作者：SANTOFORTUNATO,CARLT.BERGSTROM,KATYBRNER等
译者：陈曦
审校：崔浩川
编辑：王怡蔺、邓一雪
目录
一、结构摘要
1.背景
2.进展
3.展望
二、正文
1.摘要
2.科学家、科研机构与科研想法组成的网络
3.研究问题的选择
4.创新
5.科学家学术生涯的动力学
6.团队科研
7.引用量背后的动力学
8.展望
附：参考文献
在过去十年中，科学学吸引了自然、计算机和社会学等研究背景的科学家。他们一起构建了用来进行实证分析和生成模型研究的科研大数据，以捕捉科学背后的生产力与从业者的发展变化。科学学希望更深入地理解和推动科学研究中的种种因素，从而更有效地解决环境、社会和技术问题。
科学可以被视为一个不断扩大和演化的思想、学者和论文网络。科学学探寻基于科学结构和动态的普遍或特定领域的普世规律。
科学可以被描述为一个复杂的、自组织的，不断进化的网络。它由学者、论文和思想组成。这种描述问题的方法解释了很多潜在的模式，例如，对合作网络的研究和对引用网络的研究解释了新学科的诞生和重大发现的诞生过程。微观模型追踪了引文积累的动态，使我们能够预测单个论文在未来的影响力。
科学界限的致密化（densification）过程也是跨学科探索、融合和创新的信号。
识别科学发展背后的动力，构造能够捕捉科技发展的模型能够指导人们设计促进科学进步的政策。例如，通过加强科学家的职业道路的政策设计，更好的科学绩效考核，更有效的经费设计，甚至是识别将要诞生的前沿研究。科学学使用关于科学生产的大规模数据来寻找普遍和特定学科的规律和模式。在这里，我们回顾了科学学这个跨学科领域的最新发展。
大量关于学术输出的数字数据为探索表征科学结构和演化的模式提供了前所未有的机会。科学学将科学发展过程置于显微镜下，对科学发现、创造力和实践的起源有定量的理解。它能开发加速科学进步的工具和政策。
科学学的出现受到两个关键因素的驱使。
其次，科学学受益于自然，计算和社会科学家的涌入和合作，他们开发了基于数据的工具，使关键测试能在生成模型（generativemodels）上运行，旨在揭示科学发现的现象，其内部机理和驱动力。
这个新兴领域的亮点之一是打破学科边界的过程，科学学整合了来自多个学科的研究发现和理论，并使用了广泛的数据和方法。
从科学计量学中，学会了分析和衡量大规模数据集的方法;从科学社会学，它学会了一些理论概念和社会过程;从创新研究中，它探索从科学发现到发明和经济变革的途径。
科学学依赖于广泛的定量方法的整合，从描述性统计和数据可视化到高级计量经济学（econometric）方法，网络科学方法，机器学习算法，数学分析和计算机模拟，包括基于主体的建模方法（agent-basedmodeling）。
科学学的价值主张基于这样一个假设：随着对成功的科学突破背后因素的深入理解，从整体上把握科学的研究进展，从而更有效地解决社会问题。
2.科学家、科研机构与想法组成的网络
当代科学是由社会结构、知识表征（knowledgerepresenta-tions）和自然世界之间复杂的相互作用驱动的一个动力系统。科学知识是由研究论文、书籍、专利、软件和其他学术领域人造产物中的概念和关系构成的。这些内容被按照距离亲疏组织分类成学科和更广泛的领域。这些社会、概念和物质要素通过正式和非正式的信息、思想、科研实践、工具和案例信息流相互联系。
因此，科学可以被描述为一个复杂的、自组织的、不断发展的多尺度网络（multiscalenetwork）。
科学界限的致密化（densification）过程也是跨学科探索，融合和创新的信号。
对八个研究领域（10）的生命周期分析表明，成功的领域经历了知识和社交统一的过程，这导致协作网络（104）中的巨大通路，可以类比正常条件下相当大的一组共同作者。一个科学家在合作网络上随机游走（randomwalks）选择合作者的数学模型成功地再现了作者生产力、每个学科的作者数量和论文内容与作者的跨学科性（11）。
科学家如何决定研究哪些研究问题？科学社会学家早就推测，这些选择是由进行传统研究和创新的风险之间的紧张博弈而决定的（12，13）。坚持其领域研究传统的科学家通常会通过发布一系列稳定不断的研究成果来推动重心话题的究进程，从而显得富有成效。
