困境与突破：算法权力下的学术期刊

周小玲

随着以算法为核心技术的智能时代的到来，算法越来越多地被应用到社会各领域。例如，政府利用算法来实现智能化疫情防控；
媒体依据算法对用户进行个性化的新闻推送；
商家利用算法来实现精准营销；
监管部门采用算法对网络暴力、色情等违法内容进行识别与检查；
等等。可以说，算法的普及全方位地改变了人们的生活。然而，算法是一把双刃剑，它在给日常生活带来巨大便利的同时也导致了不公平、歧视、隐私泄露等一系列问题。例如，算法在增强人们的信息获取能力，提高人们意见表达的机会的同时，也在无形中接管了信息分发的权力；
在实现高效管理、维护社会稳定的同时，也在无意识中增强了政府的公权力；
在帮助企业优化服务、精准营销的同时，也暗中赋予了企业更多的支配权与控制权。可以说，“世界不再以我们能够理解的方式来表达，它已经被数据化了，任由算法阐释，按照控制论方式重新配置”[1]。

目前学界对算法所引发的经济、伦理、社会治理方面的种种问题与隐患都给予了极大关注。可以看到，算法偏见、算法黑箱、算法失灵、算法伦理、算法治理、算法权力等概念层出不穷。然而，算法对学术期刊的影响却鲜有研究者关注，相关研究大多聚焦于学术期刊在算法时代的传播，即学术期刊如何构建有效的传播平台来适应算法时代的来临[2—4]，而对算法可能给学术期刊带来的潜在问题与现实困境的研究则寥寥无几。因此，本文试图从算法在学术期刊中的应用出发，结合学术期刊的编辑工作，探讨算法作为一种权力在学术期刊中的渗透与扩张，揭示算法权力对学术期刊的无形控制，并为学术期刊的自救提出解决之道。

目前，算法在学术期刊中的应用主要通过以下四种方式实现。

1.通过算法构建学术期刊的用户画像

用户画像（user profile）是一种通过描绘用户特征来为用户提供精准服务的技术，该技术往往需要综合使用分类、聚类、推荐等各种算法[5]，目前被广泛地应用于图书馆、电子商务、健康医疗等领域。近年来，随着相关研究的推进，很多学者将用户画像技术引入学术期刊研究，试图通过构建学术期刊的用户画像模型来更好地理解作者与读者的需求、选择更加合适的审稿专家、实现学术期刊微信公众号的精准推送等。例如，有学者通过挖掘和收集学术期刊的网站、投稿平台、微信公众号上的用户数据，并按照一定的算法对这些原始数据进行过滤、整理、分析、计算，构建作者画像、读者画像与专家画像，从而使学术期刊提供更加精准化、多样化、社交化和个性化的服务[6]。另有学者针对学术期刊存在的“找不到”或“找不对”合适的外审专家审稿的问题，将用户画像技术应用到审稿人的遴选之中，通过构建审稿人画像模型，设计出更加有效的外审专家推荐方法，以实现审稿人研究方向与稿件的精准匹配[7]。还有学者试图通过用户画像技术来提高学术期刊微信公众号的精准推送功能，从而提高期刊的传播力与影响力[8]。总之，建立在算法基础上的用户画像技术让学术期刊可以精准细致地把握作者、读者、专家的信息，从而提升学术期刊的服务质量与水平。

2.通过算法优化学术期刊评价

算法在学术期刊中最早、最主要的应用是期刊评价。学术期刊的评价方式主要有两种：定量评价和定性评价。由于定量评价有利于保证评价结果的客观性，避免人的主观性、认知及情感等因素对评价结果产生过多影响，所以，长期以来都备受推崇。近年来，虽然同行评议等定性评价越来越受到重视，但以文献计量为主的定量评价仍是期刊评价中不可或缺的方法。文献计量主要是对引文数据进行整理、排序、分析、统计，这为算法提供了绝佳的用武之地。可以说，无论是长期以来期刊评价中最倚重的传统指标，如载文量、被引量、期刊影响因子（journal impact factor，英文缩写JIF）、h指数、g指数、A指数、r指数等[9]88，还是近来新兴的“期刊声望指标（SCImago journal rank，英文缩写SJR）与特征因子（eigen-factor，英文缩写EF）等衍生指标”[10]，都离不开算法的支撑。传统的期刊评价所依据的算法往往比较简单，主要是对引用进行统计，如影响因子就是对一种期刊前两年发表的论文在统计当年被来源期刊引用的总次数除以该期刊在这两年内发表的论文总数进行的计算。这种简单算法使得影响因子只注重引文的绝对数量，而忽视引文的实际质量，且无法排除自引等情况，因而不断被诟病。面对指责，期刊评价的算法不断更新换代，逐步出现了一些新型期刊评价指标，例如，“作为新型期刊评价指标的代表SJR和EF，两者都采用了类PageRank算法模型来评价科技期刊的质量与影响力”[9]88。总之，无论是传统指标还是新型指标，算法在以定量分析为主的期刊评价中始终发挥着举足轻重的作用。不过，显而易见的是，过于依赖算法的期刊评价也带来了一些弊端。

