学术论文共享平台Authorea创始人直怼arXiv，是时候与时俱进了！

学术论文共享平台Authorea的创始人Alberto Pepe、首席研究员Josh Nicholson以及加州大学-圣塔芭芭拉的科学家 Matteo Cantiello，一同撰写了一篇有有关arXiv的文章，对arXiv的历史变迁、优缺点及成功原因做了如下分享。

arXiv是世界上最受欢迎的预收录论文库。自1991成立以来，arXiv允许用户自由分享发表论文。

arXiv的普及使得学术论文的创建和传播更容易，它鼓励协作和数据共享。arXiv在通信发展史上具有独一无二的地位，但它自创办以来，却发生了不小的变化。

有了arXiv，我们可以确定什么样的论文，可以基于新技术做优缺点的改进。基于此，我们认为，当今的arXiv实际上可能不只是分享学术成果这么简单。

arXiv，发音为“档案”，是世界上最受欢迎的预印论文库。从1991开始，物理学家Paul Ginsparg以TeX文件的形式向同事发送物理预印本，在出版之前正式发表的论文要经过同行评审。

今天，arXiv每个月发表论文数量约10000余篇，从高能物理、计算机科学、定量生物学、统计、金融、到任何其他研究方面。它的存在，促使目前的科学出版更为开放共享。

▍arXiv的历史

在arXiv之前，“影印机是一种常用的分发系统”，预印论文只能通过一对一邮件交流。机构知识库，如spires-hep数据库（斯坦福物理信息检索系统的高能量物理）在斯坦福线性加速器中心（SLAC）和文件服务器，在欧洲核子研究中心仅提供目录服务，帮助科学家跟踪出版信息。

但SPIERS大大提高了元数据的流量，仍然很难检索的完整手稿。一个新的排版系统很快出现并改变了这种局面。

Tex，发音为“科技”，是由Donald Knuth在70年代后期创造的，是研究人员写论文和排版的主要方式。TeX被熟知后，Leslie Lamport又升级了一个标准的TeX格式，称为LaTeX，使得所有科研人员排版论文更容易。

该系统使共享文件比以前更容易和更方便的。事实上，这让研究者以一种轻量级的格式，通过电子邮件发送论文，写论文时可以直接下载和编译引用。

研究人员开始交换电子邮件预印本论文，越来越多的论文邮件导致存储空间被填满。1991年8月14日，为了解决这个问题，一个自动化的电子邮件服务器—最初称xxx.lanl.gov成立。

这项服务将使研究人员，能够通过电子邮件自动申请所需的预印本。它很快成为世界上第一个Web服务器，改名arXiv1998，今天仍然是世界上最开放的、最有效的科研交流形式。

1991年至2017年在生物科学和生命科学领域的预印文献数量。在这个时间窗口期，提交的阿片病毒（生命科学）预印的总数1263265（32284）；

上图显示了最近的预印文献提交数量，生命科学领域扔快速增长（包括提交的"arXiv q-bio", "Nature Preceedings", "F1000Research", "PeerJ Preprints", "bioRxiv", "The Winnower", "preprints.org" and "Wellcome Open Research"）。

数据源：arXiv和预PubMed

▍arXiv的优势

arXiv从第一天起，就为研究人员提供了一个传播研究的最简单有效的方法。这是作者快速分享发现与研究界的一个免费的方式，公众可以免费访问它。

arXiv还出现了一些世界上最有影响力的研究，一个众所周知的例子是Thurston几何猜想的证明，其中包括2002年11月，由Grigori Perelman上传。

信息的自由交换使得，越来越多的arXiv克隆者出现。开放、共享、简单、实用一直是arXiv的初衷。下面我们重点关注技术以及文化的影响，为何促成了arXiv的成功。

用LaTeX排版

论文在arXiv上绝大多数是用LaTeX撰写的。LaTeX使研究人员能够轻松地排版论文。物理学家和数学家，常需要写包含密集公式的文件。因此，LaTeX对于早期的论文写作和共享是至关重要。今天，它仍然是由物理学家、数学家、计算机科学家经常使用的工具，为复杂的数学符号绘制提供了最佳解决方案。

科学家和研究人员，从一开始就都知道，如何从中受益并愿意使用它，这让arXiv蓬勃发展，而且提高了科学研究的协同性，如化学和生物医药。稳定的web服务器以及LaTeX，是arXiv不可或缺的两个方面。

▍arXiv的劣势

自成立以来，由于一直采取基础技术服务（LaTeX、电子邮件、Web服务器），arXiv社区一直屹立不倒。然而，随着时间的推移，arXiv未能改善和反思本身与不断变化的技术和新科学的涌现。

一个最重要的因素，阻碍了arXiv的快速创新，我们相信是LaTeX。LaTeX让arXiv蓬勃发展，但也是其最可怕的缺点。

一个社区的局限性

物理学之外的大多数研究者，在arXiv上用word撰写手稿。在其最受欢迎的领域使用LaTeX的比例（数学、统计、物理、天文学、计算机科学）占到学术论文总比例的18%（佩佩2016年）。

