周小玲

隨著以算法為核心技術(shù)的智能時(shí)代的到來，算法越來越多地被應(yīng)用到社會各領(lǐng)域。例如，政府利用算法來實(shí)現(xiàn)智能化疫情防控；媒體依據(jù)算法對用戶進(jìn)行個(gè)性化的新聞推送；商家利用算法來實(shí)現(xiàn)精準(zhǔn)營銷；監(jiān)管部門采用算法對網(wǎng)絡(luò)暴力、色情等違法內(nèi)容進(jìn)行識別與檢查；等等。可以說，算法的普及全方位地改變了人們的生活。然而，算法是一把雙刃劍，它在給日常生活帶來巨大便利的同時(shí)也導(dǎo)致了不公平、歧視、隱私泄露等一系列問題。例如，算法在增強(qiáng)人們的信息獲取能力，提高人們意見表達(dá)的機(jī)會的同時(shí)，也在無形中接管了信息分發(fā)的權(quán)力；在實(shí)現(xiàn)高效管理、維護(hù)社會穩(wěn)定的同時(shí)，也在無意識中增強(qiáng)了政府的公權(quán)力；在幫助企業(yè)優(yōu)化服務(wù)、精準(zhǔn)營銷的同時(shí)，也暗中賦予了企業(yè)更多的支配權(quán)與控制權(quán)?？梢哉f，“世界不再以我們能夠理解的方式來表達(dá)，它已經(jīng)被數(shù)據(jù)化了，任由算法闡釋，按照控制論方式重新配置”[1]。

目前學(xué)界對算法所引發(fā)的經(jīng)濟(jì)、倫理、社會治理方面的種種問題與隱患都給予了極大關(guān)注?？梢钥吹剑惴ㄆ?、算法黑箱、算法失靈、算法倫理、算法治理、算法權(quán)力等概念層出不窮。然而，算法對學(xué)術(shù)期刊的影響卻鮮有研究者關(guān)注，相關(guān)研究大多聚焦于學(xué)術(shù)期刊在算法時(shí)代的傳播，即學(xué)術(shù)期刊如何構(gòu)建有效的傳播平臺來適應(yīng)算法時(shí)代的來臨[2—4]，而對算法可能給學(xué)術(shù)期刊帶來的潛在問題與現(xiàn)實(shí)困境的研究則寥寥無幾。因此，本文試圖從算法在學(xué)術(shù)期刊中的應(yīng)用出發(fā)，結(jié)合學(xué)術(shù)期刊的編輯工作，探討算法作為一種權(quán)力在學(xué)術(shù)期刊中的滲透與擴(kuò)張，揭示算法權(quán)力對學(xué)術(shù)期刊的無形控制，并為學(xué)術(shù)期刊的自救提出解決之道。

一、算法在學(xué)術(shù)期刊中的應(yīng)用

目前，算法在學(xué)術(shù)期刊中的應(yīng)用主要通過以下四種方式實(shí)現(xiàn)。

1.通過算法構(gòu)建學(xué)術(shù)期刊的用戶畫像

用戶畫像（user profile）是一種通過描繪用戶特征來為用戶提供精準(zhǔn)服務(wù)的技術(shù)，該技術(shù)往往需要綜合使用分類、聚類、推薦等各種算法[5]，目前被廣泛地應(yīng)用于圖書館、電子商務(wù)、健康醫(yī)療等領(lǐng)域。近年來，隨著相關(guān)研究的推進(jìn)，很多學(xué)者將用戶畫像技術(shù)引入學(xué)術(shù)期刊研究，試圖通過構(gòu)建學(xué)術(shù)期刊的用戶畫像模型來更好地理解作者與讀者的需求、選擇更加合適的審稿專家、實(shí)現(xiàn)學(xué)術(shù)期刊微信公眾號的精準(zhǔn)推送等。例如，有學(xué)者通過挖掘和收集學(xué)術(shù)期刊的網(wǎng)站、投稿平臺、微信公眾號上的用戶數(shù)據(jù)，并按照一定的算法對這些原始數(shù)據(jù)進(jìn)行過濾、整理、分析、計(jì)算，構(gòu)建作者畫像、讀者畫像與專家畫像，從而使學(xué)術(shù)期刊提供更加精準(zhǔn)化、多樣化、社交化和個(gè)性化的服務(wù)[6]。另有學(xué)者針對學(xué)術(shù)期刊存在的“找不到”或“找不對”合適的外審專家審稿的問題，將用戶畫像技術(shù)應(yīng)用到審稿人的遴選之中，通過構(gòu)建審稿人畫像模型，設(shè)計(jì)出更加有效的外審專家推薦方法，以實(shí)現(xiàn)審稿人研究方向與稿件的精準(zhǔn)匹配[7]。還有學(xué)者試圖通過用戶畫像技術(shù)來提高學(xué)術(shù)期刊微信公眾號的精準(zhǔn)推送功能，從而提高期刊的傳播力與影響力[8]?？傊⒃谒惴ɑA(chǔ)上的用戶畫像技術(shù)讓學(xué)術(shù)期刊可以精準(zhǔn)細(xì)致地把握作者、讀者、專家的信息，從而提升學(xué)術(shù)期刊的服務(wù)質(zhì)量與水平。

