发布时间：
算高单纯从次数上看的确很厉害，不过要看该文是什么类型的文章，如果是原理创新型文章，那是水平很高。如果是测量实验类的文章则未必，因为这样该文章就是提供原始数据，大家因为都要用到该数据所以引用次数高。被引次数是指该篇论文发表后，截止目前被其他论文在参考文献中引用的次数。论文引用率是衡量一个国家科研文献被其他国家或机构的认可度的标志（或数据等）。
亲爱的楼主：论文引用率是指科学论文对文献的引用次数。论文引用率是衡量一个国家科研文献被其他国家或机构的认可度的标志（或数据等）。中国的论文发表量世界第一，引用率却是100名以外，这种现象是浮躁风、传统文化的影响、科学历史、科学技术上不成熟造成的。我觉得你从被引用频数上还是能初步判断他的学术水平的，当然现在有很多自引的，就是自己的一篇文章引用另一篇文章，如果是通过这种方法获得的引用频次，那他的水平还是有待考察的祝您步步高升记得点击采纳为最佳答案哦，谢谢咯
“说实话，我很不喜欢「人工智障」这个词。”
在与掘金志的聊天中，一位从事计算机视觉方向的算法工程师多次表示，他讨厌这个词很久了，几乎是本能的反感，即便只是一种调侃，在他看来都是一种嘲讽。
这种嘲讽就好像是，一名路人，对着自己刚刚学会爬的孩子冷嘲热讽：这孩子真笨，连路都不会走。
他甚至坦言，如果身边有同事使用这个词自嘲，他会刻意与之保持距离，因为这种自嘲实属对自己的工作、对专业知识的“不尊重”。
拥有他这种技术性癖好的工程师不在少数，在掘金志询问的多个从业人员之中，都表达了类似观点：通常被问及人工智能水平时，类似表述以 「弱人工智能」 为准。
某负责品牌传播与公关的业务专员透露，如果在对外交流中使用了「人工智障」之类的词，被举报或是被公司发现，“直接影响绩效考核”，因为这类不专业的表述很可能导致负面的传播效果。
在与这些人的谈话中，掘金志发现，在AI圈内，从业者对于AI有着清晰的认知，在外宣的时候，对AI的负面化表述都较为严谨。
然而，在圈外，接二连三发生的各种AI事故，让大众对AI的真实能力产生诸多怀疑，关于人工智能变成人工智障的言论甚嚣尘上，唱衰人工智能的声音时常见诸报端。
表面上，这只是一场关于AI的舆论争议。但，其实质却是企业与大众对AI话语权的争夺，并会直接影响到AI的推广、落地与应用。
“如果大众无法对新技术形成有效的认知，那么新技术的推广则是非常缓慢的。” 某传媒大学在读研究生表示，大众对于新技术的接受能力是逐层递进的，这个进程很容易受到舆论影响，而负面舆论则存在一种 「爆破效应」 ，可能会直接摧毁此前建立起的「信任基础」。
比如自动驾驶，公众对其的信任基础很薄弱，出现多次事故之后，这种信任实际上已经消耗殆尽。
相关调研报告显示，自动驾驶一哥——特斯拉FSD在国内的激活率不足10%，甚至相当一部分人没有开通AP服务，即便在开通的人群中，也很少有人会使用AP功能。
这种现象固然有其客观原因（比如路侧数据不够、算法能力有限），但从舆论传播的角度看，自动驾驶的一次失误，比起传统 汽车 的十次车祸更加严重，从而也给自动驾驶的进一步落地，带来阻碍。
那么，如何给大众建立起对AI的有效认知，推动AI更快、更广泛地落地？
掘金志通过采访之后认为： 媒体报道、企业外宣、大众知识普及教育 ，是三个最主要的途径。而围绕着大众展开的各种「认知教育」，也注定是一场旷日持久的「攻坚战」。
人工智能应用有一个有趣的悖论： 当一种AI技术已经非常普及的时候，人们普遍不会认为这就是AI。
好比上世纪八九十年代，一台黑白电视机可能是划时代的象征，需要手动调频；但现在遥控型的彩色电视机成为标配，人们也不觉得这就算智能。又比如，小区停车场通过车牌识别进出、刷脸进入小区等，在近几年开始普及，但人们很少将之与AI联系起来，即便这里面实际上用了各种识别算法、芯片等等。
在大众的认知里，人工智能理所应当达到电影里机器人的水平，或者近似人一样地思考、行动。
“大众有时对于人工智能过于乐观，甚至高估。” 中国计量大学信息学院副教授、人工智能专业负责人杨力认为，作为走向 社会 的新技术，人们对AI的理解并不全面，认为AI应该无所不能，这种认知与实际并不相符。
在掘金志看来，大众对于人工智能的认知比较浅层，这主要表现在两个方面：
这种浅层认知很容易被诱导，而在一些不着边际的宣传之下，AI本身的能力被过分夸大，大众对AI产生盲目「自信」或高估。
“外行看热闹，内行看门道。”
杨力表示，以人脸识别为例，5年前可能人们会觉得很神秘、先进，但在经过消费类电子的普及之后，许多人觉得人脸识别已经没什么难度了。当他给学生们授课讲人脸识别时，同学们都觉得这已经是很成熟的技术，“并不新鲜，难度不大。”
但其实人脸识别距离高度智能化还有很长一段距离，在许多复杂场景下，很难捕捉到有效的人脸信息。并且，人脸识别在小规模（数据库较小）场景下效果很好，但当数据库非常大的时候，识别的准确率就没那么高了。
“大众由于缺少专业知识，很容易把复杂问题简单化，但从事AI研究的人对此却非常谨慎，普通人觉得简单的技术，从业者可能会觉得‘这个做不了，那个做不了’，简单而言， 就是望山跑死马的感觉。 ”
掘金志发现，由于缺少专业的通识教育，大众对于人工智能的了解渠道比较单一，多数是通过媒体报道、企业宣传这两种途径来触及AI，只有小部分人会自发研读相关书籍、学习课程，以增进了解。
从传播的角度看，如果受众获取信息的渠道有限，那么该信息渠道的控制人将具有信息传递的「控制权」，形成一种「舆论垄断」的局面，而信息在经过多次传播之下，极易「失真」。
实际上，这种「失真」是在所难免的。在AI的传播过程当中，形成了圈内和圈外两大群体，由于人工智能本身属于较高门槛的专业，圈内（企业）和圈外（普通受众）之间的连接，主要通过媒体来实现。
但媒体宣传存在问题是，许多从业者要么科班出身，要么跨界转型，真正懂AI的媒体人只有少数。并且媒体本身随着大数据、互联网技术的变化，进一步下沉到各平台，又造就了无数自媒体，形成了媒体界良莠不齐的局面。在流量导向的环境下，各种消息报道层出不穷，而这类信息又存在「放大效应」（比如标题过于惊乍），以至于大众接受到的信息与实际信息存在「误差」。
