h 알파 지수가 과학의 매튜 효과를 강화하는가? Stata와 R을 활용한 에이전트 기반 시뮬레이션

초록

본 연구는 Hirsch가 제안한 hα 지수가 과학자들의 인용 누적 효과, 즉 매튜 효과를 강화하는지를 검증한다. 최신 Stata 명령어와 R 패키지를 이용해 에이전트 기반 모델을 구축하고, 논문 저자 순위와 전략적 출판 행동을 변수로 설정하였다. 시뮬레이션 결과 hα 지수가 기존 h 지수보다 높은 저명도 과학자에게 유리하게 작용하며, 전략적 협업과 누적적 이득을 포함할 경우 그 효과가 더욱 증폭됨을 확인하였다.

상세 분석

이 논문은 먼저 Hirsch(2019a)가 정의한 hα 지수의 개념을 명확히 정리한다. hα 지수는 연구자의 h‑core(즉, h‑index를 구성하는 논문 집합) 중에서 해당 연구자가 α‑author, 즉 가장 앞선 저자(또는 지정된 저자 순위)인 논문의 수를 세는 지표이다. Leydesdorff·Bornmann·Opthof(2019)는 이 지수가 이미 높은 인용을 받은 논문에 추가적인 가중치를 부여함으로써 ‘부자에게 더 부를 주는’ 매튜 효과를 강화할 위험이 있다고 비판하였다. 저자들은 이를 검증하기 위해 두 가지 주요 도구를 개발하였다. 첫째, Stata용 h_index 명령어는 연구자별 논문 데이터베이스를 입력받아 h‑index와 hα 지수를 동시에 계산하고, 시뮬레이션 파라미터를 조정할 수 있다. 둘째, R 패키지 hindex는 동일한 기능을 제공함과 동시에 에이전트 기반 모델링(ABM) 프레임워크와 연동되어, 연구자 에이전트가 논문을 발표하고 인용을 축적하는 과정을 시계열적으로 재현한다.

시뮬레이션 설계는 다음과 같다. 초기 연구자 집단은 인용 능력(‘능력 파라미터’)을 정규분포로 할당받으며, 매 시점마다 새로운 논문을 발표한다. 논문의 인용 횟수는 저자 능력과 기존 인용 누적량(‘누적 이점’)에 비례하도록 설계하였다. 전략적 행동 변수로는 ‘선도 저자 전략’(연구자가 자신의 논문에서 α‑author가 되도록 공동저자를 선택)과 ‘협업 집중 전략’(고인용 연구자와의 공동연구 비율 증가)이 포함된다. 각 시나리오별로 h와 hα 지수를 동시에 추적하고, 두 지표 간 격차와 인용 분포의 불균형 정도를 Gini 계수와 상위 10% 연구자 비중으로 측정하였다.

결과는 일관되게 나타났다. 기본 시나리오(전략적 행동 없이 순수 확률적 출판)에서도 hα 지수는 h‑index보다 상위 10% 연구자에게 더 높은 값을 부여했으며, Gini 계수는 hα 기준으로 0.42에서 0.48로 상승했다. 전략적 행동을 도입하면 이 격차는 더욱 확대되었다. 특히 ‘선도 저자 전략’은 고인용 연구자가 자신의 논문에서 α‑author가 되는 비율을 70% 이상으로 끌어올렸고, 이에 따라 hα 지수는 h‑index 대비 평균 1.8배 높은 값을 기록했다. ‘협업 집중 전략’ 역시 고인용 연구자와의 공동연구가 늘어날수록 인용 누적 효과가 비선형적으로 증폭돼, hα 지수가 매튜 효과를 강력히 재생산한다는 결론을 뒷받침한다.

이러한 결과는 hα 지수가 단순히 연구자의 핵심 기여도를 측정하는 도구가 아니라, 이미 높은 인용을 받은 연구자에게 추가적인 평가 혜택을 제공함으로써 과학계의 불평등을 심화시킬 수 있음을 시사한다. 논문은 마지막으로 정책적 함의를 제시한다. 평가 시스템에 hα 지수를 도입하려면, 전략적 저자 순위 조작을 방지하기 위한 메커니즘(예: 저자 순위 투명성 강화, 공동저자 기여도 정량화)과 함께, 누적 이점을 보정하는 정규화 절차가 필요하다고 주장한다.