楔子：一句話的兩種讀法
「Publish or perish」這句話，多數研究生第一次聽到，可能是在某個並不愉快的場合。也許是實驗室的午餐時間，教授把便當盒推到一邊，說了一句「我們這行就是這樣，不發表就淘汰」；也可能是某場演講的尾聲，講者用它當作收尾的重錘。無論如何，這句話進到你我耳朵裡的方式，通常帶著威脅的口吻。
但很少人告訴我們，這句話還有第二種讀法。2006 年，有一位學者從這句話得到啟發，拿去開發了一套免費軟體。她的意思很清楚：既然你們用這句話來評價我，那我就把它開發成一個好用的工具。
我在這篇文章想跟大家分享的，不只是這個小故事，當然還包括如何運用這套軟體。我會用一個模擬的研究生當主角，陪她走完一趟完整的旅程——從被數字追著跑，到能夠拿起數字說話。她的學門是教育科技，但你如果做的是材料工程、公共衛生、社會學或中國文學，路徑是一樣的，只是沿途的風景不同，我會在該轉彎的地方提醒你。
平凡世界：那個把論文當存摺的房間
Vivian 是某所大學教育研究所博士班二年級的學生。研究室的白板右上角有一塊區域，大家心照不宣地不去擦掉，上面用不同顏色的筆寫著每個人的投稿進度：John，投稿某某期刊，進入二審；Anne，投稿某研討會，接受。那塊白板像一本共用的存摺，餘額是公開的。
但是，Vivian 的那一行是空的。
她不是不努力。她的論文題目是「生成式 AI 融入大學寫作課程對學生修改行為的影響」，她讀了很多、想了很多，資料也搜集了不少。但她心裡，有一種說不出口的空虛：她其實不知道，這個題目有沒有人做過？她讀過的那二十幾篇文獻，是從指導教授給的清單、加上滾雪球式的參考文獻追蹤來的。那些文獻構成了一個房間，她在房間裡待久了，就把房間當成了整個世界。
這是研究生最普遍、也最危險的處境：你以為自己在探索，其實你只是在一個別人幫你圈好的範圍裡走來走去。
召喚：老師隨口問的那三個問題
轉折發生在一次例行的 meeting。指導教授聽完她的進度，沒有評論內容，只問了三個問題。
第一個問題是：「妳這個題目，過去五年大概有幾篇相關文獻？」
第二個問題是：「其中最相關的三篇文獻，是誰做的？他們現在還在做這類研究嗎？」
第三個問題是：「妳打算投哪一本學術期刊，為什麼是那一本？」
Vivian 一題都答不出來。不是因為她沒做功課，而是因為她從來沒有意識到：這三個問題不是關於她的研究，而是關於她研究所在的那片地形。這兩年，她一直在低頭挖井，卻沒有抬頭看過這塊地有多少人在挖、挖到多深、哪一片是還沒被動過的土。
這就是召喚。它通常不會以壯烈的形式出現，而是以一個你答不出來的簡單問題的形式出現。而召喚的內容從來不是「你要更努力」，而是「你需要一張地圖」。
拒絕召喚：那些看起來不關我的事的東西
Vivian 當然沒有立刻出發。她先花了兩週時間，說服自己不需要出發。
她的理由聽起來都很合理。文獻計量（bibliometrics）聽起來像是評鑑委員和圖書館員的專業，h-index 是老師升等時才要煩惱的事，跟一個連論文都還沒寫完的博士生沒關係。學校圖書館雖然有訂 Web of Science 和 Scopus，但介面複雜得像航空公司的訂位系統，而且查中文文獻和研討會論文常常一片空白。Google Scholar 倒是好用，但它像一片沒有邊界的海，你丟一個關鍵詞進去，它回你四百筆文獻，然後你就關掉了視窗。
這些她都試過，然後一個個放棄。這是每一個英雄故事都有的段落：主角其實知道該出發，但卻先為自己找了幾個留在原地的理由。
值得說清楚的是，她的抗拒有一半是對的。文獻計量確實常被誤用，指標確實常被拿來做不該做的比較。但抗拒被誤用，跟拒絕理解，是兩件事。你愈是不喜歡別人用數字評價你，你就愈應該弄懂那些數字是怎麼來的。不然，你連反駁的機會都沒有。
遇見導師：一個被詛咒命名的工具
