[论文解读] Citation Count Analysis for Papers with Preprints

Sergey Feldman, Kyle Lo+1 more|arXiv (Cornell University)|May 14, 2018

scientometrics and bibliometrics research参考文献 6被引用 10

一句话总结

本研究调查了在会议接受前将论文预印到arXiv是否会导致计算机科学领域引用次数更高。通过使用负二项分布广义线性模型（GLM），控制作者h指数、会议场所和arXiv上的时间等因素，研究发现，提前接受前发布论文的论文在接下来的一年中，平均引用次数高出65%，表明其与更高的可见性和影响力显著相关。

ABSTRACT

We explore the degree to which papers prepublished on arXiv garner more citations, in an attempt to paint a sharper picture of fairness issues related to prepublishing. A paper's citation count is estimated using a negative-binomial generalized linear model (GLM) while observing a binary variable which indicates whether the paper has been prepublished. We control for author influence (via the authors' h-index at the time of paper writing), publication venue, and overall time that paper has been available on arXiv. Our analysis only includes papers that were eventually accepted for publication at top-tier CS conferences, and were posted on arXiv either before or after the acceptance notification. We observe that papers submitted to arXiv before acceptance have, on average, 65\% more citations in the following year compared to papers submitted after. We note that this finding is not causal, and discuss possible next steps.

研究动机与目标

• 调查在会议接受前将论文预印到arXiv是否会导致计算机科学领域引用次数更高。
• 评估预印对引用影响力的影响，特别是与作者可见性和认可度的关系。
• 将预印的影响与作者影响力、出版场所和arXiv上的时间等混杂因素分离开来。
• 提供关于通过arXiv等预印平台早期发布所带来的引用优势的实证证据。

提出的方法

• 使用负二项分布广义线性模型（GLM）回归引用次数与一个二值预印指标（接受前 vs. 接受后）之间的关系。
• 通过论文撰写时的h指数来控制作者影响力。
• 将出版场所作为分类变量处理，以AAAI为基准类别。
• 通过会议日期之后的年份剩余比例来捕捉论文在arXiv上的时间，以考虑曝光时长。
• 通过系数估计的指数形式来估计乘法效应，从而解释引用率的倍数关系。
• 分析范围限定于最终被顶级计算机科学会议接收并已在arXiv上发布（接受前或接受后）的论文。

实验结果

研究问题

• RQ1 与接受后发布相比，提前在会议接受前将论文预印到arXiv是否会导致引用次数的统计显著增加？
• RQ2 在控制作者影响力和出版场所后，观察到的引用优势在多大程度上可归因于预印？
• RQ3 不同顶级计算机科学会议中的引用优势是否存在差异？
• RQ4 论文在arXiv上的时间是否是引用次数的独立显著预测因子？
• RQ5 对于‘有影响力’的引用与总引用数相比，是否存在引用优势的差异？

主要发现

• 与接受后发布相比，提前在会议接受前提交到arXiv的论文在接下来的一年中，平均引用次数高出65%。
• 对于有影响力引用，优势更为显著，预印论文的引用次数比后印论文高出75%。
• 预印系数（exp(0.5029) = 1.65）表明，在控制其他所有变量不变的情况下，预期引用次数呈乘法式增长。
• 作者h指数与引用次数之间存在强烈且近乎单调的关联，h指数为42–99的作者其引用次数是h指数为0–6的作者的两倍以上。
• arXiv上时间的变量（frac_year_remaining）对引用次数无显著影响，其系数估计接近零，且95%置信区间包含零。
• 模型显示，出版场所显著影响引用次数，不同会议如NIPS、SODA和ECCV之间存在明显差异。