在人工智能最为火热的时候，不少AI企业为了拿融资、打知名度，纷纷投放广告、软文，宣传产品，造成人工智能已经能够大规模落地的假象。后来AI遇冷，大众对AI的调侃某种程度上可以看作是前期宣传过于猛烈的一种「反噬」。
当然，圈内也注意到大众传媒存在的局限，不少企业在重要的社交平台上都开辟了宣传渠道，但由于内容差异（比如太垂直、产品推广）或渠道差异，并不符合C端属性，多数AI企业无法直接建立起与大众的有效连接。
因此，在“企业-媒体-大众”这一传播链条下，由于大众传媒本身存在机制缺陷，导致大众很难在参差不齐的信息中，建立起对AI的有效认知。然而企业又不得不依赖大众传媒来宣传AI， 这种内在矛盾，是造成圈内与圈外对AI产生「认知差异」的重要原因。
“归根到底，还是AI人才太少。”在杨力看来，人才是推动产业发展的核心力量，当前AI处于爬坡阶段，技术本身的问题是造成大众对AI产生质疑的根本因素，舆论传播一定程度上加剧了这种影响。
解铃还须系铃人，不论是AI纵深发展，还是横向传播， 只有AI人才，可以给AI「正名」， 但现阶段的情况是，国内AI人才极度紧缺。
“应用型人才真的太少了。”杨力感叹道，当AI从空中楼阁走向田间地头，懂技术又懂行业的人“真的不多”。
而在工信部《人工智能产业人才发展报告（2019-2020）》（下称“报告”）里，预计我国人工智能产业内有效人才缺口达 30 万，而这仅是两年前的数据。实际上，在过去的两年里，根据掘金志观察，AI企业对人才的需求持续旺盛，整个AI产业的应用人才缺口进一步拉大。
作为技术/知识密集型产业，AI的人才准入门槛较高，对学历、工作经验非常看重。
根据报告，2019年AI企业发布的岗位中，仅有11.9%的岗位接受专科学历；也仅有5.4%的岗位接受1年以下工作经验的求职人才；接受提供应届生的岗位仅占3.3%。
这意味着要从事AI行业，基本上要求本科学历，同时，由于多数AI企业缺乏人力、资金和动力去培养应届毕业生（至少一年以上），企业对应届毕业生的需求并不旺盛，而更青睐那些拥有知识储备和实践经验的人才， 这种“排新”性质的招聘需求，又加重了人才短缺情况。
除此之外，AI对人才的专业性要求极强，尤其是算法研究、应用开发等岗位，60%以上岗位要求具备计算机、数学相关专业背景。
各种线性条件约束下，原本就短缺的AI人才，显得更加「紧俏」。
一位AI初创公司HR告诉掘金志，招人是一件很困难的事，“专业、学校、工作经历筛选下来，符合条件的人很少，加上公司要的是进来立马能产出的人，还要考虑薪资这些因素，优秀的人才很难招到；而走校招的话，优秀的毕业生早早被互联网、明星AI公司签下，剩下的也更青睐大公司。筛选去筛选来，选择真的不多。”
除了缺少与行业相结合的应用型人才以外，在杨力的观察之中，AI的另一个人才缺口， 是能够“扎下心来做基础性工作”的理论研究型人才。
根据斯坦福发布的《2022年人工智能报告》，虽然我国在AI 期刊论文的引用数、会议论文发表数量以及在人工智能专利申请数量上排名世界第一，但在AI会议论文被引数上却远落后于欧美。并且，一些创新性的基础理论、前沿 科技 的研究仍以欧美为主。
“很多人工智能的基础理论，都是由外国人/机构提出来的，比如现在比较火热的深度学习。”
杨力表示，这与我国人工智能起步较晚有很大关系，要弥补这样的差距，除了要加强对基础理论研究的资金、人才投入以外，也应该建立起标准的AI人才培养体系，为AI研究提供源源不断的人才活力。
“学校是培养人才的摇篮，理想的情况是， 一部分学生毕业以后从事理论研究，更多的毕业生进入行业，通过产学研联动，来推动AI的落地。”
掘金志了解到，当前我国人工智能产业已经初步形成“政产学研一体化”人才培 养生 态体系，但仍然处于起步阶段。2019年，人工智能专业正式获批列入本科专业名单，国内诸多高校开始自建或与企业共建人工智能学院（研究院），并开设AI专业。
然而，对于如何培养专业的AI人才，各大高校也正处于摸索之中，尚未形成行之有效的范式。
2019年，国内人工智能专业正式获批，被列入本科专业名单，但开办专业需要经过课程建设、实验条件、专业申报等流程，多数学校于近两年才开始正式招生。
换句话说，距离最早的一批AI本科生毕业，离毕业也还需要大概一到两年的时间。
如何把这一批新生培养成才，来填补当前存在的人才缺口，是一件并不容易的事情。此外，未来的第一批毕业生，其综合能力是否达标也极具象征意义。
“一方面，人工智能专业学的内容很难， 以前很多研究生阶段才开设的课程，现在放到本科阶段来学了， 对学生是一种压力，对老师的教学方式、技巧也带来挑战；另一方面，如何将人才培养与 社会 需求结合起来，让学生能够学以致用，也是难点。”
作为人工智能领域的资深学者，杨力在多年的执教生涯中，除了对AI有着深入的研究与思考外，也 探索 出了一些关于培养AI人才的「方法论」。
“首先要尊重学习规律。” 杨力告诉掘金志，AI本身对实践能力的要求较高，这就不能照搬传统学科的培养模式，即大一大二侧重于理论，大三大四侧重于专业。而应该理论和实践并用，先学习、再实践，在实践中学习，然后呈“螺旋式上升”。
在具体举措方面，他表示，可以通过成立 「科创小组」 的模式，鼓励学生以团队协作的方式参加各种学习竞赛、研究课题。
这种小组模式的优势在于：小组覆盖全体学生，通过团队协作，形成内部互帮互助的学习氛围，让成员都能参与到实践之中，成为一个「利益团体」；并且，小组的持续时间覆盖学生的整个大学生涯，所有成员都能共享「利益成果」。同时，小组成员之间互相帮助，从某种程度上也能给老师减轻压力。
“其次要因材施教，激发学生对AI的求知欲、 探索 欲。”
杨力表示，学生对AI的学习兴趣也呈现出明显的「二八定律」，即20%的学生求知欲很强，而80%的学生兴趣一般。
“对于这20%的学生，你只需要告诉他怎样做到最好，并且告诉他这个过程中需要注意的事项、细节，其余的无需太过关心；而对于80%的学生，他们的兴趣没那么高，就需要比较细致的指导，并且需要搭配一些「强制指派」，例如直接分配任务让他们参加。”