3.通过算法辅助学术期刊的选题策划

及时了解和掌握学术热点和前沿，并据此来进行选题策划，是学术期刊编辑需要掌握的基本技能之一。然而，在信息爆炸时代，不仅信息量呈几何级增长，而且信息传播的速度和广度也大大增加，这导致学术热点也在加速更迭，那么，身处信息洪流和热点日新月异中的学术期刊编辑如何应对这一挑战？越来越多的研究者提倡学术期刊编辑利用算法来挖掘与捕捉学术热点与前沿，从而在组稿、约稿中能主动出击、引领学科发展。有学者探索运用SciVal的文献数据挖掘技术来提炼学术热点，以此辅助学术期刊编辑及时了解和掌握研究热点，从而实现精准约稿[11]。有的学者自行开发算法来进行学术热点发现与热度评价，一方面“通过词频统计和词增长速度算法对专业领域内的热点进行识别”；
另一方面“从内容层面和传播层面两个维度设计并计算一系列指标，对识别到的热点进行热度评价与排序”，最终实现由数据、算法驱动的选题决策。[12]有的学者建议利用数据库自带的算法对学术热点进行预测，如利用基本科学指标数据库（Essential Science Indicators，英文缩写ESI）的相关功能来统计分析作者/机构/国家合作度、基金论文影响力、高被引期刊/机构/热点主题词等信息，以获取研究热点。[13]有学者借助Doc2Vec方法，对期刊论文的相似度进行计算，采取共词聚类分析、关键词的词频统计等算法，计算出一定时间和范围内的期刊热点选题。[14]总之，随着技术的进步，学术期刊编辑关注学术热点、进行选题策划的手段日趋丰富，不过，算法在选题策划上的应用也有局限性与不足之处，如会导致信息茧房、加剧学术期刊选题同质化等。

4.通过算法防范学术不端行为

目前，国内虽然有多种学术不端检测系统，但其论文查重的基本原理是一致的，即查重系统将待检测的论文与数据库中的文献进行比对，按照一定的算法进行识别，计算出重复率，并生成检测报告单。由此可见，算法是学术不端检测系统的关键。然而，不同检测系统的重复率算法大同小异。例如，中国知网、万方、大雅的查重系统，其重复率算法是相同的，即都是“重复字数和总字数的比值”。需要注意的是，中国知网查重采用的是目前比较先进的模糊算法，即以句子为最小单位，如果一句话中有连续13个字符重复，并且重复字数达到该段落的5%，那么就会被标记出来[15]。而维普与PaperPass采用的重复率算法略有不同，维普使用的算法是“总相似比=复写率＋他引率＋自引率”；
Paper-Pass的重复率算法是“（句子1相似度＋句子2相似度＋……+句子n相似度）/n”[16]。客观来讲，算法的应用的确有助于发现抄袭、剽窃、一稿多投等学术不端行为，算法的确是防范学术不端、净化学术生态的有力武器，但需要指出的是，查重系统算法目前仍有不足，这也令学术期刊与作者都颇感苦恼。

需要指出的是，算法在为学术期刊赋能的同时，也逐步异化成了一种权力，成为支配与控制学术期刊的一种强制性力量。这是因为，在一切都以数据化的面貌出现的智能时代，谁拥有数据，谁就有权对数据进行分类、搜索、判定、过滤、推荐等算法的分析与处理[17]。而算法依据某些相关性作出的选择、排序、分类或预测，会在有利于某些人或物的同时不利于其他人或物。如果说“权力是一种社会关系”，是某个主体“运用其拥有的资源，对他人发生强制性的影响力、控制力，促使或强迫对方按权力者的意志和价值标准作为或不作为” [18]的能力，那么可以被用来强化自己对他人的影响力和控制力的算法，俨然已经演化为一种算法权力。正如喻国明教授所指出的：“算法的社会本质是一种权力，技术不仅能够赋能与赋权，而且它自身就构成一种权力的行使和对于传统权力模式的替代。” [19]可见，算法不仅是一种技术，还是一种操纵政治、社会和经济的权力手段。作为一种权力的算法，如今已经渗透到了社会的方方面面，学术期刊也概莫能外。