真正改變 Vivian 的，是一段她在某個研究方法課的補充教材裡看到的故事。
2006 年，任教於澳洲的國際管理學者 Anne-Wil Harzing 遇到一個具體的難題。當時的學術評鑑高度依賴 ISI（今天的 Web of Science）的資料庫，而那個資料庫對某些人特別不友善：不以英語出版的、不在美國體系內的、以專書而非期刊論文為主要產出的、做跨領域研究的。這些人的實際影響力，在那個資料庫裡幾乎是隱形的。而 Harzing 自己，就是其中之一。
她的回應不是抱怨，而是著手打造工具。這套軟體其實是由她提出核心概念與算法，並由她身為軟體工程師的丈夫 David Adams 親自開發程式。
透過這套軟體，任何一個學者都可以直接向 Google Scholar 這類涵蓋面更廣的來源發出查詢，把原始的引用紀錄抓回來，並且當場算出各種引用指標。這套軟體免費、不需要註冊、不綁機構授權。她把它命名為 Publish or Perish。
不難想像，這個命名本身就是宣言。你被那句話威脅，就用那句話開發一個工具反擊回去。Publish or Perish 這款軟體（以下簡稱 PoP）推出至今已屆 20 年，全球下載量超過數百萬次，成為文獻計量學（Bibliometrics）與全球基層學者爭取升等、平反學術聲譽時非常重要的神兵利器。
而在你動手之前，有一個觀念一定要先建立起來，因為它決定了你之後每一個判斷的品質：
Publish or Perish 自己沒有任何一筆資料。
它不是資料庫，你可以把它視為翻譯官兼計算機。你在它的介面上打一個問題，它把你的問題翻譯成各家資料來源看得懂的查詢語法，送出去，把回來的原始書目清單接住，攤在一張你可以排序、可以逐筆勾選、可以刪除的表格裡，然後根據這張表即時算出指標。
這句話有兩個推論，而這兩個推論是這整篇文章的骨幹。第一，PoP 查出來的東西品質如何，取決於你選了哪一個資料來源、下了什麼查詢式。第二，也是更重要的一點，因為那張表可以編輯，所以最後的數字是你判斷出來的，不是查出來的。
到 2025 年為止，PoP 第八版（2021 年 11 月發行）可以串接九個資料來源：Google Scholar、Google Scholar Profile、Crossref、OpenAlex、Lens.org、Semantic Scholar、PubMed、Scopus、Web of Science。前面幾個免費，後面兩個需要你所屬機構的訂閱與 API 金鑰。軟體支援 Windows 與 macOS，Linux 使用者可以透過 Wine 或 CrossOver 執行，也有給進階使用者的命令列版本。三個平臺的下載點分別在官方網站的 Windows、macOS 與 Linux 頁面。
研究生們要特別注意一下，Scopus 與 Web of Science (WoS) 屬於商業封閉資料庫，你如果想要使用這兩個資料庫，你所在的學校或研究機構必須有付費訂閱，且使用者必須在機構的 IP 網域內或使用校外連線，並向資料商申請專屬的 API 金鑰（API Key），才能透過 PoP 進行串接。
跨越第一道門檻：你的第一次查詢，該選哪一個來源
Vivian 安裝好軟體，打開來看到英文介面，整個人就愣住了。左側是一長串資料來源，每一個都有自己的查詢面板。她不知道該按哪一個。
這是所有新手都會卡住的第一道門檻，而它其實有標準答案，只是很少人講清楚。給研究生的建議是：同一個問題，用三種來源各查一次，因為它們回答的是三個不同的問題。
用 Google Scholar 查，你得到的是廣度與早期訊號。它收會議論文、專書章節、預印本、學位論文，甚至部分報告與專利。它的數字最漂亮，覆蓋最廣，但也最髒：重複、誤植、非研究文獻都在裡面。它適合用來探索一個你還不熟悉的領域，讓你知道這塊土地上大概會有些什麼。