“再而，通过激励机制来刺激学生的创作灵感。”
比如，在课程设计时，将创新性纳入评分标准之中，以课程成绩来驱动学生进行创新。
例如，在做某个案例时，如果学生只是根据老师列的步骤照猫画虎，其成绩最高可能也就刚好及格，而剩下的分数则全靠个人创意和发挥。
“大多数学生需要老师给一些推力，而成绩就是最好的激励。”杨力表示，学生为了拿更高的绩点，便不得不“多费心思”，而不是敷衍了之，最终交上来的作品“往往有很多意想不到的亮点”。
“最后，教师与学生之间要形成良性互动的正循环。”
本科教学存在的一个普遍问题是，学生与教师之间的互动较弱，或者只存在于课堂之上，课外的联系非常少，“上课是师生，下课是路人”的情况并不少见。
在杨力看来，如果老师仅仅把教学当作是一种工作任务来完成，那么学生也会采取应付的态度。相反，如果老师富有责任感，学生也会受到其“以身作则的影响“，更有进取意识。
因而，老师可以通过带项目、线上线下互动等方式与学生沟通，来了解学生的需求，给自身的教学工作进行反馈，而这种反馈最终又将通过教学的方式来触及学生，形成「师生共赢」的局面。
除了培养AI人才方法论外，杨力也指出，培养人工智能专业人才需要 破除「唯研究生论」。
“读人工智能专业必须读研究生，不读研究生就没有前途。”
不少人持有这样的观点，但杨力却坚决表示反对。他认为，原来很多研究生的课程已经下放到本科来学，本科阶段的人才培养成体系之后，学生的理论、实践能力将能够满足AI行业的基本需求，一味追求研究生教育，只会造成AI圈越来越卷，无助于缓解行业人才短缺情况。
“当然，研究生教育也很重要，但研究生人才培养可能更应该倾向于基础理论方面， 而AI的规模化落地，需要更多应用型人才去推动。”
举个例子：很多传统制造业引进了人工智能，比如机械臂、自动化生产设备等，但由于缺少应用型人才，企业买回去的设备不知道该怎么使用，也不知道如何做到效益最大化，更不懂运营维护。
这样的岗位，并不需要从业者非常深厚的理论功底，而是有AI基础，又懂行业的人才。而在传统产业智能化升级过程中，类似的人才缺口非常大。
“实际上，当AI走向各行各业、落地之后，对人才的需求也会发生变化，而在本科阶段，通过理论学习加上与专业相关的 社会 实践，也能培养出优秀的人才。”
在刚结束的冬奥会上，杨力教授带领他的团队做了一个智能辅助技术，可通过视频来实现对选手动作进行回顾与分析，给裁判打分给予参考。
虽然只是一个比较简单的行为识别，模型并不精巧，市场上有很多AI公司具备开发该技术的能力。但让人欣慰的是，这个项目一经提出，学生们便踊跃参加，在导师的指引下，一步步挖掘数据、标注、建模、训练、测试，整个过程持续两周之久，大部分工作由学生完成，而且是在春节期间，有同学甚至因为出力不够而深感抱歉。
“Talk is cheap.”在杨力看来，这个项目别人有能力做，然而只有他们去落地实践了，并且整个项目由大一学生完成，过程远重于结果， 他们“代表着AI领域的新生力量。”
做这个项目也并非一帆风顺。
该项目的成员，中国计量大学信息学院 21级人工智能专业学生，蒋正阳告诉掘金志，小组在建模的时候，要么网络太大训练太慢，要么网络太小而不适合要求，难以达到预期目标。同时，训练也会遇到算力不够的情况。
经过多次失败尝试之后，小组不得不求助于杨力教授，后者补充了一种网络结构，该结构下，模型变得相对“较轻”，训练也可以符合预期。
最终，小组成功研发出“单板滑雪AI裁判技术”。该技术可在画面模糊、相机高速运动、长距离全景画面等复杂场景下，对运动员是否抓板进行精准识别，从而为裁判打分提供依据，助力「冬奥公平」。
“我们的专业知识有限，需要继续加强理论学习。通过这个项目，我们了解了从零开始做项目的过程、方法、难度，积累了经验。当然，最后看到项目跑出来的结果，内心还是很欣喜的。”蒋总结道。
杨力认为，遇到问题很正常，关键在于去行动、实践了。“人在学走的路上，会跌倒很多次，但不能因为跌倒，就只学爬，这样永远也不会走。”
这何尝不是国内AI发展的缩影。
在经历无人问津的韬光养晦期之后，国内AI于10年开始蓬勃发展，商汤、旷视、云从、依图等一众AI公司先后诞生，受到资本热捧，撑起国内AI的希望。但激情燃烧之后，随之而来的是行业落地难、商业化难、变现难等各种质疑。
如今的AI，正处于从爬到走的摸索期，磕磕碰碰、跌倒摔倒等时有发生，也被大众调侃成「人工智障」。
但杨力对此并不沮丧，反而感到乐观， 因为“有越来越多的企业、越来越多的人才参与到AI的发展、推广、落地之中”， 在“政产学研”模式的推动之下，AI也将被掀开神秘面纱，显露出最真实的样子，而大众在未来也会对AI形成一个“全面、客观”的认知。
在掘金志与多位AI从业者的交流过程中，几乎所有人都对AI充满希望，即便AI仍然处于「弱人工智能」阶段，他们仍然坚信，AI有着光明的未来。
“AI的浩海不止于边边角角，而在于改变世界。”开篇吐槽「人工智障」的那位工程师告诉掘金志，即便改变世界的路途，充满坎坷，但 “因为热爱，所以坚持。”
而对于大众的一些调侃和质疑，他迟疑了一下，回道：
“请给AI一些包容。”雷峰网雷峰网
“被引次数”是指该篇论文发表后，截止目前被其他论文在参考文献中引用的次数。
正常。电化学实验可以同时进行好几个，因此效率相比传统环工出数据更快，这是毋庸置疑！徐龙乾本人亲自下场回答了该提问。他表示，没想到竟然在知乎热榜看到自己，首先更正了一些细节，就是他本人18年毕业后申请同济大学没录取，在导师的帮助下在实验室当科研助理，等了一年再上的同济，因此至今在组里已经4年
作为一名准研究生，三年16篇是非常不容易的，所以破格推荐授予博士学位也是可以理解的
