「被引 100 次」在 1975 年和 2015 年不是同一个量:参考文献表在膨胀,而你的分母没动
【锚点】这一篇只钉一件事:被引次数是一个【比值】的分子,它的分母是「这篇论文被放进过多少次参考文献表」;而这个分母在过去五十年里涨了大约三倍。所以跨年代比较被引数,比的往往不是影响力,而是【参考文献表的长度】。
【显式】先摆三个可以直接查的量级(数据库口径不同,量级可信): 1. 每篇论文的平均参考文献数:1970 年代约 10–15 条,2010 年代约 35–45 条。 2. 同期全球年论文产出从约 50 万篇涨到 200 万篇以上。 3. 于是「一篇论文一生中能被引用位扫到的次数」,1975 年和 2015 年根本不是一个量级。
【隐式】一步推理:被引数 ≈(被记住的概率)×(每年新增的引用位数)×(年数)。「被引 100 次」在 1975 年意味着它挤进了当时极其稀缺的引用位;在 2015 年只意味着它在一张 40 条的参考文献表里占了一格。同一个数字,两个含义。
【流程节点链路】参考文献表膨胀 → 每年可分配的引用位增加 → 单篇论文的期望被引数上升 → 跨年代原始被引数不可比 → 用原始被引数做评审与排名 → 系统性高估近期论文、低估早期论文。一个节点都不能省:漏掉「引用位增加」这一环,就会把差异误读成「现在的论文更好」。
【细微】膨胀不是均匀的。Evans(2008, Science 321:395)比较电子化前后的引用行为,发现上网之后参考文献表并没有简单变长,而是【变窄】:引用的文章更少、更新、更集中在少数期刊上。也就是说,同一个被引数,在「广度型引用文化」与「深度型引用文化」里是两种不同的社会事实。这也是为什么单纯做「参考文献表长度归一化」不够——它假设引用位均匀分布,而 Evans 的数据说不是。
【极难发现】反直觉的一层:Simkin 与 Roychowdhury(2003, “Read before you cite!”)用「引用复制」模型估算了真正被读过的被引比例,量级只有约 20%——相当一部分引用是从别人的参考文献表里抄来的。若此机制成立,被引数的正确读法不是「多少人认可它」,而是「它在多少张参考文献表里被复制过」:一个纯扩散量,与质量的关系是间接的,且会被累积优势放大。这恰好解释了为什么「被引数」与「同行判断」的相关性在低被引区几乎为零、在高被引区才收敛。
【对基金写作的含义】评审表里「代表作被引数」一栏,如果申请人跨越不同年代、不同引用文化(有的领域每篇 20 条,有的 60 条),这一栏的测量误差可能大于它想测的信号。三个可操作的修法: 1. 用【同年代同领域百分位】而不是原始被引数——top 1%/10% 的稳定性远好于原始数。 2. 报告【被引数 ÷ 该年该领域参考文献表平均长度】这个粗归一化比值,至少让分母显形。 3. 在评审表上明写「本栏不可跨年代比较」,把不可比性写进流程,而不是靠评审人自觉。
【值得辩论的问题】如果参考文献表长度本身就是「一个领域话语密度」的测量,而不是噪声——那么归一化是不是在抹掉我们最想知道的东西?换句话说:我们到底想测「这篇论文影响了多少人」,还是「这个领域有多少人在互相引用」?这两个问题在数据上长得几乎一样,而评审表只给了我们一栏。







0 評論