💰 quantitative finance

The disruption index is biased by citation inflation

Este artigo argumenta que o declínio relatado na disruptividade científica é um artefato da "inflação de citações" — impulsionada pelo aumento do comprimento das listas de referências e das autocitações — em vez de uma diminuição genuína da inovação, tornando o índice de disrupção temporalmente enviesado e inadequado para análise intertemporal.

Autores originais: Alexander M. Petersen, Felber Arroyave, Fabio Pammolli

Publicado 2026-07-20

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Alexander M. Petersen, Felber Arroyave, Fabio Pammolli

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você esteja tentando medir o quão "legal" ou "revolucionário" é uma nova invenção observando quantas pessoas falam sobre ela. No mundo da ciência, pesquisadores fazem algo semelhante usando uma ferramenta chamada Índice de Disrupção. Pense neste índice como uma pontuação para artigos científicos e patentes. Ele tenta responder a uma pergunta simples: Este novo trabalho quebrou as regras antigas e iniciou um caminho novo, ou apenas construiu um pequeno acréscimo a uma casa existente? Se um artigo é verdadeiramente disruptivo, cientistas futuros citarão o novo artigo, mas ignorarão os antigos nos quais ele se baseou. Se for apenas "consolidação", eles citarão tanto o novo artigo quanto os antigos.

Por muito tempo, cientistas têm usado essa pontuação para rastrear a história da inovação. Eles notaram algo preocupante: as pontuações pareciam estar caindo. Parecia que a ciência moderna estava se tornando menos revolucionária e mais como se todos estivessem apenas tateando no escuro, copiando uns aos outros e fazendo pequenos ajustes. Isso gerou um grande debate: Estamos perdendo nossa capacidade de inventar grandes coisas? Ou algo mais está acontecendo? Para entender isso, você precisa saber que os artigos científicos têm duas partes: as novas ideias que apresentam e a "lista de referências" ao final, que é a lista de todos os artigos antigos nos quais eles se apoiam.

Este artigo, escrito por uma equipe de pesquisadores, argumenta que a "queda na disrupção" não é porque os cientistas estão perdendo sua centelha. Em vez disso, eles sugerem que a própria pontuação está quebrada devido a um fenômeno que chamam de "inflação de citações". Assim como o dinheiro pode perder valor quando demais dinheiro é impresso, o valor de uma única citação muda quando o número de citações explode. Os autores afirmam que, como os cientistas estão escrevendo listas de referências cada vez mais longas e citando uns aos outros de formas mais complexas e autorreferenciadas, a matemática por trás do Índice de Disrupção está sendo distorcida. Eles não estão dizendo que a ciência é ruim; estão dizendo que a régua que usamos para medi-la esticou.

A Grande Inflação de Referências

Imagine que você é um estudante escrevendo um ensaio de história. Na década de 1960, você poderia ter que encontrar 9 livros para apoiar seu argumento. Você os leria, escolheria os melhores e os listaria ao final. Agora, avançando para o presente, você tem a internet, e seu ensaio pode precisar de 23, ou até 50, fontes. Isso não é apenas porque há mais livros; é porque a "oferta" de referências inflou.

Os autores deste artigo apontam que o número de referências por artigo cresceu dramaticamente. Na década de 1960, o artigo médio tinha cerca de 9 referências. Na década de 2000, esse número saltou para 23. Esse é um aumento de 2,6 vezes em 50 anos. Mas aqui está o detalhe: o Índice de Disrupção é uma fórmula matemática que observa a razão entre citações "novas" e citações "antigas". Quando a lista de referências (as coisas "antigas") fica enorme, a matemática fica confusa.