科学家对研究课题的选择主要影响了他们的个人事业以及依赖他们的人的职业生涯。然而，科学家群体的决策有时候在决定科学发现方向上作用更大（图2）。研究策略保守意味着（15）个人职业发有稳定良好的前景，但对整个学科的促进效果较差。这种策略被名为文件抽屉问题（filedrawerproblem）的现象放大了（16）：与已建立的假设不一致的结果很少被发表，导致已发表研究的系统性偏见。站不住脚的和虚假的内容有时甚至被奉为经典（17）。
文件抽屉问题：指研究员对参考文献的选择偏见，与研究目不符的文献会停留在抽屉里而不是拿出来作为参考。
图2选择加速集体发现的实验。
（A.）一项研究衡量了2010年MEDLINE（医学数据库）发表的所有新药物的发现效率。该模型没有考虑特定实验的难度或费用的差异。这个全球科学战略的效率图体现了新发表的生物化学新通路（横轴）与平均实验次数（纵轴）之间的关系。与此对应的，可以制作药物之间的网络图。研究者使用了各种假想的策略效率来与现实情况的策略效率来进行对比，用完全随机，以及50％和100％发现最佳网络的优化策略。纵轴上的较低值表示更有效的策略，进行新发现的模式并不是最优的。实际策略最适合发现13％的化学网络，而50％优化的策略对于发现50％的化学网络有效，但两者都不如揭示整个网络的100％最佳策略一样好。
最具影响力的科学工作主要出自常规内容的组合，但它同时也出自不寻常的组合（25-27）。这种类型的论文获得高引用率的可能性是其两倍（26）。换句话说，新的和既有元素的混合是成功科学进步的最安全的途径。
生产力和职业长度的差异可以解释男女科学家之间的合作模式（38）和招聘率（35）上的差异。另一方面，实验证据表明，对女性的偏见发生在职业阶段的早期。当性别在一组申请人的履历中被随机分配时，招聘委员会系统性轻视女性候选人的成果（40）。
科学家的流动性是提供多元职业机会的另一个重要因素之一。大多数针对人才流动性的研究都集中在量化国家或地区的人才流入和流出上（41,42），这种研究尤其发生在政策变化之后。然而，对个人流动性及其职业影响的研究仍然很少，主要是由于难以获得关于科学家迁移的纵向信息以及流动决策背后原因的说明。
另一个影响职业的潜在因素是名声，以及它为出发点审核文献、评估提案和决策带来的两难困境。作者的声誉，以其先前产出的总引用量来衡量能够显着提高该论文在出版后的头几年所得的引用次数（47）。然而，在这个初始阶段之后，影响取决于科学界对工作的接受程度。这一发现以及引文（46）的工作表明，对于富有成效的科学事业而言，声誉不是第一生产力，努力工作，天分和知难而进才是驱动因素。
但是，最近的工作表明，早期职业发现的这种充分记录的倾向完全由生产力倾向解释，生产力在科学家的职业生涯的早期阶段很高，并且后来下降（49）。换句话说，创新中没有年龄模式：学者引用最多的论文可以是他或她的任何论文，与论文发表时的年龄或职业阶段无关（图3）。描述影响力发展的随机模型也表明，突破是由科学家的能力和挑选具有高潜力的问题直觉与运气相结合而产生的（49）。
图3科学学对科学职业的影响
去的几十年里，科研对团队合作的依赖程度与日俱增，这代表了科学研究方式的根本转变。对1,990万篇研究论文和210万项专利的作者进行的研究发现了一个几乎是普遍的科研领域的团队化趋势（50）（图4）。例如，在1955年，科学和工程团队撰写了与单个作者相同的论文数量。然而到2013年，团队撰写的论文比例增加到90％（51）。
如今，在科学和工程团队撰写的论文有6.3倍的可能获得1000以上的引用，或大于个体论文的引用，这种现象并不能由自我引用（self-citations）来解释（50,52）。一个可能的原因是团队能够提出更多新颖的想法组合（26）或生产其他研究者可以后续使用的资源（例如，基因组学）。
图4团队的规模和影响
平均而言，来自大型团队的研究员可以在各种领域获得更多的引用。研究表明，小型团队倾向于用新想法和机会变革科学和技术，而大型团队则推动现有的研究的进程（53）。因此，资助和培养各种规模的团队来缓和科学的官僚化可能很重要的（28）。
随着科学的加速和日益复杂，扩展知识前沿所需的工具在规模和精度上都日益提升。对大多数个人调查员来说，研究工具价值过高，有价无市，但对大多数机构来说也是如此。学术合作一直是解决这个问题的关键方案，这样就能将资源更多集中到科研上。