去年，“四川大学华西临床医学院 2019 届毕业生发表 46 篇 SCI 文章”引起热议，在过去近一年之后，近日，这个话题再度被提起。 我发现，当事人 邓汉宇博士 ，目前已是四川大学华西医院肺癌中心（胸外组）医师， 四川大学华西临床医学院八年制本科 生导师 。担任Langenbeck's Archives of Surgery、PLOS ONE等 多个SCI杂志审稿人 。据邓博士的ResearchGate（一个科研社交网络服务网站）显示，邓博士目前已经发表 文章82篇 。其中一篇发表在 EJSO 上的文章 入选了ESI前1%高被引论文 （谷歌学术显示该论文已被引25次）。 入选ESI前1%高被引论文题为：“ Sarcopenia is an independent unfavorable prognostic factor of nonsmall cell lung cancer after surgical resection: A comprehensive systematic review and meta-analysis ”，邓博士发微博表示：“我们的精准肺外科诊疗研究论文继续成为ESI（到十一月/十二月2019为止）高水平论文！（Web of Science统计中， 四川大学外科学研究方向中仅有的5篇高水平论文之一！ ）”。 01 争议不断 是“开挂”还是灌水？ 去年，按照惯例，华西临床医学院公布了的2019届荣誉毕业生。但 3名荣誉毕业生发表的SCI数量之多，引起了大家的关注和质疑。 3个荣誉毕业生发表的文章分别为： 荣誉毕业生A：SCI论文46篇（第一作者41篇，共同第一作者5篇），影响因子大于120分。 荣誉毕业生B：SCI论文30多篇。 荣誉毕业生C：发表SCI论文31篇，影响因子95.56分，其中第一/并列第一作者身份发表SCI论文20篇。 荣誉毕业生A就是争议最大的华西胸外科邓汉宇博士 ，从2016年入学以来，他已经发表SCI论文46篇（第一作者41篇，共同第一作者5篇），影响因子 大于120 分，40多篇论文包括： Original research：16 篇 Comments： 9 篇 Meta 分析：10 篇 其余为 letter。 很多网友质疑其文章的真实性和质量，认为无法在如此短的时间类完成这么多篇文章，是否存在抄袭和灌水的可能。甚至有华西医学院内部人士匿名评论。 46篇文章多为 2-3 分左右的期刊或者杂志，其中一篇 11 分左右的高分文章是 letter to editor，SCI 论文中一些 comments，letter 严格意义上来说并不算科研论文。 SCI杂志的文章的几种类型 Original Artical 论著： 这个是最为常见的一类，分为基础性和临床性文章。基础性文章就我国现在普遍在发的文章，属于前瞻性的一个研究，通俗的一个说法就是我们假设一个思路，然后通过实验来得出一个结论来证明我这个思路，得出的结果两种情况一个是阳性(符合我的思路)一个是阴性的(不符合)大家不要认为阴性的结国就发不了SCI，阴性的同样可以发SCI，可以想象它告诉了我们这样的思路是得不出来这样的结果，也是对国际科研的一个贡献。这类文章需要经过peer review，审稿周期较长，哪怕是低分杂志，从投稿到录用半年多是家常便饭。 Review： 也就是综述，是在对某研究领域的文献进行广泛阅读和理解的基础上，对该领域研究成果的综合和思考。一般认为，学术文章没有综述是不可思议的。需要将“文献综述( Literature Review)” 与“背景描述 (Backupground Deion)”区分开来。“文献综述”并非一般的“背景描述”，还需要对该领域研究成果的思考。 Meta分析： 针对一个不同研究得出的结果有争议的科学问题，利用统计学方法将这些研究（以RCT为主）的结果放在一起，得出结论的文章。 Comment、invitedcommentary、editorial评论： 对最新发表(时效性)的某篇论文进行评论，一般是杂志邀请相关领域专家进行受邀评论，被评论的文章往往具有重大临床或科研意义。录用周期较短，基本可以控制在一周内。 Letter to editor： 致编辑函/信是读者针对某篇感兴趣的文章写的读后感，或延续要告诉期刊内容。字数限制约300-500字，也有杂志要求不超过150字，一般无具体格式要求。杂志接受针对最新发表论文写的letter(时效性)，超过规定的时间不再接收。 读者若具备相应研究基础，能提出独到观点，一般容易被杂志接收，甚至是一些顶级杂志。 因为不同类型的SCI撰写难易度和接受周期不一样，综合来看， 三年一作发46篇SCI是一个可以做到的事情。 网友争议的点主要集中在邓博士发表的文章类型和 文章质量。 根据 2019 年公布的影响因子，计算 Nature、Science、Cell 三大顶级期刊杂志影响因子总和为： 43.07+41.037+36.216=120.323 也就是说邓博士三年发表论文影响因子达到了 CNS 之和。 试想如果邓博士三年发了 CNS 级别杂志的一作文章，相信他作为博士毕业生的优秀代表不会引起任何非议。 因此，网络上对邓博士的评论，渐渐的分成了两个大阵营： 一种认为，这就是一种论文“灌水”行为。 孔柚： 我只能承认他很能写，是不是灌水，有没有含金量，也只有他本人知道了。 fromiccas： 不喜欢灌水型研究，真要比，井冈山大学不是还有人一年一百多篇吗？我是希望学生都能够在主流杂志上发表文章，但是我的学生能发到macromolecules我就心满意足了。做研究，要有代表性的方向，代表性的工作。 知行合一： 三年46篇，三年就是36个月，不到一个月一篇，这种短平快的东西做出来能有多大学术价值，我表示怀疑。 一种则认为，“承认别人的优秀没那么难，能发这么多篇是能力的一种体现。” Jenny： 没问题啊，那是人家能力和实力，存在就是合理的。他又没造假。 E.： 如果没有科研条件去写高分的，小课题做的快，多发几篇也是错吗？况且 16篇research都是实实在在的呀，没事时看看别人的研究写写与自己课题相关的letter和meta 也是一种努力啊，为什么要说人家水？个人觉得他只是在能力范围能尽了全力而已。 木兰舟： 那也不可否认16篇original article。三年16篇还要怎样。 