The Academic Journal Guide: A View from Category Theory.

技术摘要：学术期刊指南：基于范畴论的视角

问题陈述
由特许商学院协会（CABS）发布的《学术期刊指南》（AJG）是商业与管理学科研究质量的主要代理指标。尽管 AJG 的方法论声称通过将专有引用影响数据与定性专家判断相结合，将期刊分配到五个离散层级（1 到 4*）中，但其分类的理论稳健性尚未得到评估。具体而言，目前缺乏从范畴论（Categorization Theory）视角出发对 CABS 分类进行合理性评估的研究。关键问题包括：影响数据与专家意见在排名中分别占据多大程度的驱动作用？定义的标准（如评审严谨性、指标可用性）是否确实区分了不同类别？是否存在显著的类别重叠，从而削弱了离散层级的效用？

研究方法
本研究采用基于范畴论的混合方法，针对来自 AJG 2022 版的经验数据测试了四个特定假设。分析重点关注四个学科领域：市场营销、管理学、国际商务（IB）和战略学，共计 324 本期刊。

1. 数据构建： 研究利用了 AJG 提供的三个专有影响指标（CiteScore、SNIP 和 SJR），涵盖 2017–2021 年期间。由于这些指标之间具有高度相关性（r > 0.85），研究将其相加以创建一个复合影响度量。
2. 统计检验：
   • H1（影响差异）： 使用单因素方差分析（One-way ANOVA）和 Kruskal-Wallis 检验来评估影响数据在不同及相邻 AJG 类别之间是否存在显著差异。
   • H1b（影响的主导性）： 采用序数逻辑回归（Ordinal Logistic Regression）来确定影响数据在多大程度上可以预测类别归属。
   • H2（评审严谨性）： 对期刊网站进行定性审计和网络搜索，以验证有关“双盲”评审流程和审稿人数的说法，特别测试了关于 1 级期刊评审“相对较轻”的定义。
   • H3（指标可用性）： 分析了不同类别中引用影响因子的可用性，以测试低评级期刊缺乏此类数据的假设。
   • H4（地理偏见）： 通过序数逻辑回归识别出表现异常的期刊（即其影响数据暗示了与其被分配的 AJG 评级不同的类别）。研究对比了这些期刊的国别来源，以测试是否存在基于英国的偏见。

主要结果

• 影响数据的支配地位（H1a & H1b）： 影响数据解释了分类中很大一部分的方差（约三分之二到四分之三，伪 R² 值在 0.66 到 0.73 之间）。然而，研究发现相邻类别之间（特别是 2–3 和 3–4 级）存在显著重叠，其中成对比较的 p 值并不显著。这表明，虽然影响数据是主要驱动因素，但它并不能完美契合 AJG 所设定的离散边界。
• 评审严谨性（H2）： 认为评审标准随类别变化而显著变化的假设未得到支持。对期刊网站的分析显示，即使是 1 级期刊也主要采用双盲同行评审和多名审稿人制度，这与 AJG 关于 1 级论文评审“相对较轻”的定义相矛盾。
• 指标可用性（H3）： 关于 1 级期刊缺乏引用指标的假设在很大程度上未得到支持。虽然部分 1 级期刊缺乏特定指标，但大多数期刊都拥有 AJG 所使用的全部三种主要指数的数据。
• 地理偏见（H4）： 与假设英国期刊受到优待相反，基于影响数据的重新分类分析表明，英国期刊实际上比非英国期刊更有可能获得“晋升”（即根据影响数据提升至更高类别）。然而，研究指出，目前的系统不允许基于指标差异进行申诉，除非期刊的特征发生变化。
• 重新分类潜力： 回归模型表明，样本中约有三分之一的期刊可以根据其影响数据进行重新分类（无论是晋升还是降级），从而减少组间重叠。

主要贡献
本文的主要贡献在于将范畴论应用于期刊排名系统的评估。通过将 AJG 视为一种旨在为研究格局强加连贯性的社会建构，作者识别了关键的理论差距：

1. 边界模糊性： 研究表明，AJG 类别的边界在实践中定义并不明确，这可以通过相邻组之间影响指标的实质性重叠得到证实。
2. 判断的不透明性： 虽然 AJG 强调专家意见的作用，以区别于纯粹基于指标的排名，但数据表明影响指标驱动了大部分方差。由于关于“定性判断”组成部分的公开数据缺失，用户无法理解为什么特定期刊会偏离基于指标的预期。
3. 定义的不一致性： 经验性研究结果显示，AJG 的书面定义（例如关于评审严谨性和指标可用性）与各类别内期刊的实际特征之间存在脱节。

意义与主张
论文认为，当前的 AJG 方法虽然具有影响力，但未能达到范畴论关于清晰边界和透明标准的标准。作者主张：

• 依赖专有影响数据结合不透明的专家判断，创造了一个系统，其中很大一部分期刊（约三分之一）相对于其影响数据可能存在误分类。
• 该系统目前缺乏让期刊根据指标差异进行申诉的机制，因为重新分类受限于期刊在“性质”或指标上发生的实质性变化。
• 为了符合透明度原则（如 DORA 宣言），CABS 必须要么公开定性判断数据，要么修订类别定义，使其更好地与所包含期刊的经验现实相一致。

研究结论指出，除非将分类标准透明化并使定义与数据保持一致，否则 AJG 将继续作为一个“替代性衡量标准”运行，这可能会在无意中鼓励“追逐排名”而非反映真实的科研质量。本文并未提出新的排名系统，而是呼吁对现有系统进行具有理论依据的修订，并指出 AJG 的下一次迭代预计在 2027 年进行。