Pense no Índice de Disrupção como um jogo de "Batata Quente". Se você é o novo artigo e quer ganhar o prêmio de "Disrupção", precisa que os jogadores futuros joguem a batata para você e não a joguem para os artigos antigos que você citou. Mas se sua lista de referências é uma bolsa enorme de 50 artigos antigos, as chances aumentam de que pelo menos um desses artigos antigos seja um "superstar" que todo mundo cita de qualquer maneira. Mesmo que seu novo artigo seja brilhante, o puro número de artigos antigos que você citou significa que é quase garantido que os cientistas futuros citarão pelo menos um deles. Isso faz com que seu novo artigo pareça menos "disruptivo" simplesmente porque o denominador da equação matemática ficou grande demais.

O Problema do "Autoabraço"

Há uma segunda parte nesta história de inflação, e ela envolve como os cientistas citam uns aos outros. Os autores chamam isso de fechamento triádico, que é uma forma elegante de dizer "fechar o triângulo". Imagine três amigos: Alice, Bob e Charlie. Se Alice cita Bob, e Bob cita Charlie, há uma alta probabilidade de que Alice também cite Charlie. Isso cria um triângulo de citações bem unido.

No passado, esses triângulos aconteciam naturalmente. Mas hoje, os autores argumentam, esses triângulos estão se formando com mais frequência devido a autocitações e citações estratégicas. Cientistas podem citar seu próprio trabalho anterior, ou o trabalho de seus colegas próximos, para aumentar seus próprios números ou ajudar seu periódico. Isso cria uma teia de citações que são fortemente conectadas. O Índice de Disrupção conta esses triângulos apertados como "consolidação" (não disrupção). Assim, conforme os cientistas se tornam melhores em construir essas teias de citações, o índice pensa que eles estão sendo menos disruptivos, mesmo que estejam realizando um trabalho excelente. É como um juiz dando uma nota menor a uma ginasta apenas porque ela está usando um figurino muito brilhante e complicado que a faz parecer menos ágil, mesmo que seus saltos sejam perfeitos.

A Simulação: Desligando a Inflação

Para provar seu ponto, os pesquisadores não apenas olharam para dados reais; eles construíram uma simulação de computador. Eles criaram um mundo fictício de artigos científicos que crescia ao longo do tempo, exatamente como o mundo real. Eles programaram esse mundo fictício para ter dois cenários diferentes:

O Mundo "Sem Inflação": Aqui, o número de referências por artigo permanecia o mesmo e os cientistas não mudavam a forma como citavam uns aos outros.
O Mundo "Com Inflação": Aqui, eles programaram os artigos para terem listas de referências mais longas e mais "fechamento triádico" (mais autocitações e citações de grupo), exatamente como no mundo real.

Quando rodaram a simulação com as configurações de "Sem Inflação", o Índice de Disrupção permaneceu estável. Ele não caiu. Mas quando ligaram as configurações de "Inflação" — tornando as listas de referências mais longas e os padrões de citação mais agrupados — o Índice de Disrupção começou a despencar, exatamente como ocorre na vida real.

Isso sugere que a queda nos escores de disrupção não é porque os cientistas estão se tornando menos criativos. É porque a métrica é sensível ao comprimento da lista de referências. Os autores descobriram que, conforme o número de referências ( $r$ ) aumenta, a taxa de "citação estranha" ( $R_k$ ) aumenta, o que força o Índice de Disrupção ($CD$) a se aproximar de zero. Em suas simulações, quando limitaram o comprimento da lista de referências a um número fixo (como 25 referências) após certo ponto, o Índice de Disrupção parou de cair e, na verdade, começou a subir novamente. Isso confirma que a "queda" era um artefato do crescimento das listas de referências, não um declínio na inovação.

O Que Isso Significa para o Futuro

Os autores são cuidadosos ao dizer que não "resolveram" o problema de medir a inovação, mas identificaram uma falha importante na régua atual. Eles argumentam que o Índice de Disrupção, como é usado atualmente, é tendencioso e inadequado para comparar diferentes períodos de tempo. Você não pode comparar um artigo de 1960 com um artigo de 2020 usando este índice porque a "moeda" das citações mudou.

