如何保证阅读和引用的文章的可信度？

识别信息的来源和渠道也是做学术研究的重要一环。

下面是我们结合过去的研究，给你提供的一些 Tips 来判断哪些信息和学术资源是真实可信的。当然你也还是需要根据本文提供的方法来 Validate source 的可靠性。

Tip 1 秉持质疑态度

不论是书籍、文章还是网站，它们都有可能成为不可靠的信息来源。

合理的质疑和批判是一种态度。它是一种理性的思维方式，有助于我们从纷繁的信息中筛选出客观和有价值的事实。

Tip 2 通过作者来判断

当打算在论文中引用某些文献时，一定要去深入了解其背景，包括了解作者的资历和从属关系。

通过查阅作者的学历、研究成果和学术贡献，可以评估作者的资历。

同时，了解作者的学术关系网也很重要。有时候，作者可能与某些特定利益集团或带有偏见的基金（fund）有关联。这些关联就像“隐形的手”，可能会影响作者的观点和立场，进而影响他们研究结果的客观性。

其次，除非作者是在分析自己的数据，否则这些信息都是基于其他人的研究或者已有的知识，这就需要作者注明出处和来源。如果作者没有这么做，那这本身是不符合学术规范，我们就可以开始质疑其可信度了。

Tip 3 通过发表时期来判断

关注信息来源的时效性，确保其提供的内容是最新的权威研究成果或数据。

如今信息和网站的更新迭代异常迅速，许多曾经可靠的信息来源可能在短时间内就变得过时。因此我们在进行学术研究或撰写论文时，需要确保所使用的信息来源仍然保持和自身研究的相关性和适用性。

Tip 4 通过通过杂志和被引数来判断

如今的期刊数量已经非常庞大，特别是 OA 期刊的盛行，导致很多掠夺性期刊出现。

Linacre, S曾在其书 Understanding the Past, Present and Future of Deceptive Academic Journals 中提出：“掠夺性期刊一般具有欺骗性，而且往往是假的，它们以合法同行评审期刊的外观出现，并利用开放获取模式同时使用误导性策略来诱导作者提交文章来影响学术界利益相关者。” ^[1]

为了确保所引用的信息的可靠性和权威性，现在学术界非常依赖杂志的可信度，并且通过 JCR 分区 或者 中科院分区 来指导杂志的权威性， 国内使用北大核心，南大核心等期刊评选标准。

比如，通常顶刊有更复杂的评审机制，编辑通常也会更加负责，而顶刊的文章也有更多的读者关注，所以相对来说，其可信度以及造假的风险会高很多。

虽然杂志(journal) 可以用来作为一个衡量期刊的指标，但是期刊有质量，只能说大部分文章是比较可靠的。

凡事皆有例外，并不是发表在顶刊的文章都是正确无误的，很多顶刊每年都有很多撤稿，就比如前些日子美国室温超导被撤稿 ^[2] 的新闻。

另外，发表在 arXiv 的文章，虽然没有进入顶刊顶会，但依然被人所熟知。近年来深度学习领域的一项重要研究——“Transformer”模型^[3]，其原始论文就首先发布在arXiv上。

同时，** 被引数（Citations）** 也可以用来作为一篇文章是否可靠的一个指标，而无论你发表在什么期刊。一般来说，越多人引用，那么这篇文章被Review 的次数也就越多，那么可信度就越高。特别是当一篇文章的 Citations 都是来自于比较权威的人士，那么可信度就会更高。

所以Citations不仅要看数量，而且也要看质量，关键是谁引用了，而不仅仅是多少人引用了。

Tip 5 通过基金来判断

在查看文献的时候，我们可以关注该文献的基金。因为有基金的文献，通常来说，会有基金委员会的审查，通常可信度会略高一些。

凡事必有例外，很多基金下的文献也有非常多的造假，就比如前些日子国家自然科学基金委员会通报了2024年第一批次学术不端行为。

Tip 6 通过信息内容来判断

谨防使用“最近的研究表明”或“许多人认为”这些含糊用语，且没有用引文支持这些说法的source。某些online source很擅长使用这种方法，毕竟他们的最终目标是吸引眼球、博取点击量，而不是撰写学术文章。

此外，我们还要提防某些source利用读者情绪的网络流行语。许多网络信息来源会使用误导性的标题来吸引读者（比如“3天完成一篇SCI不是梦”😅）。

最后，我们记住一个重要的原则，一定要判断source提供清晰公正的事实，而不是说服你接受特定的观点。

Reference

[1] Linacre S. Predator Effect[M]. Ann Arbor, MI: Against the Grain, LLC, 2022.

[2] Dasenbrock-Gammon N, Snider E, McBride R, et al. Evidence of near-ambient superconductivity in a N-doped lutetium hydride[J]. Nature, 2023, 615(7951) : 244–250.

[3] Vaswani A, Shazeer NM, Parmar N, et al. Attention is All you Need[J]. Neural Information Processing Systems, 2017.

---