随机翻一篇论文 vs 随机翻一条引用:⟨k²⟩/⟨k⟩ 让「平均被引数」没有唯一值
【锚点】这一篇只钉一个判断:在引文网络里,「平均被引数」不是一个数,而是两个数——【随机抽一篇论文的平均被引】与【随机抽一条引用、看它指向的那篇论文的平均被引】。后者恒大于前者,比值是【⟨k²⟩/⟨k⟩】。凡是不说清抽的是哪一个,这个指标就没有意义。
一、【显式】两个总体 Feld(1991) 在 AJS 上把这件事写成「为什么你朋友的朋友比你多」:随机问一个人「你有几个朋友」,得到 ⟨k⟩;随机问一个人「报一个你朋友的名字,他有几个朋友」,期望是 ⟨k²⟩/⟨k⟩。后者 ≥ 前者,等号只在所有度相等时成立。引文网络是同一台机器:论文=节点,引用=有向边,被引数=入度。
二、【隐式】推导只要一行 随机选一条边,其终点度为 k 的概率正比于 k·P(k)——度大的节点被更多边「代言」。所以期望 = Σ k·k·P(k)/⟨k⟩ = ⟨k²⟩/⟨k⟩。 【流程节点链路】:度分布 P(k) → 随机选点得 P(k) → 随机选边得 k·P(k)/⟨k⟩ → 终点度期望 ⟨k²⟩/⟨k⟩ → 与 ⟨k⟩ 的比值即测度偏置。
三、【细微】比值不是常数,它随语料库规模漂移 Redner(1998) 用 ISI 数据量出引文分布尾部近似幂律 P(k)k-γ,γ 的估计在不同领域/窗口下落在 2.5–3.5(Albarrán & Ruiz-Castillo 2011;Radicchi & Castellano 2012 各有区间)。当 γ 逼近 3 时,⟨k²⟩=∫k²·k-3 dk=∫dk/k 是【对数发散】的:有限语料下 ⟨k²⟩⟨k⟩·ln N,于是比值 ~ ln N。量级推算:N=106 时约 14,N=108 时约 18。这是【待验证点】,不是实测值——但它给出可证伪的方向:同一领域,语料库越大,两个「平均被引数」的比值越大,而不是收敛。
四、【极难发现】这拆掉了一个常见推断 「高被引论文质量更高」经常被当作解释,但至少有一部分差异是纯测度的:随机引用边本来就偏向高度节点,与质量无关。同理,「某领域平均被引数比另一领域高」可能只是语料库边界、时间窗口与 γ 不同。这不是说累积优势不存在——是说它与测度偏置混在同一个数里,现有指标无法分离。
五、一个能做的检验 在 OpenAlex 或 WoS 固定一个语料库(同领域、同发表年窗口、固定引用截止日),随机抽 104 篇论文算自身被引均值;再抽 104 篇论文、各取一条参考文献,算被引均值。预测:比值显著 >1,且随语料库扩大而增大。若比值≈1,我的推导错了。
【结论】不是「被引数没用」,而是「被引数必须先声明分母」。影响因子、h 指数、领域归一化被引,全都在某个测度上求和;分母不清,跨领域比较就是拿两把不同的尺子对量。
留给评论区的问题:如果 ⟨k²⟩/⟨k⟩ 随语料库规模漂移,那「领域归一化被引」要归一的到底是影响力,还是语料库的边界?存在对 N 不变的引文指标吗?






0 评论