Eles também apontam que essa inflação afeta outras medições. Por exemplo, alguns estudos alegaram que equipes de pesquisa maiores produzem trabalhos menos disruptivos. Mas os autores descobriram que, quando levaram em conta o fato de que equipes maiores também tendem a ter listas de referências mais longas, a relação mudou. Acontece que equipes maiores podem, na verdade, ser mais disruptivas, mas a inflação de citações estava escondendo esse fato.

Então, qual é a conclusão? O mundo científico não está necessariamente perdendo seu vigor. Em vez disso, a forma como medimos esse vigor precisa de um upgrade. Os autores sugerem que as revistas podem precisar estabelecer um "limite" para quantas referências um artigo pode ter, ou desenvolver novas formas de medir a disrupção que não se confundam com o volume massivo de citações. Até lá, devemos ser muito cuidadosos ao usar o Índice de Disrupção para dizer que a ciência está se tornando menos revolucionária. Pode ser que apenas o placar esteja quebrado, não os jogadores.

Resumo Técnico: O Índice de Disrupção é Enviesado pela Inflação de Citações

Declaração do Problema
Análises recentes de redes de citações de publicações científicas e patentes (ex: Park et al., Nature, 2023) sugeriram que as contribuições intelectuais estão se tornando menos "disruptivas" ao longo do tempo. O índice de disrupção ($CD$) é uma medida bibliométrica concebida para quantificar o grau em que uma publicação supera as fontes que ela cita. No entanto, este artigo argumenta que o declínio temporal reportado na disruptividade não é um reflexo de uma mudança no sistema de inovação, mas sim um artefato de mudanças sistemáticas na estrutura da rede de citações, independentes do progresso científico. Especificamente, os autores identificam a "inflação de citações" (CI) — um aumento sistemático e dependente do tempo no número de links dentro das redes de citações — como o principal fator que torna o índice $CD$ inadequado para análise cross-temporal.

Metodologia
Para demonstrar que o declínio em $CD$ é um artefato de medição e não um fenômeno real, os autores empregam três linhas complementares de crítica:

Análise Dedutiva: Os autores reexaminam a definição matemática do índice de disrupção. $CD_p$ é definido como a razão $(N_i - N_j) / (N_i + N_j + N_k)$ , onde:
- $N_i$ : Citações ao artigo focal $p$ que não citam suas referências.
- $N_j$ : Citações tanto a $p$ quanto às suas referências (fechamento triádico/consolidação).
- $N_k$ : Citações às referências de $p$ que não citam $p$ (citações estranhas).
  Os autores argumentam que, à medida que o comprimento das listas de referências ( $r_p$ ) aumenta ao longo do tempo, a probabilidade de citar artigos altamente citados dentro dessas listas aumenta. Isso faz com que $N_k$ (o termo do denominador) cresça sem limites, enquanto o numerador ( $N_i - N_j$ ) permanece limitado. Consequentemente, $CD_p$ é matematicamente predisposto a convergir para zero conforme as listas de referências se expandem.
Análise Empírica: Utilizando o conjunto de dados do Microsoft Academic Graph (MAG) (aproximadamente 29,5 milhões de artigos de 1945–2012), os autores analisam a correlação entre o índice de disrupção e os drivers da inflação de citações. Eles utilizem modelos de regressão linear com efeitos fixos anuais para controlar o crescimento secular, analisando a relação entre $CD$, o número de referências ( $r_p$ ) e o tamanho da equipe ( $k_p$ ).
Modelagem Computacional: Os autores utilizam um modelo de rede generativa (modelo de crescimento e redirecionamento) para construir redes de citações sintéticas. Esta abordagem permite o isolamento de variáveis específicas. Eles simulam redes sob seis cenários variando:
- A presença ou ausência de inflação de citações (crescimento no comprimento da lista de referências, $g_r$ ).
- A taxa de fechamento triádico (mecanismo de redirecionamento, $\beta$ ).
- Tamanhos de janela de citação ($CW$).
  Ao controlar esses parâmetros, eles testam se o declínio em $CD$ persiste na ausência de inflação de citações.

