📊 statistics

An index to quantify the disparity between coauthorship and individual’s scientific impact

Dieses Paper schlägt den Coauthorship Disparity Index (CDI) vor, eine neuartige Metrik, die darauf ausgelegt ist, das Ungleichgewicht zwischen dem wissenschaftlichen Einfluss eines Autors und der Anzahl seiner Koautoren in h-Core-Papieren zu quantifizieren, um dadurch Fälle von Coauthorship-Missbrauch wie etwa Gift- oder Guest-Authorship zu identifizieren.

Ursprüngliche Autoren: Shaibu Mohammed

Veröffentlicht 2026-07-08

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Shaibu Mohammed

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich die Welt der akademischen Forschung wie eine riesige, geschäftige Küche vor. In dieser Küche kreieren Köche (Wissenschaftler) Rezepte (Veröffentlichungen), um Probleme zu lösen und die Welt mit neuem Wissen zu versorgen. Normalerweise werden die besten Gerichte von Teams erstellt, die zusammenarbeiten. Doch manchmal wird das System manipuliert: Ein Koch setzt seinen Namen auf ein Gericht, an dem er kaum mitgewirkt hat, nur um seinen Lebenslauf voller aussehen zu lassen. Dies nennt man „Geschenk-Autorenschaft“ (Gift Coauthorship).

Dieses Paper schlägt einen neuen Weg vor, um zu erkennen, wenn jemand mehr Anerkennung beansprucht, als er verdient. Der Autor, Shaibu Mohammed, nennt dieses neue Werkzeug den Coauthorship Disparity Index (CDI).

Hier ist eine einfache Aufschlüsselung der Funktionsweise, unter Verwendung alltäglicher Analogien:

1. Das Problem: Die „Namensnennungs“-Küche

In der Wissenschaft hängt es oft davon ab, wie viele Veröffentlichungen man publiziert hat und wie oft andere über diese gesprochen (zitiert) haben, um einen Job, eine Beförderung oder ein Stipendium zu erhalten.

Das Gute: Echte Zusammenarbeit ist großartig. Wenn ein Team von fünf Köchen zusammenarbeitet, erschaffen sie oft ein Meisterwerk, das alle zum Reden bringt.
Das Schlechte: Manchmal fügt ein Koch einfach einen berühmten Namen auf die Speisekarte hinzu, um das Gericht prestigeträchtiger erscheinen zu lassen, selbst wenn dieser berühmte Koch eigentlich gar nichts gekocht hat. Dies bläht den Ruf des berühmten Kochs auf, ohne dass er die Arbeit geleistet hat.

2. Die alten Werkzeuge: Das Zählen der Gerichte

Zuvor nutzten Wissenschaftler zwei Hauptwege, um einen Koch zu beurteilen:

Der „H-Index“: Dieser zählt, wie viele Gerichte ein Koch zubereitet hat, die populär genug waren, um eine bestimmte Anzahl an Rezensionen zu erhalten.
Gesamtzitationen: Diese zählen jede einzelne Rezension, die die Gerichte des Kochs jemals erhalten haben.

Der Fehler: Diese Werkzeuge ignorieren, wie viele Menschen bei der Zubereitung des Gerichts geholfen haben. Wenn ein Koch ein populäres Gericht allein oder mit 50 anderen Personen zubereitet hat, gaben die alten Werkzeuge ihm die gleiche Anerkennung. Es ist, als würde man einem Einzelbäcker denselben „Master Chef“-Preis verleihen wie einem Bäcker, der ein Team von 50 Personen geleitet hat, nur weil der Kuchen gut geschmeckt hat.

3. Das neue Werkzeug: Das Verhältnis von „Teamgröße zu Geschmack“

Der Autor entwickelte eine neue Kennzahl namens Coauthorship Disparity Index (CDI). Betrachten Sie dies als eine „Skala der Fairness“.

Um dies zu berechnen, betrachtet der Autor die „h-core“-Veröffentlichungen eines Wissenschaftlers (seine erfolgreichsten, hochwirksamen Arbeiten).

