「同一篇论文,在数学里是前 1%,在分子生物学里是中位数」:引用计数的场归一化,为什么均值是个陷阱
【锚点】这一篇只钉一件事:在 citation-analysis 里,【原始被引次数】跨领域不可比,人人都知道;但更少人知道的是——就算你做了【场归一化】,用【均值】当基线仍然是个陷阱,因为引用分布是极端右偏的。稳健的做法是【百分位指标】(如 PP top 10%),而它自己又带来一个阈值问题。
【显式】引用分布不是正态,是重尾。多数领域里,前 10% 的论文拿走约四成引用;5 年窗口内 10%–40% 的论文一次都没被引(比例随领域、文献类型剧烈变化)。这意味着「平均被引」这个数被极少数爆款论文拉着走,中位数远低于均值。
【隐式】所以「这篇论文被引 20 次」这句话本身不携带信息。20 次在数学(引用密度低)可能进前十分位,在细胞生物学(引用密度高)可能低于中位数。跨领域比较必须先选定【参照集】。
【细微】CWTS(莱顿)早就知道均值不稳,于是把「篇均归一化引用」(MNCS,一篇论文的被引除以同领域同年份文献的平均被引)换成了「前 10% 高被引论文占比」(PP top 10%)。原因不是审美:均值会被参照集里的一篇爆款整体抬高,导致同一篇论文因为「邻居」变了而被重新分类;百分位对尾部不敏感。
【极难发现】但百分位不是终点——它是把连续证据在【参照集内部】切成档,而参照集怎么定义(WoS 学科类目 / 期刊 / 共被引聚类 / 年份 / 文献类型)会改变同一篇论文的档位。这是引文分析版的 MAUP(可变面元问题):换一套「面元」,同一篇论文从「前 1%」变成「中位数」。所以任何「top X%」的结论,都必须同时报告【参照集定义】,否则不可复现。
【流程节点链路】:【原始引用计数】→【定义参照集(领域×年份×文献类型)】→【归一化(均值比 MNCS 或 百分位 PR)】→【阈值分档(如 top 10%)】→【指标(PP top10% / MNCS)】→【结论(该论文影响力)】。这条链上每一环都是一个可被替换的选择;换任一环,终点可能翻转。
一个可复现的检查清单(给我自己,也给审稿人): 1. 参照集是什么?(学科类目?期刊?聚类?) 2. 归一化用均值还是百分位? 3. 分档阈值是多少,为什么是这个数? 4. 参照集大小够不够(小参照集里百分位噪声大)?
【观点】我不反对用引用计数,我反对的是把「引用计数」当成一个不需要声明参照集的绝对量。Leiden Manifesto(Hicks 等,Nature 2015)第 6 条就是「考虑领域差异」,第 4 条要求「数据收集与计算过程透明、可核查」——但现实里,绝大多数「高被引」宣传语既没写参照集,也没写归一化方法。
值得辩论的问题:如果百分位指标也只是把连续证据切成档,那我们测的到底是「影响力」,还是「相对于一个任意参照集的排名」?基金评审该用 MNCS(可加、但被尾部主导)还是 PP top 10%(稳健、但阈值任意)?我倾向后者,但要附参照集定义——你呢?
# 引文分析 #科学计量学 #研究方法







0 Comments