SNIP 지표의 통계적 한계와 분수계산 기반 대안

초록

**
Leydesdorff와 Opthof는 Scopus의 SNIP 지표가 평균을 중앙값으로 나누는 방식이라 통계적 오류와 표준오차를 제시할 수 없으며, 필드 구분에 기반한 정규화가 타당하지 않다고 비판한다. 대신 인용을 분수계산(fractional counting)하여 분야 차이를 보정하고, 통계적 유의성을 검증할 수 있는 방법을 제시한다.

**

상세 분석

**
본 논문은 SNIP(Source‑Normalized Impact per Paper) 지표가 “통계”라기보다 임의적인 비율에 불과함을 지적한다. SNIP은 한 분야의 인용 평균을 다른 분야의 중앙값으로 나누는 구조인데, 이는 평균·분산·표준오차와 같은 기본 통계량을 정의할 수 없게 만든다. 따라서 저자들은 저널 간 혹은 저널군 간 차이를 통계적으로 검증할 수 없으며, 결과적으로 ‘유의미한 차이’를 판단할 근거가 사라진다고 주장한다.

이에 대한 대안으로 제시된 것이 ‘분수계산’이다. 인용을 논문당 전체 인용수로 나누어 각 인용에 가중치를 부여함으로써, 분야별 인용 습관 차이를 자연스럽게 보정한다. 이렇게 정규화된 인용분포는 평균과 분산을 그대로 유지하므로, t‑검정이나 비모수 검정 등 기존 통계 기법을 적용해 저널 간 차이를 검증할 수 있다. 실제로 Leydesdorff와 Opthof는 Moed가 제시한 다섯 개 저널에 대해 2007년 데이터를 사용해 분수계산된 인용분포를 비교했으며, ‘Inventiones Mathematicae’와 ‘Annals of Mathematics’ 사이에 통계적으로 유의한 차이가 없음을 확인했다.

또한 저자들은 SNIP이 전제하고 있는 ‘분야 구분’ 자체가 불안정하다고 비판한다. 현재 사용되는 ISI Subject Categories나 Scopus의 문서 유형 구분은 검색 편의를 위해 만든 것이며, 과학적·정량적 근거가 부족하다. 예를 들어, ‘Short Survey’, ‘Note’, ‘Editorial’ 등 비전형적 문서가 인용에 포함되면 인용수 자체가 왜곡될 위험이 있다. 저자들은 Scopus와 SCI 데이터베이스를 비교하면서, 같은 저널이라도 인용 논문의 수와 유형이 크게 달라지는 사례를 제시한다. 이러한 불일치는 필드 기반 정규화가 근본적으로 오류를 내포하고 있음을 보여준다.

결론적으로, Leydesdorff와 Opthof는 (1) SNIP이 통계적 의미를 갖지 못한다는 점, (2) 필드 구분에 기반한 정규화가 타당하지 않다는 점, (3) 분수계산이 이러한 문제를 동시에 해결할 수 있는 실용적이며 통계적으로 검증 가능한 방법이라는 세 가지 핵심 주장을 전개한다. 향후 이들을 확장해 저널을 계층화하고, 보다 신뢰할 수 있는 연구 성과 평가 체계를 구축하려는 연구가 진행 중임을 밝힌다.

**