H指数(h-index)的发明人乔治·赫希(Jorge Hirsch)最近撰文指出,H指数不仅可以用于评估研究人员过去的学术水平,也可以用于预测未来的学术成就。
H指数是加利福尼亚大学圣地亚哥分校统计物理学家赫希在发明的,立刻引起了全世界学术界的广泛关注,论文在网上公布后,《自然》和《科学》杂志先后报道,正式论文于11月正式发表在《美国科学院院刊》上。
在H指数发明之前,常见的评估学术成就的方法有论文的总篇数和总引用率。但是前者的问题在于,那些只大量发表低影响力论文的人会因此受益,而后者的问题在于,一两篇高引用率的文章会掩盖了大量低引用率的文章。相比较而言,更公平的做法是计算文章的平均引用率。
但是,H指数已经被公认为比平均引用率更科学的指标。所谓H指数,是指一个人有N篇论文分别被引用了至少N次。例如,普林斯顿高等研究所的物理学家爱德·威顿(Ed Witten)的H指数是110,表明他有110篇文章每篇至少被引用了110次。
与其它统计方法不同的是,要确定一个人的H指数相当容易,只要到SCI网站,查出某个人发表的所有SCI论文,让其按被引次数从高到低排列,往下核对,直到某篇论文的序号大于该论文被引次数,那个序号减去1就是H指数。
世界物理、化学与计算机科学领域H指数排名(从高到低)
(注:不同领域不可比较。)
物理
1.Ed Witten 110
Institute for Advanced Study, Princeton
2.Marvin Cohen 94
University of California, Berkeley
3.Philip Anderson 91
Princeton University
4.Manuel Cardona 86
Max Planck Institute for Solid State Research, Stuttgart, Germany
5.Frank Wilczek 68
Massachusetts Institute of Technology
化学
1.George Whitesides 135
Harvard University
2.Elias James Corey 132
Harvard University
3.Martin Karplus 129
Harvard University
4.Alan Heeger 114
University of California, Santa Barbara
5.Kurt Wüthrich 113
Swiss Federal Institute of Biology, Zurich
计算机科学
1.Hector Garcia-Molina 70
Stanford University
2.Deborah Estrin 68
University of California, Los Angeles
3.Ian Foster 67
Argonne National Laboratory, Illinois
4=Scott Shenker 65
International Computer Science Institute, Berkeley
4=Don Towsley 65
University of Massachusetts, Amherst
4=Jeffrey D. Ullman 65
Stanford University
在最近的研究中,赫希从《物理评论B》(Physical Review B)中选出了50位论文作者,他们都是从二十世纪八十年代就开始发表论文了。赫希用各种不同的评估方法如H指数、论文总数、总引用率和平均引用率等,研究了这些人学术生涯的头的学术水平,看哪一种评估方法能够更准确地预测这些人接下来的的研究成果。
赫希发现,H指数的预测准确性比总引用率稍高,而且大大高于论文总数和平均引用率的准确性。
赫希还认为,H指数有几大好处。其一是H指数可以自动按照论文各作者的贡献大致分配功劳,从而大大避免了将一篇论文的引用次数归功于每一位合作者的情况。
此外,赫希声称,H指数很难做假,因为做假者必须大规模自引才能提高H指数。然而,批评者认为,自引确实能够显著提高H指数,加州大学圣地亚哥分校的James Fowler的研究组发现,科学家的一半引用率都与自引有直接或者间接的关系。德国开姆尼斯技术大学物理学家Michael Schreiber建议说,不如干脆将自引从H指数中完全排除出去。
这些争论瑕不掩瑜,H指数确实能够标示出谁是优秀的科学家。赫希说:“各个领域的人都在使用或者考虑使用H指数,将它作为招聘和研究经费评审的标准。我就亲眼见到过一些人在找工作的时候把H指数写进了简历。”Schreiber对此表示赞同。他说不管你喜不喜欢H指数,H指数现在已经深入人心,“不过把一个人的研究水平浓缩为一个数字,总是会引发一些问题,所以我们在使用的时候要特别当心它的局限性。”(科学网 何姣/编译)