鉴于研究论文中作者的数量越来越多，谁应该并且确实获得最多的名誉？科学中名誉的错误分配的经典理论是马太效应（60），其中参与合作工作的较高地位的科学家因其贡献而获得超额名誉。为协作参与人员分配信誉是很困难的，因为不能轻易区分个人贡献（61）。但是，有可能检查共同作者论文的共同模式，以确定群体中的每个共同作者分配的信誉（62）。
学术引用仍然是科学中衡量学术成就的主流方式。鉴于对主流引用标准的长期依赖（63-66），引文积累的动态规律已被几代学者所验证。根据Price（67）开创性的研究，科学论文引文的分布是高度具有倾向性的：许多论文从未被引用，但开创性论文可以累积10,000或更多的引用。这种不均匀的引文分布是科学变动的一种强大的，自然出现的，革新的属性。当论文按机构分组时，它也成立（68）。并且如果一个论文的引用的次数除以论文同学科同年的平均引文，得到的分数分布是所有学科基本上无区别的（69，70）（图5A）。
这意味着通过查看相对引用量可以比较不同学科发表的论文的影响力。例如，一篇收集100篇引文的数学论文比300篇引文的微生物学论文具有更高的学科影响。
图5引文动态的普遍性
（A）如果每篇论文的引用次数c除以该学科所有论文的平均引用次数c0，那么在同一学科和年份上发表的论文的引用分布，各个学科基本上都是统一的。虚线是对数正态拟合曲线。（69）
分布的尾部信息能够捕捉高影响力论文的数量，揭示驱动引用数量累计的机制。最近的分析表明，它遵循幂律分布（71-73）。幂律的尾部可以通过累积优势的过程产生（74），网络科学中将其称为偏好依附（preferentialattachment）（75），表明引用论文的概率随着它已经积累的引用次数增长而增长。
消除在科学中使用定量评估指标的不一致性和常用统计数据背后，生成这些数据的内在机制是科学学研究中十分重要的机制。
尽管科学研究确实有它的普遍性，但文化、习惯和偏好方面的实质性学科背景差异使得某些领域内的某些跨领域见解变得难以理解，与其对应的政策则难以实施。每个学科所要求的问题、数据和技能之间的差异表明，可以从特定领域的科学学研究中获得进一步的见解。这些研究模拟和预测适应每个学科领域中的需求和机会。对于年轻的科学家来说，科学学的研究结果提供了过去科研有效的见解，有助于指导他们对未来的预见（Box1）。
Box1：科学学给我们的经验教训
因此，在不久的将来，准-实验方法（quasi-experimentalapproaches）将在科学学调查中占主导地位。
科学系统和经济系统类似，它是一个使用一维“货币”引文的经济系统。这暗示阶层也存在于科研系统，其中“富人愈富”抑制了新思想的传播，特别是那些新晋科学家和那些不符合特定领域传统身份的人。
但是，由于需要大量的指标，需要做更多的工作来了解每个指标的作用和不捕获的内容，以确保有意义的解释并避免滥用。科学学可以通过提供模型做出种种贡献，这些模型可以更深入地理解科学绩效指标的覆盖范围以及背后的机制。例如，当使用替代指标（例如，文献下载的分布）时观察到的经验模型将使我们能够探索它们与基于引用数量的度量系统之间的关系（94）并且识别暗箱操作。
将基于引用数量的指标与其他指标相结合将促进科研的多元发展，并实现科研生产力的分工，由此科学家可以通过不同方式取得成就。科学是一个生态系统，不仅需要出版，还需要传播者、教师和注重细节的专家。我们需要能够提出新颖的，改变革新的问题，以及能够回答问题的人。如果好奇心、创造力和知识能有效交流——特别是关于科学技术的应用和社会影响之类的信息——更多元化的方法可以减少重复，科学便能蓬勃发展（95）。
科学学试图解决的一个问题是科学资金的分配。目前的同行评审制度存在偏见和矛盾（96）。几种替代方案已经被提出，例如随机分配资金（97），不涉及提案和审查制度的向专门人员导向的资金（31），向在线人群开放的审查机制（98），去除审稿人绩效的评审机制（99）和科学家众筹（100）资金。
