Степенные зависимости в распределениях ссылок: свидетельства из базы данных Scopus

Abstract

Моделирование распределений ссылок к научным статьям является решающим моментом для понимания того, как развивается наука. Однако существует значительная эмпирическая полемика относительно того, какая статистическая модель лучше всего подходит для распределений ссылок. Данная статья касается точного эмпирического обнаружения поведения степенного закона в распределении ссылок, полученных наиболее высокоцитируемыми научными статьями. Использовался большой массив новых данных, касающихся ссылок к научным статьям, опубликованным в 1998 – 2002 гг. и взятым из Scopus. Модель степенной зависимости сравнивается с рядом альтернативных моделей, при этом используются вероятностные сравнительные признаки. Обнаружено, что гипотеза степенной зависимости отвергается для почти половины научных областей в Scopus. Для этих научных областей распределение Yule, степенной закон с экспоненциальным выключением и логарифмически нормальное распределение, кажется, лучше подходят для данных, чем чистая (строгая) модель степенной зависимости. С другой стороны, когда гипотеза степенной зависимости не отвергается, она обычно является эмпирически неразличимой от большинства альтернативных моделей. Чистая модель степенной зависимости, вероятно, представляется самой лучшей моделью только для наиболее высокоцитируемых статей в журнале «Physics and Astronomy». Кроме того, наши результаты, кажется, поддерживают теории, подразумевающие, что наиболее высокоцитируемые научные статьи следуют распределению Yule, степенной зависимости с экспоненциальным выключением или логарифмически нормальным распределениям. Наши результаты также предполагают, что степенные законы в распределениях ссылок, когда они имеют место, отчитываются только за очень небольшую часть опубликованных статей (менее 1% для большинства научных областей) и что пересчетный параметр (экспонент) степенной зависимости значительно выше (примерно от 3,2 до 4,7), чем обнаружено в более старой литературе.