2.通過算法優(yōu)化學(xué)術(shù)期刊評價(jià)

算法在學(xué)術(shù)期刊中最早、最主要的應(yīng)用是期刊評價(jià)。學(xué)術(shù)期刊的評價(jià)方式主要有兩種：定量評價(jià)和定性評價(jià)。由于定量評價(jià)有利于保證評價(jià)結(jié)果的客觀性，避免人的主觀性、認(rèn)知及情感等因素對評價(jià)結(jié)果產(chǎn)生過多影響，所以，長期以來都備受推崇。近年來，雖然同行評議等定性評價(jià)越來越受到重視，但以文獻(xiàn)計(jì)量為主的定量評價(jià)仍是期刊評價(jià)中不可或缺的方法。文獻(xiàn)計(jì)量主要是對引文數(shù)據(jù)進(jìn)行整理、排序、分析、統(tǒng)計(jì)，這為算法提供了絕佳的用武之地?？梢哉f，無論是長期以來期刊評價(jià)中最倚重的傳統(tǒng)指標(biāo)，如載文量、被引量、期刊影響因子（journal impact factor，英文縮寫JIF）、h指數(shù)、g指數(shù)、A指數(shù)、r指數(shù)等[9]88，還是近來新興的“期刊聲望指標(biāo)（SCImago journal rank，英文縮寫SJR）與特征因子（eigen-factor，英文縮寫EF）等衍生指標(biāo)”[10]，都離不開算法的支撐。傳統(tǒng)的期刊評價(jià)所依據(jù)的算法往往比較簡單，主要是對引用進(jìn)行統(tǒng)計(jì)，如影響因子就是對一種期刊前兩年發(fā)表的論文在統(tǒng)計(jì)當(dāng)年被來源期刊引用的總次數(shù)除以該期刊在這兩年內(nèi)發(fā)表的論文總數(shù)進(jìn)行的計(jì)算。這種簡單算法使得影響因子只注重引文的絕對數(shù)量，而忽視引文的實(shí)際質(zhì)量，且無法排除自引等情況，因而不斷被詬病。面對指責(zé)，期刊評價(jià)的算法不斷更新?lián)Q代，逐步出現(xiàn)了一些新型期刊評價(jià)指標(biāo)，例如，“作為新型期刊評價(jià)指標(biāo)的代表SJR和EF，兩者都采用了類PageRank算法模型來評價(jià)科技期刊的質(zhì)量與影響力”[9]88?？傊瑹o論是傳統(tǒng)指標(biāo)還是新型指標(biāo)，算法在以定量分析為主的期刊評價(jià)中始終發(fā)揮著舉足輕重的作用。不過，顯而易見的是，過于依賴算法的期刊評價(jià)也帶來了一些弊端。

3.通過算法輔助學(xué)術(shù)期刊的選題策劃

及時(shí)了解和掌握學(xué)術(shù)熱點(diǎn)和前沿，并據(jù)此來進(jìn)行選題策劃，是學(xué)術(shù)期刊編輯需要掌握的基本技能之一。然而，在信息爆炸時(shí)代，不僅信息量呈幾何級增長，而且信息傳播的速度和廣度也大大增加，這導(dǎo)致學(xué)術(shù)熱點(diǎn)也在加速更迭，那么，身處信息洪流和熱點(diǎn)日新月異中的學(xué)術(shù)期刊編輯如何應(yīng)對這一挑戰(zhàn)？越來越多的研究者提倡學(xué)術(shù)期刊編輯利用算法來挖掘與捕捉學(xué)術(shù)熱點(diǎn)與前沿，從而在組稿、約稿中能主動出擊、引領(lǐng)學(xué)科發(fā)展。有學(xué)者探索運(yùn)用SciVal的文獻(xiàn)數(shù)據(jù)挖掘技術(shù)來提煉學(xué)術(shù)熱點(diǎn)，以此輔助學(xué)術(shù)期刊編輯及時(shí)了解和掌握研究熱點(diǎn)，從而實(shí)現(xiàn)精準(zhǔn)約稿[11]。有的學(xué)者自行開發(fā)算法來進(jìn)行學(xué)術(shù)熱點(diǎn)發(fā)現(xiàn)與熱度評價(jià)，一方面“通過詞頻統(tǒng)計(jì)和詞增長速度算法對專業(yè)領(lǐng)域內(nèi)的熱點(diǎn)進(jìn)行識別”；另一方面“從內(nèi)容層面和傳播層面兩個(gè)維度設(shè)計(jì)并計(jì)算一系列指標(biāo)，對識別到的熱點(diǎn)進(jìn)行熱度評價(jià)與排序”，最終實(shí)現(xiàn)由數(shù)據(jù)、算法驅(qū)動的選題決策。[12]有的學(xué)者建議利用數(shù)據(jù)庫自帶的算法對學(xué)術(shù)熱點(diǎn)進(jìn)行預(yù)測，如利用基本科學(xué)指標(biāo)數(shù)據(jù)庫（Essential Science Indicators，英文縮寫ESI）的相關(guān)功能來統(tǒng)計(jì)分析作者/機(jī)構(gòu)/國家合作度、基金論文影響力、高被引期刊/機(jī)構(gòu)/熱點(diǎn)主題詞等信息，以獲取研究熱點(diǎn)。[13]有學(xué)者借助Doc2Vec方法，對期刊論文的相似度進(jìn)行計(jì)算，采取共詞聚類分析、關(guān)鍵詞的詞頻統(tǒng)計(jì)等算法，計(jì)算出一定時(shí)間和范圍內(nèi)的期刊熱點(diǎn)選題。[14]總之，隨著技術(shù)的進(jìn)步，學(xué)術(shù)期刊編輯關(guān)注學(xué)術(shù)熱點(diǎn)、進(jìn)行選題策劃的手段日趨豐富，不過，算法在選題策劃上的應(yīng)用也有局限性與不足之處，如會導(dǎo)致信息繭房、加劇學(xué)術(shù)期刊選題同質(zhì)化等。

