📈 economics

The disruption index suffers from citation inflation and is confounded by shifts in scholarly citation practice

यह शोध पत्र यह प्रदर्शित करता है कि व्यवधान सूचकांक (CD) नवाचार में वास्तविक परिवर्तनों के बजाय उद्धरण मुद्रास्फीति (citation inflation) और बदलते उद्धरण अभ्यासों के कारण समय के साथ व्यवस्थित रूप से घटता है, एक ऐसा निष्कर्ष जिसे गणितीय निष्कर्ष, सिमुलेशन और प्रकाशन डेटा के अनुभवजन्य विश्लेषण द्वारा समर्थित किया गया है।

मूल लेखक: Alexander M. Petersen, Felber Arroyave, Fabio Pammolli

प्रकाशित 2026-07-20

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Alexander M. Petersen, Felber Arroyave, Fabio Pammolli

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप यह मापने की कोशिश कर रहे हैं कि कोई नया आविष्कार कितना "क्रांतिकारी" है। विज्ञान और पेटेंट की दुनिया में, शोधकर्ताओं ने एक विशेष स्कोर विकसित किया है जिसे डिस्ट्रप्शन इंडेक्स (CD) कहा जाता है। इस इंडेक्स को विचारों के लिए एक "कूलनेस मीटर" (coolness meter) की तरह समझें। यदि कोई नया शोध पत्र या पेटेंट वास्तव में विनाशात्मक (disruptive) है, तो यह एक सुपरहीरो की तरह है जो आता है और खेल को इतनी पूरी तरह से बदल देता है कि हर कोई पुराने खलनायकों (पिछले विचारों) को देखना बंद कर देता है और केवल नए हीरो को देखने लगता है। इस परिदृश्य में, भविष्य के वैज्ञानिक उस नए हीरो को उद्धृत (cite) करते हैं लेकिन पुराने खलनायकों को अनदेखा कर देते हैं। यह इंडेक्स इन उद्धरणों (citations) को गिनने की कोशिश करता है ताकि यह देखा जा सके कि क्या कोई विचार नई जमीन तैयार कर रहा है या बस पिछली चीज़ों पर निर्माण कर रहा है।

हमें इसकी परवाह क्यों है? क्योंकि सरकारें, विश्वविद्यालय और कंपनियाँ यह जानना चाहती हैं कि क्या हम नई चीजें आविष्कार करने में बेहतर हो रहे हैं। यदि "कूलनेस मीटर" गिरना शुरू हो जाता है, तो इसका मतलब हो सकता है कि हमारे पास बड़े, दुनिया बदलने वाले विचारों की कमी हो रही है। लेकिन क्या होगा अगर मीटर खराब है? क्या होगा अगर हमारे विचार कम "कूल" नहीं हो रहे हैं, बल्कि उन्हें मापने का तरीका ही त्रुटिपूर्ण है? यही वह बड़ा सवाल है जो वैज्ञानिक अभी पूछ रहे हैं: क्या व्यवधान (disruption) में गिरावट मानव प्रगति के लिए एक वास्तविक संकट है, या यह केवल एक माप की त्रुटि है?

द ग्रेट साइटेशन ग्लिच (The Great Citation Glitch)

इस शोध पत्र में, लेखक एक संदिग्ध गिरावट की जांच करने वाले डिजिटल जासूसों की तरह काम करते हैं। वे तर्क देते हैं कि इंडेक्स वास्तव में यह नहीं दिखा रहा है कि विज्ञान कम अभिनव (innovative) होता जा रहा है। इसके बजाय, वे दिखाते हैं कि इंडेक्स "साइटेशन इन्फ्लेशन" (citation inflation) के एक बड़े मामले से जूझ रहा है।