Schritt A: Er berechnet die „Impact-Zahl“. Dies ist ein Wert, der auf der Bekanntheit dieser Arbeiten basiert (wie viele Zitationen sie haben).
Schritt B: Er zählt, wie viele verschiedene Personen tatsächlich bei diesen spezifischen Arbeiten geholfen haben.
Schritt C: Er vergleicht die beiden Werte.

Die Analogie:
Stellen Sie sich vor, Sie bewerten einen Kochwettbewerb.

Das ideale Szenario: Ein Koch hat ein sehr berühmtes Gericht (hoher Impact) und ein kleines, eng vernetztes Team (wenige Mitautoren). Dies ist effizient und fair.
Das „Ausreißer“-Szenario: Ein Koch hat ein mäßig berühmtes Gericht, aber die Speisekarte führt 50 verschiedene Namen als Mitautoren auf.
Der CDI-Wert:
- Niedriger Wert (Gut): Die Anzahl der Helfer passt zum Ruhm des Gerichts. Die Teamgröße fühlt sich „genau richtig“ an.
- Hoher Wert (Schlecht): Die Anzahl der Helfer ist riesig im Vergleich zum Ruhm des Gerichts. Dies deutet darauf hin, dass der Koch seine Liste möglicherweise mit „Gast-Autoren“ aufgebläht hat, die eigentlich nichts gekocht haben.

4. Was die Daten zeigten

Der Autor testete dies an über 500 Wissenschaftlern aus verschiedenen Fachbereichen (wie Physik, Chemie und Biologie).

Allgemeiner Trend: Normalerweise produzieren größere Teams auch bessere, berühmtere Gerichte. Es gibt eine natürliche Verbindung zwischen der Anzahl der Helfer und den erhaltenen Zitationen.
Die Ausreißer: Der neue Index fand jedoch spezifische Köche, die viel zu viele Namen auf ihrer Speisekarte hatten für den tatsächlichen Ruhm ihrer Gerichte.
- Wenn der CDI eines Wissenschaftlers unter 2 liegt, ist er wahrscheinlich in einer guten Balance.
- Wenn der CDI eines Wissenschaftlers über 2 liegt, ist dies ein Warnsignal. Es deutet darauf hin, dass er im Verhältnis zum tatsächlichen Einfluss seiner Arbeit möglicherweise zu viele „Gast-Autoren“ hat.

5. Wichtige Warnungen (Die „Vorbehalte“)

Der Autor betont vorsichtig, dass dies kein Zauberstab ist.

Verschiedene Küchen: Man kann einen Koch in einer kleinen Einzelküche (Mathematik) nicht mit einem Koch in einer riesigen Industrieküche (Biomedizinische Technik) vergleichen. Unterschiedliche Fachbereiche haben naturgemäß unterschiedliche Teamgrößen.
Neue Köche: Ein junger Koch, der in einem großen Labor mit erfahrenen Mentoren arbeitet, könnte so wirken, als hätte er zu viele Mitautoren, aber er lernt gerade erst das Handwerk.
Schlafende Schönheiten: Manchmal dauert es Jahre, bis ein großartiges Gericht bemerkt wird. Der Index erkennt dies möglicherweise nicht sofort.

Das Fazit

Der Coauthorship Disparity Index ist eine einfache mathematische Prüfung mit der Frage: „Hat dieser Wissenschaftler eine realistische Anzahl an Helfern für das Niveau des Ruhms, den seine Arbeit erreicht hat?“

Er bestraft keine Zusammenarbeit; er versucht lediglich zu erkennen, wenn die „Teamgröße“ künstlich aufgebläht wurde, um das System zu manipulieren. Wenn Ihr Wert hoch ist, schlägt der Autor vor, dass Sie Ihre Liste der Mitautoren prüfen und fragen sollten: „Hat hier wirklich jeder seinen Platz auf unserer Speisekarte verdient?“

Technisches Resümee: Ein Index zur Quantifizierung der Diskrepanz zwischen Koautorenschaft und dem wissenschaftlichen Einfluss eines Einzelnen