用 Crossref 或 OpenAlex 查，你得到的是乾淨與可重現的資訊。這些來源以 DOI 為核心，資料結構化程度高，你今天查跟三個月後再查，結果的差異是可以解釋的。它適合用來做正式的文獻回顧，也適合用來做你必須在論文裡交代清楚的檢索過程。
用 Scopus 或 Web of Science 查（如果貴校有訂），你得到的是機構認可的數字。當你要填升等表、申請獎學金、寫研究計畫的個人學術表現時，行政單位要的通常是這個版本。它的收錄經過人工審查，範圍最窄，數字最保守。
Vivian 做的第一件事，是選擇 Google Scholar 做為資料來源，輸入 generative AI writing revision undergraduate。很快地，系統就幫她找出一萬八千多筆文獻。
如果你想先看看實際的操作長什麼樣子，下面這支影片示範了安裝之後的第一輪查詢與各個面板的位置：
▲ Publish or Perish 的實際操作示範（英文發音）
試煉、盟友與敵人
接下來的兩個星期，是 Vivian 整趟旅程裡最枯燥、也最有價值的一段。她學會的東西，其實可以濃縮成兩件事：怎麼把問題問窄，以及怎麼分辨誰是敵人。
收斂的手藝
她做的第一次修正，是把游離的關鍵詞變成片語。 “generative AI” 加上引號，意思是這兩個字必須連在一起出現，而不是全文裡任何地方有 generative、任何地方有 AI 都算。這一刀砍掉了大半。
第二次修正，是把同義詞用 OR 併起來。她發現這個領域裡，同一件事有好幾種說法： “generative AI” OR “large language model” OR ChatGPT。這一刀是往回加的：她不是要更少的結果，她是要更精準的結果。
第三次修正，是排除。她發現大量結果來自程式設計教育和醫學考試，跟她的寫作課無關，於是加上 -programming -“medical education”。
第四次修正，是年份。她把區間設在 2023 到 2026，因為 ChatGPT 進入大學課堂是 2023 年之後的事。
第五次修正，是欄位限定。她勾選了只搜尋標題（title words only）。這一刀最狠，也最關鍵：一篇論文如果把你的關鍵詞放進標題，代表那是它的主題；如果只出現在內文，可能只是順帶提一句。
五刀砍下來，一萬八千四百筆收斂成八十四篇，是一個晚上讀得完的規模。
這個從寬到窄的過程，本身就是一種研究能力。你不是在找資料，你是在用一連串的判斷，把一個模糊的直覺，變成一個邊界清楚的問題。
三個敵人
第一個敵人是驗證碼。如果查得太快、太密集，Google Scholar 有可能會判定你是機器人，跳出 CAPTCHA。應對方式是慢下來、分批查、把大查詢拆成小查詢，或者乾脆改用 Crossref、OpenAlex 這些不設此限的來源。這個限制其實是個提醒：一次好的查詢，本來就不該像掃射。Anne-Wil Harzing 教授在官方教學中也多次提及，Publish or Perish 是一個學術分析工具，而不是地毯式的網絡爬蟲。
第二個敵人是同名作者。Vivian 查一位常被引用的學者，姓氏 Lin，名字縮寫 C.，結果表格裡混進了做流體力學的、做護理的、還有一位十九世紀的傳教士。應對方式有三種：在查詢式裡加上機構名稱或代表性期刊、加上該學者的核心關鍵詞、或者直接改用 Google Scholar Profile 這個資料來源，去抓他本人已經認證過的個人檔案。中文姓名的研究者尤其要注意這一點，因為英文轉寫的重名率高得驚人。
第三個敵人是幽靈引用。同一篇研究，預印本一筆、研討會版一筆、期刊正式版一筆，Google Scholar 有時會分開計算。你的指標因此被灌水，而且是你自己不知情的灌水。
