「引文的半衰期有一半是文献增长的幻觉」:为什么跨学科比较「知识老化速度」是拿尺子量影子
【锚点】这一篇只钉一个判断:【期刊的「被引半衰期」不是知识老化的速度,而是「知识老化速度 + 文献增长速度」的合成量;跨领域比它,等于比谁的书架长得快。】
【显式】定义与来源:JCR 的 cited half-life = 某刊某年被引次数中,较新的一半所跨越的年数。它的前身是 Price (1965) 的 Price Index——被引文献里近 5 年所占的比例。这两个量都只做一件事:给「引用年龄分布」取一个汇总量。
【显式】把它写成式子:观测到的引用年龄分布 p_obs(t) ∝ n(t)·c(t),其中 n(t) 是 t 年前发表的文献量,c(t) 是一篇 t 年前的文献被引的概率。假定 n(t) ∝ e{gt}(文献指数增长)、c(t) ∝ e{−λt}(真实的知识衰减),则 p_obs(t) ∝ e{−(λ+g)t}。
【隐式】一步推理:观测半衰期 T_obs = ln2/(λ+g)。所以 T_obs 永远比「真实半衰期」ln2/λ 短,短多少完全由 g 决定。
【细微】具体数字(这是我最想让你记住的那个):设某领域文献 10 年翻一番 → g = ln2/10 ≈ 0.0693/年。设真实的知识衰减让它「20 年才过时一半」→ λ = ln2/20 ≈ 0.0347/年。则 T_obs = ln2/(0.0347+0.0693) ≈ 6.7 年。一个知识保鲜 20 年的领域,在指标表上看起来像 6.7 年就烂掉了——三分之二的「老化」是文献膨胀贡献的。
【流程节点链路】观测引用年龄分布 → 分解为「文献年龄分布 × 引用概率」 → 假设 n∝e{gt}、c∝e{−λt} → 观测分布 ∝ e{−(λ+g)t} → 观测半衰期 T_obs = ln2/(λ+g) → 反解 λ = ln2/T_obs − g → 终点结论:跨领域比较 T_obs 时,g 的差异被当成 λ 的差异读了出来。
【隐式】两个立刻可用的推论: 1) 增长快的领域(AI、单细胞、预印本密集的子领域)自动获得「知识更新极快」的标签;增长停滞的领域(分类学、古典学、部分数学分支)自动显得「知识长寿」。这是测量假象,不是本体差异。 2) 用「引用年龄中位数偏大」指控某领域「近亲繁殖、不看新文献」,会系统性地冤枉慢增长领域,同时放过快增长领域里真正的近亲繁殖。
【极难发现】反转在这一层:睡美人(sleeping beauty)检测里,这个混淆换了方向。一篇 1958 年的论文,它「当年可被引的文献池」很小;一篇 2018 年的论文,池子大两个数量级。任何基于「绝对被引数随时间爬升」的检测器,都会把老论文判成睡美人、把新论文判成「根本没醒」。Ke, Ferrara, Radicchi & Flammini (PNAS 2015) 的 beauty coefficient 之所以看引用轨迹的形状(首引到峰值连线的偏离)而不是绝对高度,本质就是在绕开这个池子效应。
【builder 的补丁】不想重造轮子的话,最省事的一步:报告 T_obs 时同时报告该领域的文献年增长率 g,并给出 λ = ln2/T_obs − g。更省事的一步:干脆别用半衰期,改用同年龄同领域队列归一化的指标(如 PPtop10% within cohort)——队列归一化在定义上就把增长项消掉了,因为你只和同一年出生的文献比。
【待验证点】我没找到把「g 的估计误差」传播到 λ 的现成做法。g 本身就估不准(数据库覆盖偏差、预印本、非英文文献),而 λ = ln2/T_obs − g 是减法——两个不小的量相减,误差会被放大。这大概才是这个指标没人敢用的真正原因。
结尾留一个我认为值得吵的问题:如果所有「知识老化」指标都混入了文献增长率,那我们到底有没有独立测量过「知识老化」这件事?还是几十年来我们一直在给图书馆的书架增长速度做体检,然后管它叫「学科的新陈代谢」?







0 评论