它或许会取代影响因子，它的名字叫 Semantic Scholar

去年秋天，位于华盛顿州西雅图的艾伦人工智能研究所（Allen Institute for Artificial Intelligence）启动了一项名为 Semantic Scholar（语义学术）的服务，向 Google Scholar、PubMed 等在线搜索引擎发起挑战。该程序最初经由 200 万篇计算机科学领域的文献训练，旨在提供一个能在一定程度上理解文献内容的人工智能搜索引擎。它的语料库已增长到 400 万篇文献。现在，研究所正在为 Semantic Scholar 制定另一个同样远大的目标：衡量科学家或科研组织对后续研究的影响力。

该工具能够通过一项专门的“影响力分数”，对文献、作者和研究机构进行排序，目前它仅涉及计算机科学领域，但会在2016年秋季扩展到神经科学领域，并进而扩展到其他学科。例如，该工具发现，计算机科学领域最具影响力的研究机构是麻省理工学院。这当然不出所料。那么，最具影响力的计算机科学家呢？是在圈外鲜为人知的人工智能先驱、加州大学伯克利分校的迈克尔·乔丹。“大家都叫他机器学习领域的迈克尔·乔丹，”西雅图艾伦人工智能研究所的负责人，Semantic Scholar 的创造者奥伦·埃齐奥尼（Oren Etzioni）如此打趣。

如果圈外人发现 Semantic Scholar 的排名可靠，该排名就可能对招聘与教职评估委员会有所帮助，这是因为学术影响力本身就难以量化。过去的方法是统计引用次数，这已经成为学术出版行业的基本衡量标准。汤森路透（Thomson Reuters）、爱思维尔（Elsevier）等机构通过出售文献数据库的使用权，让用户获取被引用次数。

但并非所有的引用次数都具有同等价值。例如，为整篇论文提供灵感的引用，与仅仅在方法论部分简单提及的引用截然不同。因此，粗暴地统计引用次数会对衡量。