इसे समझने के लिए, एक ऐसी लाइब्रेरी की कल्पना करें जहाँ हर किताब मोटी और मोटी होती जा रही है। अतीत में, एक किताब के पीछे संदर्भों (references) की एक छोटी सूची होती थी। लेकिन समय के साथ, लेखकों ने उस सूची में अधिक से अधिक किताबें जोड़नी शुरू कर दीं। अब, कल्पना कीजिए कि एक नई किताब आती है। क्योंकि हर किताब की सूचियाँ बहुत लंबी हैं, इसलिए सांख्यिकीय रूप से यह लगभग असंभव हो जाता है कि एक नई किताब ही एकमात्र ऐसी किताब हो जिसे लोग उद्धृत करें। भले ही वह नई किताब अद्भुत हो, फिर भी कोई न कोई अनिवार्य रूप से किसी अन्य पुस्तक से जुड़ी लंबी सूची का उल्लेख कर ही देगा।

लेखक समझाते हैं कि डिस्ट्रप्शन इंडेक्स एक ऐसे तराजू की तरह है जो एक तरफ भारी होता जा रहा है। इंडेक्स के फॉर्मूले में एक "डिनोमिनेटर" (नीचे वाला नंबर) होता है जो संदर्भ सूचियों के लंबा होने के साथ बहुत बड़ा होता जाता है। जैसे-जैसे यह नीचे वाला नंबर विस्फोट करता है, अंतिम स्कोर शून्य की ओर दब जाता है, जिससे सब कुछ कम विनाशात्मक दिखने लगता है, भले ही विचार वास्तव में उतने ही क्रांतिकारी हों जितने पहले थे।

दो संदिग्ध: व्यवहार और संरचना

पत्र दो मुख्य कारणों की पहचान करता है कि इंडेक्स क्यों गिर रहा है, और इनमें से किसी का भी संबंध वैज्ञानिक समुदाय में प्रतिभा की कमी से नहीं है।

संरचनात्मक संदिग्ध (साइटेशन इन्फ्लेशन): यह सबसे बड़ा कारण है। यह एक यांत्रिक समस्या है। जैसे-जैसे वैज्ञानिक शोध पत्रों की संख्या बढ़ती है और प्रति पेपर संदर्भों की संख्या बढ़ती है, साइटेशन नेटवर्क में "शोर" (noise) बढ़ जाता है। लेखक एक गणितीय प्रमाण और कंप्यूटर सिमुलेशन का उपयोग करके दिखाते हैं कि यदि आप केवल संदर्भ सूचियों को बढ़ने से रोक दें, तो "डिस्ट्रप्शन" स्कोर गिरना बंद हो जाता है। यह एक थर्मामीटर की तरह है जो कम तापमान दिखाता है क्योंकि कमरे में ठंड नहीं हुई है, बल्कि इसलिए क्योंकि किसी ने उसके सामने बर्फ का एक बड़ा टुकड़ा पकड़ रखा है।
व्यवहार संबंधी संदिग्ध: इसमें यह शामिल है कि वैज्ञानिक वास्तव में कैसे व्यवहार करते हैं। जैसे "सेल्फ-साइटेशन" (लेखक अपने पिछले काम को उद्धृत करते हैं) या अच्छा दिखने के लिए लोकप्रिय शोध पत्रों को उद्धृत करना अधिक सामान्य हो गया है। यह साइटेशन के अधिक "त्रिकोण" बनाता है जहाँ हर कोई एक-दूसरे को पॉइंट करता है, जिसे इंडेक्स "कंसोलिडेशन" (एकत्रीकरण) के रूप में व्याख्यायित करता है, न कि "डिस्ट्रप्शन" के रूप में।

पीनास (PNAS) प्रयोग: एक वास्तविक दुनिया का परीक्षण

अपने बिंदु को सिद्ध करने के लिए, लेखकों ने PNAS (प्रोसीडिंग्स ऑफ द नेशनल एकेडमी ऑफ साइंसेज) का उपयोग करके एक चतुर "क्वासी-एक्सपेरिमेंट" सेट किया। इस जर्नल के दो प्रारूप हैं:

मानक लेख (Standard articles): जो पत्रिका और ऑनलाइन में छपते हैं, जिनमें उनकी लंबाई की सख्त सीमाएं होती हैं।
PNAS प्लस लेख (PNAS Plus articles): जो केवल ऑनलाइन होते हैं, जो लेखकों को लंबे शोध पत्र और बहुत लंबी संदर्भ सूचियां लिखने की अनुमति देते हैं।