02 本人发文回应 瞎喷没用，干点实事提升自己才是正经 面对争议，2019年8月20日，邓博士本人在知乎上曾对此事进行了回应： 我是四川大学华西临床医学院2019届荣誉毕业生本人(这里需要解释一下，我们荣誉毕业生是针对本科生，八年制是作为本科生进行评比，所以不涉及和传统博士的评比；其次，荣誉毕业生是同专业同学选举出来，而不是学院老师指定)。等最近忙空了，我想在知乎上给大家分享sci思维、写作、投稿等方面的经验，希望能够让没有sci的同学，也能够有机会发表sci，至少能够不为毕业而焦头烂额。在这里给大家谈几点自己的想法： 第一，我是华西临床医学院的8年制本硕博连读专业的学生（2011年入学）。华西的八年制，大概比清华北大录取线少20分左右吧。八年前，我高考失利，与清华北大无缘(可以去我的高中调查一下真相)，于是选择学医，选择八年制。所以，本人学习能力可能比较强吧，因此读文献、写文章的能力也相对来说比较强吧。 第二，8年的时间里，我分成了两个阶段。前4年的本科学习，所以我花了高中努力程度的70%，轻松达到平均分90分的成绩，单科解剖学，诊断学等临床基础课程，专业第一。临床功底，可以去春雨医生或者好大夫检索一下我的治病救人诊疗经验以及病人对我的评价。后4年研究生的学习，我很庆幸自己选择了胸外科专业，因为我热爱这个专业，我每天看专业文献就像放松心情一样地娱乐，所以我会写原始研究，写meta分析，写letter表达自己的想法和观点(请注意，这是我的爱好，因为能够和全世界胸外科医师交流，这是我感觉愉悦的事情。)。做科研，在我最开始的时候，我是抵制的。后来培养了兴趣，尤其是我能够把临床问题，转化为科研（所以我的文章，都是临床的。关于基础研究，我确实不太通晓），为我的病人提供最新的诊疗意见，我觉得值了。(可以参考一下我在春雨或者好大夫平台发表的自己的研究成果)。 第三，我对待科研文章，如同对待挚友，进行交流和学习。 不做科研的医生，不是一名合格的医生，因为他不懂得思考和解决临床问题，一味地去接受他人的观点，没有自己的想法，不去解决自己的问题的医生，是很危险的。因为病人情况都是个体化的，医学作为实践性经验性学科，就是需要发现问题，解决问题。这里补充一下——胸外科有很多没有一致定论的东西，包括早期肺癌的手术，如果一个医生不去思考如何为病人做一次最佳的切除范围，那他只会给病人和家属带来不必要的担心，甚至术后复发转移。我见过太多这些的医生，所以我才发出此感慨。 第四，关于灌水。 我很庆幸我选择自己感兴趣的研究方向，发表在自己的专业杂志上，没办法我们胸外科相关的杂志，大概就是几分的水平。试问，高影响因子的文章，谁不想要呢？但我想，懂行情的人都会知道，不是每一个学生都有这样的机会和资源！况且，各大医院的院长、主任们，也不见得都是发表高影响因子的文章吧。 第五，大家如果感兴趣，我很愿意和大家分享科研经验： 微博： 第六，我最后给大家解释一下，我在最后三年，也就是从2016年开始，在华西医院各科室实习一年，从2017年，在华西医院肺癌中心上临床作为住院医师参与一线工作(收治病人、值班等)一年半左右。 最后半年多时间里，完成专业博士毕业论文。 第七，我总结我以上所说的，我并不觉得自己怎么样怎么样，大学的八年里，相比于其他的荣誉毕业生，别人从一开始就叱咤风云，而我并不属于学院的知名人物（毕竟我不喜欢搞学生会工作，不喜欢互联网竞赛，不喜欢加各种协会……我们同一届的其他专业的，大多都没有听说过我这个名字），没想到在最后毕业的时候被选出来作为本科荣誉毕业生，我只是觉得自己的付出和努力，没有白费。我常常给同学朋友开玩笑说，“我是拿了5年的励志奖学金，最后一年终于励志成功，拿到了国家奖学金”。 最后总结一下，我做这一次的正面回应网络各种形形色色的人，就是要让你们知道，大学里努力了的人，你们瞎喷、瞎黑，是没有用的！别一天没事干了，吃饱了就在网络上消化，干点实事，努力提升自己的专业和学习能力，对你自己才是最好的！ 邓汉宇，男，中共党员，胸外科博士，四川大学华西医院肺癌中心（胸外组）医师，四川大学华西临床医学院八年制本科生导师。师从于被誉为“中国肺外科第一人”的周清华教授，获四川大学临床医学学士学位及胸外科学博士学位。现为欧洲胸外科医师协会（ESTS）会员、美国外科医师学院（ACS）会员、国际肺癌研究协会（IASLC）会员、中华医学会胸心血管外科分会会员、中国抗癌协会肺癌专业委员会会员、中国抗癌协会癌症转移专业委员会会员。 累计发表论文60余篇，其中以第一作者、共同第一作者、通讯作者身份在JAMA Surgery、European Respiratory Journal、Annals of Thoracic Surgery、European Journal of Cardio-Thoracic Surgery、Annals of Surgical Oncology、World Journal of Surgery、European Journal of Surgical Oncology、Diseases of the Esophagus、Interactive Cardiovascular and Thoracic Surgery、Journal of Thoracic Disease等杂志发表胸部肿瘤外科学相关英文SCI文章50余篇，累计影响因子大于120分（）。受邀作为Langenbeck's Archives of Surgery、Annals of Surgical Oncology、PLOS ONE、World Journal of Surgical Oncology、Journal of Investigative Surgery等SCI杂志审稿人。多次受邀参加ISDE、OESO、ASCVTS、ESTS、MRS、WCLC等国际会议以及中华医学会胸心血管外科分会年会、青年医师论坛、川渝食管癌年会及四川省胸心血管外科年会并作大会发言和壁报展示。荣获2017年中华医学会胸心血管外科分会青年医师论坛优秀论文三等奖、2019年中华医学会胸心血管外科分会青年医师论坛优秀论文二等奖。 虽然回应的最后言辞比较激烈，但 平心而论，邓博士绝对算得上优秀。 在现行评价体系下，每个医院的评价体系不同，邓博士虽有争议，但无可厚非。其发表在EJSO上的一篇一作文章还入选了ESI前1%高被引论文。 2月23日， 科技部正式印发《关于破除科技评价中“唯论文”不良导向的若干措施（试行）》通知，明确要求破除“唯论文”论不良导向，鼓励发“三高”论文，过几年再看，会不会是另外一番景象？ 你怎么看？ 本文由 科研大匠 综合自知乎、@邓汉宇ResearchGate、微博，华西医院等
