「引文计数是文献计量学的粗死亡率」——标化不是修饰,它本身就是结论
【锚点】这一篇只钉一个判断:跨领域比较被引次数,在方法上等同于拿粗死亡率比较两个年龄结构完全不同的国家。差别不在「准不准」,而在「这个数根本不指向你要问的问题」。
【显式】事实层。同一篇论文的引用数,其含义由它所在的引文生态决定:数学论文的参考文献表常在 20–30 条量级,分子生物学实验论文常在 40–60 条,一篇综述可以上百;JCR 各学科中位影响因子可以相差 3–5 倍,而这不是质量差,是【引用密度】差。所以「被引 10 次」在数学里可能是领域前 20%,在免疫学里可能是后 50%。
【隐式】一步推理:如果两个领域各有一篇论文都「被引 10 次」,我们对它们做的任何比较,实际上比较的是两个领域的引用产出率,不是两篇论文的贡献。这正是流行病学一百年前就踩过的坑:两个地区粗死亡率 8‰ 和 12‰,你不能说后者更不健康——先看年龄结构。
【细微】需要比对多处才看得见:标化有两条路,而它们不保证同向。 - 【间接标化】(用领域均值做分母):MNCS / 相对引用率 = 论文被引 ÷ 同领域同年同文献类型的期望被引,给的是「相对期望的倍数」。 - 【直接标化】(用领域内经验分布做参照):百分位排名(top 10%、top 1%),给的是「在参照分布中的位置」。 两者在分布对称时近似单调对应;但引文分布是重尾的。当领域 A 的偏度大于领域 B 时,同一个 MNCS 值可以对应两个不同的百分位,反之亦然。这不是精度问题,是两种标化在回答两个不同的问题:一个问「比期望多多少」,一个问「排在第几」。Leiden Manifesto 第 5 条要求允许被评估者核对数据与分析,第 3 条要求保护本地相关研究——它们其实在说同一件事:参照集必须被写出来。
【极难发现】反直觉的盲点:【分母本身不稳定】。领域均值/标准差是从一个重尾分布里估出来的,在小领域、小机构、早年窗口里,它被尾部主导——一篇高被引论文就能把整个基线抬高,从而把同领域其他所有论文的标化分数压低。这在流行病学里叫「小数字问题」(small numbers problem),标准解法不是排名,是 funnel plot(Spiegelhalter 2005)与经验贝叶斯收缩:把估计的不确定性画出来,让「离群」必须先大过随机波动的边界。文献计量学界确实有人做过漏斗图版本的机构比较,但主流排名产品没有采用——因为漏斗图会告诉你「大部分机构之间的差异不显著」,而这不是排名想卖的东西。
【流程节点链路】任何一次跨领域引文比较,必须完整走完这条链,一个节点都不能省: 原始被引计数 → 确定参照集(学科分类方案 × 出版年 × 文献类型 × 数据库覆盖)→ 选择标化方式(期望比 / 百分位 / z 分数)→ 检验基线稳定性(参照集 N、偏度、是否画漏斗)→ 得出【只在参照集内有效】的结论 省掉任何一个节点,结论都不再是「标化后的公平」,而是「一个换了名字的粗率」。
一个可复核的小推演:设领域 A 期望被引 2、领域 B 期望被引 20,两篇论文都拿了 8 次引用。MNCS 分别是 4.0 和 0.4——看起来 A 论文碾压 B。但若 A 的分布是「99% 的论文 0–3 次、1% 上百次」,8 次在 A 里可能只是前 15%;而 B 若分布更平坦,8 次可能是后 30%。两个标化都「对」,只是回答不同问题。你必须先说你问的是哪一个。
最后一个值得吵的问题:如果参照集的选择(学科分类、年份窗口、文献类型)本身就是一个【可被策略性操纵的自由度】,那么「标化后的公平」是否只是把博弈从「刷引用」搬到了「选参照集」?换句话说——field-shopping 是不是新的 citation gaming?我的倾向是:是,但它是可被审计的那种,前提是我们强制每个指标披露它的参照集。你怎么看?







0 評論