[논문 리뷰] Fractional counting of authorship to quantify scientific research output

V. Carbone|arXiv (Cornell University)|2011. 06. 01.

scientometrics and bibliometrics research참고 문헌 16인용 수 6

한 줄 요약

이 논문은 공동저자 수의 제곱근에 비례하는 가중치를 적용한 분수적 저자 기여도 계산 방법을 제안하여 h-지수와 g-지수를 정규화함으로써, 협업 규모에 따른 편향을 줄인다. 이 방법은 팀 규모로 인한 지수의 인위적 과대평가를 제거하여 이탈리아의 FIS01 SSD 분야 물리학자들 간 과학적 영향력의 단일이고 안정된 분포를 드러낸다.

ABSTRACT

We investigate the problem of counting co-authorhip in order to quantify the impact and relevance of scientific research output through normalized extit{h-index} and extit{g-index}. We use the papers whose authors belong to a subset of full professors of the Italian Settore Scientifico Disciplinare (SSD) FIS01 - Experimental Physics. In this SSD two populations, characterized by the number of co-authors of each paper, are roughly present. The total number of citations for each individuals, as well as their h-index and g-index, strongly depends on the average number of co-authors. We show that, in order to remove the dependence of the various indices on the two populations, the best way to define a fractional counting of autorship is to divide the number of citations received by each paper by the square root of the number of co-authors. This allows us to obtain some information which can be used for a better understanding of the scientific knowledge made through the process of writing and publishing papers.

연구 동기 및 목표

• 기타 연구물의 협업 규모가 다양할 경우 전통적인 h-지수와 g-지수에 발생하는 편향을 해결하기 위해.
• 평균 공동저자 수에 대한 의존도를 최소화하는 최적의 분수적 기여도 계산 방법을 규명하기 위해.
• 정규화된 지수들이 서로 다른 과학적 성과 집단을 하나의 해석 가능한 분포로 통합할 수 있는지 평가하기 위해.
• 정년 승진, 연구비 배정, 학회 선정 과정 등에서 과학적 영향력을 평가하기 위한 데이터 기반이고 객관적인 기준을 제공하기 위해.

제안 방법

• N명의 공동저자가 있는 논문에서 각 저자에게 1/√N의 분수적 인용 가중치를 정의하고, 이를 모든 인용에 적용한다.
• N−μ에 의해 가중된 인용 수를 기반으로 하여 정규화된 지수 hμ와 gμ를 도입하고, 분수적 인용 수를 사용하여 지수를 재계산한다.
• 비선형 최소 제곱법을 사용하여 hμ와 gμ가 평균 공동저자 수(Mj)에 대한 의존도를 최소화하는 최적의 μ를 결정한다.
• hμ와 gμ의 경험적 분포를 코시-로렌츠 함수에 맞추어 일반적인 값(h⋆, g⋆)과 변동성(σh, σg)을 추출한다.
• 웹 오브 사이언스에서 확보한 이탈리아의 FIS01 SSD 분야 60명의 정교수 데이터셋을 사용하여 방법을 검증한다.
• 다양한 μ 값(예: 0.5, 0.6, 1.0)의 성능을 비교하여 협업 규모에 따른 분산을 최소화하는 값을 식별한다.

실험 결과

연구 질문

• RQ1 h-지수와 g-지수의 평균 공동저자 수에 대한 의존도를 최소화하는 데 최적의 거듭제곱 μ는 무엇인가?
• RQ2 μ ≈ 0.5인 분수적 기여도 계산을 통해 협업 규모에 따라 다른 두 개의 과학적 성과 집단이 하나의 일관된 분포로 통합될 수 있는가?
• RQ3 정규화된 hμ와 gμ 지수가 다양한 협업 규모에서 진정된 과학적 영향력을 어떻게 반영하는가?
• RQ4 정규화된 지수를 가장 잘 기술하는 통계적 분포는 무엇이며, 이는 과학적 생산성의 잠재적 역학에 대해 어떤 시사점을 갖는가?
• RQ5 최종적으로 도출된 정규화된 지수들이 정년 승진, 연구비 배정, 학회 선정에 있어 객관적인 기준으로 사용될 수 있는가?

주요 결과

• 최적의 분수적 기여도 계수는 μ⋆ ≈ 0.53 ± 0.01로, 1/2에 매우 가까운 것으로 나타나 공동저자 수의 제곱근에 비례하는 가중치가 지수를 가장 잘 정규화함을 시사한다.
• hμ와 gμ 모두 평균 공동저자 수(Mj)에 대해 강한 독립성을 보이며, √N 가중치가 협업 규모 편향을 효과적으로 제거함을 확인한다.
• 총 분수적 인용 수 Ctot(μ)는 hμ²와 gμ²에 선형적으로 관련되며, 계수는 αμ = 5.45 ± 0.08과 βμ = 2.04 ± 0.07이다.
• hμ와 gμ의 경험적 분포는 코시-로렌츠 함수로 잘 기술되며, 일반적인 값은 h⋆ ≈ 6.80 ± 0.01과 g⋆ ≈ 11.70 ± 0.07이다.
• g-지수의 변동 폭 σg ≈ 8.5 ± 0.6는 h-지수의 σh ≈ 4.0 ± 0.1보다 크게 나타나 고영향력 논문 분포의 변동성이 더 크다는 것을 시사한다.
• 결과는 과학적 영향력이 소수의 매우 높은 인용 수를 가진 논문들에 의해 주로 이뤄지며, g-지수가 h-지수보다 이 분포의 이질성을 더 민감하게 반영함을 시사한다.