8/7日，我參加了由奇美醫學中心舉辦的一場有趣的研討會，主題是「如何利用Rasch分析發表SCI(註1)論文(http://www.healthup.org.tw/rasch/)」，這對還在與博士論文或教授升等搏鬥中的人來說，這個絕對是一個很吸引人的研討會。有趣的是，這樣的研討會不是應該由大學或計量研究中心等學術機來辦才對嗎？怎麼會是醫學中心來辦呢？
當天一早到場，座位就已經坐滿了一大半，讓我訝異的是其中還不乏很多國立大學的教授（認識的），身為教授應該是沒有升等壓力了，而且寫論文應該都熟練到跟寫散文一樣了吧，為什麼還要來聽這樣的講座呢？細談之後才了解到問題就是在於成就感，因為在一個領域研究做久了，同樣的研究只不斷替換研究對象，文章變得了無新意，偏偏SCI的期刊審稿者就是喜歡具有原創與創新的研究，他們才不管你是不是該領域的大老。所以他們才大老遠的趕到台南來，學學新的分析方法，看看能不能找到新的發現可以再次獲得刊登SCI期刊的成就感。
研討會的主要內容是報告使用Rasch分析進行投稿的經驗與心得分享，大部份報告者都是醫學中心的研究員及醫生。他們提出在MEDLINE(註2，圖1)上各年度的在摘要中有提到有使用Rasch分析的文章數，從10年前的不到一百篇，到今年的三百多篇（今年還只過了8個月），這是3倍的成長，而且這些都還沒計算未在摘要中說明但有使用Rasch分析的文章，可見Rasch分析的使用頻率，以及期刊的接受度之高度成長，而且這個現象也反出現在奇美醫學中心的論文發表情況上。以前醫學中心的文章幾乎都只是投到國內的一些中文期刊去，後來開始與心理計量的教授合作加入Rasch分析後，投到國際性期刊的篇數就變多了。也正因為得到Rasch的加持後，整個團隊就晉升到國際等級，他們存著感恩的心，想要把這個經驗傳承並推廣出去，所以才舉辦了這樣的一個研討會。
的確，過去的統計分析方法(線性統計)大部份都只能在理想的狀況下適用（適用於等距資料），但現實生活中，重要的數據幾乎都不是等距資料，亦即不適用於舊的統計方法上，也因為如此，才有了Rasch或Item Response Theory (IRT)的出現，這樣講對一些統計底子不夠的人來說有點難懂，我來舉個簡單明瞭的例子好了：中風病人常常需要做一個STREAM的量表，此量表使用約十多個項目來評估中風病人的康復程度， 比如說「能不能把手舉起來；能不能站立一段時間；能不能走路」等評估項目。原始的做法，就是把通過的項目總數加起來，就是該中風病人的康復程度，但這中間有一個很大的問題，能舉手、站立但無法走路的人，與能站立、走路但無法舉手的人，同樣都是得2分，但背後的意義不一樣，這就有點像聽到讀建中的大明，與讀不知名中學的小明同樣在數學科拿80分，但我們直覺會覺得大明與小明的數學能力是不一樣的。所以那2分並無法代表中風病人的康復程度，那80分也無法反映學生的真實的數學能力，這就是線性統計在現實世界的冏境。Rasch分析的計分方式就能解決這樣的問題，它計算的並非總分，它的邏輯是： function(中風病人通過的機會) ＝ (中風病人的康復程度 - 測試項目的難度)。如果換成是數學成績的例子，它就變成： function(學生答對的機會) ＝ (學生數學能力 - 該題目的難度)。在這個式子裏，除了關心數學能力外，還增加了題目難度在內，所以要比較兩個學生的數學能力，必須用相同的難度的題目，如果我們要比較大明跟小明兩人誰的數學能力，就得先用難度相同的題目給他們做，那我們直覺上會預期大明的答對機會比小明的來得高。
當然，Rasch分析不止是這一個優點，有興趣的朋友可以參考：http://www.rasch.org/ 這個網站，有很多Rasch分析相關的資訊，又或買一本入門的書來看看，比如說Smith(2005,註3)等人所寫的原文書，目前國內並無譯本，如果大家對這個方法也有興趣的話，也歡迎留言來跟我討論討論。
註1：SCI全文Science Citation Index(科學引文索引)，是目前國際上被公認的最具權威的科技文獻檢索工具。論文能發表在SCI所指定的期刊中，是科學研究者的最高榮譽，發表的篇數越多，代表你在該領域的權威性越高。
註2：醫學文獻資料庫。該資料庫每年固定收錄約3,800種全世界著名且各學科權威之期刊。
註3：Smith, E. V., & Smith, R. (Eds.) (2005), Introduction to Rasch measurement., Chicago, IL: JAM Press.
圖1：Medline摘要中使用Rasch相關語句文章年度次數分配圖.(資料來源：如何利用Rasch分析發表SCI論文研討會)
留言列表
{{ article.title }}