[论文解读] Normalization, CWTS indicators, and the Leiden Rankings: Differences in citation behavior at the level of fields

Loet Leydesdorff, Tobias Opthof|arXiv (Cornell University)|Mar 21, 2010

scientometrics and bibliometrics research参考文献 32被引用 6

一句话总结

本文批判了引文影响力指标中领域归一化的做法，认为分数引文计数（FracC）提供了一种更优的替代方法，通过考虑各领域的特定引文习惯来实现。研究表明，FracC消除了跨领域比较中的偏差，为跨学科研究表现评估提供了更准确、更一致的方法。

ABSTRACT

Van Raan et al. (2010; arXiv:1003.2113) have proposed a new indicator (MNCS) for field normalization. Since field normalization is also used in the Leiden Rankings of universities, we elaborate our critique of journal normalization in Opthof & Leydesdorff (2010; arXiv:1002.2769) in this rejoinder concerning field normalization. Fractional citation counting thoroughly solves the issue of normalization for differences in citation behavior among fields. This indicator can also be used to obtain a normalized impact factor.

研究动机与目标

• 挑战诸如莱顿排名中使用的引文影响力指标（如Leiden Rankings）所采用的领域归一化方法的有效性与可靠性。
• 解决学术领域间引文行为差异这一长期存在的问题，该问题会扭曲跨学科研究表现的比较。
• 倡导采用分数引文计数（FracC）作为现有归一化技术的更稳健、理论基础更牢固的替代方案。
• 证明FracC能够实现跨多样化科学领域的更公平、更一致的研究产出基准评估。
• 为基于FracC的归一化影响因子提供方法论基础，以提高机构与个人表现评估的准确性。

提出的方法

• 提出分数引文计数（FracC）作为通过按贡献机构和领域成比例分配引文来归一化引文影响力的方法。
• 应用FracC计算一种归一化影响因子，以调整不同科学领域间引文实践的差异。
• 将FracC与传统领域归一化方法（包括Van Raan等人（2010）提出的MNCS指标）进行比较。
• 通过理论与实证分析表明，FracC避免了基于期刊的归一化所引入的偏差。
• 强调使用领域层面的引文数据，以确保引文数量根据每个领域的平均引文行为进行调整。
• 认为FracC本质上能够无需任意归一化参数即可自动考虑各领域的引文文化差异。

实验结果

研究问题

• RQ1 不同学术领域间的引文行为差异如何影响研究评估指标的公平性？
• RQ2 使用MNCS等指标进行领域归一化在多大程度上能提高跨学科研究比较的准确性？
• RQ3 分数引文计数（FracC）能否提供一种比现有归一化方法更可靠、更一致的引文影响力评估替代方案？
• RQ4 与基于期刊或领域的归一化引文指标相比，FracC在理论和实践上具有哪些优势？
• RQ5 如何基于FracC推导出一种归一化影响因子，以确保在多样化科学学科间实现公平的基准比较？

主要发现

• 分数引文计数（FracC）通过按贡献机构和领域成比例分配引文，有效解决了跨领域引文行为差异的问题。
• 研究发现，与MNCS等领域的归一化技术相比，FracC在归一化引文影响力方面提供了更一致且理论依据更充分的方法。
• 基于期刊层面数据的领域归一化会引入扭曲，而FracC通过聚焦于引文在各贡献单位间的实际分布，避免了此类问题。
• 作者证明，FracC可用于推导出一种可靠的归一化影响因子，真实反映跨学科的研究表现。
• 对MNCS及其他归一化方法的批判表明，它们往往未能充分考虑引文网络的真实结构及各领域的特定实践。
• FracC被证明是一种更稳健、更透明的机构评估方法，尤其适用于多学科研究情境。