수백 명의 극한의 자기-인용하는 과학자들이 밝혀 새로운 데이터베이스

세계에서 가장 인상적인 연구에 따르면,새롭게 출시된 데이터는 호기심 취사 무리입니다. 노벨상 수상자와 저명한 polymaths 는 인도의 첸나이(Chennai)출신의 Sundarapandian Vaidyanathan 과 같이 덜 친숙한 이름으로 어깨를 문지릅니다. 무엇을 밖으로 뛰어에 대해 Vaidyanathan 과 수백 개의 다른 연구원들의 많은 것을 자신의 일에서 자신의 논문에서 또는 그들의 co-authors.,

Vaidyanathan,컴퓨터 과학자 Vel Tech R&D Institute of Technology,비공개적으로 실행연구소,극단적인 예이다:그는 받은 94%의 자신의 인용을에서 자신 또는 그 공동 저자까지 2017 년 연구에 따르면 PLoS 생물학 이 month1. 그는 혼자가 아닙니다. 데이터 세트,목록 주 100,000 연구자,보여주는 적어도 250 과학자들은 축적이 50%이상의 자신의 인용을에서 자신 또는 그들의 공동 저자는 반면,평균 자기-인용률이 12.7%.,

연구할 수 있는 데 도움을 깃발이 잠재적인 극한의 자기인,그리고 아마도’인용 농장’에서는 클러스터의 과학자들의 대규모 인용 각각 다른 연구자들은 말한다. “내가 생각하는 자-인용 농장보다 훨씬 더 일반적 우리는 믿는다”라고 존 Ioannidis,의사 스탠포드 대학교에서 캘리포니아에서 전문 메타-과학의 연구가 어떻게 과학이 수행하는 작업이다. “그들보다 크 25%self-인용하지 않은 반드시에 비윤리적인 행동,하지만 가까이 면밀한 조사가 필요할 수 있습니다,”라고 말합니다.,

데이터는 지금까지 발표 된 자체 인용 메트릭의 가장 큰 모음입니다. 고 그들은 도착 시간에 자금 지원 기관,학술지와 다른 사람을 더 초점을 맞추고 잠재적인 문제에 의해 발생하는 과도한 셀프습니다. 7 월 런던의 출판사 자문 기관인 출판 윤리위원회(COPE)는 표창 조작의 주요 형태 중 하나로서 극단적 인 자기 표창을 강조했다. 이 문제에 맞는 광범위한 문제에 대한 이상에 의존 인용 지표에 대한 결정의 채용,승진 및 연구 자금을 조달합니다.,

“우리는 링크를 전문적인 발전과 주의무에 강하게 인용 기반 지표,우리는 인센티브를 제공 self-인용,”라고 말한 심리학자 산 Srivastava 에서 오리건 대학에서는 유진.

지만 많은 과학자들이 동의하는 과도한 자기는 인용 문제가 있 합의에 얼마나 많은 너무나 무엇을 해야할지에 대한 문제입니다. 부분적으로 이것은 연구자가 자신의 작업이나 동료의 작업을 인용 할 수있는 많은 정당한 이유가 있기 때문입니다., Ioannidis 주의하는 그의 학습지로 이어질 vilification 의 특정 연구원들의 자기-인용 요금이기 때문에,적어도 이 달라질 수 있습니다 간 분야 경력 단계가 있습니다. “그것은 단지 완전하고 투명한 정보를 제공합니다. 너무 높은 자기 인용이 나쁜 과학자와 동일시한다고 결정하는 것과 같은 평결에 사용되어서는 안된다”고 그는 말한다.

데이터 드라이브

Ioannidis 와 그의 공동 저자가 게시하지 않는 자신의 데이터에 초점을 자체 인용., 의 한 부분의 자신의 연구를 포함하는 호스트는 표준화된 인용 기반 지표에 대한 가장 많이 인용 100,000 또는 그래서 연구팀은 지난 2 년간에 걸쳐 176 과학 서브 필드가 있습니다. 그는 컴파일된 데이터와 함께 리처드 Klavans 과 케빈 Boyack 에서 분석 회사의 사이테크 전략에서 Albuquerque,New Mexico,그리고 제론 Baas,감독의 분석에서 암스테르담-기반으로 게시자 Elsevier,데이터 모두에서 오는 Elsevier 의 독자적인 Scopus 데이터베이스입니다. 팀은 그 작업이 인용문을 유도 할 수있는 요인을 파악하는 것을 가능하게하기를 희망합니다.,그러나 데이터 세트의 가장 눈길을 끄는 부분은 자체 인용 메트릭입니다. Scopus 및 Web of Science 와 같은 구독 데이터베이스에서 인용 기록을 조회하여 저자가 자신의 작품을 인용 한 횟수를 이미 볼 수 있습니다. 그러나 없이 보기에 걸쳐 연구 분야 경력 단계에,그것은 어려운 이러한 수치로는 컨텍스트 및 비교 연구원합니다.

