预测哪些论文可能成为高被引论文

武夷山

技术预测与社会变革（TFSC）杂志2014年1月号发表汤森路透的高级分析师Ilya V. Ponomarov与其合作者共同撰写的文章，Predicting highly cited papers: A method for early detection of candidate breakthrough（预测高被引论文：潜在突破性成果的早期识别）。

他们用被引总数和月度被引次数作为“科学影响力”的替代变量。

研究流程如下：

1.      考察一个发表了潜在突破性成果的论文（简记为BP）的已知集合；

2.      针对每一篇BP，找出一篇类似论文，形成更大的集合；

3.      根据累计引用量，确定一个突破性成果被引次数的门限值；

4.      识别高被引论文之被引行为的时变特征；

5.      选择能够描述这一行为的理论模型；

6.      利用论文发表后半年至两年的早期引用曲线来拟合、外推两年之后的被引量；

7.      将预测值与实际值进行对比。

具体说来，他们从分子生物学和遗传学领域挑出了11篇BP论文。选择在本领域被引次数的前1‰作为门限值。

他们用两种模型进行拟合，一个是线性模型，一个是非线性模型。

考察两种情景。一个是在发表后半年内至少被引用了5次的文献集合中来寻找潜在突破性成果，这样做，能一下子筛掉98.5％的论文，但也将后来被证明为BP论文的59％给排除在外了，即排除掉了51篇BP论文中的30篇。第二种情景，将在发表后1年内至少被引用了10次的文献集合给整理出来，此时，可以将97.7的论文筛掉，识别出来的BP论文的准确率达到94％（51篇中识别出48篇）。

线性模型所预测出的被引次数比实际次数要少，而非线性模型所预测出的被引次数比实际次数要多，即前者低估，后者高估。

博主：该文所采用的方法，肯定识别不出睡美人文献。

该文摘要如下：

Abstract

Scientific breakthroughs are rare events,and usually recognized retrospectively. We developed methods for early detection of candidate breakthroughs, based on dynamics of publication citations and used a quantitative approach to identify typical citation patterns of known breakthrough papers and a larger group of highly cited papers. Based on these analyses, we proposed two forecasting models that were validated using statistical methods to derive confidence levels. These findings can be used to inform research portfolio management practices.