[论文解读] Copied citations create renowned papers?

M. V. Simkin, Vwani Roychowdhury|arXiv (Cornell University)|May 8, 2003

scientometrics and bibliometrics research被引用 21

一句话总结

本文提出，科学文献中的引文分布——即少数论文获得远超其他论文的引文数量——可由一个基于引文复制的简单概率模型解释，而非科学成就本身。该模型表明，当研究人员随机选择论文并复制其中的参考文献（包括25%的被引参考文献）时，所产生的引文模式与实证数据相符，表明引文的流行性源于随机复制行为，而非天才之作。

ABSTRACT

Recently we discovered (cond-mat/0212043) that the majority of scientific citations are copied from the lists of references used in other papers. Here we show that a model, in which a scientist picks three random papers, cites them,and also copies a quarter of their references accounts quantitatively for empirically observed citation distribution. Simple mathematical probability, not genius, can explain why some papers are cited a lot more than the other.

研究动机与目标

• 探究引文复制而非科学质量，是否能解释科学文献中引文的重尾分布。
• 建模科学家通过复制其他论文的参考文献列表来传播引文的机制。
• 检验基于随机选择和复制的随机模型是否能再现实证观察到的引文分布。
• 确定引文流行度在多大程度上由网络效应和复制行为驱动，而非原始影响力。
• 挑战高度被引论文因其本身更具重要性或创新性而被引用的假设。

提出的方法

• 提出一个随机模型，其中科学家随机选择三篇论文并引用它们。
• 在新参考文献列表中，为每篇被引用的论文引入25%的概率复制其参考文献。
• 使用此复制机制在论文网络中模拟引文的传播过程。
• 将模型生成的引文分布与科学文献中的真实引文数据进行比较。
• 运用数学概率理论推导在复制模型下预期的引文频率分布。
• 通过将模型拟合到实证引文数据并评估拟合优度来验证模型。

实验结果

研究问题

• RQ1 引文复制在多大程度上能解释科学文献中引文的重尾分布？
• RQ2 基于随机选择和复制的简单概率模型能否再现观察到的引文模式？
• RQ3 需要复制多少比例的参考文献才能再现真实的引文分布？
• RQ4 该模型是否能解释为何少数论文获得远超其数量的引文？
• RQ5 科学界观察到的引文流行度是否主要由随机复制而非内在科学价值驱动？

主要发现

• 该模型在复制被引论文25%参考文献的前提下，定量再现了科学文献中实证观察到的引文分布。
• 由复制模型生成的引文分布与现实世界数据高度吻合，表明仅靠随机复制即可解释引文不平等现象。
• 该模型表明，高引文数量可完全由随机选择和复制产生，而无需科学卓越。
• 结果表明，引文影响力的相当大一部分源于网络效应和参考文献列表的传播，而非原创贡献。
• 该模型的成功表明，引文数量可能是科学质量或原创性的不良指标。
• 该研究挑战了高度被引论文因其本身更重要或更具创新性而被引用的假设，表明复制行为可通过偶然性创造出“知名”论文。