Vaidyanathan 의 기록은 가장 극단적 인 것 중 하나로 두드러지며 특정 보상을 가져 왔습니다., 지난해 인도 정치인 Prakash Javadekar,누가는 현재 미국의 환경부 장관,하지만 당시에 대한 책임은 더 높은 교육을 제공 Vaidyanathan 으로 20,000-루피(US$280)상되는 가운데 국내 최고의 연구원의 조치에 의해 생산성과 인용 통계. Vaidyanathan 응답하지 않은 자연의 요청에 대한 주석,하지만 그는 이전에 자신의 옹호 인용 레코드에 답변에 대한 질문에 대한 Vel 기술에 게시 Quora,온라인 질문과 답 플랫폼입니다., 2017 년에 그는 것을 썼기 때문에 연구,지속적인 과정입니다”다음 작업을 수행될 수 없습을 참조하지 않고 이전”작업,그리고 자기-인용하지 않았다는 오해의 소지가 다른 사람입니다.,

두 개의 다른 연구자가 결과를 보면 박수를 인용한 일도 있어 simos 씨,수학자의 웹사이트에 목록을 제휴에 킹 사우드 대학교에서 리야드,우랄 연방 대학교에서 예카테린부르크,러시아의 데모크리토스 대학의 트라키아에서 Komotini,그리스;그리고 Claudiu Supuran,약용 화학대학교에서의 플로렌스,이탈리아,또한 목록을 제휴에 킹사우드 대학교도 있습니다., 모두 simos 씨,사람을 축적하 주변의 76%에 그 인용이 자신에서 또는 그 공동 저자,그리고 Supuran(62%)은 작년에 이름 목록에 6,000″세계 수준의 연구원들의 뛰어난 연구 성과”에 의해 생산 Clarivate 분석,정보-서비스 회사에서는 필라델피아,펜실베니아 소유하는 웹의 과학이 아니다. 도 simos 씨도 Supuran 응답하는 자연의 요청에 대한 의견;Clarivate 말했다는 것을 알고 있었다는 문제의 특별한 셀프 패턴을 인용하고 있는 산출에 사용되는 방식의 목록을 변경할 수도 있습니다.

자기 인용에 대해 어떻게해야합니까?,

지난 몇 년 동안 연구자들은 자기 인용에 세심한주의를 기울였습니다. 2016preprint,예를 들면,추천하는 학자가 남성용이 자신의 논문에,평균 56%이상 여성 학자 do2 지만,복제 분석년 제안이 될 수도 있습니다 효과가 높은 자체 인용 사이에서 생산성 저자의 성별,누가 더 많은 과거의 일을 cite3., 2017 년에는 연구는 과학자들은 이탈리아에서 인용하는 시작 자신이 더 많이 후 논란 2010 정책을 도입하는 데 필요한 학자를 만나 생산력 임계값을 받을 수 promotion4. 지난해,인도네시아의 연구부,사용하는 표창-기반으로 할당하는 자금 조달에 대한 연구와 장학금,말 어떤 연구자들은 회전등의 방향 자신의 점수를 사용하여 비윤리적인 사례를 포함하여,과도한 자기 인용자 및 그룹 학계의 인용됩니다., 부했다 그것을 자금 15 연구원 계획을 제외에서 자기 인용의 공식이 있지만,연구원이 말하는 자연이지 않은 일이 일어났습니다.

그러나 아이디어 공개적으로 목록은 개인의 자기-인용 요금 또는 평가에 기초하여 측정항목 수정에 대한 자체 인용하는 일은 매우 논쟁. 예를 들어,토론 문서를 발행된 마지막 month5,대처에 대한 주장을 제외에서 자기 인용 통계기 때문에,그것은 말했다,”이를 허용하지 않는다면 미묘한 이해의 경우 자기 인용문을 만드는 좋은 학술 감”.,

2017 년에 저스틴 플랫,생물학자 다음의 대학에 취리히,스위스에서 더 많은 선명도 주위 과학자들의 자기-인용 records6. 플랫 사람은 이제 대학에서 헬싱키,제안 게시 self-citation index,또는 s-인덱스의 라인을 따라,h-index 생산성 표시기에 의해 사용되는 많은 연구원입니다. H-index20 을 나타내는 연구자는 발표 20 논문으로서 적어도 20 인용;마찬가지로,s-index 의 10 는 것을 의미 연구원이 발표한 10 논문을 각각 받은 적어도 10self-인용.,

플랫는 부여받은 대조 데이터에 대한 s-지 동의 Ioannidis 의 초점은 이런 종류의 작동하지 말아야에 대한 설계를 위해 허용되는 점수를,또는 지명하고 창피 높은 자 citers. “자기 인용을 범죄 화하는 것은 결코 아닙니다.”라고 그는 말합니다. 그러나 학계가 h-지수를 사용하여 스스로를 계속 홍보하는 한,상황에 맞는 s-지수를 포함하는 사례가 있다고 그는 주장한다.,