Problemstellung
Forschungskollaboration wird weithin als Treiber des wissenschaftlichen Fortschritts anerkannt, was oft mit einer höheren Qualität und Quantität der Ergebnisse korreliert. Die derzeitige akademische Anreizstruktur – die sich stark auf Publikationszahlen für Beförderungen, Einstellungen und die Zuweisung von Fördermitteln stützt – hat jedoch den Missbrauch der Koautorenschaft gefördert. Dies äußert sich in „Geschenkt-“ und „Gastautorschaften“, bei denen Personen als Autoren aufgeführt werden, ohne signifikante Beiträge geleistet zu haben. Während konventionelle bibliometrische Metriken wie der $h$ -Index und die Gesamtzitationszahlen die Produktivität und den Einfluss messen, versäumen sie es, zwischen Einzelautorenschaft und Mehrfachautorenschaft zu unterscheiden, indem sie allen aufgeführten Autoren die volle Anerkennung unabhängig von ihrem tatsächlichen Input gewähren. Bestehende Versuche, dies zu adressieren, wie etwa die fraktionierte Zählung oder Beitragserklärungen, sind oft disziplinabhängig oder zu zeitaufwendig für eine breite Anwendung. Folglich besteht ein Bedarf an einer Metrik, die Autoren identifizieren kann, deren Zitierwirkung im Verhältnis zur Anzahl der Koautoren auf ihren Kernpublikationen unverhältnismäßig hoch ist, was potenziell auf aufgeblähte Autorenlisten hindeutet.

Methodik
Die Arbeit schlägt eine neue Metrik auf Autorenebene vor, den Coauthorship Disparity Index (CDI) (Koautorenschafts-Disparitäts-Index). Die Methodik umfasst die folgenden Schritte:

Datenerhebung: Die Studie nutzte Zitationsdaten von 48 Autoren aus verschiedenen Disziplinen (Chemie, Physik, Mathematik, Biowissenschaften, Biomedizinische Technik und Erdöltechnik) mit $h$ -Indizes zwischen 6 und 35. Als Datenquellen dienten veröffentlichte Arbeiten und Google Scholar.
Definition der Impact-Zahl ( $I_h$ ): Der Autor führt eine „Impact-Zahl“ ein, die den $h$ -Index ( $h$ ) mit der Gesamtzahl der Zitate der $h$ -Kern-Publikationen ( $C_h$ ) koppelt. Diese wird mittels Regressionsanalyse modelliert als:
$I_h = \alpha h C_h^\beta$
wobei $\alpha$ und $\beta$ Konstanten sind.
Ableitung der erwarteten Koautoren ( $n'_{k,h}$ ): Die Studie analysiert die Beziehung zwischen der Anzahl der distinkten Koautoren auf den $h$ -Kern-Publikationen ( $n_{k,h}$ ) und dem Zitations-Impact. Durch die Normalisierung der Anzahl der Koautoren gegenüber dem Zitations-Impact identifiziert der Autor einen Trend, durch den die erwartete Anzahl der Koautoren für ein gegebenes Impact-Niveau geschätzt werden kann. Diese Beziehung wird ausgedrückt als:
$n'_{k,h} = 1.73 h C_h^{0.082}$
Hierbei repräsentiert $n'_{k,h}$ die Anzahl der distinkten Koautoren, die ein Autor angesichts seines spezifischen $h$ -Index und seiner Zitationszahl haben sollte.
Berechnung des CDI: Der Coauthorship Disparity Index ist definiert als das Verhältnis der tatsächlichen Anzahl der distinkten Koautoren auf den $h$ -Kern-Publikationen eines Autors ( $n_{k,h}$ ) zur erwarteten Anzahl der Koautoren ( $n'_{k,h}$ ):
$CDI = \frac{n_{k,h}}{n'_{k,h}}$
Ein CDI von 1 bedeutet, dass die Anzahl der Koautorschaft eines Autors perfekt mit seinem Zitations-Impact übereinstimmt. Ein CDI > 1 deutet darauf hin, dass der Autor mehr Koautoren hat als für sein Impact-Niveau erwartet, während ein CDI < 1 darauf hindeutet, dass er weniger hat.

