Normalized fractional Hirsch Index and Modified Pareto Law
本文提出了一种归一化分数型赫希指数（normalized fractional Hirsch index），旨在证明高成就科学家的引用分布遵循一种修正后的帕累托法则，即大约 14% 的顶级论文产生了约 86% 的总引用量，这一模式类似于沙堆模型中的自组织临界现象。
原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 这是对下方论文的AI生成解释。它不是由作者撰写的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在科学界，衡量一名研究人员工作的冲击力是一个持续存在的挑战。几十年来，这项任务的标准工具是一个简单的计数：作者的论文被他人引用了多少次？虽然这个数字讲述了一个关于关注度的故事，但它并未讲述关于不平等的完整故事。正如经济学家使用特定的工具来衡量一个国家财富如何在人群中分布一样，科学家也需要一种方法来衡量引用是如何在作者自己的论文之间分布的。有些论文拥有数千次引用，而有些则寥寥无几。研究人员长期以来一直追问的问题是，这种分布是否存在一种普遍的模式，即一种支配成功如何分配的隐藏规则，还是说每一位科学家的职业生涯都遵循着完全独特的路径。
长期以来，最流行的答案是一个被称为赫希指数（Hirsch index）的数值。该指标于2005年引入，试图通过单一数值同时捕捉科学家的生产力和影响力。它的运作方式是寻找一个特定点，使得作者撰写的论文数量与其每篇论文被引用的次数相匹配。如果一位科学家的得分是20，这意味着他们有20篇论文每篇至少被引用了20次。虽然这个数字被广泛使用并存在于主要数据库中，但它有一个显著的缺陷：随着科学家发表更多作品，它会不断增长。一位高产的作者自然会比产量较低的作者拥有更高的分数，即使他们的作品被引用的强度相似。这使得比较发表材料数量不同的科学家变得困难，就像在不知道两人拥有多少资产的情况下，试图比较两人的财富一样。
为了解决这个问题，来自印度的研究团队提出了一种观察数据的新方法。他们认为，我们不应仅仅计算引用的总数，而应该观察作者总成就中，有多少比例来自于其最成功的论文。他们将现有的赫希指数转化为一个归一化的分数。这种新度量提出了一个不同的问题：科学家总引用的比例中，有多少来自于其表现最好的论文，以及这些顶尖论文又占其总论文量的多少？通过将这些原始数字转换为总和始终为一的百分比，研究人员创建了一个尺度，使得无论发表了多少论文，任何两位科学家之间都能进行公平的比较。
研究人员通过分析来自 Google Scholar 的大规模数据集来测试这种新方法，该数据集包含了 126,067 名科学家的信息。这一群体涵盖了从早期职业研究人员到领域内最杰出的代表人物，其中包括 95 位诺贝尔奖得主。他们计算了每位科学家的新归一化分数，并将其与经济学中用于衡量不平等的既有指标（如基尼系数和加尔达指数）进行了对比。这些经济学工具用于衡量财富在人口中的集中程度。研究人员发现，对于最成功的科学家，特别是诺贝尔奖得主而言，其引用的分布遵循着一种极其一致的模式。
研究显示，对于这些顶尖科学家，大约 86% 的总引用量来自于仅 14% 的论文。这是对著名的帕累托原则（Pareto principle）的一种特定变体，该原则指出 80% 的效果来自于 20% 的原因。然而，来自这些科学家的数据展示了一种更为极端的成功集中现象。研究人员指出，这种 86-14 的拆分并非巧合，而是表现为一个稳定的、普遍的数值，适用于高度成功的研究人员，就像某些物理系统中物质发生状态变化的临界点一样。相比之下，这些同类诺贝尔奖得主的传统赫希指数值差异巨大，从 25 到 260 不等，没有表现出这种一致性。
研究结果表明，旧有的衡量科学声望的方法（依赖于原始赫希指数）可能会掩盖科学影响力的真实本质。虽然原始数值会随着科学家职业生涯的规模而增长，但新的归一化分数揭示了一个稳定的底层结构。作者提出，这种 86-14 的模式是一个竞争系统达到“自组织临界性”（self-organized criticality）状态的特征，这是一个借用自物理学的概念，指复杂系统会自然演化向一个临界点。研究结论认为，这种新的归一化度量提供了一个更清晰、更普遍的科学不平等图景，表明最成功的科学家共享着一种共同的统计指纹，而传统的指标未能捕捉到这一点。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。