4.通過算法防范學(xué)術(shù)不端行為

目前，國內(nèi)雖然有多種學(xué)術(shù)不端檢測系統(tǒng)，但其論文查重的基本原理是一致的，即查重系統(tǒng)將待檢測的論文與數(shù)據(jù)庫中的文獻(xiàn)進(jìn)行比對，按照一定的算法進(jìn)行識別，計(jì)算出重復(fù)率，并生成檢測報(bào)告單。由此可見，算法是學(xué)術(shù)不端檢測系統(tǒng)的關(guān)鍵。然而，不同檢測系統(tǒng)的重復(fù)率算法大同小異。例如，中國知網(wǎng)、萬方、大雅的查重系統(tǒng)，其重復(fù)率算法是相同的，即都是“重復(fù)字?jǐn)?shù)和總字?jǐn)?shù)的比值”。需要注意的是，中國知網(wǎng)查重采用的是目前比較先進(jìn)的模糊算法，即以句子為最小單位，如果一句話中有連續(xù)13個(gè)字符重復(fù)，并且重復(fù)字?jǐn)?shù)達(dá)到該段落的5%，那么就會被標(biāo)記出來[15]。而維普與PaperPass采用的重復(fù)率算法略有不同，維普使用的算法是“總相似比=復(fù)寫率＋他引率＋自引率”；Paper-Pass的重復(fù)率算法是“（句子1相似度＋句子2相似度＋……+句子n相似度）/n”[16]?？陀^來講，算法的應(yīng)用的確有助于發(fā)現(xiàn)抄襲、剽竊、一稿多投等學(xué)術(shù)不端行為，算法的確是防范學(xué)術(shù)不端、凈化學(xué)術(shù)生態(tài)的有力武器，但需要指出的是，查重系統(tǒng)算法目前仍有不足，這也令學(xué)術(shù)期刊與作者都頗感苦惱。

二、困在算法里的學(xué)術(shù)期刊

需要指出的是，算法在為學(xué)術(shù)期刊賦能的同時(shí)，也逐步異化成了一種權(quán)力，成為支配與控制學(xué)術(shù)期刊的一種強(qiáng)制性力量。這是因?yàn)椋谝磺卸家詳?shù)據(jù)化的面貌出現(xiàn)的智能時(shí)代，誰擁有數(shù)據(jù)，誰就有權(quán)對數(shù)據(jù)進(jìn)行分類、搜索、判定、過濾、推薦等算法的分析與處理[17]。而算法依據(jù)某些相關(guān)性作出的選擇、排序、分類或預(yù)測，會在有利于某些人或物的同時(shí)不利于其他人或物。如果說“權(quán)力是一種社會關(guān)系”，是某個(gè)主體“運(yùn)用其擁有的資源，對他人發(fā)生強(qiáng)制性的影響力、控制力，促使或強(qiáng)迫對方按權(quán)力者的意志和價(jià)值標(biāo)準(zhǔn)作為或不作為” [18]的能力，那么可以被用來強(qiáng)化自己對他人的影響力和控制力的算法，儼然已經(jīng)演化為一種算法權(quán)力。正如喻國明教授所指出的：“算法的社會本質(zhì)是一種權(quán)力，技術(shù)不僅能夠賦能與賦權(quán)，而且它自身就構(gòu)成一種權(quán)力的行使和對于傳統(tǒng)權(quán)力模式的替代?！?[19]可見，算法不僅是一種技術(shù)，還是一種操縱政治、社會和經(jīng)濟(jì)的權(quán)力手段。作為一種權(quán)力的算法，如今已經(jīng)滲透到了社會的方方面面，學(xué)術(shù)期刊也概莫能外。

算法權(quán)力通常是非常隱蔽的，其在學(xué)術(shù)期刊中的運(yùn)作往往是通過對學(xué)術(shù)期刊進(jìn)行分等定級與排名，滲入選題策劃、學(xué)術(shù)不端檢測以及學(xué)術(shù)信息傳播等環(huán)節(jié)來實(shí)現(xiàn)的。

