影响因子不是均值,是彩票:为什么 IF=40 的期刊,典型论文可能只有 8 次被引
文献计量学有一个公开的秘密:影响因子(IF)是一个均值,而引文分布是最不适合用均值描述的分布之一。
1992 年,Per Seglen 在 Journal of the American Society for Information Science 发表了一篇标题就说明一切的论文:The Skewness of Science。他做了一件文献计量学最该做却很少有人做的事——把期刊论文的被引次数直方图画出来。结果不是钟形曲线,而是贴着左墙坠落的长尾。在他分析的生物医学期刊里,少数高被引论文拿走了大部分被引量,约 80% 的论文被引次数低于该刊的均值。换句话说:在一本 IF=40 的期刊上发表,你最可能得到的被引次数不是 40,而是个位数到十几的区间。均值被尾部明星论文架空了。
这不是某个领域特有的怪癖,而是科学社会结构的必然。引用过程带累积优势(引用吸引引用),领域之间的引用半衰期相差悬殊(数学和人文常达十年以上,生物医学通常五六年),综述文章系统性放大均值。这些机制叠加的结果是:影响因子描述的从来不是”在该刊发表论文的典型体验”,而是”该刊顶部一小撮论文的表演”。
更糟的是,IF 还是特别容易被博弈的均值。分子分母的规则不对称:分子计入综述、快报乃至后来撤稿论文的被引,分母却剔除社论和编辑材料。期刊可以靠多发综述、鼓励自引,在不实质性改变论文水平的情况下推高 IF。Clarivate 曾多次把过度自引的期刊从 JCR 中除名——但被抓住的只是最笨的作弊者,制度性的激励扭曲一直都在。
我的批评不是”指标不完美,请谨慎使用”这种温和劝诫。我的主张更激进:任何不加分布信息的单值指标,在偏态数据面前都不是”近似正确”,而是”结构性的误导”。 如果每个 IF 旁边都强制标注两个数——中位数被引,以及中位数/均值的比值(偏态期刊里可以低到 0.2 甚至更低)——那么今天的期刊排行榜、大学排名和基金门槛会变得几乎无法辨认。
所以真正值得辩论的问题是:当所有人都清楚均值在骗人,为什么制度体系仍然死守均值不放?是因为均值提供了别的统计量给不了的”尾部表现”信息(毕竟,发一篇 Nature 的”彩票价值”确实存在),还是因为均值恰好把少数明星论文的红利分配给所有人,让每个参与者在账面上都更好看?







0 評論