[论文解读] Analysis of Generalized Impact Factor and Indices of Journals

Ash Mohammad Abbas|arXiv (Cornell University)|Nov 22, 2010

scientometrics and bibliometrics research参考文献 9被引用 5

一句话总结

本文仅基于标准离散定义，未假设引用分布模型，推导了广义影响因子（每篇论文的平均引用次数）、h-指数和g-指数之间的解析关系。结果表明，较高的广义影响因子通常与较高的h-和g-指数相关，尽管在论文数量多且引用增长适中的期刊中存在例外情况：由于引用集中度较高，即使影响因子较低，指数仍可能上升。

ABSTRACT

Analyzing the relationships among the parameters for quantifying the quality of research published in journals is a challenging task. In this paper, we analyze the relationships between impact factor, h-index, and g-index of a journal. To keep our analysis simple and easy to understand, we consider a generalized version of the impact factor where there is no time window. In the absence of the time window, the impact factor converges to the number of citations received per paper. This is not only justified for the impact factor, it simplifies the analysis of h-index and g-index as well because addition of a time window in the form of years complicates the computation of indices too. We derive the expressions for the relationships among impact factor, h-index, and g-index and validate them using a given set of publication-citation data.

研究动机与目标

• 在不假设引用分布模型的前提下，理解影响因子、h-指数和g-指数之间的数学关系。
• 使用计算机科学期刊的真实出版-引用数据验证这些关系。
• 阐明为何在使用不同指标时期刊排名存在差异，特别是在影响因子与h-或g-指数不一致的情况下。
• 将广义影响因子概念从期刊扩展至个人、研究团队和机构。

提出的方法

• 将广义影响因子定义为每篇论文的平均引用次数，为简化起见，省略时间窗口。
• 使用h-指数和g-指数的标准离散定义：h是满足h篇论文每篇至少有h次引用的最大数值；g是满足前g篇论文引用总数至少为g²的最大数值。
• 仅基于其定义推导三者之间的解析表达式，不假设连续函数或特定引用模型（如洛特卡定律）。
• 使用计算机科学领域一个网络与通信研究组的实际数据验证推导出的关系。
• 将g² − h²作为总引用数的函数进行分析，以理解与预期趋势的偏离。
• 研究引用分布和论文数量在解释影响因子与指数之间差异中的作用。

实验结果

研究问题

• RQ1 当仅从其定义出发时，广义影响因子、h-指数和g-指数在数学上如何关联？
• RQ2 为何某些期刊h-或g-指数较高但影响因子较低？导致此类差异的因素是什么？
• RQ3 广义影响因子在不同引用和出版模式的期刊中，对h-指数和g-指数的预测能力如何？
• RQ4 发表论文数量如何影响影响因子与指数之间的关系，特别是在引用增长滞后的情况下？
• RQ5 引用集中度在多大程度上扭曲了影响因子与h/g-指数之间的相关性？

主要发现

• 广义影响因子较高的期刊通常具有更高的h-和g-指数，这在数据集中证实了三者之间存在强烈的正相关关系。
• 在论文数量多且引用增长适中的期刊中存在例外情况：即使影响因子较低，h-和g-指数仍可能显著上升。
• 在某些点上，g² − h²的值下降，原因可能是g-指数下降，或论文数量相对于引用数不成比例地增加。
• ∑_{i=g+1}^n c_i（g-指数之外的引用数）是g² − h²的关键驱动因素，其下降与g² − h²的下降密切相关。
• ∑_{i=1}^n (c_i − h) − ∑_{i=h+1}^n c_i（调整后的引用总和）随总引用数增加而增加，但当论文数量增长快于引用数时会出现例外。
• 分析结果证实，影响因子、h-指数和g-指数相互关联，但其关系是非线性的，且对出版量和引用分布高度敏感。