科研工作的一个特点就是要时时保持学习的状态，不断地学习和建立自己的专业知识，同时还需要通过发表文章证明自己的专业能力。在进行考核的时候，管理人员通常看的最近几篇文章的发表时间，以及发表刊物和被引用状况。在没什么引用的时候，可以大致判断文章质量比较一般。但是如果一篇文章是的引用比较多，那是说明研究结果很出色还是属于热门方向呢？如果两者都符合那也没有什么可说的，只是如果出现偏颇，那么也就意味着科研的衡量体系是有问题的。
学术界一直都在寻找和改进评价体系。长久以来，科研工作一直都是通过发表的期刊的好坏和之后被引用的次数来衡量的。60年前，Eugene Garfield 就引入了影响因子的概念来评价期刊，至今仍在使用。与GOOGLE通过网站先后顺序级别进行排名类似，影响因子使用的是高引用将产生大影响的关系，来对期刊进行排名。评论家认为，这种60年前的手段太过生硬，只能将影响力高的期刊从众多期刊中区分出来，却完全不能用来衡量单独文章的好坏。
文献计量学（bibliometrics）现在也得到了长足的发展。它也是通过追踪引用情况来衡量文章的质量。多种衡量指标也被发明出来，比如H指数可以用来衡量科研人员个体，但是由于它还是与期刊的影响因子和被引次数相关，所以也还不能完自成一格。
与60年前相比，计算机和网络技术允许人们有能力在文章层次收集到更多的资料了，也带来了网络计量学，比如cybermetrics , webometrics , altmetrics 这类名词的出现。与传统的比较期刊好坏与引用次数相比，这些新的计量方式可以统计线上阅览人数、书签、转发数量、博客等新兴数据来体现读者对一篇文章的兴趣程度。
虽然也有反对者认为这类网络数据是很容易被人为操控，但在支持者的眼里，虚假行为只会是极少数的，不会影响这些数据所拥有的真正价值。这种小风险也是值得冒的。
管理人员是对这一类新兴的计量指标赞誉有佳，因为可以帮助他们在考核科研人员的时候节省大量的时间。但是实际上并等于这些计量指标就可以完全取代现有的体系。每个指标都有自己的局限性，对科研人员的评价是否公正往往取决于研究机构和经费管理组织对这类指标的喜好程度和如何看待以及使用。
