PNAS發文：“同質化”論文暴增從根本上阻礙了科學的進步

實驗證明及分析

總結來看，在大多數學科領域中，高引用量的經典論文一直持續佔據主導地位，這導致新論文的引用幾率較低，並隨着時間的推移淹沒在了海量論文庫中。此外，從內容上來講，最新發表的論文更傾向於擴展現有理論，而不是進行底層創新，很少有打破常規的新觀點被提出。以下是241門細分學科和9000萬篇論文的實證結論：

一、在大多數學科中，引用最多的論文獲得了更高的引用份額。

如圖1（A），引用次數最多的論文在最大研究領域的基尼係數為0.5，相當於貧富差距最大的兩個國家的係數水平——只有中國和南非的基尼係數高於0.5。重要的是，論文引用份額的嚴重失衡，導致研究方向出現明顯的“馬太效應”。

圖1：不同學科論文引用量的動態變化過程

左圖（A）表明，當某個領域發表的論文越多，被引用最多的論文在新引用中所佔比例就會越大；右圖（B）表明，當某個領域發表的論文越多，高引用論文的排名就越穩定。

如電氣和電子工程領域，如果每年有10000篇論文出版，前0.1%的論文獲得1.5%的引用概率，前1%的論文獲得8.6%的引用；如果發表50000篇論文，前0.1%的論文獲得3.5%的引用，前1%的論文獲得11.9%的引用；如果發表10萬篇論文，前0.1%的論文獲得5.7%的引用，前1%的論文獲得16.7%的引文。相比之下，隨着每年論文發表量的增多，50%低引用論文在新引用中所佔份額明顯下降，從每年10000篇論文 43.7%的引用次數佔比，下降到每年50000篇和100000篇論文佔比僅稍稍高於20%。

二、在範圍更大的學科領域，論文發表數量越多，引用最多的論文在高引排名中的波動越小。

如圖1（B）所示，在引用最多的前50篇論文中，論文發表的本年和下一年之間在排名上存在明顯的相關性。而在隨後的幾年，如果預測前50名引用最多的論文的斯皮爾曼等級係數，該係數從一年1000篇論文的0.25，增加到了一年100000篇論文的0.74。這是因為當研究範圍較大時，引用最多的論文每年都會保持其引用次數，而其他所有論文的引用次數都會減少。

圖2：引用衰減率

圖（A）表明儘管有大量新論文發表，引用最多的論文平均每年保持在高引用前列；圖（B-C）表明除引用最多的論文外，所有論文在該研究領域的引用次數均逐年減少。圖（D）表明在所有學科領域，只有引用最多的論文每年保持高引用水平，其他所有論文平均每年的引用量都較少。

上圖顯示了在不同引用份額上論文本年與上一年引用的預測比率。可以看出，在論文發表量少的年份，引用最多的論文比例明顯低於1，與引用較少的論文沒有太大區別。然而，當論文發表量增加時，引用最多的論文比例接近1，明顯超過引用量較少的論文。如果某領域一年發表100000篇新論文，引用最多的論文平均每年收到的引用數量不會出現明顯下降，但在年度引用最多的論文中，排名前1%的論文每年平均會損失約17%的引用次數，而排名前5%及以下的論文會損失四分之一的引用次數。

三、如果同年發表大量論文，其中一篇論文進入該領域最高引用0.1%的概率會明顯下降，且不同學科和各個年份都遵循這一規律。

圖3（A）表明，如果是小眾學科領域，論文會隨着時間的推移而慢慢上升到最常引用的前0.1%。如圖3（B），1980年所有學科的線性回歸預測顯示，在1000篇新論文中，一篇論文達到該領域引用率最高的0.1%需要9年時間。

圖3：新論文進入高引用排名的可能性

圖（A）表明，一篇新在該學科領域進入最常引用0.1%的概率會隨着論文的增多而降低。圖（B）表明如果同一年發表大量論文，其中一篇並不會隨着時間而逐漸積累到最常引用0.1%的範圍內。

相比之下，如果是主流學科領域，一篇新論文會迅速躍升到排名列表的頂端。如圖3（B）的回歸預測，在100000篇新論文中，一篇進入前0.1%的中位數只需要不到一年的時間。

四、同年發表的論文大多建立在現有文獻的基礎上，而不是突破現有文獻。

圖4（A）表明，當某個學科領域每年發表1000篇論文時，顛覆性的創新論文佔比49%；當每年發表10000篇論文時，該比例下降至27%；每年發表100000篇論文時，進一步下降到13%。即使當D>0時，新發表論文的創新性也會在更廣泛的研究領域內被減弱。

圖4：學術創新傾向圖

圖（A）表明多年來各個學科發表的新論文傾向於擴展現有的理論，而不是引入顛覆性的創新觀點（藍色代表D>0；紅色代表D<0）。圖（B）表明在各個學科中，同一年發表的大量論文普遍不太可能具有高度的創新性（D≥ 0.0256).

研究人員注意到，“場大小”所帶來的影響明顯超過了時間維度的影響。隨着一個科學研究領域的擴展，資深學者的引用模式會發生明顯變化。即使是久負盛名、經驗豐富的學者，在許多新論文發表時也會更多地引用經典文章。