Principais Resultados

Viés Matemático: A análise confirma que o $CD$ é enviesado porque o termo $R_k = N_k / (N_i + N_j)$ é uma quantidade extensiva que cresce com o tamanho das listas de referências. À medida que as listas de referências se alongam, $N_k$ aumenta desproporcionalmente, levando o $CD$ em direção a zero, independentemente da natureza disruptiva real da publicação.
Correlação Empírica: No conjunto de dados MAG, o número médio de referências por artigo ( $r(t)$ ) aumentou de ~9 na década de 1960 para ~23 nos anos 2000 (um aumento de 2,6 vezes). Esse crescimento correlaciona-se fortemente com o declínio no $CD$. A análise de regressão mostra uma relação negativa significativa entre $CD$ e o logaritmo do número de referências, enquanto a relação com o tamanho da equipe ( $k_p$ ) é positiva ao controlar o comprimento da referência, contradizendo descobertas anteriores que sugeriam uma correlação negativa.
Evidência de Simulação:
- Em redes sintéticas onde os comprimentos das listas de referências são constantes ( $g_r = 0$ ), o $CD$ não exibe uma tendência descendente sistemática, mesmo quando o volume de publicações cresce.
- Quando os comprimentos das listas de referências crescem exponencialmente ( $g_r > 0$ ), o $CD$ declina rapidamente, espelhando observações empíricas.
- O aumento da taxa de fechamento triádico ( $\beta$ ) também afeta o $CD$, mas a inflação de citações ( $g_r$ ) é o fator dominante que impulsiona a convergência para zero.
- A extensão da janela de citação ($CW$) não resolve o viés; o $CD$ ainda converge para zero conforme $r(t)$ aumenta.
Simulação de Intervenção: Uma intervenção política hipotética limitando o comprimento das listas de referências a um valor fixo (25) após um ponto de tempo específico ( $T^*$ ) resulta em uma reversão imediata da tendência de $CD$, de decrescente para crescente. Isso confirma que o declínio é impulsionado pela expansão das listas de referências, e não por mudanças intrínsecas no comportamento científico.

Significância e Alegações
O artigo alega que a diminuição observada na disruptividade científica é um "problema fundamental de medição" causado pela inflação de citações, e não uma mudança genuína na natureza da inovação. Os autores afirmam que:

Viés Temporal: O índice de disrupção é temporalmente enviesado e inadequado para comparações cross-temporais. Comparar valores de $CD$ através de diferentes eras é comparável a comparar preços sem ajustar pela inflação monetária.
Variáveis de Confundimento: O índice é confundido por mudanças nas práticas de citação acadêmica, incluindo o aumento no comprimento das listas de referências e a taxa crescente de autocitações e fechamento triádico.
Implicações de Política: Os autores sugerem que, para mitigar este viés, os periódicos poderiam considerar limitar o comprimento das listas de referências (ex: baseando-se no tipo de artigo ou contagem de páginas). Tal política poderia estabilizar a métrica $CD$ e reduzir o viés sistemático introduzido pela inflação de citações.
Disponibilidade de Recursos: Para facilitar pesquisas adicionais sobre métricas livres de viés, os autores disponibilizaram um conjunto de redes de citações sintéticas, que podem ser usadas para testar índices baseados em citações alternativos quanto ao viés sistemático.

Em conclusão, os autores argumentam que pesquisadores e formuladores de políticas devem distinguir entre contagens "nominais" e valores "reais" na avaliação científica. Sem contabilizar o crescimento dependente do tempo das redes de citações, métricas como o $CD$ continuarão a produzir interpretações enganosas do progresso científico.

A Grande Inflação de Referências

O Problema do "Autoabraço"

A Simulação: Desligando a Inflação

O Que Isso Significa para o Futuro

Mais como este