کارل تی. برگستروم*: روزی دوستی به من گفت «رتبه‌بندی عددی دانش را می‌کشد و شما مرگ آن را تسریع می‌کنید». او به کار من بر روی سیستم‌های رتبه‌بندی مبتنی بر شبکه در پروژه Eigenfactor اشاره می‌کرد، من اکنون می‌توانم منظور او را درک کنم. هنگامی که سوالاتی در مورد کلکسیون‌های بزرگ مواد می‌پرسید، مانند «چه تعداد از زیست‌شناس‌ها نتایج را از مقاله‌های اقتصادی رونویسی می‌کنند؟»، ارزیابی عددی خود را نشان می‌دهد. ولی با این حال، سیستم‌های ارزیابی به عنوان یک شیوه ارزان و ناکارامد تعیین میزان مولد بودن یک دانشمند هنوز به کار گرفته می‌شوند. نه تنها این تجربه منجر به یک ارزیابی نادقیق می‌شود، بلکه دانشمندان را به این سو سوق می‌دهد که بیش از خود علم به فکر رتبه‌بندی باشند. راه بهتری برای ارزیابی اهمیت یک مقاله و یا خروجی پژوهشی یک محقق وجود دارد: خواندن آن.
انگیزه من برای تهیه سیستم‌های رتبه‌بندی شبکه‌ای این نیست که بگویم این دانشمند از آن یکی بهتر است یا ام.آی.تی از استنفورد بالاتر است؛ بلکه مهم‌ترین خاصیت رتبه‌بندی کمک به پژوهش است. یکی از مهم‌ترین پرسش‌های مطرح شده توسط کسانی که به علم می‌پردازند (و نه کسانی که آن را ارزیابی می‌کنند)، این است که «من باید چه چیزی بخوانم که به تحقیقم ربط داشته باشد؟» تنها در این حوزه است که رتبه‌بندی به جای مضر بودن، سودمند هم هست.
به رغم این که تصور عموم از شبکه، ابزاری برای آوردن متون است، قدرت اصلی شبکه در توانایی آن برای کشف متون نهفته است. این به افراد کمک می‌کند تا چیزهایی را بیابند که به علایق آنها مرتبط است و کیفیت به اندازه کافی بالایی دارد تا توجه را به خود جلب کند. الگوریتم رتبه‌بندی صفحات گوگل نشان می‌دهد که ساختار شبکه‌ای هایپرلینک شده اینترنت تمام داده‌های مورد نیاز برای حل هم‌زمان مشکل انطباق و رتبه‌بندی را فراهم می‌کند.
در ادبیات علمی، فرایند تجمیعی ساختمان دانش در پس خود شبکه‌ای از ارجاعات را به جا می‌گذارد که مشابه ساختار هایپرلینکی شبکه است. در Eigenfactor.org ما یک الگوریتم رتبه‌بندی را بنا نهادیم که شبیه رتبه‌بندی صفحه‌ای ژورنال‌های علمی است که در آنها، ژورنال‌هایی مهم هستند که به تناوب توسط ژورنال‌های مهم به آنها ارجاع داده می‌شود.
گام بعدی ایجاد یک مقیاس در سطح مقالات است که چرایی و چگونگی ارتباطات مقالات را بهتر نشان می‌دهد. ترکیب این نگاشت با پژوهش به دانشمندان کمک می‌کند تا ادبیات علمی را راهبری کنند و مشخص کنند که چه چیزی را باید بخوانند و تصمیم بگیرند که به چه پس‌زمینه پژوهشی برای درک موضوع نیاز دارند. در eigenfactor.org ما مشغول کار بر روی این موضوع هستیم.
قابل توجیه است که خیلی از دانشمندان نگران این هستند که رتبه‌بندی تاثیر نامطلوبی بر دانش بگذارد. برای کاستن از این نگرانی و کاهش خصومتی که ممکن است خیلی از پژوهش‌گران با رتبه‌بندی داشته باشند، ما باید سوء استفاده از رتبه‌بندی را متوقف کنیم و به جای آن، نشان دهیم که چگونه می‌توان از آنها برای پیشبرد علم بهره برد.
*از بنیان‌گذاران سایت Eigenfactor.org از دانشگاه واشینگتن سیاتل
نیچر، شماره 7300 - 17 ژوئن 2010 ، ترجمه: مجید جویا
نظر شما