लेखकों ने इन दोनों समूहों की तुलना की। वे हर तरह से लगभग समान हैं—एक ही जर्नल, एक ही समीक्षा प्रक्रिया, एक ही लेखक—सिवाय संदर्भ सूची की लंबाई के। परिणाम क्या रहा? PNAS Plus के लेखों में, जिनकी सूचियाँ लंबी थीं, डिस्ट्रप्शन स्कोर काफी कम था। इसने पुष्टि की कि केवल संदर्भ सूची की लंबाई ही स्कोर को नीचे खींच रही थी, जिससे यह सिद्ध हुआ कि "साइटेशन इन्फ्लेशन" ही असली दोषी था, न कि नवाचार की कमी।

टीम के आकार के बारे में क्या?

हालिया शोध में एक अन्य लोकप्रिय विचार यह था कि बड़ी टीमें कम विनाशात्मक कार्य करती हैं। लेखकों ने इस पर डेटा का पुन: विश्लेषण किया, जिसमें 7.8 मिलियन लेखों को देखा गया। उन्होंने पाया कि एक बार जब उन्होंने माप की त्रुटियों को ठीक कर दिया (जैसे संदर्भ सूचियों की लंबाई का हिसाब रखना), तो टीम के आकार और डिस्ट्रप्शन के बीच का संबंध लगभग नगण्य था।

वास्तव में, उन्होंने पाया कि समय के साथ डिस्ट्रप्शन में "गिरावट" इतनी कम है कि यह मूल रूप से केवल सांख्यिकीय शोर (statistical noise) है। जब उन्होंने टीम के आकार के प्रभाव को देखा, तो अंतर इतना छोटा था (लग लगभग 0.09 मानक विचलन) कि यह व्यावहारिक रूप से अदृश्य है। यह पत्र सुझाव देता है कि "बड़ी टीमें नवाचार को खत्म करती हैं" वाला विचार संभवतः खराब गणित द्वारा बनाई गई एक मतिभ्रम (mirage) है, वास्तविकता नहीं।

निर्णय

लेखक निष्कर्ष निकालते हैं कि डिस्ट्रप्शन इंडेक्स वर्तमान में दीर्घकालिक रुझानों को मापने के लिए टूटा हुआ है क्योंकि यह इस तथ्य को नहीं संभाल सकता कि संदर्भ सूचियाँ लंबी होती जा रही हैं। वे तर्क देते हैं कि पिछले अध्ययनों में रिपोर्ट की गई प्रसिद्ध "डिस्ट्रप्शन की गिरावट" संभवतः इस इन्फ्लेशन के कारण एक भ्रम है।

वे यह नहीं कहते कि नवाचार रुक गया है; वे कहते हैं कि हमारा पैमाना (रूलर) टेढ़ा हो गया है। वे सुझाव देते हैं कि इसे ठीक करने के लिए, जर्नल्स को लेख के शब्दों की संख्या पर सीमा लगाने की तरह, लेखकों को कितने संदर्भ सूचीबद्ध करने हैं उस पर भी कैप लगाने की आवश्यकता हो सकती है। जब तक हम अपने पैमाने को ठीक नहीं कर लेते, हम यह सुनिश्चित नहीं कर सकते कि क्या हम वास्तव में बड़े विचारों की कमी का सामना कर रहे हैं, या हम बस उन्हें गलत तरीके से गिन रहे हैं।

तकनीकी सारांश: डिसरप्शन इंडेक्स (Disruption Index) विद्वत्तापूर्ण उद्धरण पद्धति में साइटेशन इन्फ्लेशन और कन्फाउंडिंग शिफ्ट्स से प्रभावित है