算法权力通常是非常隐蔽的，其在学术期刊中的运作往往是通过对学术期刊进行分等定级与排名，渗入选题策划、学术不端检测以及学术信息传播等环节来实现的。

1.算法权力下的学术期刊分等定级与排名

通过采集各种数据对学术期刊进行分等定级与排名是一种重要的期刊评价方式，这种评价方式可以在学术期刊之间形成角逐与竞争，因而在一定程度上有助于提高学术期刊的质量。但对评价结果的滥用与盲目追求，也使得它逐步背离了设计的初衷，因此饱受诟病。《清华大学学报》仲伟民教授曾客观地评价了“学术评价与学术期刊的纠葛”，他指出，学术界、期刊界以及管理部门“对学术评价的批评多、肯定少，这是可以理解的，因为最近一二十年学术评价机构对学术研究的负面影响的确越来越大，应该批评。但是，另一方面，我们也要充分看到有的学术评价机构在与学者及管理部门的交涉及交流中，客观上对学术研究和学术期刊也起到了很重要的正向作用”[20]。目前，国内不同的评价机构按照不同的标准，对学术期刊进行了各种等级区分，其中比较重要的等级划分有核心期刊与非核心期刊、CSSCI来源期刊与非CSSCI来源期刊等；
比较重要的排名有影响因子排名、人大复印资料转载指数排名、学术影响力排名、国际影响力排名等。此外，随着微信的盛行，还出现了许多与之相关的新排名，如学术期刊微信公众号热点文章排名、学术期刊微信传播力排名等。这些琳琅满目的分级与排名让学术期刊冰火两重天，评级高的、排名靠前的欢呼雀跃，反之则垂头丧气。

等级划分与排名的实质是一种算法权力机制，这是因为，等级与排名都是通过某种算法被计算出来的。虽然近年来随着学界与期刊界中有志人士的不断推进，各大期刊评价体系都放弃了之前单纯依据量化指标的计算，逐步提高了质性内容的权重，但即使如此，定量分析仍是学术期刊评价体系的主要方法。然而，这种计算出来的等级与排名被盲目认同后，不仅某些作者会以刊物的等级与名次作为投稿的参照，某些读者也会更愿意阅读等级高、排名靠前的期刊。久而久之便产生了马太效应：等级越高、排名越前的期刊，其稿源就越好，其订阅量与影响力就越大。这导致一些期刊开始刻意迎合等级与排名的算法来调整自己的办刊方针。于是我们看到，为了挤进核心期刊或提高影响因子，有的期刊会重金买稿，即给著名学者的文章提供高稿酬；
有的期刊声明自己倾向于发表长文章，因为无论是转载率还是影响因子的计算都是以文章被转载或被引用的次数除以发表的文章数量总和[21]，而多发篇幅长的文章就会降低文章数量总和即分母，从而期刊就可以坐享其成，即什么都不用做，只改变文章的篇幅就可以有效提高转载率或影响因子；
有的期刊明确表示自己偏爱发表基金论文，因为基金论文比是评价期刊等级与排名的重要指标之一；
甚至还有期刊明确要求作者投稿的论文必须引用本刊发表过的文章……真可谓八仙过海，各显神通。如此种种都是为了提高等级与排名。可见，学术期刊对等级与排名的认同，让等级与排名的算法建立了自己的霸权地位。为了迎合这些等级与排名算法的偏好，学术期刊在选稿、用稿等方面不得不刻意地投其所好，以致丢失了自己作为优秀学术成果展示平台的意义。奥尼尔（Cathy O" Neil）曾把算法称为“数学杀伤性武器”，他指出“许多数学杀伤性武器都是依靠自己的内置逻辑来定义其所处理的情况，然后再以其自己的定义证明其输出结果的合理性的。这种模型会不断地自我巩固、自我发展，极具破坏力”[22]。盲目追求算法决策出的等级与排名对学术期刊造成的伤害，又一次印证了这种“数学杀伤性武器”的破坏力。