Kernergebnisse

Korrelationen: Die Studie bestätigte positive Korrelationen zwischen dem $h$ -Index und sowohl der Anzahl der Zitationen als auch der Anzahl der Koautoren. Ähnlich wurde ein positiver Trend zwischen der Anzahl der Koautoren und der Anzahl der Zitationen/Publikationen beobachtet. Diese Trends legen nahe, dass Kollaboration im Allgemeinen zu einem höheren Leistungsoutput führt.
Ausreißererkennung: Während die Rohkorrelationen keine klaren Ausreißer zeigten, offenbarte die Normalisierung der Anzahl der Koautoren durch den Zitations-Impact (wie bei der CDI-Berechnung geschehen) deutliche Ausreiler. Diese Ausreißer repräsentieren Autoren, deren Koautorenzahlen im Verhältnis zu ihrem Zitations-Impact unverhältnismäßig hoch sind.
CDI-Schwellenwerte: Die Analyse von über 500 Autoren deutete darauf hin, dass ein CDI unter 2 eine „gute Balance“ zwischen Koautorenschaft und Zitations-Impact anzeigt. Insbesondere ist ein hoher $h$ -Index kombiniert mit einem CDI von weniger als 1 als beeindruckender Wert zu betrachten. Umgekehrt könnten Autoren mit einem CDI von mehr als 2 eine Reflexion über ihre Koautorenschaftsmuster im Verhältnis zu ihrem wissenschaftlichen Einfluss rechtfertigen.
Disziplinäre Variation: Die Ergebnisse hoben hervor, dass CDI-Werte signifikant zwischen Disziplinen variieren (z. B. Physik vs. Mathematik vs. Biologie), was bedeutet, dass disziplinübergreifende Vergleiche von CDI ohne Normalisierung nicht angemessen sind.

Bedeutung und Ansprüche
Die Arbeit behauptet, dass der CDI als Werkzeug dient, um Autoren mit und ohne Ausreißer zu „entschlüsseln“, indem er die Disparität zwischen der Koautorenschaft und dem Zitations-Impact eines Forschers quantifiziert. Der Autor zieht eine Analogie zwischen dem CDI und dem „Kardashian-Index“ und stellt fest, dass beide eine Diskrepanz zwischen dem tatsächlichen Forschungs-Impact eines Wissenschaftlers und einer externen Metrik (in diesem Fall Koautoren bzw. Twitter-Follower beim Kardashian-Index) messen.

Die Bedeutung des CDI liegt in seiner Fähigkeit, eine quantitative Prüfung der Integrität der Koautorenschaft zu liefern. Der Autor postuliert, dass Kollaboration zwar gefördert werden sollte, die Metrik jedoch helfen kann, Fälle zu identifizieren, in denen die Anzahl der Koautoren im Verhältnis zur Qualität und zum Impact der Arbeit aufgebläht ist. Die Arbeit kommt zu dem Schluss, dass, sofern Datenbanken die notwendigen Daten ( $n_{k,h}$ und $C_h$ ) bereitstellen, der CDI leicht berechnet werden kann, um den Einfluss der Koautorenschaft auf den Forschungserfolg zu bestimmen.

Einschränkungen
Der Autor räumt explizit mehrere Einschränkungen ein:

Die Metrik berücksichtigt keine „Sleeping Beauties“ (Paper, die erst lange nach der Veröffentlichung Zitationen gewinnen).
Sie spiegelt möglicherweise die Situation von Wissenschaftlern am Anfang oder in der Mitte ihrer Karriere, die mit großen Gruppen erfahrener Forscher zusammenarbeiten, nicht fair wider.
Disziplinspezifische Unterschiede in den Normen der Koautorenschaft bedeuten, dass CDI-Scores nicht zwischen verschiedenen Fachgebieten verglichen werden sollten.
Die Metrik ist als Heuristik zur Anregung der Reflexion gedacht und nicht als definitives Urteil über die individuelle Integrität.