[논문 리뷰] Citation histories of papers: sometimes the rich get richer, sometimes they don't

Michael J. Hazoglu, Vivek Kulkarni외 2명|arXiv (Cornell University)|2017. 03. 14.

scientometrics and bibliometrics research인용 수 3

한 줄 요약

이 연구는 누적 우위 효과를 고려한 순수 출생 스토케스틱 모델을 제안하여 151,082편의 Physical Review 논문의 인용 궤적을 세 군집으로 분류한다: 급속 상승/고영향력( fast-hi), 급속 상승/정점 도달( fast-flat), 늦은 번영( slow-late). 연구 결과, 고영향력 논문의 50% 이상을 정확히 분류하기 위해 후기 5년 간의 데이터만으로도 충분하며, fast-hi 및 slow-late 군집에서는 빈자리가 더 많은 효과가 나타나지만, fast-flat 군집에서는 그렇지 않다.

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.

연구 동기 및 목표

• 시간에 따라 인용 수가 어떻게 변화하는지를 묘사하는 인용 역학의 생성 모델을 개발하는 것.
• 최소한의 파라미터를 가진 스토케스틱 모델을 사용하여 과학 논문의 인용 궤적 패턴을 식별하는 것.
• 초기 인용 데이터가 장기적 영향력을 어떻게 예측할 수 있는지, 특히 고영향력 논문의 경우를 중심으로 규명하는 것.
• 누적 우위(빈자리가 더 많은 효과)가 다양한 종류의 논문에서 인용 패턴을 어떻게 형성하는지 평가하는 것.
• 초기 인용 데이터가 장기적 영향력 카테고리로 논문을 분류하는 데 얼마나 유용한지 평가하는 것.

제안 방법

• 연구는 현재 인용 수에 비례하는 선형 누적 우위 효과를 가진 순수 출생 스토케스틱 과정을 사용한다.
• 모델은 재귀적 적분 방정식에서 유도된 음이이항분포를 사용하여 인용 성장을 기술하며, 파라미터 a(누적 우위 강도)와 b(기본 인용률)를 포함한다.
• 모델은 여러 물리 하위분야를 포함한 Physical Review 코퍼스의 151,082편의 논문 인용 데이터에 피팅된다.
• 논문들은 매개변수 공간 내 위치와 인용 궤적 형태에 기반해 세 군집—fast-hi, fast-flat, slow-late—으로 분류된다.
• 모델의 예측 정확도는 다양한 길이의 학습 기간(1~30년)을 사용하여 평가되며, 분류 성공률, 정밀도, 재현율을 측정한다.
• 연구는 연령대별 인용 감쇠 속도를 비교하고, 모델의 군집 결과를 활용해 저널 수준의 고영향력 논문 축적 정도를 분석한다.

실험 결과

연구 질문

• RQ1 누적 우위 효과를 가진 단순한 스토케스틱 모델이 대규모 과학 논문 코퍼스의 인용 역학을 정확히 묘사할 수 있는가?
• RQ2 논문들이 명백한 인용 궤적 군집으로 나뉘는가? 각 군집의 특성은 무엇인가?
• RQ3 빈자리가 더 많은 효과는 모든 인용 궤적에서 나타나는가, 아니면 특정 군집에서만 나타나는가?
• RQ4 어느 정도의 초기 인용 데이터가 장기적 영향력을 신뢰성 있게 예측하는 데 필요한가?
• RQ5 젊은 논문과 오래된 논문 간의 인용 감쇠 패턴은 어떻게 다를 수 있으며, 이는 학술적 관심의 이동에 어떤 의미를 갖는가?

주요 결과

• 모델은 세 가지 명백한 인용 궤적 군집을 성공적으로 식별하였다: fast-hi(급속 상승, 고영향력), fast-flat(급속 상승, 조기에 정점 도달), slow-late(늦은 번영, 지연된 인용 축적).
• 빈자리가 더 많은 효과는 fast-hi 및 slow-late 군집에서 관찰되며, 이는 더 많은 인용을 가진 논문이 더 높은 속도로 새로운 인용을 확보하지만, fast-flat 군집에서는 그렇지 않다.
• 후기 5년 간의 데이터만으로도 장기적 영향력 군집에 대해 50% 이상의 논문을 정확히 분류할 수 있으며, 예측 성공률은 30년이 지나면 80% 이상으로 단조롭게 증가한다.
• 2개 군집 분류인 'fast-hi' 대비 '아님'의 경우, 학습 데이터 기간이 16~19년이 되면 재현율 50%와 정밀도 50%를 달성하여 초기에 고영향력 논문을 식별하는 것이 어렵지만 충분한 관찰 시간이 있으면 가능함을 시사한다.
• 30~100세대의 오래된 논문은 젊은 논문보다 인용 감쇠 속도가 더 느리며, 이는 신규 문헌에 대한 관심이 더 빨리 줄어들다는 것을 의미한다.
• Rev. Mod. Phys., Phys. Rev. Lett., 그리고 Phys. Rev. B 와 같은 저널들은 fast-hi 논문의 축적 비율이 높으며, 이는 높은 영향력 지수와 하위분야의 성장 추세와 상관관계가 있다.