1.算法權(quán)力下的學(xué)術(shù)期刊分等定級與排名

通過采集各種數(shù)據(jù)對學(xué)術(shù)期刊進(jìn)行分等定級與排名是一種重要的期刊評價(jià)方式，這種評價(jià)方式可以在學(xué)術(shù)期刊之間形成角逐與競爭，因而在一定程度上有助于提高學(xué)術(shù)期刊的質(zhì)量。但對評價(jià)結(jié)果的濫用與盲目追求，也使得它逐步背離了設(shè)計(jì)的初衷，因此飽受詬病?！肚迦A大學(xué)學(xué)報(bào)》仲偉民教授曾客觀地評價(jià)了“學(xué)術(shù)評價(jià)與學(xué)術(shù)期刊的糾葛”，他指出，學(xué)術(shù)界、期刊界以及管理部門“對學(xué)術(shù)評價(jià)的批評多、肯定少，這是可以理解的，因?yàn)樽罱欢陮W(xué)術(shù)評價(jià)機(jī)構(gòu)對學(xué)術(shù)研究的負(fù)面影響的確越來越大，應(yīng)該批評。但是，另一方面，我們也要充分看到有的學(xué)術(shù)評價(jià)機(jī)構(gòu)在與學(xué)者及管理部門的交涉及交流中，客觀上對學(xué)術(shù)研究和學(xué)術(shù)期刊也起到了很重要的正向作用”[20]。目前，國內(nèi)不同的評價(jià)機(jī)構(gòu)按照不同的標(biāo)準(zhǔn)，對學(xué)術(shù)期刊進(jìn)行了各種等級區(qū)分，其中比較重要的等級劃分有核心期刊與非核心期刊、CSSCI來源期刊與非CSSCI來源期刊等；比較重要的排名有影響因子排名、人大復(fù)印資料轉(zhuǎn)載指數(shù)排名、學(xué)術(shù)影響力排名、國際影響力排名等。此外，隨著微信的盛行，還出現(xiàn)了許多與之相關(guān)的新排名，如學(xué)術(shù)期刊微信公眾號熱點(diǎn)文章排名、學(xué)術(shù)期刊微信傳播力排名等。這些琳瑯滿目的分級與排名讓學(xué)術(shù)期刊冰火兩重天，評級高的、排名靠前的歡呼雀躍，反之則垂頭喪氣。

等級劃分與排名的實(shí)質(zhì)是一種算法權(quán)力機(jī)制，這是因?yàn)?，等級與排名都是通過某種算法被計(jì)算出來的。雖然近年來隨著學(xué)界與期刊界中有志人士的不斷推進(jìn)，各大期刊評價(jià)體系都放棄了之前單純依據(jù)量化指標(biāo)的計(jì)算，逐步提高了質(zhì)性內(nèi)容的權(quán)重，但即使如此，定量分析仍是學(xué)術(shù)期刊評價(jià)體系的主要方法。然而，這種計(jì)算出來的等級與排名被盲目認(rèn)同后，不僅某些作者會以刊物的等級與名次作為投稿的參照，某些讀者也會更愿意閱讀等級高、排名靠前的期刊。久而久之便產(chǎn)生了馬太效應(yīng)：等級越高、排名越前的期刊，其稿源就越好，其訂閱量與影響力就越大。這導(dǎo)致一些期刊開始刻意迎合等級與排名的算法來調(diào)整自己的辦刊方針。于是我們看到，為了擠進(jìn)核心期刊或提高影響因子，有的期刊會重金買稿，即給著名學(xué)者的文章提供高稿酬；有的期刊聲明自己傾向于發(fā)表長文章，因?yàn)闊o論是轉(zhuǎn)載率還是影響因子的計(jì)算都是以文章被轉(zhuǎn)載或被引用的次數(shù)除以發(fā)表的文章數(shù)量總和[21]，而多發(fā)篇幅長的文章就會降低文章數(shù)量總和即分母，從而期刊就可以坐享其成，即什么都不用做，只改變文章的篇幅就可以有效提高轉(zhuǎn)載率或影響因子；有的期刊明確表示自己偏愛發(fā)表基金論文，因?yàn)榛鹫撐谋仁窃u價(jià)期刊等級與排名的重要指標(biāo)之一；甚至還有期刊明確要求作者投稿的論文必須引用本刊發(fā)表過的文章……真可謂八仙過海，各顯神通。如此種種都是為了提高等級與排名?？梢?，學(xué)術(shù)期刊對等級與排名的認(rèn)同，讓等級與排名的算法建立了自己的霸權(quán)地位。為了迎合這些等級與排名算法的偏好，學(xué)術(shù)期刊在選稿、用稿等方面不得不刻意地投其所好，以致丟失了自己作為優(yōu)秀學(xué)術(shù)成果展示平臺的意義。奧尼爾（Cathy O' Neil）曾把算法稱為“數(shù)學(xué)殺傷性武器”，他指出“許多數(shù)學(xué)殺傷性武器都是依靠自己的內(nèi)置邏輯來定義其所處理的情況，然后再以其自己的定義證明其輸出結(jié)果的合理性的。這種模型會不斷地自我鞏固、自我發(fā)展，極具破壞力”[22]。盲目追求算法決策出的等級與排名對學(xué)術(shù)期刊造成的傷害，又一次印證了這種“數(shù)學(xué)殺傷性武器”的破壞力。

