Normalized fractional Hirsch Index and Modified Pareto Law

기술 요약: 정규화된 분수형 허쉬 지수(Normalized Fractional Hirsch Index) 및 수정된 파레토 법칙

문제 제기
2005년에 도입된 허쉬 지수($h$)는 과학자의 출판 영향력과 생산성을 평가하기 위해 널리 채택되는 계량정보학적 척도이다. 이는 저자가 적어도 $h$번 인용된 논문을 $h$편 보유하는 최대 정수 $h$로 정의된다. 구글 스칼라(Google Scholar)나 웹 오브 사이언스(Web of Science)와 같은 데이터베이스에서 인기가 높음에도 불구하고, $h$-지수는 결정적인 한계를 지닌다. 즉, 상한선이 없으며 총 논문 수($N_t$) 또는 총 인용 횟수($C_t$)의 제곱근에 따라 통계적으로 스케일링된다는 점이다. 결과적으로 $h$-지수는 그 크기가 크게 변하며(예: 노벨상 수상자의 경우 25에서 260까지 분포), 매우 성공적인 과학자들을 구별할 수 있는 정규화된 특성값을 제공하지 못한다.

반면, 지니 계수($g$)나 콜카타 지수($k$)와 같은 사회경제적 불평등 척도는 0과 1 사이로 제한되는 정규화된 양이다. 이러한 지수들은 총 자산이나 인구 규모와 무관하다. 선행 연구들은 매우 성공적인 집단(예: 노벨상 수상자)과 자기 조직화 임계(SOC) 샌드파일 모델에서 이러한 지수들이 특정 보편적 값($g \approx k \approx 0.86$)으로 수렴하며, 고전적인 파레토 80-20 법칙($k=0.80$)에서 벗어난다는 것을 관찰했다. 저자들은 문헌에서 공백을 발견하였다. 즉, 과학적 인용 분포에서 이와 유사한 보편적 불평등 패턴을 드러낼 수 있는, 허쉬 지수로부터 유도된 정규화되고 유계된(bounded) 척도의 부재를 지적한다.

방법론
저자들은 $h$-지수의 무계(unbounded)한 성격과 사회경제적 불평등 지수의 유계된 성격을 조화시키기 위해 "정규화된 분수형 허쉬 지수"($\bar{h}^{(f)}_c$)를 제안한다. 방법론은 다음 단계들을 포함한다:

1. 데이터 수집: 본 연구는 최소 100편 이상의 논문을 보유한 126,067명의 과학자 샘플에 대한 구글 스칼라 인용 데이터를 분석한다. 이 데이터셋에는 물리학, 화학, 의학, 경제학 분야의 95명의 노벨상 수상자가 포함되어 있다(2005~2025년 기간 대상).
2. 분수량의 정의:
   • $h^{(f)}_n = h/N_t$: 성공적인 $h$편의 논문이 차지하는 저자의 총 논문 중 비율.
   • $h^{(f)}_c = \sum_{h} n_c / C_t$: 해당 $h$편의 성공적인 논문들이 획득한 총 인용 횟수의 비율 (여기서 $n_c$는 특정 논문의 인용 횟수이고 $C_t$는 총 인용 횟수이다).
   • 저자들은 $h$가 $\sqrt{N_t}$에 비례하여 스케일링되므로, $h^{(f)}_n$과 $h^{(f)}_c$ 모두 $1/\sqrt{N_t}$로 스케일링되어 정규화되지 않은 상태로 상당한 산포를 보인다고 언급한다.
3. 정규화: 유계된 척도를 만들기 위해, 저자들은 다음과 같이 정규화된 분수형 허쉬 지수를 정의한다:
   $$\bar{h}^{(f)}_c = \frac{h^{(f)}_c}{h^{(f)}_c + h^{(f)}_n}$$
   그 보수(complement)는 $\bar{h}^{(f)}_n = \frac{h^{(f)}_n}{h^{(f)}_c + h^{(f)}_n}$로 정의된다. 구조상 $\bar{h}^{(f)}_c + \bar{h}^{(f)}_n = 1$이며, 두 값 모두 0과 1 사이로 유계된다.
4. 비교 분석: 연구팀은 전체 데이터셋에 대해 지니 계수($g$), 콜카타 지수($k$), 그리고 새로운 정규화 지수($\bar{h}^{(f)}_c$ 및 $\bar{h}^{(f)}_n$)를 계산한다. 특히 노벨상 수상자 하위 집단에 대한 이 값들의 수렴을 조사하고, 이를 파레토 법칙 및 SOC 샌드파일 모델의 이론적 기대치와 비교한다.

