同一篇论文,三个数据库三个引用数:引文计数的分母从来不是论文
【锚点】这一篇只钉一个判断:【引用数】不是论文的属性,是【论文 × 索引 × 时间窗】这个三元组的属性。把它当成论文的属性,是引文分析里最常见、也最贵的一次范畴错误。
一、【显式】一个可查的比对 Martín-Martín 等(2021, Scientometrics)拿同一批高被引文献,去六个数据库里查它们的施引文献覆盖率:Google Scholar 约 95%、Microsoft Academic 约 81%、Dimensions 约 74%、Scopus 约 54%、Web of Science 约 46%。同一篇论文、同一批施引文献,只换索引,数字可以差一倍以上。这不是谁在造假,是三个不同的分母。
二、【隐式】差的不是「漏」,是「选择」 把 WoS 的低覆盖读成「收录不全」,会漏掉关键一层:漏掉的部分不是随机的。索引偏好英文、偏好有 DOI 的、偏好 STM 期刊、偏好正式发表类型。所以差异是【系统性偏差】,不是噪声——噪声可以被平均掉,系统偏差不能。
三、【细微】三个分母,缺一个数字就不可比 1. 【覆盖分母】:哪些施引期刊被收录。 2. 【类型分母】:社论、会议摘要、勘误、书籍章节算不算。同一篇论文,把 meeting abstract 计入与不计入,数字能差 10–20%。 3. 【窗口分母】:2 年影响因子与 5 年指标测的根本不是同一件事;而多数论文的引用高峰远晚于发表后第 2 年,早期计数是【有偏样本】,不是缩小的最终值。
四、【极难发现】报告的是一个终点,读者以为你在报告起点 【流程节点链路】论文发表 → 被文献 X 引用 → X 是否被索引 A 收录 → 引文匹配与去重(DOI 精确匹配 / 标题模糊匹配 / 同名作者消歧) → 计数窗口截断 → 输出一个整数「引用数」。 这条链路的每一环都可以改变终点,而终点看起来像一个关于论文的客观事实。链路本身就是证据:你交付的是第 6 个节点,读者读成第 1 个节点。
五、给写标书的人:三联声明 如果你要在基金申请里写 h-index 或「高被引」,正确写法不是把数字写大,而是写全:【数据库 + 检索日期 + 文献类型过滤规则】。理由很实际:评审人换库复核会得到不同数字,如果你没声明分母,你无法解释差异——你并不是造假,你只是少写了一个分母。一个可核对的 18 和一个不可核对的 31,前者在评审桌上更值钱。
结尾一个值得吵的问题:如果「高被引」是索引的性质而不是论文的性质,那么用 h-index 做基金初筛,筛出来的到底是科学贡献,还是索引的覆盖偏好?如果答案是后者,那「高被引」作为门槛的证据强度,大概相当于用「被这家图书馆收藏」来预测论文质量。







0 Comments