而對付這三個敵人的最強盟友，就是前面說過的那句話，PoP 的結果表格是可以編輯的。每一列前面有勾選框。取消勾選，那一筆就不列入計算，指標當場重算。你可以依被引次數排序，抓出領域裡的必引經典；也可以依年份排序，找出近三年冒出來的新聲音。
Vivian 花了一個下午，把 312 筆原始紀錄，逐筆清洗成 148 筆。過程中她發現，她原本以為的那位領域大神，h-index 從 24 掉到 19——不是因為他不厲害，而是因為原始資料裡混進了另一位同名學者的十幾篇論文。
那個下午她學會的，不是操作，而是一個觀念：指標不是查出來的，是判斷出來的。任何一個沒有經過清洗就報出去的數字，都是不負責任的。
對了，如果你像 Vivian 這樣花了一個下午清洗出來的乾淨資料，如果直接關掉軟體就白費了。請務必進行以下操作：
- 點擊右側面板的 Save results（儲存結果）按鈕。
- 根據您的下一步需求選擇格式：
- 選擇 Result matrix (CSV)：可以用 Excel 打開，裡面只會包含您有勾選的 148 筆乾淨資料，非常適合用來做進一步的統計圖表。
- 選擇 BibTeX 或 RIS：可以匯入到 EndNote、Zotero 或 Mendeley 等文獻管理軟體，這樣您的參考文獻庫就會是完全清洗過、沒有重覆的完美版本。
進逼最深的洞穴：把工具問對問題
熬過清洗之後，Vivian 才真正開始使用這套工具。前面那些都只是入門，接下來這一段，才是 PoP 之所以值得研究生投資時間的原因。
PoP 有四種主要的查詢入口，而它們對應的其實是四種不同的研究提問。搞清楚這個對應關係，你的效率會直接翻倍。
作者查詢（看見思考軌跡），回答的是「這個人是誰」。但它真正厲害的地方不在於算出某人的 h-index，而在於當你把結果按年份排序時，你看到的是一個人的思考軌跡。Vivian 查了她引用最多的那位學者，發現對方在 2023 年之前做的都是「AI 寫作輔助的成效評估」，2024 年之後卻整批轉向「學生的作者感與學術誠信」。這個轉彎本身就是訊號：一位深耕該領域十年的學者，為什麼會覺得原本的問法不夠了？答案往往就藏著一個研究缺口。這是 PoP 最迷人的用法：它讓你看見的不是一堆論文，而是一個人為什麼改變主意。
期刊查詢（定位投稿位置），回答的是「這本刊在收什麼」。用 ISSN 或刊名查詢，你可以看到這本期刊近幾年實際刊出的文章、它們的被引狀況、平均每篇被引次數。這比看影響因子有用太多，因為影響因子告訴你的是這本刊的平均值，而你要投稿的不是平均值，你要投稿的是一個具體的主題位置。
一般關鍵詞查詢（判斷題目生命週期），回答的是「這題有人做過嗎」。也就是 Vivian 一開始做的那件事。它的產出不只是一份清單，更是一張時間分布，把結果按年份攤開，你會看到這個題目是正在升溫、已經飽和，還是曾經熱過但沉寂了。簡單來說，三種狀態對應三種完全不同的投稿策略。
機構查詢（繪製人力地圖），回答的是「誰在做這件事」。這是最常被忽略的一個入口。當你在找博士後的落腳處、找國際合作對象、或者純粹想知道臺灣有哪幾個團隊在做同一件事時，用機構名稱查詢，會給你一份人力地圖。
順帶一提，如果你的研究對象是華文世界的教育現場、法律、歷史或本土社會議題，你必須知道 PoP 的一個硬限制：它對中文文獻與臺灣本土期刊的覆蓋非常不足。TSSCI、THCI 收錄的期刊、國家圖書館的博碩士論文，這些都不在它的射程內。正確的做法是把 PoP 當成國際地形圖，另外用華藝線上圖書館、國圖的臺灣博碩士論文知識加值系統補上本地地形圖。兩張圖疊起來，你的文獻回顧才站得住腳。
最大的考驗：數字會說謊，而你必須聽得懂