समस्या विवरण
डिसरप्शन इंडेक्स ($CD$) को यह मापने के लिए विकसित किया गया था कि एक बौद्धिक योगदान (जैसे, एक शोध पत्र या पेटेंट) अपने उद्धृत संदर्भों (cited references) को किस हद तक प्रतिस्थापित करता है, जिससे उन "विघटनकारी" (disruptive) नवाचारों की पहचान की जा सके जो ज्ञान नेटवर्क को बदलते हैं। हालांकि, हालिया साहित्य में $CD$ में एक व्यवस्थित सामयिक गिरावट (temporal decline) दर्ज की गई है, जो विघटनकारी नवाचार में ठहराव का संकेत देती है। यह शोध पत्र तर्क देता है कि देखी गई गिरावट कम होती वैज्ञानिक रचनात्मकता का प्रतिबिंब नहीं है, बल्कि दो गैर-नवाचारी तंत्रों द्वारा संचालित एक मापन आर्टिफैक्ट (measurement artifact) है: सेक्युलर ग्रोथ (secular growth) यानी अनुसंधान उत्पादन में वृद्धि और साइटेशन इन्फ्लेशन (CI) (उद्धरण मुद्रास्फीति)।

मुख्य समस्या यह है कि $CD $का गणितीय सूत्र संरचनात्मक रूप से उद्धरण नेटवर्क के बढ़ते घनत्व के प्रति संवेदनशील है। जैसे-जैसे प्रकाशनों की संख्या ($ n(t) $) और औसत संदर्भ सूची की लंबाई ($ r(t) $) समय के साथ बढ़ती है,$ CD$ समीकरण का हर (denominator) असमान रूप से विस्तृत होता जाता है, जिससे इंडेक्स कार्य की वास्तविक विघटनकारी प्रकृति के बावजूद शून्य की ओर अभिसरित (converge) होने लगता है। इसके अलावा, इंडेक्स व्यवहारिक बदलावों से भी भ्रमित (confounded) है, जैसे कि बढ़ी हुई स्व-उद्धरण (self-citation) और ट्रायडिक क्लोजर (triadic closure), जिन्हें मीट्रिक की परिभाषा में शामिल नहीं किया गया है।

कार्यप्रणाली
लेखक साइटेशन इन्फ्लेशन और कन्फाउंडिंग चरों के प्रभावों को अलग करने और सत्यापित करने के लिए एक चार-चरणीय कार्यप्रणाली का उपयोग करते हैं:

गणितीय निगमन (Mathematical Deduction): लेखक $CD $समीकरण को इसके स्केलिंग व्यवहार को प्रदर्शित करने के लिए पुनर्गठित करते हैं। वे दिखाते हैं कि$ CD_p = \frac{N_i - N_j}{N_i + N_j + N_k} $, जहाँ$ N_k $(संदर्भों को मिलने वाले उद्धरण लेकिन फोकल पेपर को नहीं) उद्धरणों के कुल आयतन के साथ स्केल करता है। जैसे-जैसे संदर्भ सूचियाँ बढ़ती हैं ($ r(t) \uparrow $),$ N_k$ बढ़ता है, जिससे अनुपात शून्य की ओर अभिसरित होता है।
कंप्यूटेशनल सिमुलेशन: एक सत्यापित यांत्रिक उद्धरण नेटवर्क विकास मॉडल का उपयोग करके, लेखकों ने दो कृत्रिम नेटवर्क एन्सेम्बल (synthetic network ensembles) उत्पन्न किए। एक एन्सेम्बल में प्रकाशन वॉल्यूम और संदर्भ सूची की लंबाई दोनों के लिए अनुभवजन्य विकास दर (साइटेशन इन्फ्लेशन को शामिल करते हुए) शामिल थी, जबकि दूसरे एन्सेम्बल ने प्रकाशन वॉल्यूम के विकास को बनाए रखते हुए एक विशिष्ट अवधि के बाद संदर्भ सूची की लंबाई के विकास को "क्वेंच" (quench) कर दिया ( $r(t)$ को स्थिर कर दिया)। इसने साइटेशन इन्फ्लेशन के साथ और बिना $CD$ रुझानों के नियंत्रित तुलना की अनुमति दी।
क्वासी-एक्सपेरिमेंटल वैलिडेशन (Quasi-Experimental Validation): लेखकों ने 2011 और 2015 के बीच प्रकाशित Proceedings of the National Academy of Sciences (PNAS) के लेखों के संग्रह का विश्लेषण किया। उन्होंने पारंपरिक लेखों और "PNAS Plus" लेखों (ऑनलाइन-ओनली, लॉन्ग-फॉर्म) की तुलना की। ये दोनों समूह टीम के आकार और उद्धरण प्रभाव में लगभग समान हैं, लेकिन संदर्भ सूची की लंबाई ( $r_p$ ) में महत्वपूर्ण रूप से भिन्न हैं। यह सेटअप अन्य चरों को नियंत्रित करते हुए $CD$ पर संदर्भ लंबाई के प्रभाव को अलग करता है।
मल्टीवेरिएट रिग्रेशन (Multivariate Regression): 1995-2015 के 7.8 मिलियन लेखों पर एक बड़े पैमाने का रिग्रेशन विश्लेषण किया गया (SciSciNet से प्राप्त)। मॉडल में टीम के आकार ( $k_p$ ), संदर्भ सूची की लंबाई ( $r_p$ ), और उद्धरण गणनाओं ( $c_{p,5}$ ) के साथ प्रकाशन-स्तरीय नियंत्रणों के साथ-साथ जर्नल और वर्ष के फिक्स्ड इफेक्ट्स को शामिल किया गया। लेखकों ने डेटा गुणवत्ता के मुद्दों (जैसे, पुराने डेटासेट में गायब संदर्भ) को संबोधित करने के लिए शून्य संदर्भ या अपर्याप्त संदर्भ संख्या वाले लेखों को फ़िल्टर करके इसे विशेष रूप से संभाला।