竟然看到了自己，稍微更正一些细节，本人18年毕业后申请同济大学没录取，在导师的帮助下在实验室当科研助理，等了一年再上的同济，因此至今在本组已经4年！电化学实验可以同时进行好几个，因此效率相比传统环工出数据更快，这是毋庸置疑！好几篇论文，特别是前期的研究还处于摸索阶段，成果有点水，后面才慢慢入了门，开始发表一些更高的成果，可以说是循序渐进吧。
一、只能说很厉害了，这（论文水平）已经逼近优青 的水平了，单纯说代表作，一作+通讯总数至少要40 篇才有戏。 但是呢一般博士期间能发个1-2篇WR EST都属于开香槟庆祝的节奏，这个直接5篇起步，只能说博 士与博士之间的差距比人和狗还大。 本身同济 就属于国内环境学科顶级梯队，清华-哈工-同济都是顶级的。一个是平台本身就很屌，发 WR EST也是家常便饭，再一个研究的课题也容易出文章。 我前面夸是针对论文水平，因为WR EST在环境领域就是顶刊。
看着题目是搞电化学的，这种做起来试验周期短，反应器又小，噱头比较足，再配合材料学科的各 种表征一顿操作，相比于你做传统环工当然是更容易发文章。有些电化学做的更屌的人已经不屑于 发WR EST了，他们一般会冲化学或者材料的顶刊，甚至子刊，相较而言发WR EST对他们来说已经 是次级选项了。 只能说，环境或者说给排水的领域太大而且交叉学科，很多人只能看到WR EST是顶刊，发了顶刊 就是流弊，却看不到这后面不同赛道的难易对比就是天壤之别。
二、我有朋友他们纯搞催化的，一堆 WR EST代表作甚至连青基 都申不上，至少要ACB起步～但是你拿5篇WR EST来卷传统水处理领域 绝对就是降维打击。当然，我甚至还有个师兄最好的代表作仅仅是BT和JCLP，结果人家居然一次就 中面上了。 说实话我这种老老实实做反应器的贼羡慕这种搞电化学搞催化的，一个是搞反应器费时费力费钱， 而且反应器偏工程，idea和novelty又不好找，论文也不容易发，吃力不讨好贼tm不爽，环境专业 的谁不想疯狂灌WR EST呢。 同济那边的大牛组里一般会有几个分工，比如有一波人专门帮大牛跑业务干实事，还有一波人专门负责写文章。
三、现在学生也不傻，我一个哥们就在同济当老师，某杰青老板门下，跟我吐槽那边硕士生博士生又不 是傻子，都抢着去跟电化学、催化的小老板混，WR EST随便发，谁特么愿意本本份份搞传统环 工，让你辛辛苦苦做一个中试，你自己实验没做完，你同门都出2篇WR了。怎么说呢，也的确是科研密码。你说他水，他发的文章全是WR EST环境高质量顶刊，他博士毕业直接去211个副高都够了。 你要说他不水，他这个研究就是个偏材料的花头精，说得难听一点，没有任何实用价值，现在WR 已经不是当年Mark执政那个看重工程应用的WR了，现在各种材料催化的也疯狂收，占了赛道优势。
能发10篇以上的那种，如果不是灌水，你真的无法解释，一天就24小时，如果每篇都是干货满满， 那我就想问这试验是啥时候做的？雇人做的？那最后的大论文不得写个10万字。但是你会发现即使 博士期间发10篇SCI的博士，他的博士学位论文也不过150-160页，博士都是恨不得把自己做的全 写进最后的博士论文，那为啥发那么多小论文，最后博士论文总量也还是那个量？那就只有一个可 能，就是每篇小论文的干货其实真没多少！
四、一个博士，3-4年的科研时间，做出支撑2-3篇小论文的实验量是正常水平，你再努力姑且算你能做 出5篇的量，那最后怎么就能发10篇SCI，那不就是把本来一篇文章的试验量，拆成两篇或者三篇论 文来写嘛！这不就是灌水嘛，有啥不好意思承认的呢！ 据我观察，身边的博士其实水平都大差不差，拉不开明显的差距，但是博士的偏好不一样！
有的博士喜欢冲顶刊，恨不得穷尽整个博士只为出一篇science 和 nature，而有的博士则是不求质量只求数量，凑点儿数据就发，1区中不了投2区，2区中不了投3区，3区中不了投4区，4区中不了投开 源，开源中不了投EI期刊，EI期刊中不了投EI会议，EI会议中不了投中文核心。 惨痛的事实告诉我们，选第一条路的大多数铩羽而归，选第二条路很多都是春风得意！
五、一样的努力 一样的付出，结果的差距让人唏嘘不已。我可以负责任的说，如果你打算博士毕业去企业，那你就 选第二条路，在一些HR眼里，你心心念念的顶刊在他那就是一个杂志，有很多HR根本不知道啥叫 SCI！即使你打算留高校任教，我也推荐你走第二条路，因为发顶刊真的很吃设备和资源，去一个一 般的学校，你再有水平，巧妇难为无米之炊，人家学校招你来就是来发文章的，你跟领导说，你这 设备不行我写不出来好文章，那领导就会请你走开！
还有一个误区，是博士生经常犯的错误，总是等着试验全做完了，数据都处理好了，才开始写论 文，实话说，当今卷到飞起的年代，你如果还是这个套路的话，真的是前途堪忧。没有实力，没有学术的追求，你就灌水吧，只求数量不求质量，一篇文章拆成两篇投！车轮战，让 你的所有论文一直处于审稿状态！灌水不可耻，毕不了业天天被导师骂，被师弟师妹看不起才可耻！
要查看论文被引用的次数，可以使用学术搜索引擎或数据库，如Google Scholar，Web of Science或Scopus等。在这些数据库中，可以通过输入论文的标题或作者等信息来搜索论文，并查看它的被引用次数。在Google Scholar中，
可以在搜索结果中找到论文的被引用次数，也可以点击“引用”链接查看具体的引用文献列表。在Web of Science或Scopus中，可以查看论文的引用索引或引用报告，其中包含了论文被引用的次数、引用文献的详细信息以及引用网络图等信息。这些信息可以帮助学者评估论文的影响力和重要性，也可以为学者的后续研究提供参考。