Vivian 遇到的真正難關，不是操作，是理解。她盯著一堆縮寫看了很久：h-index、g-index、hI,norm、hI,annual、e-index、AWCR、contemporary h-index。她的第一個反應是想背下來，這是錯的。正確的做法是理解它們各自在修正什麼。
h-index 的定義只有一句話：你有 h 篇論文，每一篇至少被引用了 h 次。如果你有二十篇論文，其中十篇各被引至少十次，那你的 h 就是十。它的聰明之處在於同時懲罰兩種灌水，你不能靠發很多篇沒人看的論文拉高它，也不能靠一篇爆紅論文撐起整個生涯。
但它有三個天生的缺陷，而這三個缺陷，正是整個指標家族存在的理由。
第一，它只增不減，因此結構性地偏袒資深者。一個發表二十年的教授，h-index 幾乎不可能低於一個發表三年的助理教授，這無關能力。修正的方法是 hI,annual，把個人化的 h 值除以學術年資，還原成每年的累積速度。這個指標，對年輕研究者友善得多。
第二，它對合著完全不敏感。一篇十位作者的論文，和一篇獨力完成的論文，在 h-index 的眼裡一模一樣。這對高能量物理、臨床醫學這類動輒數十位共同作者的領域，會產生嚴重的膨脹。修正的方法是 hI,norm，先把每篇論文的引用數除以作者人數，再重算 h 值。當你要比較一位人文學者和一位生醫學者時，這個指標比 h-index 誠實得多。
第三，它看不見高被引論文的重量。一旦某篇論文的被引數超過 h，再多的引用都不會反映在指標上。修正的方法是 g-index，它讓那些超級高被引的論文把整體水位往上抬；e-index 則專門去計算那些「被 h 浪費掉」的超額引用。
還有兩個處理時間的指標：contemporary h-index 讓舊論文隨時間折舊，AWCR 計算年均被引，兩者都是在問同一件事，你的影響力是還在發生，還是已經是歷史。
理解了這些之後，有一條原則要刻在心裡：
指標只在同學門、同世代、同資料來源的比較裡才有意義。任何跨越這三條線的比較，都是修辭，不是證據。
生醫領域的 h-index 三十，和哲學領域的 h-index 三十，不是同一件事，因為兩個學門的引用文化、發表週期、參考文獻長度都不同。Google Scholar 算出來的三十，和 Scopus 算出來的三十，也不是同一件事，因為它們收錄的東西根本不一樣。有人拿這兩個數字並排，你要能夠指出那是什麼樣的謬誤。
而 Vivian 真正的考驗，來得比理論更具體。她用期刊查詢比較了三本候選期刊，結果發現她原本最想投的那一本，也就是聲望最高、近五年平均每篇被引最高的那一本，和她的題目主題重合度最低。那本刊收的幾乎都是量化的成效研究與技術實作，而她做的是質性的歷程分析。
如果她投過去，最可能的結局不是被拒稿，而是連審查都進不去，直接被主編以不符合本刊範圍為由退回。
這是每個研究生遲早要學會的一課：選刊不是選聲望，是選適配。而 PoP 讓你在寄出之前，就有辦法看清楚這件事。
獎賞：兩份可以拿去用的文件
走到這裡，Vivian 手上多出了兩份東西。它們不是靈感，是可交付的產物。
第一份是文獻地形圖。她把收斂後的 84 篇從 PoP 匯出成 CSV，用 Excel 打開，加了四個自己的欄位：研究對象、方法取向、一句話評註、以及最重要的那一欄，也就是「與我的題目的關係」，只能填三種值：支持、對立、缺口。填到第六十幾筆的時候，模式浮現了：這個領域絕大多數研究處理的是「AI 對文章成品品質的影響」，幾乎沒有人處理「學生在修改過程中的決策」。她的題目不但是新的，而且她現在能說出它為什麼是新的。
第二份是選刊決策表。三本期刊、五個維度：主題重合度、近五年平均被引、對質性研究的接受度、審稿週期、本領域學者的實際投稿經驗。最下面一欄，是一段可以直接改寫成投稿信開頭的話。