प्रमुख योगदान

साइटेशन इन्फ्लेशन (CI) की पहचान: यह शोध पत्र संदर्भ सूची की लंबाई की सेकुलर ग्रोथ और डिसरप्शन इंडेक्स की व्यवस्थित कमी के बीच एक कारण संबंध स्थापित करता है। यह प्रदर्शित करता है कि $CD$ अपने हर (denominator) में एक एक्सटेंसिव मेजर (extensive measure) है, जो इसे लंबी संदर्भ सूचियों के प्रति स्वाभाविक रूप से पक्षपाती बनाता है।
पूर्व रोबस्टनेस चेक की आलोचना: लेखक दिखाते हैं कि इन रुझानों को ठीक करने के पिछले प्रयास (जैसे, फील्ड-ईयर द्वारा सामान्य करना या रैंडमाइज्ड नेटवर्क का उपयोग करना) विफल रहे क्योंकि वे संदर्भ सूची की लंबाई पर $CD$ की गैर-रेखीय निर्भरता या पुराने डेटासेट में प्रचलित विशिष्ट डेटा गुणवत्ता मुद्दों (गायब उद्धरणों) को पर्याप्त रूप से ध्यान में नहीं रखते हैं।
कोवेरिएट संबंधों का पुनर्मूल्यांकन: यह अध्ययन टीम के आकार और $CD$ के बीच व्यापक रूप से उद्धृत नकारात्मक सहसंबंध को चुनौती देता है। संदर्भ सूची की लंबाई और सामयिक रुझानों को नियंत्रित करके, लेखक यह प्रदर्शित करते हैं कि टीम के आकार और विघटनशीलता के बीच का संबंध नगण्य है और कुछ विशिष्टताओं में, थोड़ा सकारात्मक है।

