공동저자 효과를 반영한 새로운 연구업적 지표

초록

본 논문은 기존의 h‑index가 공동저자의 기여도를 충분히 고려하지 못한다는 문제점을 지적하고, 각 논문의 인용수가 그 논문의 모든 공동저자 각각의 h‑bar 값보다 크거나 같을 때만 해당 논문을 연구자의 h‑bar에 포함시키는 새로운 지표 h‑bar(에이치바)를 제안한다. h‑bar는 공동연구의 실질적 기여도를 반영함으로써 연구자의 독립적 영향력을 보다 정확히 평가한다는 목표를 가진다.

상세 분석

제안된 h‑bar 지표는 전통적인 h‑index와 달리 “논문의 인용수 ≥ 해당 논문의 모든 공동저자 각각의 h‑bar”라는 엄격한 기준을 적용한다. 이 기준은 두 가지 핵심적인 효과를 만든다. 첫째, 다수의 공동저자와 함께 발표된 논문이 인용수가 충분히 높지 않다면 해당 논문은 연구자의 h‑bar에 기여하지 못한다. 따라서 연구자는 자신의 실제 기여도가 높은 논문에 집중하도록 유도된다. 둘째, 공동저자 중 어느 한 명이라도 높은 h‑bar를 보유하고 있으면, 그 논문의 인용수가 그 수준에 미치지 못할 경우 전체 논문의 가치를 낮추는 ‘상향 압력’이 작용한다. 이는 저자 순서와 무관하게 모든 공동저자의 과거 성과를 반영함으로써, “명예 저자” 현상을 억제하고 실질적인 학술적 영향력을 측정한다는 점에서 의미가 크다.

수학적으로 h‑bar는 자기 자신과 공동저자들의 h‑bar 값을 동시에 만족시키는 최대 정수 h̄*를 찾는 과정으로 정의된다. 이 과정은 반복적인 계산을 필요로 하는데, 초기값을 기존 h‑index로 설정하고, 각 단계에서 공동저자들의 h‑bar를 업데이트하면서 수렴한다. 논문은 이 알고리즘의 수렴성을 증명하고, 복잡도는 O(N·M) (N은 연구자 수, M은 논문 수) 수준임을 보여준다.

실증 분석에서는 물리학, 생물학, 컴퓨터 과학 분야의 대표적인 학자 200명을 대상으로 h‑index와 h‑bar를 비교하였다. 결과는 h‑bar가 동일 분야 내에서 연구자의 독립적 영향력을 더 세밀하게 구분한다는 것을 보여준다. 예를 들어, 대규모 협업 프로젝트에 많이 참여한 연구자는 h‑index가 높게 나타날 수 있지만, h‑bar는 상대적으로 낮아 실제 핵심 기여도가 낮음을 드러낸다. 반대로, 소규모 팀이나 단독 연구를 수행한 학자는 h‑bar가 h‑index와 비슷하거나 더 높게 나타났다.

하지만 몇 가지 한계도 존재한다. 첫째, h‑bar는 초기값 설정에 따라 수렴 속도가 달라질 수 있어, 데이터베이스에 저장된 인용 정보가 최신이 아닐 경우 왜곡이 발생한다. 둘째, 공동저자 수가 매우 많은 경우(예: 수백 명 규모의 대형 프로젝트) 모든 공동저자의 h‑bar를 일일이 확인해야 하는 부담이 크다. 셋째, 분야마다 인용 문화가 다르므로, h‑bar의 절대값을 직접 비교하기보다는 동일 분야 내 상대적 순위로 활용하는 것이 바람직하다.

이러한 한계를 보완하기 위해 논문은 두 가지 확장 방안을 제시한다. 첫 번째는 “가중 h‑bar”로, 공동저자들의 h‑bar에 저자 순서 혹은 기여도 비율을 반영하는 가중치를 부여하는 방법이다. 두 번째는 “클러스터 기반 h‑bar”로, 동일 연구 그룹 내에서 공동저자들의 h‑bar 평균을 사용해 계산 복잡도를 낮추는 접근법이다. 두 방안 모두 초기 실험에서 기존 h‑bar보다 계산 효율성을 개선하면서도 핵심적인 평가 특성을 유지함을 보였다.

결론적으로, h‑bar는 공동저자 효과를 정량화함으로써 연구자의 독립적 학술적 영향력을 보다 공정하게 평가할 수 있는 유망한 지표이다. 향후 연구에서는 다양한 학문 분야와 데이터베이스에 적용해 장기적인 안정성 및 변동성을 검증하고, 정책적 활용 방안을 모색할 필요가 있다.