컨텍스트 문제

특별한 기능의 Ioannidis 의 연구는 그것의 넓은의 정의는 자기 인용문을 포함하는 인용 co-authors. 이것은 것을 잡아 가능한 인스턴스의 인용 농업;그러나,그것은 각자 팽창-인용 점수를 말한 마르코 Seeber 사회 겐트 대학에서는 벨기에에 있습니다. 입자 물리학과 천문학,예를 들어,자주 논문으로 수백 또는 수천 명의 공동 저자,그리고 올리는 자 citation 평균 분야에 걸쳐.,

Ioannidis 말하는 것이 가능하의 계정에 대한 체계적인 차이를 비교하여 연구자들이 평균 자신의 나라를 위해,경력계 분야입니다. 그러나 더 일반적으로,그는 목록이 더 자세히 살펴볼 가치가있는 경우에주의를 환기시키고 있다고 말합니다. 고 있는 또 다른 방법으로 자리 문제를 검토하여 비율의 인용을 받을 수의 논문에서는 그 인용이 나타납니다. Simos 씨,예를 들어,받은 10,458 인용문에서만 1,029 서류—의미는 평균,그는 10 개 이상 인용문에서는 각 종이 언급 자신의 작동합니다., Ioannidis 는 자체 인용 메트릭과 결합 할 때이 메트릭은 잠재적으로 과도한 자기 홍보를위한 좋은 플래그라고 말합니다.

에서 공개되지 않은 작품,Elsevier 의 Baas 말하는 그는 적용되고 있는 비슷한 분석을 훨씬 더 큰 데이터 세트의 7 백만명 과학자들은:그것은,모든 저자에 나열된 Scopus 는 게시 5 개 이상의 논문입니다. 이 데이터 세트에서 Baas 는 중간 자기 인용 률이 15 라고 말합니다.,5%이지만 저자의 7%는 40%이상의 자기 인용 률을 가지고 있습니다. 이 비율은 보다 훨씬 더 높은 사이에서 최고 인용 된 과학자이기 때문에,많은 7 만 명 연구원은 단지 몇 가지 인용 전반적으로 또는에서의 시작을 자신의 경력. 초기 경력을 과학자들의 자기-인용 요금이기 때문에 그들의 논문할 시간이 없었어를 쌓은 인용은 다른 사람(참조하십시오 청소년 효과’).

에 따르면 Baas 의 데이터를,러시아,우크라이나 눈에 띄는 높은 중간 self-인용 요금(참조하의 국가에 의해 국가’). 자신의 분석에도 몇 가지 필드 스틱과 같은 핵 및 입자물리학,천문학과 천체 물리학—인하여 그들의 많은 다 작성된 서류(보’물리 envy?’). Baas 는 그러나 자신의 데이터 세트를 게시 할 계획이 없다고 말합니다.

과학에 좋지 않습니까?

지만 PLoS 의생물학 연구를 식별한 일부 극단적인 자기 citers 수 있는 방법을 제안합니다를 보면,다른 사람에 대한 어떤 연구자들은 말한다 그들이 납득시키지 않는 자-인용 데이터 설정이 도움이 될 부분에 있기 때문에 이 측정치는 다양에 너무 많은 연구 분야 경력 단계입니다. “Self-인용보다 훨씬 더 복잡 그것은 보인다”라고 말 Vincent Larivière,정보의 과학자 대학교에서 캐나다 몬트리올.,

Srivastava 는 추가를 해결하는 가장 좋은 방법이 과도한 자를 인용—기타의 게임용 기반 지표—지 않을 게시하는 이제까지 더 자세한 표준화된 테이블 및 복합 측정기 비교 연구자들은 서로에 대한. 이들은 자신의 결함,그는 말하기를,그리고 이러한 접근을 위험에 빠는 과학자들은 더욱 세계로의 평가에 의해 개인 수준의 측정치로 문제를 incentivizes 게임에서 첫 번째 장소입니다.

“우리는 편집자와 리뷰어에게 부당한 자기 인용문을 주시하도록 요청해야합니다.”라고 Srivastava 는 말합니다., “어쩌면 이러한 거친 메트릭 유틸리티의 국기를 조금 더 자세히 들여다보. 그러나 궁극적으로 솔루션은 메트릭을 두 배로 낮추는 것이 아니라 전문가 동료 판단으로 전문 평가를 재정렬해야합니다.”캐시디를 차,정보의 과학자 at Indiana University Bloomington,하는 것에 동의 더 메트릭되지 않을 수도 있에 대답:”순위 과학자들은 좋지 않습니다.그러나 Ioannidis 는 그의 작업이 필요하다고 말합니다. “사람들은 이미 어쨌든 개인 수준의 메트릭에 크게 의존하고 있습니다., 문제는 정보가 정확하고 가능한 한 조심스럽게 체계적으로 컴파일되었는지 확인하는 방법”이라고 그는 말합니다. “인용 메트릭은 사라질 수 없으며 사라지지 않아야합니다. 우리는 그들의 많은 한계를 완전히 인정하면서 그들을 최대한 활용해야합니다.”