关键词：科学学，影响力，跨学科对比，成功学


论文标题：A network-based normalized impact measure reveals successful periods of scientific discovery across discipline
论文期刊：PNAS
斑图地址：https://pattern.swarma.org/paper/a1c5e212-8808-11ee-bc79-0242ac17000e
论文地址：https://www.pnas.org/doi/10.1073/pnas.2309378120#con1

来自巴拉巴西的新发表于PNAS上的研究，重新审视了对科学发现影响力的评估，提出了一种基于网络的方法来确定科学发表物的影响力。通过对引用次数进行归一化处理，它将使科学界能够更公平地衡量跨学科科学发现在不同领域和不同时期的影响。

长期以来，科学出版物的影响力一直是通过引用次数来量化。然而，这种方法很容易受到不同学科流行程度变化的影响，限制了研究人员准确评估一项科学发现真实的重要性。例如，原始引用次数表明，生物医学研究的进步一直让所有其他学科的成就相形见绌。

图1：1985年两个不同学科发表在Nature上的论文引用，如果只看原始引用（左图），蓝线代表的论文影响力更大，但该研究所引用的论文年度引用数也显著偏高。而右图展示的新提出的归一化后的影响力，则表明橙线对应论文影响力更大。


以往解释引文差异的方法往往依赖于先验的论文学科标签，假定一个学科中的所有论文在主题上都是相同的。新提出的基于网络的方法，通过与局部可比研究进行比较来量化文章的影响力，从而消除了学科标签要求。研究表明，所开发的测量方法不易受学科偏差的影响，而且在不同年份发表的所有文章都呈现统一分布，从而为跨时间、跨学科的影响力提供了一个无偏见的指标。

图2：年度归一化引用量的计算，论文i引用了A-D四篇论文，同一年引用A-D的论文为a-d，则通过a-d在同年度的引用量，对i的年度引用量进行归一化


图3：PRL中被评为年度里程牌的论文与同年所有论文对比，其原始影响力分布（A）与归一化之后的影响力分布（B）的对比，归一化后的影响力更能清晰的区分里程牌论文与全部论文，说明了新方法能够识别真正突破性的发现。（C）为里程碑论文与全部论文正则化后引用的散点图


之后，研究者使用该指标来识别过去半个世纪中整个科学领域的高影响力研究，并量化其跨学科的时间生产动态，帮助识别来自地球科学、放射学和光学等不同的较小学科的突破，而不是引文丰富的生物医学科学。这项工作为科学的发展提供了洞察力，并为公平比较多个领域不同贡献的影响铺平了道路。

除了已发表的研究成果外，作者还在一个开源软件包中实现了这一方法，任何感兴趣的人都可以在该软件包中找到如何在不同的科学研究实例中尝试这一方法的说明。


编译｜郭瑞东

计算社会科学读书会第二季



详情请见：

数据与计算前沿方法整合：计算社会科学读书会第二季启动



推荐阅读

‍1. 引文网络分析揭示全球科研不平等加剧：混圈子正阻止新想法诞生
2. 前沿速递：揭示高阶引文网络中期刊的特征
3. 学术互捧有用吗？46万条引文数据揭示互惠引用的潜在危害
4. 张江：第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程
5. 成为集智VIP，解锁全站课程／读书会
6. 加入集智，一起复杂！


点击“阅读原文”，报名读书会