2.信息茧房加剧学术期刊选题的同质化

国内的学术期刊尤其是综合性学术期刊存在严重的同质化问题，它们不仅在形式上如封面、版式上趋同，更是在选题内容上重复，在栏目设置上相似，缺少各自的特色。对此，学界做过多方面的分析。如《天府新论》的谢莲碧将学术期刊同质化的原因归结为学术资源的有限、学术热点的相对集中，以及期刊之间激烈的竞争[23]。《甘肃社会科学》的胡政平将学术期刊同质化的成因总结得更为全面，不仅追溯了历史原因如“计划经济时代形成的行政化的单位制办刊模式”“长期形成的传统化的内向式办刊模式”，还从制度设计与执行层面作了探讨，认为失范的制度设计和长期的执行不力是同质化的重要因素。此外，他还从期刊自身出发深刻反省，列出了期刊主帅创新能力匮乏、编辑队伍素质欠佳等弊病[24]。以上分析固然颇有见地，然而在算法时代，我们不得不考虑一个新现象，即信息茧房所带来的选题同质化的加剧。

以往学术期刊编辑感知与获取学术信息的方式通常有两种：一是阅读同行期刊，通过阅读来寻找高频出现的学术议题；
二是参加各种学术会议，通过会议来了解学界动态与理论前沿。互联网的发展让编辑更多地依赖网络来获取信息，于是对同行期刊的阅读从传统的纸质阅读转变成了现代的数字化阅读，即通过中国知网、万方等电子数据库来阅读。新冠肺炎疫情暴发后，越来越多的学术会议也开始借助腾讯会议、ZOOM等软件实现了线上与线下的共享。然而，无论是通过中国知网、万方等数据库检索信息，还是参加线上线下的各种学术会议，都是编辑主动获取学术信息。但算法时代的降临，改变了编辑获取学术信息的方式，让被动获取信息的比重大幅提升，即越来越多的学术信息来自微信朋友圈的分享、微博热搜的榜单、今日头条的推荐等。关注高校、科研机构、学术期刊等公众号，阅览微信朋友圈的分享，虽然有助于编辑及时把握学界最新动态，了解最新研究成果，但需要引起重视的是，过于依赖学术信息的被动获取会导致信息茧房，从而加剧选题的同质化。

下文以微信为例做具体分析。微信极大地提升了学术信息的传播范围与传播速度，但它的算法机制有可能导致信息茧房现象。编辑通过微信获取信息的途径主要有三种：第一种来源于微信的分享功能，即微信好友基于朋友圈、“看一看”、视频号所发布、分享的内容；
第二种来源于微信的关注功能，是基于用户关注的微信公众号与视频号所发布的信息；
第三种来源于微信的推荐功能，如“看一看”中的“热点广场”、“搜一搜”中的“今日热点”，视频号中的“推荐”都会向用户推荐信息。这三种信息来源都会在一定程度上造成信息茧房。首先，微信的分享与关注功能会导致个人信息茧房。这是因为，添加谁为好友与关注哪些公众号都是用户个人选择的结果，这个选择本身就已经对繁杂的信息做了过滤，使得用户看到的信息都是自己所偏爱的。毋庸置疑，编辑的微信好友中肯定包含大量的学者与同行，编辑所关注的公众号中肯定不会缺少各种同行期刊等与工作相关的公众号，而对于这些好友与公众号的选择，本身已经经过编辑本人偏好的过滤。所以编辑在微信朋友圈或公众号中获得的学术信息，已经是经个人偏好筛选后的信息了。其次，微信的推荐功能会带来群体信息茧房。微信“看一看”中的“热点广场”、“搜一搜”中的“今日热点”，视频号中的“推荐”的形成是经过群体信息筛选的结果，算法对用户关注、点赞、转发、评论、搜索的数据进行统计，然后向用户推送包含出现频率最高的词的信息，这就导致同样的信息会被反复传播，形成信息壁垒，新的信息很难打破重围并突显出来。因此，编辑通过微信推荐所获取的学术信息并不全面客观，而是算法过滤后的“拟态环境”[25]，很可能是大量重复且单一的信息。由此可见，编辑在微信中只能获取到自己偏爱和大众偏爱的信息。学术期刊编辑如果过于依赖微信这一信息渠道来获取学术信息，并据此提炼选题，就会受困于信息茧房而加剧选题同质化。

3.学术不端检测系统中的算法漏洞

目前学术期刊基本上都采用了学术不端检测系统来防范抄袭、剽窃、一稿多投等违背学术诚信与学术准则的行为。自2008年3月国内第一个学术不端检测系统PaperPass问世以来，目前我国已经有十余种学术不端检测系统，主要包括中国知网的“学术不端文献检测系统”、武汉大学的“ROST论文反剽窃系统”、维普论文检测系统、Gocheck论文引用检测系统、万方数据文献相似性检测服务、大雅相似度分析系统等。

