假如有两篇水平相同的论文，一篇出自诺贝尔奖得主之手，另一篇由一名默默无闻的研究生撰写，哪一篇会被更多人阅读和引用呢？大多数人都会先翻开前一篇。关注和认可集中到已经成名的人身上，而这些关注又转化为更大的名声，这种现象就是“马太效应（Matthew Effect）”。
简单来说，马太效应是指“起初稍稍领先的人或资料凭借这份领先获得更多机会与认可，使差距随着时间推移越拉越大的现象”。在文献信息学中，它被视为解释论文引用、学术评价和资料利用为何向一方倾斜的重要概念。
本文将依次介绍马太效应这一名称的由来、引用带来更多引用的原理、学术信息世界中出现的案例，以及减少这种倾斜的方法。
从“富者愈富，贫者愈贫”看学术信息世界
什么是马太效应？
这个名称取自《新约圣经·马太福音》第25章第29节：“因为凡有的，还要加给他，叫他有余；没有的，连他所有的也要夺过来。”1968年，美国社会学家罗伯特·默顿（Robert K. Merton）在发表于学术期刊《科学》（Science）的论文《科学中的马太效应》（The Matthew Effect in Science）中借用这段经文，来解释科学家群体中的不平等。默顿以采访诺贝尔奖得主的哈丽雅特·朱克曼（Harriet Zuckerman）的研究为基础，后来还亲口表示朱克曼对这一概念贡献很大。
（1）随名声而不同的认可
默顿注意到的是，即使成就相近，早已成名的科学家也会获得更多功劳。即便是多人合作完成的研究，奖项和赞誉也往往落到最有名的资深研究者身上。
（2）连交流体系都会改变的倾斜
马太效应并不止于个人名声。知名学者的论文被读得更多、传播得更快，而无名学者写出的同等水平论文却不太引人注意。结果，科研经费、人才和研究设施也都向已经领先的地方聚集。1986年，心理学家基思·斯坦诺维奇（Keith Stanovich）还把这个名称用在了早早学会阅读的孩子读得更多、与同龄人差距越拉越大的现象上。
引用带来更多引用的累积优势
马太效应在数字上表现得最明显的地方是论文引用。1976年，科学史学家德里克·德索拉·普赖斯（Derek J. de Solla Price）用数学模型解释了被引次数越多的论文越有可能获得新引用的过程。
- 累积优势（Cumulative Advantage）：起初取得的小小成功带来科研经费、优秀研究生和良好设备等资源，而这些资源又催生更大成功的反馈结构。
- 偏好连接（Preferential Attachment）：1999年，物理学家艾伯特-拉斯洛·巴拉巴西（Albert-László Barabási）和雷卡·阿尔伯特（Réka Albert）用这个名称来称呼已经获得许多链接的网页也会获得更多新链接的现象。这是把普赖斯的累积优势原理应用到了网络上。
- 幂律分布（Power Law Distribution）：这样的过程不断累积，就会出现少数论文和学者占据大部分引用的长尾分布。普赖斯认为，洛特卡定律和布拉德福定律也可以用这一原理来解释。
检索工具也可能加剧这种倾斜。在把引用次数纳入排名或排序标准的学术检索页面上，排在上方的论文更常被阅读和引用，其排名也随之进一步固化。
学术信息世界中的马太效应
马太效应在研究现场的各个角落都能实际观察到。
[案例1] 一线之差决定的科研经费
2018年发表在《美国国家科学院院刊》（PNAS）上的一项研究，分析了荷兰一项青年研究者资助项目的数据。尽管评审分数几乎相同，但勉强越过入选门槛的研究者在此后8年里获得的科研经费，是惜败者的两倍多。也就是说，造成差距的与其说是能力差异，不如说是最初那一次入选。
[案例2] 被换了名字的发现与被掩盖的功劳
1980年，统计学家斯蒂芬·施蒂格勒（Stephen Stigler）提出了“任何科学发现都不会以最初发现者的名字命名”的施蒂格勒命名定律，并指出最先说出这一想法的人是默顿，让这条定律本身也成了它的一个例证。1993年，科学史学家玛格丽特·罗西特（Margaret W. Rossiter）以19世纪女权运动家玛蒂尔达·乔斯林·盖奇（Matilda Joslyn Gage）的名字，把女性科学家的功劳被归于男性同事的现象称为“玛蒂尔达效应（Matilda Effect）”。
信息服务为减少倾斜所做的努力
马太效应无法完全消除，但处理信息的人和机构可以削弱它的力量。
（1）先看内容而非名字的机制
许多学术期刊采用让审稿人和作者互不知晓身份的双盲同行评审（Double-Blind Peer Review），以减少名气干扰评价的空间。
（2）照亮隐藏资料的策展
如果图书馆只突出热门借阅排行，就会形成借得多的书被借得更多的循环。馆员通过主题推荐书目和专题展览来介绍较少为人所知的好资料，是松开这个循环的好办法。
（3）开放获取与严谨引用
开放获取（Open Access）让不隶属于知名机构的研究者也有更多机会广泛传播自己的研究。不过也有人指出，开放科学的实践可能对资源本就充足的一方更为有利，因此需要细致的设计。研究者自己也有必要养成查找并引用最先提出想法的原始论文，而不是知名解说著作的习惯。
马太效应表明，即使实力相近，起点上的微小差异也会随着时间推移扩大为巨大差距。引用次数、借阅排行和检索排名都是便利的指引，但这些数字里不仅装着实力，也装着先行积累的关注的分量。
再多看一眼隐藏在数字背后的资料与人，这就是迈向公平知识生态的第一步。