如何检索论文被引用次数 如果是在国内发表的中文论文，可以在“中国知网－－学术期刊”数据库中检索，检出的论文后面有被引用的次数。 如果是在国外发表的英文论文，就需要在汤森路透的SCIE（或SSCI、AHCI）数据库中进行检索。 怎么查外文文献的被引用次数 建议使用百度学术搜索，可以搜索中外文文献。网址是 xueshu.baidu/。对于每篇文献都标示了被引情况，你试一试。 如何查询文章的被引用次数 当然可以，epubki/grid2008/index/ZKCALD，在全文那行输入关键词，检索一下，就能看到被引次数和下载次数了。截个图 如何查询文章的被引用次数 在中国知网中检索出来的文章，每篇后面都自动显示被引用次数。 如何查询文章的被引用次数 ? 请您先进入ISI资料库，您可利用Title、Author、 Year Published等相关条件查询您的文章被引用次数。 ? 将查询结果的Cite:#填入ISI引用次数。 ? 请您先进入ISI资料库，选取Journal Citation Reports 如何查询文献被引用次数 当然可以，epubki/grid2008/index/ZKCALD，在全文那行输入关键词，检索一下，就能看到被引次数和下载次数了。 截个图 在哪里可以查到文章被引用的次数 web of science，scifinder，google都可以 如何在NCBI里查询其中文章的引用次数啊？？急用哦 you can not see the total cites at NCBI,but you can do this棱on google scholar 怎么查询文章sci被引用次数 library.shmu.edu/databases/wok 进去有详细说明 点击网页：搜索你的文章，会显示引用次数 如何查询文章被SCI引用次数 打开web of science数据平台检索到文章。 0ISI Web of Science 文献检索方法 在检索结果页面，点击文章题目右侧的“被引频次:”旁边的数字，如图。进入 施引文献页面。 点击“查看其他的被引频次计数”，如图。在右侧会展开一个树状表。 4 在树状表里点击第一个检索范围前面的加号，如图，它包含scie这个库，就可以看到scie的引用次数了，这才是被sci引用次数。
中国论文数量世界第二35%以上从未被引用 亲自写过论文的人，心里其实都明白：我们做某个课题、写一篇文章时，最关键最受启发的核心文献也就那么几篇甚至一两篇；大部分的引用文献都是用来讲故事，用来支撑自己观点、自圆其说的。所以当别人引用了自己的文章时，没必要沾沾自喜，因为那只代表别人看过你的文章，而不代表别人完全认同你的观点。有时候，别人引用了你的文章，但用法却是张冠李戴，甚至误解作者原来的意思，这种情况也是比较普遍的。 。而如果一个课题组一个方向有两篇以上文章，就不至于文章零引用。因为自己的后续工作，一般都会引用上篇发表过的文章。 而现在科研界，不管大牛也好还是普通研究人员也好，普遍的一个现象是：想方设法引用自己过去的文章。所以，当一个课题组在一年之内在同一个方向上发表20-30篇文章，并且后面的每一篇文章都引用前面自己的文章时，那么第一篇文章在一年内的引用次数至少就是二三十次。所以， 当今的论文引用次数，很大程度上反映了一个课题组在某个方向上的生命力和战斗力（ productivity）。 有些文章发表后，刚开始也没有人引用，因为做的方向比较冷，很少有人在做。但过了十几年甚至几十年之后，随着某项技术的突破和条件的成熟，那个曾经没人做的方向，一下子热了起来。曾经无人问津的论文，引用次数也会嗖嗖上升。所以， 文章的引用次数一定程度上也可以反映出研究的热点和潮流。也就是说，热门方向的文章比较容易被引用，尤其是某个方向刚兴起来的时候。 文献引用次数，也可以、更应该反映出文章的重要性。 如果一个研究人员能够具备以上三者，即： 拥有一个富有战斗力的课题组，引领某个研究方向，在此方向上做出了一些重要的发现，那么这个人就是这个方向上的牛人了 。不过现实中，文章的产量与质量（特指重要性）似乎是不可协调的。当一个课题组每年在一个方向上发表好几十篇文章时，文章的重要性就很难保证，很容易给人灌水的嫌疑。 总之， 当今的论文引用次数并不完全是文章重要性的体现，它更是一个课题组生命力和研究方向是否热门的反映 。所以，处在一个默默无闻的小课题组时，没必要为文章的引用次数而烦恼，因为就引用次数而言你可能永远比不过高产的课题组，或大牛的课题组（ 自古至今，说话者的地位永远决定着所说话的分量 ），即使你的发现有时候可能更重要。
中国论文数量世界第二35%以上从未被引用 亲自写过论文的人，心里其实都明白：我们做某个课题、写一篇文章时，最关键最受启发的核心文献也就那么几篇甚至一两篇；大部分的引用文献都是用来讲故事，用来支撑自己观点、自圆其说的。所以当别人引用了自己的文章时，没必要沾沾自喜，因为那只代表别人看过你的文章，而不代表别人完全认同你的观点。有时候，别人引用了你的文章，但用法却是张冠李戴，甚至误解作者原来的意思，这种情况也是比较普遍的。 。而如果一个课题组一个方向有两篇以上文章，就不至于文章零引用。因为自己的后续工作，一般都会引用上篇发表过的文章。 而现在科研界，不管大牛也好还是普通研究人员也好，普遍的一个现象是：想方设法引用自己过去的文章。所以，当一个课题组在一年之内在同一个方向上发表20-30篇文章，并且后面的每一篇文章都引用前面自己的文章时，那么第一篇文章在一年内的引用次数至少就是二三十次。所以， 当今的论文引用次数，很大程度上反映了一个课题组在某个方向上的生命力和战斗力（ productivity）。 有些文章发表后，刚开始也没有人引用，因为做的方向比较冷，很少有人在做。但过了十几年甚至几十年之后，随着某项技术的突破和条件的成熟，那个曾经没人做的方向，一下子热了起来。