2.信息繭房加劇學(xué)術(shù)期刊選題的同質(zhì)化

國內(nèi)的學(xué)術(shù)期刊尤其是綜合性學(xué)術(shù)期刊存在嚴(yán)重的同質(zhì)化問題，它們不僅在形式上如封面、版式上趨同，更是在選題內(nèi)容上重復(fù)，在欄目設(shè)置上相似，缺少各自的特色。對此，學(xué)界做過多方面的分析。如《天府新論》的謝蓮碧將學(xué)術(shù)期刊同質(zhì)化的原因歸結(jié)為學(xué)術(shù)資源的有限、學(xué)術(shù)熱點(diǎn)的相對集中，以及期刊之間激烈的競爭[23]。《甘肅社會科學(xué)》的胡政平將學(xué)術(shù)期刊同質(zhì)化的成因總結(jié)得更為全面，不僅追溯了歷史原因如“計(jì)劃經(jīng)濟(jì)時(shí)代形成的行政化的單位制辦刊模式”“長期形成的傳統(tǒng)化的內(nèi)向式辦刊模式”，還從制度設(shè)計(jì)與執(zhí)行層面作了探討，認(rèn)為失范的制度設(shè)計(jì)和長期的執(zhí)行不力是同質(zhì)化的重要因素。此外，他還從期刊自身出發(fā)深刻反省，列出了期刊主帥創(chuàng)新能力匱乏、編輯隊(duì)伍素質(zhì)欠佳等弊病[24]。以上分析固然頗有見地，然而在算法時(shí)代，我們不得不考慮一個(gè)新現(xiàn)象，即信息繭房所帶來的選題同質(zhì)化的加劇。

以往學(xué)術(shù)期刊編輯感知與獲取學(xué)術(shù)信息的方式通常有兩種：一是閱讀同行期刊，通過閱讀來尋找高頻出現(xiàn)的學(xué)術(shù)議題；二是參加各種學(xué)術(shù)會議，通過會議來了解學(xué)界動態(tài)與理論前沿?；ヂ?lián)網(wǎng)的發(fā)展讓編輯更多地依賴網(wǎng)絡(luò)來獲取信息，于是對同行期刊的閱讀從傳統(tǒng)的紙質(zhì)閱讀轉(zhuǎn)變成了現(xiàn)代的數(shù)字化閱讀，即通過中國知網(wǎng)、萬方等電子數(shù)據(jù)庫來閱讀。新冠肺炎疫情暴發(fā)后，越來越多的學(xué)術(shù)會議也開始借助騰訊會議、ZOOM等軟件實(shí)現(xiàn)了線上與線下的共享。然而，無論是通過中國知網(wǎng)、萬方等數(shù)據(jù)庫檢索信息，還是參加線上線下的各種學(xué)術(shù)會議，都是編輯主動獲取學(xué)術(shù)信息。但算法時(shí)代的降臨，改變了編輯獲取學(xué)術(shù)信息的方式，讓被動獲取信息的比重大幅提升，即越來越多的學(xué)術(shù)信息來自微信朋友圈的分享、微博熱搜的榜單、今日頭條的推薦等。關(guān)注高校、科研機(jī)構(gòu)、學(xué)術(shù)期刊等公眾號，閱覽微信朋友圈的分享，雖然有助于編輯及時(shí)把握學(xué)界最新動態(tài)，了解最新研究成果，但需要引起重視的是，過于依賴學(xué)術(shù)信息的被動獲取會導(dǎo)致信息繭房，從而加劇選題的同質(zhì)化。

下文以微信為例做具體分析。微信極大地提升了學(xué)術(shù)信息的傳播范圍與傳播速度，但它的算法機(jī)制有可能導(dǎo)致信息繭房現(xiàn)象。編輯通過微信獲取信息的途徑主要有三種：第一種來源于微信的分享功能，即微信好友基于朋友圈、“看一看”、視頻號所發(fā)布、分享的內(nèi)容；第二種來源于微信的關(guān)注功能，是基于用戶關(guān)注的微信公眾號與視頻號所發(fā)布的信息；第三種來源于微信的推薦功能，如“看一看”中的“熱點(diǎn)廣場”、“搜一搜”中的“今日熱點(diǎn)”，視頻號中的“推薦”都會向用戶推薦信息。這三種信息來源都會在一定程度上造成信息繭房。首先，微信的分享與關(guān)注功能會導(dǎo)致個(gè)人信息繭房。這是因?yàn)?，添加誰為好友與關(guān)注哪些公眾號都是用戶個(gè)人選擇的結(jié)果，這個(gè)選擇本身就已經(jīng)對繁雜的信息做了過濾，使得用戶看到的信息都是自己所偏愛的。毋庸置疑，編輯的微信好友中肯定包含大量的學(xué)者與同行，編輯所關(guān)注的公眾號中肯定不會缺少各種同行期刊等與工作相關(guān)的公眾號，而對于這些好友與公眾號的選擇，本身已經(jīng)經(jīng)過編輯本人偏好的過濾。所以編輯在微信朋友圈或公眾號中獲得的學(xué)術(shù)信息，已經(jīng)是經(jīng)個(gè)人偏好篩選后的信息了。其次，微信的推薦功能會帶來群體信息繭房。微信“看一看”中的“熱點(diǎn)廣場”、“搜一搜”中的“今日熱點(diǎn)”，視頻號中的“推薦”的形成是經(jīng)過群體信息篩選的結(jié)果，算法對用戶關(guān)注、點(diǎn)贊、轉(zhuǎn)發(fā)、評論、搜索的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，然后向用戶推送包含出現(xiàn)頻率最高的詞的信息，這就導(dǎo)致同樣的信息會被反復(fù)傳播，形成信息壁壘，新的信息很難打破重圍并突顯出來。因此，編輯通過微信推薦所獲取的學(xué)術(shù)信息并不全面客觀，而是算法過濾后的“擬態(tài)環(huán)境”[25]，很可能是大量重復(fù)且單一的信息。由此可見，編輯在微信中只能獲取到自己偏愛和大眾偏愛的信息。學(xué)術(shù)期刊編輯如果過于依賴微信這一信息渠道來獲取學(xué)術(shù)信息，并據(jù)此提煉選題，就會受困于信息繭房而加劇選題同質(zhì)化。