十多年来的实践经验证明，学术不端检测系统对于发现学术不端行为是有效的，但不能否认的是，目前的学术不端检测系统虽然经过不断升级仍有许多不尽如人意之处。这些不足主要是由其算法上的漏洞导致的。一方面，算法的数据来源存在盲区，使系统无法甄别抄袭与合理引用，于是许多必要自引、合理他引，如对权威著作、历史资料、法律法规、专业名词、经典诗词、名言警句等的引用都一概被判定为抄袭，甚至论文的统一格式如前言、资料与方法、结论等内容也被判定为抄袭[26]。另一方面，算法不够智能，这导致同义词的替换、表达方式的变更、字序的调整等简单操作就会极大地影响检测结果。目前国内的学术不端检测系统大多采用数字指纹技术或词频统计技术，其原理在本质上只是对字符串进行统计与标记，而无法从语义信息和语用信息层面理解论文的含义，因而多数只能识别文本复制类型的简单抄袭[27]，对思想观点、研究方法上的剽窃完全束手无策。此外，检测系统不能识别图表与公式，且有些系统只能查中文文献而对外文文献无能为力[28]。

为了弥补检测系统的局限，期刊界提倡系统检测与人工审查相结合来判断引用的必要性与合理性，试图用人工来矫正算法的失灵。但是，如今很多高校、编辑部、管理机构都把低重复率作为一个硬性指标，例如，有些高校规定毕业生论文提交评审前必须通过学术不端检测系统的查重；
多数编辑部把学术不端检测作为审稿的第一步；
某些管理机构也将学术不端检测作为必备的辅助工具，用于课题审核与职称评定等。检测系统的算法决定了一篇文章重复率的高低，这导致同一篇文章在不同的检测系统中很可能具有不同的重复率[29]。这就让检测系统的算法拥有了影响甚至决定学生毕业论文是否合格、编辑部审稿是否通过、课题与职称评定是否成功的强制性力量。而如何对算法的权力进行有效制衡、防止其异化，是一个亟待解决的问题。

4.算法歧视下学术期刊的不公平传播

算法歧视通常被理解为日常生活中基于数据的广告所含有的种族歧视、性别歧视，以及“大数据杀熟”背后的价格歧视等。不过，仅仅将算法歧视“定义为由于算法程序的片面性呈现在种族、性别、职业身份等之上的消极态度，未免稍显狭隘”[30]48，理应将其扩展为“算法程序在信息生产和分发过程失去客观中立的立场，影响公众对信息的客观全面认知” [30]48 。正是在这个意义上，本文认为，如今的学术期刊在传播机会上遭遇了严重的算法歧视。这种歧视主要表现为两大类：一是搜索引擎的竞价排名算法所带来的经济歧视，二是搜索引擎内置的认证歧视。

首先分析竞价排名算法的经济歧视。算法在表面上仅仅是一种技术，但其背后却往往潜藏着强大的资本力量。竞价排名算法就是这样一种资本与技术的共谋，使学术期刊深受其害。众所周知，在百度上随便搜索任一学术期刊的刊名，就会出现一堆虚假期刊网站，而学术期刊真正的官方网站则可能淹没在茫茫的高仿网站之中。虽然经过2016年的专项治理，搜索引擎取消了对一些钓鱼网站的推广，乱象得到了一定程度的遏制，但即使如此，如今在网上搜索期刊刊名，查询结果中仍有不少虚假网站位居前列。为学术黑市助纣为虐的正是竞价排名算法，这一算法使付费越多的网站在搜索结果中排名越靠前，因而假冒网站可以通过付费购买竞价排名服务让自己比真实网站更容易被搜到。而与虚假期刊网站积极购买竞价排名服务不同，绝大多数学术期刊为非营利机构，以传播优秀学术成果为己任，基本不会主动参与竞价排名，因此，其真实网站通常都在搜索页面中排位靠后，难以被公众看到[31]。由此可见，竞价排名算法在利益的驱动下，已经在信息传播的过程中失去了客观中立的立场，它们赫然实行经济歧视，使得虚假的仿冒期刊网站也能“买”到搜索结果的前排位置，严重妨碍了公众对学术信息的客观全面的认知，致使真正的学术期刊网站在海量信息里遭到屏蔽，无法获得公平的传播机会。可以说，竞价排名算法造成了假冒期刊网站与学术期刊官网之间的一场不公平竞争，让学术期刊受到了来自算法的经济歧视。

