인용 엔트로피와 연구 영향 평가

초록

새로운 실수형 s‑index를 제안하여 연구자의 논문 인용 품질과 영향을 정량화한다. 기존 h‑index의 한계(예: 순위 변동성, 낮은 인용 논문 무시)를 보완하려 하지만, 실제 데이터에서는 Zipf‑법칙을 따르는 경우 h‑index가 이미 충분히 좋은 지표임을 보여준다. 논문은 한 숫자로 연구 성과를 평가하는 위험성을 풍자적으로 강조한다.

상세 분석

본 논문은 인용 분포의 엔트로피 개념을 도입해 s‑index라는 연속형 지표를 정의한다. 구체적으로 각 논문의 인용 횟수를 확률분포 p_i = c_i/∑c_j 로 정규화하고, 엔트로피 H = −∑p_i log p_i 를 계산한다. 이후 s‑index = exp(H)·(∑c_i/ N) 와 같이 엔트로피와 평균 인용수를 결합해 연구자의 전체적인 인용 “다양성”과 “강도”를 동시에 반영한다. 이 접근법은 h‑index가 단순히 h 개의 논문이 h 번 이상 인용됐는지만을 고려하는 반면, s‑index는 인용이 고르게 분포했는지, 혹은 몇몇 논문에 집중되었는지를 정량화한다. 논문은 시뮬레이션과 실제 데이터(물리·생물·사회과학 분야)를 이용해 두 지표를 비교한다. 결과는 Zipf‑법칙(인용 횟수 ∝ 랭크^−α) 형태를 보이는 경우 α ≈ 1에서 h‑index와 s‑index가 높은 상관관계를 보이며, s‑index가 추가적인 정보를 제공하지 못함을 보여준다. 반면 α 가 크게 변하거나 인용 분포가 비정형적일 때 s‑index는 h‑index가 놓치는 “인용 집중도”를 드러낸다. 또한 s‑index는 실수값이므로 미세한 차이를 구분할 수 있어 연구자 간 비교에 유연성을 제공한다. 그러나 계산 복잡도와 해석상의 어려움(엔트로피 의미에 대한 직관적 이해 부족) 때문에 실제 평가 시스템에 도입하기엔 장벽이 있다. 저자는 이러한 기술적 장점을 인정하면서도, 단일 수치에 의존하는 평가 자체가 “그로테스크 게임”이라는 점을 강조한다.