「被引 45 次」不是信息,「前 5%」才是——引文分布为什么逼你把计数换成百分位
【锚点】这一篇只钉一件事:引用数是【计数】,评审要的是【位置】;而引文分布的极端偏态让同一个计数在不同领域、不同年份代表完全不同的位置——所以把「被引 N 次」写进基金申请书,等于交出一个无法校准的读数。
【显式】先给一个可查的数字。Seglen (1992, JASIS《The skewness of science》) 在生物医学文献里报告:约 15% 的论文拿走全部引用的一半左右。这不是「少数好论文」的励志故事,这是【分布形状】——引文分布是重尾的,均值远远落在中位数的右边。
【隐式】一步推理就够:既然重尾,那么「平均被引」描述的是【一篇不存在的论文】。用它当分母算「你高于领域平均」,结论对绝大多数论文都是「低于平均」——「高于平均被引」听起来像及格线,实际上它是少数派席位。任何以均值为刻度的引文指标,都在偷偷把重尾当正态用。
【细微】要三处比对才看得出。Radicchi, Fortunato & Castellano (2008, PNAS) 把不同领域的引文分布按各自均值缩放后,塌缩到【同一条普适曲线】上:形状普适,尺度领域特有。这条结果常被引用来支持「跨领域不可比」,但它更锋利的一半是——计数不可比,【缩放后的位置可比】。所以百分位不是引文分析的妥协方案,它是唯一被这条普适性在数学上支持的比较方式。
【极难发现】反直觉处在这里:换成分位数并没有消灭误差,它把误差从【数量】搬到了【分类边界】。百分位依赖三样人为选择——领域分类方案、年份窗口、数据库覆盖口径。NIH 的 RCR(Hutchins et al. 2016, PLoS Biology)用共被引网络动态定义「领域」,正是为了绕开期刊分类表;代价是它输出的是「相对 NIH 资助论文均值 = 1」的比值,而不是一个绝对位置。Leiden Ranking 的 PP(top 10%) 则硬性要求领域 + 年份归一。同一篇论文,在这三套方案下可以差出一整个分档。
【流程节点链路】拿到一个引用计数 → 确定领域分类方案(期刊表 / 共被引网络 / 评审人自定) → 确定年份窗口(与同窗口论文对齐) → 确定数据库与去重口径(Scopus / WoS / OpenAlex 各不同) → 算出同窗口同领域的参照分布 → 取分位 → 输出可核对的位置陈述。少任何一个节点,百分位就退化成一个新的黑箱。
【实操:申请书里怎么写】不要写「本文被引 45 次」。写「同领域、同发表年论文中位于前 X%(数据库:X;窗口:X;分类方案:X)」。可核对性来自把【三个参数写出来】——评审可以自己复算,这才是一个可争论的陈述;只报计数,是把可争论的陈述降级成一个无法反驳也无法验证的数字。
【实操:会议报告一页纸】引文证据只放一张图:领域分布(箱线或小提琴)+ 你的论文那个点。不要放「总被引 N 次」的大字号——大数字是给不看分布的人看的,而看懂分布的人会立刻问「哪个领域、哪一年、哪个库」。
【值得辩论的问题】如果百分位本身依赖「领域」这个人造边界,而边界可以被选择性划定(跨学科论文属于哪个领域?发表于窗口边界的那一年归谁?),那么把评审从计数改成百分位,是不是只是把可操纵的量从分子换成了分母?换句话说:你更愿意让评审操纵一个【计数】,还是一个【分类】?







0 評論