全球两大引文数据库，都在悄悄少算引用次数

2019 年 6 月 14 日 科研圈

Scopus 和 Web of Science 是论文引用次数的权威统计工具，但是一项新研究发现，由于系统自身缺陷，标题中带有连字符的论文引用次数统计结果低于实际。标题中连字符数量越多、论文引用次数越多，损失的引用数也就越多。

图片来源：Pixabay

撰文戚译引

一项新研究证明，由于人为疏忽和论文数据库缺陷的共同作用，标题带有连字符的论文引用次数统计结果偏低，这一规律适用于各个学科。

本次研究的数据来自全球两大引文索引数据库—— Scopus 和 Web of Science。Scopus 属于爱思唯尔（Elsevier）旗下，它的统计数据被用于 QS 全球高校排名的评估，而 Web of Science 提供关于期刊影响因子和 h 指数（h-index）的权威统计结果。

这项研究由香港大学（University of Hong Kong）计算机科学荣誉教授 T.H. Tse 与伍伦贡大学（University of Wollongong）研究人员合作完成，于 5 月 7 日在《IEEE 软件工程学报》（IEEE Transactions on Software Engineering）发表。

粗心的同行

连字符会导致引用数量减少，一部分是由人为疏忽导致的。研究人员在论文中指出：“输入错误的一个很可能的原因是，当作者们引用标题中含有连字符的论文时，他们可能会漏掉其中一些连字符。”

这个结论与先前的另一项研究相符。先前的研究发现，许多研究人员不会检查引用文献的标注，甚至从别人的论文中直接复制粘贴部分参考文献列表，导致错误的引用被一再重复。

论文中还指出，如果一个科学家在引用某篇文献的时候出现了错误，他就很可能在接下来几年发表的多篇论文中继续犯同样的错误，因为错误的信息已经被储存在文献管理软件中（如 BibTex）。

不同学科中，论文标题中连字符数量与平均引用次数之间的关系。图片来源：University of Hong Kong

引用越多，损失越大

研究人员还发现了一种“累进税现象”。累进税（progressive tax）指税率按应纳税额的增加而逐级提高的税制，在这里指的是当你的论文引用数量越多，因为连字符标注疏忽而损失的引用数比例也就越大，论文中称之为“连字符税”。具体而言，当引用数 <20 的时候，标题中连字符数量对论文的引用次数影响不大；而当引用数 >180 的时候，标题中连字符数量将产生很大的负面影响。

出于同样的原因，和较晚发表的论文相比，较早的论文更容易受到标题中连字符数量的影响。在经历二次、三次引用的时候，如果先前的论文在参考文献中把标题写错了，这个错误可能会被重复；就算先前的论文写对了，下一个引用的人也可能犯错。

论文标题中的连字符甚至还会拉低期刊影响因子。以《IEEE 软件工程学报》为例，研究分析发现，该期刊在某一年的影响因子与其前两年中发表的论文“标题含‘-’率”（即有多大比例的论文标题中含有至少一个连字符）之间有显著的负相关。

一个连字符的 N 种写法

研究人员指出，他们选择连字符来测试系统的鲁棒性，是因为它的用法格外模糊。一个“-”可以代表至少 6 个不同的事物——连字符、减号、短破折号、长破折号、横杠（horizontal bar）、表单符号。

不同的数据库可能会对连字符进行不同的处理，最终导致汇总统计结果出现混乱。例如，一篇论文的原始标题是“Metamorphic Model-based Testing Applied on NASA DAT —an experience report”，前一个“-”是连字符，后一个“—”是破折号。Scopus 和 Web of Science 的系统都把破折号修改成连字符，Scopus 还在连字符后面加了一个空格；IEEE 数字图书馆把“—”替换成两个连字符“--”；ACM 数字图书馆和 Google Scholar 干脆把它换成了冒号。