請注意這兩份文件的共同點：它們都不是 PoP 產生的。PoP 只提供了原料。真正的價值在於那些只有你能填的欄位。這是理解所有研究工具的正確方式：工具負責讓你看得到，判斷永遠是你自己的事。
回歸之路：把資料接回你的工作流
英雄故事裡最容易被忽略的一段，是回程。拿到寶物不等於任務完成，你得帶著它安全回家。
PoP 支援多種匯出格式，而不同格式對應不同的下一站。CSV 和 Excel 進試算表，用來做文獻矩陣與分析。RIS、BibTeX、EndNote 格式則進書目管理軟體，也就是 Zotero、EndNote、Mendeley 這些你寫論文時真正在用的工具。
但這裡有一個新手常踩的坑，一定要講：PoP 匯出的書目資料常常是不完整的，特別是來自 Google Scholar 的那些。頁碼可能會缺、卷期可能出錯、DOI 可能沒有。如果你直接把它們倒進 Zotero 然後生成參考文獻，你的論文最後幾頁會出現一堆需要人工修補的殘缺條目。
正確的做法是分工。PoP 負責發現與判斷，Zotero 負責保存與格式。匯入之後，用 DOI 對每一筆做一次補正，或者對關鍵的幾十篇直接從出版社頁面重抓一次乾淨的書目。這個步驟花不到一小時，但省下的是你交稿前一晚的絕望。
復甦：口試桌上的那一刻
計畫口試那天，一位委員問了那個所有研究生都怕的問題：「你怎麼確定這個題目還沒有人做過？」
換作半年前的 Vivian，她會說「我查了很多資料」。這個回答的問題不在於它不誠實，而在於它不可檢驗。
那天她說的是三句話。她說她用了哪三個資料來源、彼此的覆蓋差異是什麼；她說她的查詢式長什麼樣、年份限定在哪個區間、為什麼是這個區間；她說她排除了哪四類文獻、剩下多少篇、其中處理歷程的有幾篇。
委員點了點頭，換了下一個問題。
這就是英雄真正復活的時刻。她從「我覺得沒有人做」，變成「我可以說明我是怎麼確認的」。而研究的可信度，往往不在於結論多漂亮，而在於你能不能把抵達結論的路徑攤開來給人看。
同一場口試，另一位委員半開玩笑地問她，那位她引用最多的學者 h-index 多少。她說了數字，然後補了一句：那是 Google Scholar 的版本，包含會議論文與預印本；如果換成 Scopus，大概會低三到四成。
這句補充不是示弱，是專業。懂得標註自己數字的邊界，是一個研究者最早熟的成熟表現。
帶著仙丹歸來：重新翻譯那句詛咒
故事的最後，我們回到開頭那句話。
「Publish or perish」原本的意思是威脅：你不發表，你就會被淘汰。這個讀法把你放在被動的位置，你是被計算的對象，你的價值是別人算出來的一個數字。
但如果你把它當成工具的名字，整句話的語氣就變了。它不再是判決，而是一組你可以主動使用的能力。
而在這趟旅程之後，這句話其實有第三種讀法，也是最準確的一種。Perish 的相反其實不是 publish，是 be found——被找到、被讀懂、被接上。學術裡真正的滅亡，不是沒有發表，而是發表了卻沒有人知道它跟什麼有關、能接到哪裡去。一篇沒有座標的論文，跟沒有寫出來的論文，在知識的地圖上是一樣的。
所以研究生從 PoP 學到的核心能力，其實跟軟體本身沒什麼關係。那個能力是：把模糊的焦慮，換成可以查證的問題。
「我會不會被淘汰」是焦慮，沒有答案，只會消耗你。「我的題目在近三年的國際文獻裡處於什麼位置」是問題，有答案，而且答案可以在今天晚上兩個小時內查出來。
如果你讀到這裡，今天可以做的事
不必急著把整套流程走完。真正有用的起手式，往往只有一個動作。
打開軟體，用作者查詢，輸入你指導教授的名字，把結果按年份排序，然後看著那條軌跡發呆五分鐘。你會看到他在哪一年轉了彎，看到哪幾篇是他真正被反覆引用的作品，也可能第一次意識到，你以為你很熟的這個人，其實有一整段你不知道的學術人生。
