저자 인용 잠재력 측정: 분야 간 불변 과학 성과 지표

초록

본 논문은 저자의 연구 활동을 생산(논문 수), 영향(인용 수), 참고(참고문헌 수) 세 차원으로 구분하고, 이들 비율을 이용해 분야에 관계없이 비교 가능한 인용 잠재력 지표를 제안한다. CSIC 연구센터의 120명 고생산 저자를 대상으로 실증 분석한 결과, 생산‑영향 비율이 가장 높은 정규화 효과를 보이며, 학문 분야와 저널 영향 지표에 따라 일관된 평가가 가능함을 확인하였다.

상세 분석

이 연구는 기존에 저널 수준에서만 논의되던 인용 잠재력(citation potential)을 저자 수준으로 확장한다는 점에서 학술 평가 방법론에 새로운 시각을 제공한다. 저자는 먼저 연구 활동을 ‘생산(production)’, ‘영향(impact)’, ‘참고(reference)’이라는 세 축으로 정의한다. 생산은 저자가 발표한 논문의 수, 영향은 해당 논문이 받은 총 인용 횟수, 참고는 논문이 인용한 문헌의 총 수를 의미한다. 이 세 변수는 각각 학문 분야마다 평균값이 크게 달라 ‘필드 정규화(field normalization)’가 필요함을 강조한다.

논문은 세 차원의 비율, 즉 생산/영향, 생산/참고, 영향/참고 비율을 새로운 정규화 지표로 제시한다. 특히 생산‑영향 비율(P/I)은 저자가 만든 지식량 대비 실제로 받은 인용량을 나타내며, 높은 값은 효율적인 영향력을 의미한다. 저자는 이 비율이 기존의 ‘crown indicator’와 같은 저널 기반 정규화 지표와 유사한 정규화 효과를 보인다고 주장한다.

실증 분석에서는 스페인 CSIC 연구센터의 4개 학문 분야(자연과학, 공학, 사회과학, 인문학)에서 무작위로 선정한 120명의 고생산 저자를 대상으로 데이터를 수집했다. 각 저자에 대해 총 논문 수, 총 인용 수, 총 참고문헌 수를 구하고, 세 비율을 계산하였다. 이후 각 비율이 분야 내 변동(Within‑Group Variance) 대비 분야 간 변동(Between‑Group Variance)을 얼마나 감소시키는지를 ANOVA 방식으로 평가했다. 결과는 생산‑영향 비율이 가장 큰 비율 감소를 보였으며, 이는 분야 간 차이를 효과적으로 억제하면서도 개인별 성과를 정확히 반영한다는 것을 의미한다.

또한, 저자는 다양한 저널 영향 지표(예: IF, SJR, CiteScore)와 생산‑영향 비율의 상관관계를 검증했다. 모든 지표에서 일관된 양의 상관관계가 나타났으며, 특히 IF와의 상관계수가 가장 높았다. 이는 생산‑영향 비율이 저널 수준의 영향력과도 연계될 수 있음을 시사한다.

연구의 한계로는 표본이 CSIC의 고생산 저자에 국한되어 일반화 가능성이 제한될 수 있다는 점, 그리고 참고문헌 수가 분야마다 기록 방식이 다를 수 있어 데이터 정제 과정에서 오류가 발생할 가능성이 있다는 점을 언급한다. 향후 연구에서는 다양한 국가·기관·분야를 포괄하는 대규모 데이터베이스를 활용하고, 시간적 변화를 고려한 동적 모델을 구축함으로써 인용 잠재력 지표의 안정성을 검증할 필요가 있다.

결론적으로, 생산‑영향 비율은 저자 수준에서 분야 간 비교가 가능한 정규화된 인용 잠재력 지표로서, 학제간 연구기관의 인사·승진 결정, 연구비 배분 등 실무적 의사결정에 활용될 수 있다.