PDF转存

当你上传一个LaTeX文件时，论文被汇编并生成一个PDF文件，这是一个标准的程序。在学术界，几十年的手稿以Post或PDF格式被共享和阅读。PDF是一种高效，打印手稿便携格式。

低能见度

arXiv的研究论文，主要是PDF文件格式。标题、摘要和作者名单，由作者提交元数据，这会发布在PDF文件中，并能够以HTML格式浏览。

搜索引擎越来越善于挖掘PDF文件，但任何当前或未来的搜索引擎，在爬取arXiv的论文时都会有相当的难度，原因是科学研究的关键词都很生僻。重要的是，我们共享论文不是为了让机器爬取，而是学术交流。

数据

在所有学科中，数据共享已成为一个重要的实践。

简单地说，如果一个已发表的研究论文是建立在数据基础上，作者必须在他们的研究中提供资源访问的集合（数据和代码）。但在arXiv，LaTeX共享数据格式模式是不可能的。

因此，arXiv给作者提供了相关数据资源的第三方链接。

▍给arXiv的建议

Web-native and web-first

在学术交流界，越来越多的人认识到，学术出版需要“超越PDF”（见第11部分的引用），我们坚信未来的文章将是网络版 （Goodman 2016）。因此，未来的arXiv将必须能够以HTML格式创建和/或获取论文。

将学术论文转移到HTML格式，是为未来的学术出版铺平道路的第一步。你正在阅读的论文，无论是阅读PDF还是HTML版本，都是web-first的。这里可以找到一个开放的网页版本 （https://www.authorea.com/173764）， 将来的arXiv一定会 web-native 托管网络手稿。

多格式和格式中立

ArXiv在很大程度上依赖于LaTeX。在科研论文合作平台Authorea上，三位作者使用 LaTeX and Rich Text格式共同完成，用于插入数学符号、方程式、表格，无需排版和格式化整个手稿。

LaTeX可能是一种排版手稿最耗时的方式 ，最重要的是这种格式不允许转换成其它格式（例如，语义解析和嵌入到知识网络中，便于发现，因此影响）。 未来的arXiv应该是格式中立的。

数字对象标识符

数字对象标识符（DOI）是在学术发布中，用于识别和链接到一件作品的永久标识符。DOI被许多期刊强制引用，可以用于数据集、预印本、研究文章，网站和其他学术著作。

由于预先打印的做法，在所有学科领域都快速上升，因此可以通过DOI标准确定预印本：DOI。这篇文章是用Authorea编写的，它已经用DOI预先印刷（https://dx.doi.org/10.22541/au.149693987.70506124）。未来的arXiv是由DOI确定的预印数据库。

目前，托管许多研究工作的所有数据和代码，确实是不可能的，但是在大多数情况下，绝对有可能托管至少一部分数据和代码，以及一些重要的成果。

专为开放数据和开放研究而设

未来的存储库，不仅仅是具有文本和图像的PDF集合。未来的存储库是一个整合数据，代码以及重现科学成果所需资源的论文数据库。

解决目前的频发危机的唯一方法是，通过数据化驱动论文。能够点击论文相关联的数据标志，并能够可视化下载和阅读图表中显示的数据，以及代码（以Jupyter notebook 编辑）。

我同意，不损害社区声誉的激励体系是可取的，这可以最大限度地提高评论的质量和数量，可能促进有效的活跃，开放的同行评审系统。

评论和公开的同行评审

arXiv目前不允许其读者对作者评论。这个想法的初衷是，arXiv不经过同行评审 - 同行评审发生在其他地方，比如相应级别的期刊。因此，评论和审查制度难以维护和运行，而且没什么用。

然而，预印本提供了前所未有的机会。首先，开放；第二，增加手稿审阅和评论的数量。我们不主张取代传统的同行评审，而是通过对预印本的公开审查来补充。

我们认为更多的学者，应该参与到一篇论文的同行评议中来，同行评审应该在公开进行，这样审查本身就成为已发表（或预先印刷）研究的重要组成部分。

这似乎不仅是自然的，也是必要的，因为出版物和论文的平均作者人数越来越多的，使得当前的同行评议模式不可持续。

替代指标

在奖学金方面，目前评估研究论文影响力的、唯一有声誉的指标是引文（或引文附带的任何其他指标）。arXiv不会发布关于替代指标的信息（引用的替代方法），例如论文被下载，分享到推特或博客多少次。

我们认为，这些指标在评估研究工作的影响方面提供了重要的价值，而不是要替代传统的指标。

可发现、语义结构化、机器可读

论文的全文，不仅仅是标题和摘要，可以被搜索引擎和学术库编入索引，从而提升内容的可见性。此外，基于Web的文章，具有明确的sem antic结构，使其成为完全可读的对象。

未来的arXiv可以重新思考，打造语义结构化内容的API。