科学学（SciSci）未来研究的一个关键领域是与机器学习和人工智能的整合，让客观的机器和人类一起工作。这些新工具将会有一个令人愉快的深远，因为机器可能比人类合作者更能拓宽科学家的视野。例如，自动驾驶车辆是机器学习技术，是由人类已知的驾驶技术和未知的驾驶习惯信息的成功组合。心智-机器伙伴关系的研究给广泛的卫生、经济、社会、法律等领域的决策上提供了广泛的正面作用（101-103）。如何通过机器与心灵关系改善科学，以及怎么安排能够让科学发展更具成效？这些问题有助于我们了解未来的科学。
参考文献
1.E.Garfield,Citationindexesforscience;anewdimensionindocumentationthroughassociationofideas.Science122,108–111(1955).doi:10.1126/science.122.3159.108;
pmid:14385826
2.D.J.S.Price,LittleScience,BigScience(ColumbiaUniv.Press,1963).
3.J.G.Foster,A.Rzhetsky,J.A.Evans,Traditionandinnovationinscientists’researchstrategies.Am.Sociol.Rev.80,–908(2015).875doi:10.1177/
4.S.Milojevi,Quantifyingthecognitiveextentofscience.J.Informetr.9,962–973(2015).doi:10.1016/j.joi.2015.10.005
5.T.Kuhn,M.Perc,D.Helbing,Inheritancepatternsincitationnetworksrevealscientificmemes.Phys.Rev.X4,041036(2014).doi:10.1103/PhysRevX.4.041036
6.R.Klavans,K.W.Boyack,WhichtypeofcitationanalysisgeneratesthemostaccuratetaxonomyofscientificandtechnicalknowledgeJ.Assoc.Inf.Sci.Technol.68,984–998(2016).doi:10.1002/asi.23734
7.U.Shwed,P.S.Bearman,Thetemporalstructureofscientificconsensusformation.Am.Sociol.Rev.75,817–840(2010).doi:10.1177/0003122410388488;pmid:21886269
8.J.Bruggeman,V.A.Traag,J.Uitermark,Detectingcommunitiesthroughnetworkdata.Am.Sociol.Rev.77,1050–1063(2012).doi:10.1177/0003122412463574
9.F.Shi,J.G.Foster,J.A.Evans,Weavingthefabricofscience:
Dynamicnetworkmodelsofscience’sunfoldingstructure.Soc.Networks43,73–85(2015).doi:10.1016/j.socnet.2015.02.006
10.L.M.A.Bettencourt,D.I.Kaiser,J.Kaur,Scientificdiscoveryandtopologicaltransitionsincollaborationnetworks.J.Informetr.3,210–221(2009).doi:10.1016/
j.joi.2009.03.001
11.X.Sun,J.Kaur,S.Milojevi,A.Flammini,F.Menczer,Socialdynamicsofscience.Sci.Rep.3,1069(2013).doi:10.1038/srep01069;pmid:23323212
12.T.S.Kuhn,TheEssentialTension:SelectedStudiesinScientificTraditionandChange(Univ.ofChicagoPress,1977).