3.學(xué)術(shù)不端檢測系統(tǒng)中的算法漏洞

目前學(xué)術(shù)期刊基本上都采用了學(xué)術(shù)不端檢測系統(tǒng)來防范抄襲、剽竊、一稿多投等違背學(xué)術(shù)誠信與學(xué)術(shù)準(zhǔn)則的行為。自2008年3月國內(nèi)第一個(gè)學(xué)術(shù)不端檢測系統(tǒng)PaperPass問世以來，目前我國已經(jīng)有十余種學(xué)術(shù)不端檢測系統(tǒng)，主要包括中國知網(wǎng)的“學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)”、武漢大學(xué)的“ROST論文反剽竊系統(tǒng)”、維普論文檢測系統(tǒng)、Gocheck論文引用檢測系統(tǒng)、萬方數(shù)據(jù)文獻(xiàn)相似性檢測服務(wù)、大雅相似度分析系統(tǒng)等。

十多年來的實(shí)踐經(jīng)驗(yàn)證明，學(xué)術(shù)不端檢測系統(tǒng)對于發(fā)現(xiàn)學(xué)術(shù)不端行為是有效的，但不能否認(rèn)的是，目前的學(xué)術(shù)不端檢測系統(tǒng)雖然經(jīng)過不斷升級仍有許多不盡如人意之處。這些不足主要是由其算法上的漏洞導(dǎo)致的。一方面，算法的數(shù)據(jù)來源存在盲區(qū)，使系統(tǒng)無法甄別抄襲與合理引用，于是許多必要自引、合理他引，如對權(quán)威著作、歷史資料、法律法規(guī)、專業(yè)名詞、經(jīng)典詩詞、名言警句等的引用都一概被判定為抄襲，甚至論文的統(tǒng)一格式如前言、資料與方法、結(jié)論等內(nèi)容也被判定為抄襲[26]。另一方面，算法不夠智能，這導(dǎo)致同義詞的替換、表達(dá)方式的變更、字序的調(diào)整等簡單操作就會極大地影響檢測結(jié)果。目前國內(nèi)的學(xué)術(shù)不端檢測系統(tǒng)大多采用數(shù)字指紋技術(shù)或詞頻統(tǒng)計(jì)技術(shù)，其原理在本質(zhì)上只是對字符串進(jìn)行統(tǒng)計(jì)與標(biāo)記，而無法從語義信息和語用信息層面理解論文的含義，因而多數(shù)只能識別文本復(fù)制類型的簡單抄襲[27]，對思想觀點(diǎn)、研究方法上的剽竊完全束手無策。此外，檢測系統(tǒng)不能識別圖表與公式，且有些系統(tǒng)只能查中文文獻(xiàn)而對外文文獻(xiàn)無能為力[28]。

為了彌補(bǔ)檢測系統(tǒng)的局限，期刊界提倡系統(tǒng)檢測與人工審查相結(jié)合來判斷引用的必要性與合理性，試圖用人工來矯正算法的失靈。但是，如今很多高校、編輯部、管理機(jī)構(gòu)都把低重復(fù)率作為一個(gè)硬性指標(biāo)，例如，有些高校規(guī)定畢業(yè)生論文提交評審前必須通過學(xué)術(shù)不端檢測系統(tǒng)的查重；多數(shù)編輯部把學(xué)術(shù)不端檢測作為審稿的第一步；某些管理機(jī)構(gòu)也將學(xué)術(shù)不端檢測作為必備的輔助工具，用于課題審核與職稱評定等。檢測系統(tǒng)的算法決定了一篇文章重復(fù)率的高低，這導(dǎo)致同一篇文章在不同的檢測系統(tǒng)中很可能具有不同的重復(fù)率[29]。這就讓檢測系統(tǒng)的算法擁有了影響甚至決定學(xué)生畢業(yè)論文是否合格、編輯部審稿是否通過、課題與職稱評定是否成功的強(qiáng)制性力量。而如何對算法的權(quán)力進(jìn)行有效制衡、防止其異化，是一個(gè)亟待解決的問題。

