Уважаемые коллеги, как и обещали, пост от Ника Бурлова.

💡 Всем привет! 6 декабря я читал лекцию про индекс Хирша, после которой мне было предложено для ННАДМ написать пост про его альтернативы

Время пришло...

Есть несколько известных альтернатив (а сколько ещё неизвестных 😱):
- i10-index
- g-index
- m-value
- average citation и прочие

i10-index
https://scholar.googleblog.com/2011/11/google-scholar-citations-open-to-all.html?m=1

Отражает количество публикаций, процитированных не менее 10 раз

Данный индекс создан и реализован в Google Scholar, очень простой в расчете. В этом же его плюс и минус.

Проблема в том, что в разных областях цитирование 10 раз неравномерно. Есть такие, где это делается несложно, есть где сложнее.
Также он будет равен 0 у авторов с низким цитированием (что почему-то их ровняет с авторами без цитирований).

g-index https://link.springer.com/article/10.1007/s11192-006-0144-7

Он чем-то похож на h-index (ранжирует по цитируемости статьи), но более интересный

Суть его такая:
1. Ранжируем статьи по цитированию
2. Суммируем количество цитирований первых n-статей
3. Сравниваем эту сумму с квадратом n
4. Если квадрат n превышает сумму, то останавливаемся на n-1

Пример, у автора 7 статей, каждая процитирована 15, 10, 10, 5, 4, 3, 2 (уже 1 шаг выполнили)

2. Сложим все 15+10+10+5+4+3+2=49
3. Сравниваем 49 с количеством статей в квадрате (7^2=49)
4. Равны, значит его g-index = 7 (h-index = 4)

Получается, что он учитывает вес статей (в контексте цитирований), что позволяет иметь высокий g-index даже при небольшом количестве статей (или если из всех одна процитирована много раз - "хитовая")

Но в то же время из-за таких аномально "хитовых" статей g-index может быть чрезмерно завышен (представим, что из 22 статей лишь одна имеет 500 цитирований, остальные - 0, g-index=22, h-index = 1)

m-value и другие модификации h-index'а (individual, Fractional, Normalized, e-index, o-index и прочее)
https://www.pnas.org/doi/full/10.1073/pnas.0507655102

Все они нацелены на коррекцию h-index'а (он везде внутри). Зачем? Что устранить его недостатки, о которых я рассказывал в лекции. На практике я их не встречал и думаю, что без целенаправленного поиска вы их тоже не встретите. Минусы? Те, которые не устраняются, остаются.

Average citation

Тут все просто, среднее цитирование всех работ. Просто, легко, удобно. Но искажается экстремальными результатами и большим количеством 0 (если они есть).

RG score

Методология расчета не раскрыта. Пам! Использовался в ресурсе ResearchGate. Был удален с июля 2022 года (продолжался 10 лет). What's next? Можно прочитать здесь https://www.researchgate.net/researchgate-updates/removing-the-rg-score

Думаете это все? https://en.m.wikipedia.org/wiki/Author-level_metrics

Каждый раз придумываются новые метрики, что померить вклад ученого в науку или его научную активность. Каждый раз находятся ограничения и проблемы метрик. Каждый раз находят возможности накручивать метрики. Но многие хотят простого решения - одну цифру.

💡Но вспоминая Хирша, нужно помнить, что это лишь дополнительный инструмент, которым нужно учиться пользоваться аккуратно.

⚠️ Уважаемые коллеги, от имени Академии мы хотим поблагодарить Ника Бурлова и рекомендуем всех подписаться на его замечательный ресурс: ТГ канал EBM_base

👨‍🏫 Читайте. Думайте. Делитесь. Создавайте.

ТГ канал | Чат | Сайт | Группа ВК | Ютуб | Контакты