出版年的差異，且能夠以數(shù)值的形式進行直觀比較，充分發(fā)揮了定量指標(biāo)直觀、客觀、可比較的優(yōu)勢。只要具備了一定數(shù)量的代表作，年輕學(xué)者在Zq指數(shù)上便能夠有較好表現(xiàn)，Zq指數(shù)可以作為代表作評價的有效指標(biāo)。

3.3 選擇“小同行”，定性定量結(jié)合評價

從定量指標(biāo)的規(guī)律來看，區(qū)分學(xué)科至關(guān)重要，不同學(xué)科之間差異顯著，不具備可比性。對于同行評審也應(yīng)當(dāng)盡量選擇研究方向相近的“小同行”，同行評審與定量評價是互為補充的關(guān)系。評審意見和定量指標(biāo)不一致的，要看具體意見，一方面可能是同行評審的選擇有問題，沒有精準(zhǔn)選擇“小同行”；另一方面也可能是作者發(fā)了影響因子虛高的期刊，而這期刊業(yè)界并不認可，或者文章高被引是由于否定引用、作者課題組自引高等原因?？蒲性u價需要采取定性與定量評價結(jié)合的方式，以定量評價提高效率，優(yōu)化同行評審，選擇小同行更好地進行代表作評估。

本研究提出了一種新的學(xué)術(shù)認可度法（Q1-PSA-CNCI）來篩選代表作，然后基于Z指數(shù)模型對藥學(xué)科研人員的代表作進行評價，希望相關(guān)方法和研究成果能夠為其他學(xué)科領(lǐng)域選取代表作及推進代表作評價提供參考和借鑒。