4.算法歧視下學(xué)術(shù)期刊的不公平傳播

算法歧視通常被理解為日常生活中基于數(shù)據(jù)的廣告所含有的種族歧視、性別歧視，以及“大數(shù)據(jù)殺熟”背后的價(jià)格歧視等。不過，僅僅將算法歧視“定義為由于算法程序的片面性呈現(xiàn)在種族、性別、職業(yè)身份等之上的消極態(tài)度，未免稍顯狹隘”[30]48，理應(yīng)將其擴(kuò)展為“算法程序在信息生產(chǎn)和分發(fā)過程失去客觀中立的立場，影響公眾對信息的客觀全面認(rèn)知” [30]48 。正是在這個(gè)意義上，本文認(rèn)為，如今的學(xué)術(shù)期刊在傳播機(jī)會上遭遇了嚴(yán)重的算法歧視。這種歧視主要表現(xiàn)為兩大類：一是搜索引擎的競價(jià)排名算法所帶來的經(jīng)濟(jì)歧視，二是搜索引擎內(nèi)置的認(rèn)證歧視。

首先分析競價(jià)排名算法的經(jīng)濟(jì)歧視。算法在表面上僅僅是一種技術(shù)，但其背后卻往往潛藏著強(qiáng)大的資本力量。競價(jià)排名算法就是這樣一種資本與技術(shù)的共謀，使學(xué)術(shù)期刊深受其害。眾所周知，在百度上隨便搜索任一學(xué)術(shù)期刊的刊名，就會出現(xiàn)一堆虛假期刊網(wǎng)站，而學(xué)術(shù)期刊真正的官方網(wǎng)站則可能淹沒在茫茫的高仿網(wǎng)站之中。雖然經(jīng)過2016年的專項(xiàng)治理，搜索引擎取消了對一些釣魚網(wǎng)站的推廣，亂象得到了一定程度的遏制，但即使如此，如今在網(wǎng)上搜索期刊刊名，查詢結(jié)果中仍有不少虛假網(wǎng)站位居前列。為學(xué)術(shù)黑市助紂為虐的正是競價(jià)排名算法，這一算法使付費(fèi)越多的網(wǎng)站在搜索結(jié)果中排名越靠前，因而假冒網(wǎng)站可以通過付費(fèi)購買競價(jià)排名服務(wù)讓自己比真實(shí)網(wǎng)站更容易被搜到。而與虛假期刊網(wǎng)站積極購買競價(jià)排名服務(wù)不同，絕大多數(shù)學(xué)術(shù)期刊為非營利機(jī)構(gòu)，以傳播優(yōu)秀學(xué)術(shù)成果為己任，基本不會主動參與競價(jià)排名，因此，其真實(shí)網(wǎng)站通常都在搜索頁面中排位靠后，難以被公眾看到[31]。由此可見，競價(jià)排名算法在利益的驅(qū)動下，已經(jīng)在信息傳播的過程中失去了客觀中立的立場，它們赫然實(shí)行經(jīng)濟(jì)歧視，使得虛假的仿冒期刊網(wǎng)站也能“買”到搜索結(jié)果的前排位置，嚴(yán)重妨礙了公眾對學(xué)術(shù)信息的客觀全面的認(rèn)知，致使真正的學(xué)術(shù)期刊網(wǎng)站在海量信息里遭到屏蔽，無法獲得公平的傳播機(jī)會?？梢哉f，競價(jià)排名算法造成了假冒期刊網(wǎng)站與學(xué)術(shù)期刊官網(wǎng)之間的一場不公平競爭，讓學(xué)術(shù)期刊受到了來自算法的經(jīng)濟(jì)歧視。

其次分析搜索引擎的認(rèn)證歧視。為了打擊山寨網(wǎng)站，搜索引擎推行認(rèn)證制度，為一些知名期刊網(wǎng)站授予“官網(wǎng)”標(biāo)識。例如，加入百度認(rèn)證后就會有藍(lán)色背景的“官網(wǎng)”字樣，加入360認(rèn)證后就會有綠色的“官網(wǎng)”字樣。事實(shí)證明，認(rèn)證機(jī)制確實(shí)有效。據(jù)統(tǒng)計(jì)，實(shí)行官網(wǎng)認(rèn)證后，學(xué)術(shù)期刊網(wǎng)站在國內(nèi)三大主流搜索引擎（百度、360搜索及搜狗）中的排位情況為：“前3頁出現(xiàn)正確官網(wǎng)的比例最高為百度搜索，其次為360搜索和搜狗搜索，后二者間差別不大。雖然前3頁大多有正確官網(wǎng)顯示，但正確官網(wǎng)出現(xiàn)在首頁首位的比例均偏低，都未超過50%，360搜索甚至低于10%?！盵32]然而，并非所有的學(xué)術(shù)期刊都進(jìn)行了認(rèn)證，只有繳納一定費(fèi)用才能通過認(rèn)證。這樣認(rèn)證機(jī)制就帶來了新歧視，即有認(rèn)證的官網(wǎng)對沒有認(rèn)證的官網(wǎng)的歧視。認(rèn)證與否本來不影響搜索結(jié)果的排名，因?yàn)檎J(rèn)證的主要作用是驗(yàn)證網(wǎng)站的真實(shí)性和有效性，但事實(shí)上，搜索引擎的算法傾向于優(yōu)先展示自己平臺認(rèn)證的網(wǎng)頁，而那些沒有進(jìn)行認(rèn)證的學(xué)術(shù)期刊官網(wǎng)即使是真實(shí)的，也會被算法降序甚至忽略。其實(shí)，這種優(yōu)先展示自己平臺內(nèi)容的算法早已經(jīng)是互聯(lián)網(wǎng)行業(yè)的公開秘密。比如Facebook 會在用戶信息流中優(yōu)先呈現(xiàn)自己平臺上的視頻而非 YouTube 上的視頻[33]；今日頭條會向用戶優(yōu)先推薦自己平臺（頭條號）中的資訊[34]。因此搜索引擎優(yōu)先顯示自己認(rèn)證的網(wǎng)站也只不過是如法炮制而已。