주요 기여 및 결과

• 최상위 과학자들의 보편적 수렴: 분석 결과, 원시(raw) $h$-지수가 노벨상 수상자들 사이에서 넓게 변동하는 것($25 \le h \le 260$)과 달리, 정규화된 분수형 허쉬 지수 $\bar{h}^{(f)}_c$는 훨씬 더 조밀한 분포를 보임을 밝혀냈다. 95명의 노벨상 수상자에 대해 $\bar{h}^{(f)}_c$는 약 0.86으로 수렴한다(0.68에서 0.98 사이의 범위를 가지며 0.86 근처에 강력하게 밀집됨).
• 수정된 파레토 법칙: 결과는 과학적 인용에 대한 "수정된 파레토 법칙"을 나타낸다. 구체적으로, 매우 성공적인 과학자들의 경우, 상위 14%의 논문이 전체 인용의 약 86%를 차지한다. 이는 고전적인 파레토 80-20 법칙($k=0.80$)과 대조되며, 자기 조직화 임계 샌드파일 모델(가장 큰 아발란체의 14%가 아발란체 질량의 86%를 소산시키는 모델)에서 관찰되는 값과 정확히 일치한다.
• 불평등 지수와의 상관관계: 본 연구는 노벨상 수상자 하위 집단에 대해 정규화된 분수형 허쉬 지수 $\bar{h}^{(f)}_c$가 콜카타 지수 $k$ 및 지니 계수 $g$와 거의 같음을 입증한다 ($g \approx k \approx \bar{h}^{(f)}_c \approx 0.86$). 이 그룹에 대해 $g/k$ 및 $g/\bar{h}^{(f)}_c$는 1.00에 근접하지만, 원시 $h$-지수는 과학적 명성이나 불평등 수준과 그러한 상관관계를 보이지 않는다.
• 시각화: 논문은 로렌츠 곡선(Lorenz curves)과 확률 밀도 분포를 제시하며, 일반적인 과학자들은 이러한 지수들에서 산포를 보이는 반면, 가장 성공적인 과학자들(노벨상 수상자)은 0.86 값 주변에 밀집되어 있음을 보여준다. 이는 인용 불평등의 보편적 임계 상태를 시사한다.

의의 및 주장
본 논문은 정규화된 분수형 허쉬 지수($\bar{h}^{(f)}_c$)의 도입이 전통적인 $h$-지수가 가리는 고차원적 불평등과의 주요 상관관계를 발견할 수 있게 해준다고 주장한다. 그 의의는 최상위 과학자들의 인용 영향력이 경제적 부의 분포 및 물리학의 자기 조직화 임계 시스템과 유사한 특정 유계된 통계 법칙을 따른다는 것을 입증하는 데 있다.

저자들은 $h$-지수가 순위를 매기는 데는 유용하지만, 과학자의 "명성"을 정규화된 방식으로 구별하는 데 필요한 특성값을 결여하고 있다고 단언한다. 반면, 정규화된 분수형 지수 $\bar{h}^{(f)}_c$는 가장 성공적인 과학자들에게서 보편적 값($\approx 0.86$)으로 수렴하는 유계된 척도를 제공한다. 이는 엘리트 과학자들의 인용 역학이 물리학 및 경제학의 복잡계에서 관찰되는 행동을 모방하며, 자기 조직화 임계점에 가깝게 작동하고 있음을 시사한다. 결론적으로, 이 수정된 파레토 법칙(86-14 분할)은 노벨상 수상자들에 대한 인용 불평등을 전통적인 80-20 법칙보다 더 정밀하게 설명한다.