13.P.Bourdieu,Thespecificityofthescientificfieldandthesocialconditionsoftheprogressofreasons.Soc.Sci.Inf.(Paris)14,19–47(1975).doi:10.1177/
14.T.Jia,D.Wang,B.K.Szymanski,Quantifyingpatternsofresearch-interestevolution.Nat.Hum.Behav.1,0078(2017).doi:10.1038/s41562-017-0078
15.A.Rzhetsky,J.G.Foster,I.T.Foster,J.A.Evans,Choosingexperimentstoacceleratecollectivediscovery.Proc.Natl.Acad.Sci.U.S.A.112,14569–14574(2015).
doi:10.1073/pnas.1509757112;pmid:26554009
16.R.Rosenthal,Thefiledrawerproblemandtolerancefornullresults.Psychol.Bull.86,638–641(1979).doi:10.1037/0033-2909.86.3.638
17.S.B.Nissen,T.Magidson,K.Gross,C.T.Bergstrom,Publicationbiasandthecanonizationoffalsefacts.eLife5,e21451(2016).doi:10.7554/eLife.21451;pmid:27995896
18.L.Yao,Y.Li,S.Ghosh,J.A.Evans,A.Rzhetsky,HealthROIasameasureofmisalignmentofbiomedicalneedsandresources.Nat.Biotechnol.33,807–811(2015).doi:10.1038/nbt.3276;pmid:26252133
19.C.S.Wagneretal.,Approachestounderstandingandmeasuringinterdisciplinaryscientificresearch(IDR):Areviewoftheliterature.J.Informetr.5,14–26(2011).doi:10.1016/j.joi.2010.06.004
20.V.Larivière,S.Haustein,K.Brner,Long-distanceinterdisciplinarityleadstohigherscientificimpact.PLOSONE10,e0122565(2015).doi:10.1371/journal.pone.0122565;pmid:25822658
21.K.J.Boudreau,E.C.Guinan,K.R.Lakhani,C.Riedl,Lookingacrossandlookingbeyondtheknowledgefrontier:
Intellectualdistance,novelty,andresourceallocationinscience.Manage.Sci.62,2765–2783(2016).doi:10.1287/mnsc.2015.2285;pmid:27746512
22.E.Leahey,J.Moody,Sociologicalinnovationthroughsubfield
integration.Soc.Currents1,228–256(2014).doi:10.1177/2329496514540131
23.A.Yegros-Yegros,I.Rafols,P.D’Este,Doesinterdisciplinary
researchleadtohighercitationimpactThedifferenteffectofproximalanddistalinterdisciplinarity.PLOSONE10,e0135095(2015).doi:10.1371/journal.pone.0135095;pmid:26266805
24.L.Bromham,R.Dinnage,X.Hua,Interdisciplinaryresearchhasconsistentlylowerfundingsuccess.Nature534,684–687(2016).doi:10.1038/nature18315;pmid:27357795
25.D.Kim,D.B.Cerigo,H.Jeong,H.Youn,Technologicalnoveltyprofileandinventionsfutureimpact.EPJDataSci.5,8(2016).doi:10.1140/epjds/s13688-016-0069-1
26.B.Uzzi,S.Mukherjee,M.Stringer,B.Jones,Atypicalcombinationsandscientificimpact.Science342,468–472(2013).doi:10.1126/science.1240474;pmid:24159044
27.J.Wang,R.Veugelers,P.Stephan,“Biasagainstnoveltyinscience:Acautionarytaleforusersofbibliometricindicators”(NBERWorkingPaperNo.22180,NationalBureauofEconomicResearch,2016).
