사회적 인용이 과학 보상 시스템을 약화한다

초록

본 논문은 수학 정리 네트워크를 논리적·객관적 지식 체계의 기준으로 삼아, 기존 과학 인용 네트워크와 구조·기능적 차이를 비교한다. 정리 네트워크는 외부 사회적 요인이 거의 없으며, 인용 네트워크는 논리적 인용과 사회적 인용이 혼합돼 있다. 분석 결과, 인용 네트워크는 외향도 분포가 멱법칙을 따르고, 클러스터링이 높으며, 파괴성(Disruption)과 인용 횟수 사이의 양의 상관관계가 약하거나 음의 상관관계를 보인다. 반면 정리 네트워크는 외향도가 지수분포에 가깝고, 클러스터링이 낮으며, 파괴성이 높은 정리가 더 많이 인용되는 양의 상관관계를 나타낸다. 저자들은 ‘사회적 링크’ 비율을 조절하는 파라미터 q를 도입한 네트워크 생성 모델을 제시해 두 네트워크의 차이를 재현한다. 마지막으로 논문은 참고문헌 형식을 논리적 인용과 사회적 인용을 구분하도록 개정할 것을 제안한다.

상세 분석

이 연구는 과학 인용 시스템이 순수히 지식의 연결을 반영하기보다 저자·기관·국가·성별 등 다양한 사회적 요인에 의해 왜곡된다는 가설을 검증한다. 이를 위해 저자들은 메타매스(Metamath)에서 추출한 26 426개의 정리와 466 480개의 논리적 연결을 ‘수학 정리 네트워크’로 구축하였다. 비교 대상으로는 SciSciNet에서 얻은 일반 과학 인용 네트워크(39 028 노드, 169 472 링크)와 고에너지 물리 이론 인용 네트워크(cit‑HepTh, 27 400 노드, 351 884 링크)를 선택했으며, 네트워크 규모 차이를 최소화하였다. 구조적 분석에서는 세 네트워크 모두 전체 차수와 진입 차수가 멱법칙 꼬리를 보이지만, 정리 네트워크의 외향도는 지수분포에 가깝고 인용 네트워크는 여전히 멱법칙을 따른다. 또한, 정리 네트워크에서는 외향도가 큰 정리가 평균적으로 낮은 진입도를 가지는 반면, 인용 네트워크에서는 외향도가 클수록 진입도가 증가하는 양의 상관관계가 관찰되었다(스피어만 ρ = ‑0.325, 0.148, 0.353). 클러스터링 계수 역시 정리 네트워크(0.042)가 낮고, 인용 네트워크(0.108‑0.157)가 높아 사회적 연결이 삼각구조를 촉진함을 시사한다. 기능적 측면에서는 파괴성 지표와 인용 횟수 간의 피어슨 상관을 계산했으며, 정리 네트워크는 약한 양의 상관(0.193)인 반면, 두 인용 네트워크는 거의 무상관(0.031) 또는 약한 음의 상관(‑0.040)을 보였다. 부트스트랩 검증을 통해 정리 네트워크에서는 상위 20% 인용 정리가 평균 파괴성이 더 높았지만, cit‑HepTh에서는 그 반대 현상이 나타났다. 또한, 파괴성의 지니 계수는 정리 네트워크가 0.040으로 가장 평등했으며, 인용 네트워크는 0.143‑0.156으로 불평등이 심했다. 이러한 차이를 설명하기 위해 저자들은 ‘논리적 링크’와 ‘사회적 링크’를 구분하는 생성 모델을 제안한다. 모델은 매 시점 새로운 노드를 추가하고, 논리적 유사도 기반으로 선호 연결을 만든 뒤, 선택된 목표 노드의 이웃에 확률 q로 추가 연결을 생성한다. q = 0이면 순수 논리적 정리 네트워크, q > 0이면 사회적 요인이 섞인 인용 네트워크가 된다. 파라미터 조정을 통해 실험 데이터와 유사한 차수 분포, 클러스터링, 파괴성‑인용 상관을 재현함으로써 사회적 인용이 보상 시스템을 왜곡한다는 주장을 모델 수준에서도 뒷받침한다. 최종적으로 논문은 참고문헌 형식을 ‘논리적 인용’과 ‘사회적 인용’으로 구분하도록 저널 정책을 개정할 것을 촉구한다.