[論文レビュー] Citation histories of papers: sometimes the rich get richer, sometimes they don't

Michael J. Hazoglu, Vivek Kulkarni+2 more|arXiv (Cornell University)|Mar 14, 2017

scientometrics and bibliometrics research被引用数 3

ひとこと要約

本研究は、蓄積的優位性（rich-get-richer）を組み込んだ純出生確率的モデルを提案し、151,082編のPhysical Review論文の引用軌跡を3つのクラスタに分類する：急上昇／高インパクト（fast-hi）、急上昇／ plateau（fast-flat）、遅咲き（slow-late）。5年間の発表後データがあれば、高インパクト論文の50％以上を正しく分類可能であり、fast-hiおよびslow-lateクラスタでは蓄積的優位性の効果が顕著だが、fast-flatクラスタでは顕著でないことが判明した。

ABSTRACT

We describe a simple model of how a publication's citations change over time, based on pure-birth stochastic processes with a linear cumulative advantage effect. The model is applied to citation data from the Physical Review corpus provided by APS. Our model reveals that papers fall into three different clusters: papers that have rapid initial citations and ultimately high impact (fast-hi), fast to rise but quick to plateau (fast-flat), or late bloomers (slow-late), which may either never achieve many citations, or do so many years after publication. In "fast-hi" and "slow-late", there is a rich-get-richer effect: papers that have many citations accumulate additional citations more rapidly while the "fast-flat" papers do not display this effect. We conclude by showing that only a few years of post-publication statistics are needed to identify high impact ("fast-hi") papers.

研究の動機と目的

• 引用カウントの時間的変化を捉える生成的モデルを構築すること。
• 最小パラメータの確率的モデルを用いて、科学的論文における明確に分離可能な引用軌跡パターンを同定すること。
• 初期の引用データが、長期的インパクト、特に高インパクト論文を予測するのにどの程度有効であるかを特定すること。
• 蓄積的優位性（rich-get-richer）が、異なる論文タイプの引用パターンに与える影響を評価すること。
• 初期の引用データが、長期的インパクトカテゴリに分類するための予測能力を評価すること。

提案手法

• 本研究では、現在の引用数に比例する引用レートを持つ線形蓄積的優位性効果を有する純出生確率過程を採用している。
• モデルは、再帰的積分方程式から導かれる負の二項分布を用いて引用増加を記述し、パラメータa（蓄積的優位性の強さ）とb（ベースライン引用レート）を含む。
• モデルは、複数の物理学分野にまたがるPhysical Reviewコホーブの151,082編の論文の引用データにフィットさせられている。
• 論文は、パラメータ空間上の位置と引用軌跡の形状に基づき、3つのクラスタ（fast-hi、fast-flat、slow-late）に分類されている。
• モデルの予測精度は、異なる長さの学習期間（1～30年）を用いて評価され、分類成功度、適合率、再現率が測定されている。
• 本研究では、年齢層ごとの引用減衰率を比較し、モデルのクラスタリング結果を用いてジャーナルレベルでの高インパクト論文の蓄積度を分析している。

実験結果

リサーチクエスチョン

• RQ1 蓄積的優位性を組み込んだシンプルな確率的モデルが、大規模な科学論文コホーブ全体の引用ダイナミクスを正確に記述できるか？
• RQ2 論文は明確に分離可能な引用軌跡クラスタに分類されるのか？ それぞれのクラスタの特徴は何か？
• RQ3 rich-get-richer効果はすべての引用軌跡に存在するのか、それとも特定のクラスタに限定されるのか？
• RQ4 どの程度の初期引用データがあれば、論文の長期的インパクトを信頼性を持って予測できるか？
• RQ5 若年論文と高年齢論文の間で、引用減衰パターンにどのような差があるか？ これは学術的関心の移行に何を示唆するか？

主な発見

• モデルは、3つの明確に分離された引用軌跡クラスタを同定できた：fast-hi（急上昇・高インパクト）、fast-flat（急上昇・早期 plateau）、slow-late（遅咲き・遅れがちな引用蓄積）。
• 蓄積的優位性効果は、fast-hiおよびslow-lateクラスタに存在し、より多くの引用を獲得した論文がより高いレートで新しい引用を獲得するが、fast-flatクラスタでは顕著でない。
• 発表後5年間のデータがあれば、50％を超える論文がその長期的インパクトクラスタに正しく分類可能であり、30年後には予測成功度が80％を超えるまで上昇する。
• 2クラス分類（fast-hi 対 それ以外）では、16～19年の学習データを要するが、再現率50％、適合率50％を達成し、高インパクト論文の早期同定は困難だが、十分な観察期間があれば可能であることが示された。
• 高年齢論文（30～100歳）は、若年論文よりも引用減衰が遅く、新規文献に対する関心の低下が速い傾向にあることが示唆された。
• Rev. Mod. Phys.、Phys. Rev. Lett.、Phys. Rev. B などのジャーナルは、fast-hi論文の蓄積度が顕著に高く、インパクトファクターの高さと分野の成長傾向と相関していた。