28.J.P.Walsh,Y.-N.Lee,Thebureaucratizationofscience.Res.Policy44,1584–1600(2015).doi:10.1016/j.respol.2015.04.010
29.A.M.Petersen,M.Riccaboni,H.E.Stanley,F.Pammolli,Persistenceanduncertaintyintheacademiccareer.Proc.Natl.Acad.Sci.U.S.A.109,5213–5218(2012).doi:10.1073/pnas.1121429109;pmid:22431620
30.P.E.Stephan,HowEconomicsShapesScience(HarvardUniv.
Press,2012).
31.P.Azoulay,J.S.GraffZivin,G.Manso,Incentivesandcreativity:Evidencefromtheacademiclifesciences.RandJ.Econ.42,527–554(2011).doi:10.1111/
j.1756-2171.2011.00140.x
32.R.Freeman,E.Weinstein,E.Marincola,J.Rosenbaum,F.Solomon,Competitionandcareersinbiosciences.Science
294,2293–2294(2001).doi:10.1126/science.1067477;pmid:11743184
33.J.A.Evans,J.G.Foster,Metaknowledge.Science331,721–725(2011).doi:10.1126/science.1201765;pmid:21311014
34.V.Larivière,C.Ni,Y.Gingras,B.Cronin,C.R.Sugimoto,Bibliometrics:Globalgenderdisparitiesinscience.Nature504,211–213(2013).doi:10.1038/504211a;
pmid:24350369
35.S.F.Way,D.B.Larremore,A.Clauset,inProceedingsofthe25thInternationalConferenceonWorldWideWeb(WWW‘16)(ACM,2016),pp.1169–1179.
36.J.Duchetal.,Thepossibleroleofresourcerequirementsandacademiccareer-choiceriskongenderdifferencesinpublicationrateandimpact.PLOSONE7,e51332(2012).doi:10.1371/journal.pone.0051332;pmid:23251502
37.J.D.West,J.Jacquet,M.M.King,S.J.Correll,C.T.Bergstrom,Theroleofgenderinscholarlyauthorship.PLOSONE8,e66212(2013).doi:10.1371/journal.pone.0066212;pmid:23894278
38.X.H.T.Zengetal.,Differencesincollaborationpatternsacrossdiscipline,careerstage,andgender.PLOSBiol.14,e1002573(2016).doi:10.1371/journal.pbio.1002573;pmid:27814355
39.T.J.Ley,B.H.Hamilton,ThegendergapinNIHgrantapplications.Science322,1472–1474(2008).doi:10.1126/science.1165878;pmid:19056961
40.C.A.Moss-Racusin,J.F.Dovidio,V.L.Brescoll,M.J.Graham,J.Handelsman,Sciencefaculty’ssubtlegenderbiasesfavormalestudents.Proc.Natl.Acad.Sci.U.S.A.109,16474–16479
(2012).doi:10.1073/pnas.1211286109;pmid:22988126
41.R.VanNoorden,Globalmobility:Scienceonthemove.Nature490,326–329(2012).doi:10.1038/490326a;pmid:23075963
42.O.A.DoriaArrieta,F.Pammolli,A.M.Petersen,Quantifying
thenegativeimpactofbraindrainontheintegrationofEuropeanscience.Sci.Adv.3,e1602232(2017).doi:10.1126/
sciadv.1602232;pmid:28439544
43.C.Franzoni,G.Scellato,P.Stephan,Themover’sadvantage:Thesuperiorperformanceofmigrantscientists.Econ.Lett.122,89–93(2014).doi:10.1016/j.econlet.2013.10.040
44.C.R.Sugimotoetal.,Scientistshavemostimpactwhenthey’refreetomove.Nature550,29–31(2017).doi:10.1038/550029a;pmid:28980663
45.A.Clauset,S.Arbesman,D.B.Larremore,Systematicinequalityandhierarchyinfacultyhiringnetworks.Sci.Adv.1,e1400005(2015).doi:10.1126/sciadv.1400005;pmid:26601125
