谁做了什么？一种基于TF-IDF（Term Frequency-Inverse Document Frequency）的团队科学贡献度量方法

《Journal of Informetrics》：Who did what? A TF-IDF-based contribution metric for team science

　　

随着科学日益以团队为基础，绘制科学贡献图谱对于理解团队动态和强化科学问责至关重要。尽管现有基于频数的度量提供了有价值的见解，但可能无法充分捕捉个体专业化与共同责任的异质性。为补充传统方法，研究人员提出一种新的基于TF-IDF的框架，通过依据作者所执行角色的多样性以及合著者间角色分布的广度对原始角色计数进行重加权，来刻画作者贡献画像。研究人员利用PLOS ONE的大规模出版元数据语料库对该方法进行实证实现与演示。结果表明，基于TF-IDF的框架过滤掉无信息的“全员参与”贡献，捕捉到被原始角色计数掩盖的贡献特异性，并锐化了作者贡献画像间的区分度。在使用随机森林分类器预测署名位置时，基于TF-IDF的贡献特征持续优于原始计数特征，且这一优势在不同团队规模与研究领域中均成立。附加分析显示，基于TF-IDF的度量在中等规模、相对平等的团队中以及高度专业化个体身上相较原始角色计数优势最大。总体而言，基于TF-IDF的框架为更细粒度、更具区分度的研究团队内劳动分工刻画提供了实用工具，为提升署名归属透明度提供了独特途径。

研究背景方面，科学合作已成为知识推进的主要驱动力，团队研究在应对复杂科学与社会挑战中占据主导，并产生更高被引与更高影响力的成果。然而署名列表快速膨胀带来伦理隐忧，仅凭署名行难以反映个体投入与责任，ghost authorship与gift authorship等现象威胁透明度和可信度。既有量化作者贡献的研究多依赖特定角色是否存在或原始角色计数（raw role counts），将同一角色下所有作者等同赋权，忽视了角色在团队内是广泛共享还是高度集中这一垂直分布维度，导致异质贡献画像被压缩为等价角色总数，掩盖了专业化与共享程度的差异。为弥补该局限，研究人员引入信息检索中的TF-IDF（Term Frequency-Inverse Document Frequency）技术，将每篇论文视为局部语料库、每位作者的贡献画像视为文档、每个贡献角色视为词项，从而同时刻画个体角色组合多样性（水平维度）与角色在合著者间分布广度（垂直维度）。

该研究发表在《Journal of Informetrics》。研究人员以PLOS ONE大规模出版元数据为样本队列，开展三项连贯工作：构建基于TF-IDF的贡献框架；从构念效度与预测效度两维验证；用加权最小二乘回归考察框架适用边界。关键技术方法概括如下：第一，TF-IDF适配，定义作者i在论文p中角色r的贡献得分C_irp=TF_irp×IDF_rp，其中TF_irp=n_irp/∑_r′n_ir′p，IDF_rp=log(N_p/n_rp)，N_p为论文作者总数，n_rp为执行角色r的作者数，整体得分由跨角色求和得到。第二，构念效度检验，将角色声明分为solo、partial、all_hands三类，并用基于队内排名的归一化Gini系数比较原始计数与TF-IDF得分的区分度。第三，预测效度检验，以随机森林分类器（RFC）预测first/middle/last署名位置，特征集分别为14个CRediT原始计数与14个TF-IDF特征，75/25划分，网格搜索调参，class_weight平衡，三折交叉验证优化F1-score。第四，边界条件建模，以队内作者级排序差异Divergence_ip=|R_i^raw?R_i^TF_IDF|/(N_p?1)和论文级Kendall’s tau为因变量，队规模与平等度（1?Gini）等为自变量做WLS（加权最小二乘）回归。

研究结果部分，按照原文小节顺序。3.1构建基于TF-IDF的贡献框架中，研究人员通过Team A与Team B两个假设团队示例说明：当四人各担两角色但共享度不同时，TF-IDF能赋予持独特角色者更高分；当某角色被全员声明（all-hands）时IDF为0，该角色不贡献区分信息，从而避免“全员监督”虚高。3.2验证结果显示，在构念效度上，TF-IDF加权后的队内Gini系数常高于原始计数Gini，表明原始等计数下潜藏画像异质性被释放；在预测效度上，TF-IDF特征在二分类与多分类署名位置预测中F1-score均稳定高于原始计数特征，优势跨团队规模与领域保持。3.3边界条件建模表明，TF-IDF与原始计数排序分歧在中等规模、相对平等（低Gini）、含高专业化个体的团队中最显著，过大团队因角色细碎化反而使分歧非线性回落。

讨论与结论翻译部分，研究人员指出，传统贡献度量偏重水平个体维度而忽略垂直角色分布，基于TF-IDF的框架通过IDF对广布角色降权、对专属角色升权，把“角色是否被少数人持有”纳入贡献画像，过滤无信息全员角色，锐化作者间差异。该框架在PLOS ONE语料中不仅能揭示被原始计数掩盖的特异性，还在署名位置预测任务中提供一致增益，且增益集中于中等规模、较平等、高专业化场景。总体结论是：基于TF-IDF的贡献框架为研究团队内劳动分工提供了更细粒度且可区分的刻画工具，能以角色共享结构为权重补强署名透明度与问责，是传统原始角色计数方法的有效补充而非替代。