其次分析搜索引擎的认证歧视。为了打击山寨网站，搜索引擎推行认证制度，为一些知名期刊网站授予“官网”标识。例如，加入百度认证后就会有蓝色背景的“官网”字样，加入360认证后就会有绿色的“官网”字样。事实证明，认证机制确实有效。据统计，实行官网认证后，学术期刊网站在国内三大主流搜索引擎（百度、360搜索及搜狗）中的排位情况为：“前3页出现正确官网的比例最高为百度搜索，其次为360搜索和搜狗搜索，后二者间差别不大。虽然前3页大多有正确官网显示，但正确官网出现在首页首位的比例均偏低，都未超过50%，360搜索甚至低于10%。”[32]然而，并非所有的学术期刊都进行了认证，只有缴纳一定费用才能通过认证。这样认证机制就带来了新歧视，即有认证的官网对没有认证的官网的歧视。认证与否本来不影响搜索结果的排名，因为认证的主要作用是验证网站的真实性和有效性，但事实上，搜索引擎的算法倾向于优先展示自己平台认证的网页，而那些没有进行认证的学术期刊官网即使是真实的，也会被算法降序甚至忽略。其实，这种优先展示自己平台内容的算法早已经是互联网行业的公开秘密。比如Facebook 会在用户信息流中优先呈现自己平台上的视频而非 YouTube 上的视频[33]；
今日头条会向用户优先推荐自己平台（头条号）中的资讯[34]。因此搜索引擎优先显示自己认证的网站也只不过是如法炮制而已。

算法既给学术期刊带来了机遇，也带来了风险。它对学术期刊的未来发展的影响是多方面的。本文指出算法权力对学术期刊的规训，并不意味着要抵制算法在学术期刊中的应用，只是希望引起学界的重视，让算法权力能得到应有的制衡与约束，从而维护学术期刊的正当权益。当然，“批判的武器不能代替武器的批判”，要想真正从算法困境中解脱出来，除了技术开发、法律监管等方面的完善之外，学术期刊也需要开展自救，那么学术期刊能为自己做些什么呢？

1.不忘初心、牢记使命：端正办刊理念

面对算法时代的到来，学术期刊应端正自己的办刊理念，不忘自己的初心与使命，即“学术期刊只是一个学术研究成果的展示和交流平台……展示哲学社会科学研究领域的高水平研究成果，支持哲学社会科学领域优秀学术人才成长，促进中外哲学社会科学研究的学术交流”是它“最基本的工作内容”[35]。因此，在期刊评价上，不应过度追求各种排名与等级划分，而应倡导多元评价，从而发挥期刊对评价体系的引导作用，以利于期刊评价体系的优化与完善；
在选题策划上，不要盲目追随热点问题，而应根据期刊特色来组织选题；
在审稿上，不要单纯依赖学术不端检测系统的检测报告，还要对检测报告的数据结果进行具体分析；
在期刊传播上，要重视官网建设以及搜索引擎的官方认证，做好自己力所能及的事情，维护自己的法定权利。

2.编辑主体性的再确认：做算法的把关人

算法时代的快速来临，直接将新闻媒体的“把关人”从编辑转变为算法，出现了“算法把关”的新现象，编辑的主体性遭到了消解。尽管与新闻媒体相比，在学术期刊界，算法并没有完全取代编辑，但它也渗透进了学术期刊的选题策划、审稿、传播等环节之中，影响着编辑的选择与判断，在一定程度上削弱了学术期刊编辑的主体性。要矫正、弥补算法的弊端，就需要在算法时代重新确认与强调编辑的主体性，用人的主体性来弥补物的不足，即在编辑工作中不要过多依赖算法，不要迷信数据，不要完全将选题与审稿的权力让渡给算法，而应在充分利用算法于数据分析方面的优势的同时，结合编辑的经验来选稿、用稿、审稿。2021年6月，中宣部、教育部、科技部等三部委联合印发《关于推动学术期刊繁荣发展的意见》（简称《意见》），为学术期刊的繁荣发展指明了方向。《意见》明确提出，应“提升编辑策划与把关能力”“切实把好政治导向关、学术质量关和价值取向关”。可见，算法时代下学术期刊编辑不仅不应该让算法取代自己进行把关，从而弱化自己的把关人形象，相反，应该进一步强化自己的主体性，做算法的把关人。