46.P.Devilleetal.,Careeronthemove:Geography,stratification,andscientificimpact.Sci.Rep.4,4770(2014).pmid:24759743
47.A.M.Petersenetal.,Reputationandimpactinacademiccareers.Proc.Natl.Acad.Sci.U.S.A.111,15316–15321(2014).doi:10.1073/pnas.1323111111;pmid:25288774
48.D.K.Simonton,Creativeproductivity:Apredictiveandexplanatorymodelofcareertrajectoriesandlandmarks.Psychol.Rev.104,66–89(1997).doi:10.1037/
0033-295X.104.1.66
49.R.Sinatra,D.Wang,P.Deville,C.Song,A.-L.Barabási,Quantifyingtheevolutionofindividualscientificimpact.Science354,aaf5239(2016).doi:10.1126/science.aaf5239;pmid:27811240
50.S.Wuchty,B.F.Jones,B.Uzzi,Theincreasingdominanceofteamsinproductionofknowledge.Science316,1036–1039(2007).doi:10.1126/science.1136099;pmid:17431139
51.N.J.Cooke,M.L.Hilton,Eds.,EnhancingtheEffectivenessofTeamScience(NationalAcademiesPress,2015).
52.V.Larivière,Y.Gingras,C.R.Sugimoto,A.Tsou,Teamsizematters:Collaborationandscientificimpactsince1900.J.Assoc.Inf.Sci.Technol.66,1323–1332(2015).
doi:10.1002/asi.23266
53.L.Wu,D.Wang,J.A.Evans,Largeteamshavedevelopedscienceandtechnology;smallteamshavedisruptedit.arXiv:1709.02445[physics.soc-ph](7September2017).
54.B.F.Jones,Theburdenofknowledgeandthe“deathoftherenaissanceman”:IsinnovationgettingharderRev.Econ.Stud.76,283–317(2009).doi:10.1111/j.1467-937X.2008.00531.x
55.S.Milojevi,Principlesofscientificresearchteamformationandevolution.Proc.Natl.Acad.Sci.U.S.A.111,3984–3989(2014).doi:10.1073/pnas.1309723111;pmid:24591626
56.G.Palla,A.-L.Barabási,T.Vicsek,Quantifyingsocialgroupevolution.Nature446,664–667(2007).doi:10.1038/nature05670;pmid:17410175
57.G.J.Borjas,K.B.Doran,WhichpeersmatterTherelativeimpactsofcollaborators,colleagues,andcompetitors.Rev.Econ.Stat.97,1104–1117(2015).doi:10.1162/REST_a_00472
58.P.Azoulay,J.G.Zivin,J.Wang,Superstarextinction.Q.J.Econ.125,549–589(2010).doi:10.1162/qjec.2010.125.2.549
59.A.M.Petersen,Quantifyingtheimpactofweak,strong,andsupertiesinscientificcareers.Proc.Natl.Acad.Sci.U.S.A.112,E4671–E4680(2015).doi:10.1073/pnas.1501444112;pmid:26261301
60.R.K.Merton,TheMattheweffectinscience.Science159,56–63(1968).doi:10.1126/science.159.3810.56
61.L.Allen,J.Scott,A.Brand,M.Hlava,M.Altman,Publishing:Creditwherecreditisdue.Nature508,312–313(2014).doi:10.1038/508312a;pmid:24745070
62.H.-W.Shen,A.-L.Barabási,Collectivecreditallocationinscience.Proc.Natl.Acad.Sci.U.S.A.111,12325–12330(2014).doi:10.1073/pnas.1401992111;pmid:25114238
63.L.Waltman,Areviewoftheliteratureoncitationimpactindicators.J.Informetr.10,365–391(2016).doi:10.1016/j.joi.2016.02.007
64.J.E.Hirsch,Anindextoquantifyanindividual’sscientific
researchoutput.Proc.Natl.Acad.Sci.U.S.A.102,16569–16572(2005).doi:10.1073/pnas.0507655102;pmid:16275915
65.H.F.Moed,CitationAnalysisinResearchEvaluation(Springer,2010).
