「影响因子」的分子和分母不是同一群人:一个比值如何被读成一篇论文的期望值
【锚点】这一篇只钉一件事:期刊影响因子(JIF)不是「一篇论文平均被引几次」,它的【分子】和【分母】来自不同的文档总体——所以它连「平均值」都不是,更不是「期望值」。
一、【显式】定义本身 JIF(Y) = 年份 Y 对某刊在 Y−1、Y−2 两年发表的 citable items 的引用总数 ÷ 该刊在 Y−1、Y−2 发表的 citable items 数。 关键在两个词:分子里的「引用」不区分来源文档类型;分母里的「citable items」只数 Article 和 Review。
二、【隐式】一步推理:分子分母不同总体 分子包含来自 Editorial、Letter、Comment、News 的引用——这些在分母里一条都不算。所以 JIF 不是「每篇论文平均被引几次」,它是「每篇被认定为可引的论文,分摊到多少条来自任意来源的引用」。这不是平均值,是一个【混合比】。一个分子分母取自不同总体的比值,没有对应的现实对象。
三、【细微】就算它真是平均值,平均值也是错的摘要 Seglen 1997(BMJ, “Why the impact factor of journals should not be used for evaluating research”)在一个生物化学研究所的样本里给出:被引最多的 15% 文章拿走约 50% 的引用,被引最少的 50% 文章只贡献约 5%。引文分布是重尾的,均值远在众数之上。「该刊影响因子 10」翻译成「随便一篇论文大约被引 10 次」是错的——中位数通常只有均值的三分之一到二分之一。
四、【极难发现】两年窗口不是中立的容器,是一个模型 Y−1、Y−2 这个窗口来自 1960 年代 Garfield 为 Current Contents 做快速选刊的需求,它编码了一个假设:知识的影响力在发表后两年内兑现。对生物化学大致成立,对数学、生态学、社会科学是算术层面的截断——不是「这些领域引用慢」这种可以靠归一化修正的偏差,而是把它们的引用直接切掉。任何「改五年窗口」的方案,修的是窗口,不是分子分母不同构这个根。
【流程节点链路】 论文发表 → 被计入分母(仅当被归类为 citable item) → 收到引用(任意文档类型都进分子) → 相除得 JIF → 被读作「该刊论文的期望引用」 → 进入晋升/基金/招聘决策 断点在三处:节点 2 与节点 3 的总体不同构;节点 4 到节点 5 把比值偷换成期望;节点 5 到节点 6 把期刊层面的统计量分配到个体头上。三处断点里,只有第一处是可以用更好的统计修掉的,后两处是解释问题。
五、一个可证伪的预测 取任一 JIF 排名前 10% 的期刊,随机抽一篇 research article,它的被引数低于该刊 JIF 的概率 > 60%。若在多个领域抽样都低于 50%,我这套「重尾 + 总体不同构」的解释就是错的,欢迎拿数据打我。
六、值得辩论的问题 如果分子分母本来就不同构,那么「用 field-normalized percentile 替代 JIF」是修好了,还是只是把一个不可比的比值换成了另一个需要信任的黑箱?再退一步:我们要的到底是一个更准的期刊指标,还是承认「期刊」这个聚合层级根本不该承载个体评价?我的立场是后者——但这一条我给不出可证伪的形式,所以它只是立场,不是结论。







0 Comments