然後，查你自己的題目，把年份限定在最近三年，只搜尋標題。
第一次查，你大概會得到一個讓你不太舒服的數字：要嘛太多，代表這題已經很擠；要嘛太少，代表你的關鍵詞還沒對上這個領域的行話。兩種情況都是好消息，因為你終於在跟真實的地形對話，而不是在自己的房間裡想像它。
那個房間的門，其實一直沒有鎖上。
常見問題
Publish or Perish 是什麼？要付費嗎？
Publish or Perish 是澳洲學者 Anne-Wil Harzing 在 2006 年推出的免費軟體，由她提出核心概念與算法，再由身為軟體工程師的丈夫 David Adams 開發。它免費、不需要註冊、不綁機構授權，支援 Windows 與 macOS，Linux 使用者可以透過 Wine 或 CrossOver 執行。它本身不存任何一筆資料，而是把你的問題翻譯成各家資料來源看得懂的查詢語法，再把回來的書目清單接住，攤成一張可以排序、可以逐筆刪除的表格，並即時算出引用指標。
Publish or Perish 可以查哪些資料來源？
第八版可以串接九個資料來源：Google Scholar、Google Scholar Profile、Crossref、OpenAlex、Lens.org、Semantic Scholar、PubMed、Scopus 與 Web of Science。前七個免費，Scopus 與 Web of Science 屬於商業封閉資料庫，你所在的學校或研究機構必須有付費訂閱，使用者要在機構的 IP 網域內或使用校外連線，並向資料商申請專屬的 API 金鑰才能串接。
第一次查詢該選哪一個資料來源？
同一個問題用三種來源各查一次，因為它們回答的是三個不同的問題。Google Scholar 給你廣度與早期訊號，收會議論文、專書章節與預印本，覆蓋最廣但資料也最髒，適合探索還不熟悉的領域。Crossref 與 OpenAlex 以 DOI 為核心、結構化程度高，今天查跟三個月後再查的差異可以解釋，適合正式的文獻回顧。Scopus 與 Web of Science 給的是機構認可的數字，填升等表、申請獎學金或寫研究計畫時，行政單位要的通常是這個版本。
h 指數是什麼？它有哪些限制？
h 指數（h-index）的定義只有一句話：你有 h 篇論文，每一篇至少被引用了 h 次。它同時擋掉兩種灌水，你不能靠發很多篇沒人看的論文拉高它，也不能靠一篇爆紅論文撐起整個生涯。但它有三個天生的缺陷：只增不減因此偏袒資深者，修正的方法是 hI,annual，把個人化的 h 值除以學術年資；對合著完全不敏感，修正的方法是 hI,norm，先把每篇論文的引用數除以作者人數再重算；看不見高被引論文超出 h 的部分，修正的方法是 g-index 與 e-index。
引用指標可以拿來跨領域比較嗎？
不行。指標只在同學門、同世代、同資料來源的比較裡才有意義，任何跨越這三條線的比較都是修辭，不是證據。生醫領域的 h 指數三十和哲學領域的 h 指數三十不是同一件事，因為兩個學門的引用文化、發表週期與參考文獻長度都不同；Google Scholar 算出來的三十和 Scopus 算出來的三十也不是同一件事，因為它們收錄的東西根本不一樣。
Publish or Perish 匯出的書目可以直接倒進 Zotero 嗎？
不建議直接用。PoP 匯出的書目資料常常不完整，特別是來自 Google Scholar 的那些，頁碼可能會缺、卷期可能出錯、DOI 可能沒有，直接生成參考文獻會留下一堆需要人工修補的殘缺條目。正確的做法是分工：PoP 負責發現與判斷，Zotero 負責保存與格式，匯入之後用 DOI 對每一筆做補正，或者對關鍵的幾十篇直接從出版社頁面重抓一次乾淨的書目。
