Semantic Alignment, Chronological Distance, and Citation-Network Prominence in Citation Formation: Evidence from Ten Citation Corpora
通过在十个文献语料库上应用严格的缓解泄漏框架，本研究证明了时间距离是引文形成的主导预测因子，在时间严格限制的条件下，其预测能力始终优于语义对齐和引用网络显著性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
未来的大图书馆
想象一下，将人类所有的知识历史想象成一座庞大且不断增长的图书馆，每一本新书都是一篇科学论文。当一本新书被撰写时，作者必须决定在脚注中提到哪些旧书。这些脚注被称为引用（citations），它们是科学的命脉：它们展示了谁构建了谁的思想，新发现传播的速度如何，以及哪些话题是当下的“热点”。几十年来，科学家们一直试图建造一个“水晶球”——一个能够观察一篇新论文并准确猜测它会引用哪些旧书的计算机程序。这被称为引用预测（citation prediction）。
但棘手之处在于：时空旅行是不可能的。在现实世界中，当一位作者在2020年撰写论文时，他们只能看到2020年以前出版的书籍。他们无法看到未来。然而，许多尝试进行引用预测的计算机程序都在“作弊”。它们通过观察作为今天整体存在的整个图书馆（包括那些尚未被写出来的书）来窥探“未来”。这就像是在比赛开始前，通过查看最终比分表来猜测谁会赢得足球赛。这种“窥探”让计算机看起来超级聪明，但它并没有告诉我们人类实际上是如何做决策的。本论文提出了一个简单但困难的问题：如果我们阻止计算机窥探未来，究竟是什么驱动了科学家去引用一篇论文而非另一篇？是因为思想完美契合吗？是因为那篇论文很出名吗？还是仅仅因为那篇论文很新？
无时空穿越实验
本文作者 Moses Boudourides 决定建立一个“无时空穿越”的实验室来寻找答案。他从五个不同的领域收集了十个巨大的科学论文集合：科学（如蛋白质折叠和 CRISPR）、工程学、生物医学、社会科学和人文科学（如电影研究）。随后，他为他的计算机程序制定了一套严格的规则：程序只能使用在引用论文发表之前可获得的信息。没有未来数据，不能窥探论文后来变得多么有名，也不能使用事后更新的元数据。
一旦计算机被迫公平竞争，结果令人惊讶。计算机并不完美——根据领域的不同，它的正确率在 53% 到 73% 之间。但真正的故事不在于它猜得有多准，而在于它为什么会做出那样的猜测。作者将引用的原因归纳为三个维度：语义对齐（Semantic Alignment）（思想是否匹配？）、时间距离（Chronological Distance）（论文有多旧？）以及网络显著性（Network Prominence）（论文有多出名？）。
最大的震惊在于：时间几乎在每一次都胜出了。
在研究的几乎所有领域中，预测一篇论文是否会被引用的最强因素，仅仅是它有多新。如果你有两篇关于相同主题的论文，即使其中一篇在文本上的匹配度略高，计算机也更有可能选择那篇去年发表的论文，而不是十年前的那篇。事实上，一旦计算机知道了论文的年代，知道标题或摘要中的确切词汇就几乎不再有帮助了。在十个领域中的四个领域里，实际被引用的论文甚至比未被引用的论文在语义上更不相似。这就像是计算机在说：“我不在乎思想是否完美匹配；我只想拿走架子上最新的东西。”
然而，有两个重要的例外，在这些领域中，时间并没有统治比赛。在记忆研究（Memory Studies）（人文科学）领域，思想（语义对齐）比年龄更重要。这可以理解，因为在电影或历史等领域，研究人员经常追溯那些仍然具有相关性的古老经典思想，而不是仅仅追求最新的新闻。而在社会科学领域的**收入不平等（Income Inequality）**中，时间并不重要；论文的年代无法提供预测信号。相反，在该特定领域，论文的“名气”（网络显著性）才是主要的驱动力。
“名著”的迷思
你可能会认为，那些拥有数千次引用的著名论文——即所谓的“网络显著性”——才是大家效仿的对象。但当计算机被迫忽略未来并仅观察当时已知的信息时，这种“名气”在大多数领域并没有增加额外的力量。为什么？因为在这些紧密的科研群体中，“著名”的论文通常只是那些存在时间足够长、足以被注意到而已。一旦计算机知道了论文的年代（或新旧），知道它很出名并不会提供任何新信息。“名气”只是时间的副作用。
这对未来意味着什么
论文得出结论：对于大多数科学领域而言，当你观察特定的研究群体时，论文发表的时间比它所表达的内容更重要。马太效应（Matthew Effect）——即“富者愈富”、名著变得更著名的现象——仍然存在，但这主要是因为那些论文有足够的时间来积累引用，而不是因为它们本质上更好。
作者谨慎地指出，这并不是预测科学未来的万能公式。计算机仍然无法完美预测引用，且结果高度取决于你如何定义所观察的论文组。然而，这项研究证明，如果我们想要了解科学的真实运作方式，我们就必须停止让计算机通过窥探未来来作弊。当我们这样做时，我们会发现，科学的驱动力与其说是完美的思想匹配，不如说是时间的无情推进。最新的思想会获得最多的关注，而“名著”往往只是那些存在时间足够长而被看见的论文。但在某些领域，如记忆研究，思想的深度仍然高于日期；而在另一些领域，如收入不平等，名声的网络比时钟更重要。
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。