परिणाम

सिमुलेशन निष्कर्ष: कंप्यूटेशनल मॉडल में, जब संदर्भ सूची के विकास को रोक दिया गया जबकि प्रकाशन वॉल्यूम बढ़ता रहा, तो $CD $की गिरावट उलट गई। यह पुष्टि करता है कि$ n(t) $के विकास के बजाय$ r(t) $का विकास ही$ CD$ की देखी गई गिरावट का प्राथमिक चालक है।
क्वासी-एक्सपेरिमेंट: PNAS बनाम PNAS Plus लेखों के विश्लेषण से पता चला कि PNAS Plus लेखों की लंबी संदर्भ सूचियों के परिणामस्वरूप काफी कम $|CD| $मान प्राप्त हुए। संदर्भ लंबाई में अंतर ($ \approx 39%$ अधिक संदर्भ) ने दोनों समूहों के बीच विघटनशीलता के अंतर को लगभग 100% स्पष्ट किया।
रिग्रेशन विश्लेषण:
- सामयिक रुझान (Temporal Trend): संदर्भ सूची की लंबाई, टीम के आकार और उद्धरण गणना को नियंत्रित करने के बाद, $CD$ में अवशिष्ट (residual) सामयिक रुझान शोर (noise) के स्तर पर पाया गया (प्रभाव आकार $\approx 0.06\sigma$ )। पहले से रिपोर्ट की गई समय के साथ विघटनशीलता की गिरावट काफी हद तक समाप्त हो जाती है।
- टीम का आकार: पूर्व साहित्य में रिपोर्ट किया गया टीम के आकार और $CD $के बीच का नकारात्मक संबंध ओमिटेड वेरिएबल बायस (विशेष रूप से टीम के आकार और संदर्भ सूची की लंबाई के बीच सहसंबंध) का एक आर्टिफैक्ट है। उचित रूप से नियंत्रित करने पर,$ CD $पर टीम के आकार का प्रभाव नगण्य ($ \approx 0.09\sigma$) है और 8 या अधिक लेखकों वाली टीमों के लिए नकारात्मक से सकारात्मक में बदल जाता है।
- साइटेशन इन्फ्लेशन गुणांक: संदर्भ सूची की लंबाई ( $r_p$ ) के लिए गुणांक नकारात्मक और सांख्यिकीय रूप से महत्वपूर्ण है, जो पुष्टि करता है कि लंबी संदर्भ सूचियाँ व्यवस्थित रूप से $CD$ स्कोर को कम करती हैं।

महत्व और दावे
यह शोध पत्र निष्कर्ष निकालता है कि डिसरप्शन इंडेक्स, अपने वर्तमान रूप में, साइटेशन इन्फ्लेशन और विद्वत्तापूर्ण अभ्यास में अनकहा गया बदलावों के कारण गंभीर मापन त्रुटि के प्रति संवेदनशील है। फलस्वरूप, नवाचार के घटते रुझानों की पहचान करने या विशिष्ट टीम संरचनाओं को विघटन से जोड़ने के लिए $CD$ का उपयोग करने वाला बढ़ता शोध कार्य संभवतः भ्रामक सहसंबंधों (spurious correlations) पर आधारित है।

लेखक दावा करते हैं कि देखा गया "विघटन में गिरावट" एक वैज्ञानिक वास्तविकता के बजाय एक पद्धतिगत आर्टिफैक्ट है। उनका तर्क है कि संदर्भ सूची की लंबाई पर $CD$ की गैर-रेखीय निर्भरता इसे कठोर साइटेशन इन्फ्लेशन सुधार के बिना अनुदैर्ध्य (longitudinal) तुलनाओं के लिए अनुपयुक्त बनाती है। यह शोध पत्र सुझाव देता है कि भविष्य के शोध को या तो नए मीट्रिक विकसित करने चाहिए जो साइटेशन इन्फ्लेशन के प्रति तटस्थ हों या शोध मूल्यांकन में इन संरचनात्मक पूर्वाग्रहों को कम करने के लिए नीतिगत उपाय (जैसे, संदर्भ सूची की लंबाई पर कैप) लागू करने चाहिए। निष्कर्ष इस बात पर सवाल उठाते हैं कि क्या ज्ञान अर्थव्यवस्था की दक्षता और प्रतिस्पर्धात्मकता की निगरानी के लिए इन मौलिक संरचनात्मक दोषों को संबोधित किए बिना $CD$ का प्राथमिक संकेतक के रूप में उपयोग करना वैध है।

द ग्रेट साइटेशन ग्लिच (The Great Citation Glitch)

दो संदिग्ध: व्यवहार और संरचना

पीनास (PNAS) प्रयोग: एक वास्तविक दुनिया का परीक्षण

टीम के आकार के बारे में क्या?

निर्णय

इसी तरह के और पेपर