[논문 리뷰] Identification of Influential Scientists vs. Mass Producers by the Perfectionism Index

Antonis Sidiropoulos, Dimitrios Katsaros외 1명|arXiv (Cornell University)|2014. 09. 22.

Perfectionism, Procrastination, Anxiety Studies참고 문헌 13인용 수 6

한 줄 요약

이 논문은 인용 곡선의 면적—특히 꼬리 부분과 이상 보완 페널티 면적—을 분석하여 '영향력 있는' 과학자(소수의 고영향력 논문)와 '대량 생산자'(다수의 중간 영향력 논문)를 구분하는 퍼펙셔니즘 지수(PI)와 극단적 퍼펙셔니즘 지수(XPI)를 소개한다. PI 지수는 이러한 그룹을 효과적으로 분리하며, 자기인용에 대해 강건성을 보이고, 기존의 h-지수와 상관관계가 없어 과학적 분석에서 강력한 유용성을 보인다.

ABSTRACT

The concept of h-index has been proposed to easily assess a researcher's performance with a single number. However, by using only this number, we lose significant information about the distribution of citations per article in an author's publication list. In this article, we study an author's citation curve and we define two new areas related to this curve. We call these "penalty areas", since the greater they are, the more an author's performance is penalized. We exploit these areas to establish new indices, namely PI and XPI, aiming at categorizing researchers in two distinct categories: "influentials" and "mass producers"; the former category produces articles which are (almost all) with high impact, and the latter category produces a lot of articles with moderate or no impact at all. Using data from Microsoft Academic Service, we evaluate the merits mainly of PI as a useful tool for scientometric studies. We establish its effectiveness into separating the scientists into influentials and mass producers; we demonstrate its robustness against self-citations, and its uncorrelation to traditional indices. Finally, we apply PI to rank prominent scientists in the areas of databases, networks and multimedia, exhibiting the strength of the index in fulfilling its design goal.

연구 동기 및 목표

• h-지수가 연구자 논문 목록의 인용 분포를 포괄하지 못하는 한계를 해결하기 위해.
• 영향력 있는 과학자(영향력 있는 논문이 소수)와 대량 생산자(중간 영향력 논문이 다수)를 구분하는 정량적 방법을 개발하기 위해.
• 타이브레이킹을 넘어서 인용 곡선 면적(과잉, 꼬리, 코어)의 잠재적 정보를 탐색하고, 이를 제1급 지표로 간주하기 위해.
• 출판 태도와 학술적 영향력 패턴을 반영하는 강건하고 자기인용에 저항하는 지수를 만들기 위해.
• 실세계 데이터셋에서 데이터베이스, 네트워크, 멀티미디어 분야에 걸쳐 PI 지수를 평가하기 위해.

제안 방법

• h-지수 선 아래이지만 인용 곡선의 꼬리 위에 위치한 영역을 꼬리 보완 페널티 면적(TC-area)으로 정의한다.
• h-코어 정사각형 외부이지만 논문 수 제한 내에 있는 영역을 이상 보완 페널티 면적(IC-area)으로 정의한다.
• TC-area를 기반으로 정규화된 측도로서 퍼펙셔니즘 지수(PI)를 계산하며, 양수 값은 영향력을, 음수 값은 대량 생산을 나타낸다.
• IC-area를 사용하여 극단적인 분류를 위한 극단적 퍼펙셔니즘 지수(XPI)를 계산한다.
• Microsoft Academic Service의 데이터를 활용하여 인용 곡선을 추출하고, 데이터베이스, 네트워크, 멀티미디어 분야의 연구자들에게 PI 및 XPI를 계산한다.
• h-지수와의 상관관계 검증과 자기인용에 대한 강건성 테스트를 위한 통계 분석을 적용한다.

실험 결과

연구 질문

• RQ1 h-코어를 초과하는 인용 곡선 면적은 영향력 있는 과학자와 대량 생산자를 구분하는 의미 있는 기반을 제공할 수 있는가?
• RQ2 퍼펙셔니즘 지수(PI)는 h-지수에 비해 자기인용에 대해 강건한가?
• RQ3 PI는 h-지수와 같은 전통적 과학지표와 얼마나 상관관계가 없는가?
• RQ4 PI는 실제 학술 분야에서 연구자를 '영향력 있는'과 '대량 생산자' 그룹으로 효과적으로 분류할 수 있는가?
• RQ5 PI 지수는 인용 수를 넘어서 연구자의 출판 습관에 대한 통찰을 드러내는가?

주요 결과

• PI 지수는 명확한 인용 곡선 형태의 차이를 보이며, '영향력 있는'(PI > 0)과 '대량 생산자'(PI < 0) 그룹으로 과학자를 성공적으로 분리한다.
• PI 지수는 h-지수와 낮은 상관관계를 보이며, 연구 영향력의 다른 측면을 포착하고 있음을 시사한다.
• PI 지수는 자기인용에 대해 강건하여, 자기인용을 인위적으로 증가시켜도 안정적인 분류를 유지한다.
• 데이터베이스, 네트워크, 멀티미디어 분야에서, 하리 발라크리슈난과 데이비드 존슨과 같은 잘 알려진 영향력 있는 연구자를 PI가 정확히 상위 성과자로 식별한다. 이는 그들의 학술 소속 기관과는 무관하게 성립한다.
• XPI 지수는 극단적인 출판 행동을 강조함으로써 분류를 더욱 정교하게 만든다. 높은 값은 강한 퍼펙셔니즘을 나타낸다.
• 본 연구는 PI 지수가 고영향력 논문 소수를 추구하는 경향 또는 고용량·중간 영향력 전략을 취하는 경향과 같은 출판 태도를 추론하는 데 사용될 수 있음을 입증한다.