曾经无人问津的论文，引用次数也会嗖嗖上升。所以， 文章的引用次数一定程度上也可以反映出研究的热点和潮流。也就是说，热门方向的文章比较容易被引用，尤其是某个方向刚兴起来的时候。 文献引用次数，也可以、更应该反映出文章的重要性。 如果一个研究人员能够具备以上三者，即： 拥有一个富有战斗力的课题组，引领某个研究方向，在此方向上做出了一些重要的发现，那么这个人就是这个方向上的牛人了 。不过现实中，文章的产量与质量（特指重要性）似乎是不可协调的。当一个课题组每年在一个方向上发表好几十篇文章时，文章的重要性就很难保证，很容易给人灌水的嫌疑。 总之， 当今的论文引用次数并不完全是文章重要性的体现，它更是一个课题组生命力和研究方向是否热门的反映 。所以，处在一个默默无闻的小课题组时，没必要为文章的引用次数而烦恼，因为就引用次数而言你可能永远比不过高产的课题组，或大牛的课题组（ 自古至今，说话者的地位永远决定着所说话的分量 ），即使你的发现有时候可能更重要。
“被引次数”是指该篇论文发表后，截止目前被其他论文在参考文献中引用的次数。
不多。论文被引用没有特别固定次数的要求，一般的期刊和专科论文，通常是30以下。稍微要求高的和本科论文，一般在20以下。研究生和学报之类的，一般10以下，甚至有要求5以下的。
被引次数是指该篇论文发表后，截止目前被其他论文在参考文献中引用的次数。
论文引用率是衡量一个国家科研文献被其他国家或机构的认可度的标志（或数据等）。中国的论文发表量世界第一，引用率却是100名以外，这种现象是浮躁风、传统文化的影响、科学历史、科学技术上不成熟造成的。
论文引用的意义：
科学论文最后所引用的文献，在论文中的作用和地位是相当重要的。从事科学研究的人们都知道，一个课题在开始进行研究前，必须对前人做过的工作进行系统的调研和追索，应该对整个课题的历史，现状和发展趋势有一个全面和深刻的了解。
调研结果应当表明自己所选的课题一定是前人没有做过的，或者是没有做完的，而且是有意义的课题。从而最大限度地避免因孤陋寡闻而重复人家做过的工作。
同时在自己的研究过程中，必须不断追踪和课题相关的同行的进展，以修改或调整自己的研究方向和切入点，一句话从事科研工作必须明白阅读是深入研究的基础“这一十分浅显的道理”。
如何检索论文被引用次数 如果是在国内发表的中文论文，可以在“中国知网－－学术期刊”数据库中检索，检出的论文后面有被引用的次数。 如果是在国外发表的英文论文，就需要在汤森路透的SCIE（或SSCI、AHCI）数据库中进行检索。 怎么查外文文献的被引用次数 建议使用百度学术搜索，可以搜索中外文文献。网址是 xueshu.baidu/。对于每篇文献都标示了被引情况，你试一试。 如何查询文章的被引用次数 当然可以，epubki/grid2008/index/ZKCALD，在全文那行输入关键词，检索一下，就能看到被引次数和下载次数了。截个图 如何查询文章的被引用次数 在中国知网中检索出来的文章，每篇后面都自动显示被引用次数。 如何查询文章的被引用次数 ? 请您先进入ISI资料库，您可利用Title、Author、 Year Published等相关条件查询您的文章被引用次数。 ? 将查询结果的Cite:#填入ISI引用次数。 ? 请您先进入ISI资料库，选取Journal Citation Reports 如何查询文献被引用次数 当然可以，epubki/grid2008/index/ZKCALD，在全文那行输入关键词，检索一下，就能看到被引次数和下载次数了。 截个图 在哪里可以查到文章被引用的次数 web of science，scifinder，google都可以 如何在NCBI里查询其中文章的引用次数啊？？急用哦 you can not see the total cites at NCBI,but you can do this棱on google scholar 怎么查询文章sci被引用次数 library.shmu.edu/databases/wok 进去有详细说明 点击网页：搜索你的文章，会显示引用次数 如何查询文章被SCI引用次数 打开web of science数据平台检索到文章。 0ISI Web of Science 文献检索方法 在检索结果页面，点击文章题目右侧的“被引频次:”旁边的数字，如图。进入 施引文献页面。 点击“查看其他的被引频次计数”，如图。在右侧会展开一个树状表。 4 在树状表里点击第一个检索范围前面的加号，如图，它包含scie这个库，就可以看到scie的引用次数了，这才是被sci引用次数。
被引次数是指该篇论文发表后，截止目前被其他论文在参考文献中引用的次数。
论文引用率是衡量一个国家科研文献被其他国家或机构的认可度的标志（或数据等）。中国的论文发表量世界第一，引用率却是100名以外，这种现象是浮躁风、传统文化的影响、科学历史、科学技术上不成熟造成的。
论文引用的意义：
科学论文最后所引用的文献，在论文中的作用和地位是相当重要的。从事科学研究的人们都知道，一个课题在开始进行研究前，必须对前人做过的工作进行系统的调研和追索，应该对整个课题的历史，现状和发展趋势有一个全面和深刻的了解。
调研结果应当表明自己所选的课题一定是前人没有做过的，或者是没有做完的，而且是有意义的课题。从而最大限度地避免因孤陋寡闻而重复人家做过的工作。
同时在自己的研究过程中，必须不断追踪和课题相关的同行的进展，以修改或调整自己的研究方向和切入点，一句话从事科研工作必须明白阅读是深入研究的基础“这一十分浅显的道理”。
esi的六大指标包括文章数、被引频次。1、文章数：指某一领域或某一研究机构所发表的学术研究论文数量，反映该领域或机构的研究活跃度和科学产出水平。2、被引频次：指某一领域或某一研究机构所发表的学术研究论文被引用的次数，反映该领域或机构的研究影响力和学术贡献。
不是？被引用频次是文章的总被引用次数，其中包括他引和自引。自引就是你自己写的文章引用自己之前发表的文章。他引指的是别人引用你的文章的次数，不包括自引。