三、突破算法困境：學(xué)術(shù)期刊何去何從

算法既給學(xué)術(shù)期刊帶來了機(jī)遇，也帶來了風(fēng)險(xiǎn)。它對學(xué)術(shù)期刊的未來發(fā)展的影響是多方面的。本文指出算法權(quán)力對學(xué)術(shù)期刊的規(guī)訓(xùn)，并不意味著要抵制算法在學(xué)術(shù)期刊中的應(yīng)用，只是希望引起學(xué)界的重視，讓算法權(quán)力能得到應(yīng)有的制衡與約束，從而維護(hù)學(xué)術(shù)期刊的正當(dāng)權(quán)益。當(dāng)然，“批判的武器不能代替武器的批判”，要想真正從算法困境中解脫出來，除了技術(shù)開發(fā)、法律監(jiān)管等方面的完善之外，學(xué)術(shù)期刊也需要開展自救，那么學(xué)術(shù)期刊能為自己做些什么呢？

1.不忘初心、牢記使命：端正辦刊理念

面對算法時(shí)代的到來，學(xué)術(shù)期刊應(yīng)端正自己的辦刊理念，不忘自己的初心與使命，即“學(xué)術(shù)期刊只是一個(gè)學(xué)術(shù)研究成果的展示和交流平臺……展示哲學(xué)社會科學(xué)研究領(lǐng)域的高水平研究成果，支持哲學(xué)社會科學(xué)領(lǐng)域優(yōu)秀學(xué)術(shù)人才成長，促進(jìn)中外哲學(xué)社會科學(xué)研究的學(xué)術(shù)交流”是它“最基本的工作內(nèi)容”[35]。因此，在期刊評價(jià)上，不應(yīng)過度追求各種排名與等級劃分，而應(yīng)倡導(dǎo)多元評價(jià)，從而發(fā)揮期刊對評價(jià)體系的引導(dǎo)作用，以利于期刊評價(jià)體系的優(yōu)化與完善；在選題策劃上，不要盲目追隨熱點(diǎn)問題，而應(yīng)根據(jù)期刊特色來組織選題；在審稿上，不要單純依賴學(xué)術(shù)不端檢測系統(tǒng)的檢測報(bào)告，還要對檢測報(bào)告的數(shù)據(jù)結(jié)果進(jìn)行具體分析；在期刊傳播上，要重視官網(wǎng)建設(shè)以及搜索引擎的官方認(rèn)證，做好自己力所能及的事情，維護(hù)自己的法定權(quán)利。

2.編輯主體性的再確認(rèn)：做算法的把關(guān)人

算法時(shí)代的快速來臨，直接將新聞媒體的“把關(guān)人”從編輯轉(zhuǎn)變?yōu)樗惴?，出現(xiàn)了“算法把關(guān)”的新現(xiàn)象，編輯的主體性遭到了消解。盡管與新聞媒體相比，在學(xué)術(shù)期刊界，算法并沒有完全取代編輯，但它也滲透進(jìn)了學(xué)術(shù)期刊的選題策劃、審稿、傳播等環(huán)節(jié)之中，影響著編輯的選擇與判斷，在一定程度上削弱了學(xué)術(shù)期刊編輯的主體性。要矯正、彌補(bǔ)算法的弊端，就需要在算法時(shí)代重新確認(rèn)與強(qiáng)調(diào)編輯的主體性，用人的主體性來彌補(bǔ)物的不足，即在編輯工作中不要過多依賴算法，不要迷信數(shù)據(jù)，不要完全將選題與審稿的權(quán)力讓渡給算法，而應(yīng)在充分利用算法于數(shù)據(jù)分析方面的優(yōu)勢的同時(shí)，結(jié)合編輯的經(jīng)驗(yàn)來選稿、用稿、審稿。2021年6月，中宣部、教育部、科技部等三部委聯(lián)合印發(fā)《關(guān)于推動學(xué)術(shù)期刊繁榮發(fā)展的意見》（簡稱《意見》），為學(xué)術(shù)期刊的繁榮發(fā)展指明了方向?！兑庖姟访鞔_提出，應(yīng)“提升編輯策劃與把關(guān)能力”“切實(shí)把好政治導(dǎo)向關(guān)、學(xué)術(shù)質(zhì)量關(guān)和價(jià)值取向關(guān)”?？梢姡惴〞r(shí)代下學(xué)術(shù)期刊編輯不僅不應(yīng)該讓算法取代自己進(jìn)行把關(guān)，從而弱化自己的把關(guān)人形象，相反，應(yīng)該進(jìn)一步強(qiáng)化自己的主體性，做算法的把關(guān)人。