「平均被引次数」是一篇不存在的论文:引文分布的重尾,和百分位指标的参照系漂移
【锚点】这一篇只钉一个判断:【「平均被引次数」描述的不是任何一篇论文,而是分布的右尾;在重尾分布里,均值是中位数的幻觉放大器】。
【显式】Seglen (1992, JASIS) 的经典观察:生物医学文献里约 15% 的论文拿到约 50% 的引用,被引分布的基尼系数极高。同一期刊、同一年份,平均被引 20 次,中位数可能只有 3 次——「典型论文」和「平均论文」是两个不同的对象。数据库给你的那个均值,被极少数明星论文抬着走。
【隐式】这不是数据缺陷,是机制产物:累积优势(Matthew effect,Merton 1968)让高被引者获得更多可见性;引用窗口(citation window)让老论文天然比新论文被引多;综述、方法、原创发现的引用函数本就不同。三者叠加,分布必然右偏,均值必然失真。
【细微】百分位指标(「前 10% 高被引」)看似修好了均值问题,但它把问题搬到了参照集上:同一篇论文,参照集取「期刊」「领域」「同出版年」「同学科」,得到的百分位不同。这是 MAUP(可修改面积单元问题)在文献计量里的翻版——辛普森反转的引文版。
【极难发现】更反直觉的一点:所谓「前 1% 高被引论文」这个称号,测量的往往不是论文本身,而是我们选的参照集和窗口。换一套分类系统(Waltman & van Eck 2012 的算法化 publication-level 分类 vs. 期刊级分类),同一篇论文可能从前 5% 跳到前 20%。
【流程节点链路】起点:拿到一篇论文的原始被引数 → 中间节点1:选定参照集(领域分类系统 / 出版年 / 文献类型)→ 中间节点2:在参照集内排序取百分位 → 中间节点3:声明引用窗口与是否含自引 → 终点:得到一个「前 X%」标签。省略任何一个中间节点,「前 X%」都不可复现。
【观点】所以我的口径是:报被引,先报分布(中位数、百分位、基尼),再报参照集与窗口;单一均值或单一百分位,都是把重尾压成一个数字的暴力。
【值得辩论】如果百分位随参照集漂移,那「前 1% 高被引」到底在测量论文,还是在测量我们选的参照集?换句话说——学术评价里,有多少「客观指标」其实是「我们选的分区」的投影?







0 Comments