66.E.Garfield,Citationanalysisasatoolinjournalevaluation.
Science178,471–479(1972).doi:10.1126/science.178.4060.471;pmid:5079701
67.D.J.deSollaPrice,Networksofscientificpapers.Science
149,510–515(1965).doi:10.1126/science.149.3683.510;pmid:14325149
68.Q.Zhang,N.Perra,B.Gonalves,F.Ciulla,A.Vespignani,
Characterizingscientificproductionandconsumptioninphysics.Sci.Rep.3,1640(2013).doi:10.1038/srep01640;pmid:23571320
69.F.Radicchi,S.Fortunato,C.Castellano,Universalityofcitationdistributions:Towardanobjectivemeasureofscientificimpact.Proc.Natl.Acad.Sci.U.S.A.105,
17268–17272(2008).doi:10.1073/pnas.0806977105;
pmid:18978030
70.L.Waltman,N.J.vanEck,A.F.J.vanRaan,Universalityofcitationdistributionsrevisited.J.Assoc.Inf.Sci.Technol.63,72–77(2012).doi:10.1002/asi.21671
71.M.Golosovsky,S.Solomon,Runawayeventsdominatetheheavytailofcitationdistributions.Eur.Phys.J.Spec.Top.205,303–311(2012).doi:10.1140/epjst/e2012-01576-4
72.C.Stegehuis,N.Litvak,L.Waltman,Predictingthelong-termcitationimpactofrecentpublications.J.Informetr.9,642–657(2015).doi:10.1016/j.joi.2015.06.005
73.M.Thelwall,Thediscretisedlognormalandhookedpowerlawdistributionsforcompletecitationdata:Bestoptionsformodellingandregression.J.Informetr.10,336–346(2016).doi:10.1016/j.joi.2015.12.007
74.D.deSollaPrice,Ageneraltheoryofbibliometricandothercumulativeadvantageprocesses.J.Am.Soc.Inf.Sci.27,292–306(1976).doi:10.1002/asi.4630270505
75.A.-L.Barabási,R.Albert,Emergenceofscalinginrandomnetworks.Science286,509–512(1999).doi:10.1126/science.286.5439.509;pmid:10521342
76.P.D.B.Paroloetal.,Attentiondecayinscience.J.Informetr.9,734–745(2015).doi:10.1016/j.joi.2015.07.006
77.D.Wang,C.Song,A.-L.Barabási,Quantifyinglong-termscientificimpact.Science342,127–132(2013).doi:10.1126/science.1237825;pmid:24092745
78.Y.-H.Eom,S.Fortunato,Characterizingandmodelingcitationdynamics.PLOSONE6,e24926(2011).doi:10.1371/journal.pone.0024926;pmid:21966387
79.M.Golosovsky,S.Solomon,Stochasticdynamicalmodelofagrowingcitationnetworkbasedonaself-excitingpointprocess.Phys.Rev.Lett.109,098701(2012).doi:10.1103/PhysRevLett.109.098701;pmid:23002894
80.A.F.J.vanRaan,SleepingBeautiesinscience.Scientometrics59,467–472(2004).doi:10.1023/B:SCIE.0000018543.82441.f1
81.Q.Ke,E.Ferrara,F.Radicchi,A.Flammini,Definingand
identifyingSleepingBeautiesinscience.Proc.Natl.Acad.Sci.U.S.A.112,7426–7431(2015).doi:10.1073/pnas.1424329112;pmid:26015563
82.I.Tahamtan,A.SafipourAfshar,K.Ahamdzadeh,Factorsaffectingnumberofcitations:Acomprehensivereviewoftheliterature.Scientometrics107,1195–1225(2016).doi:10.1007/s11192-016-1889-2
83.J.E.Hirsch,DoesthehindexhavepredictivepowerProc.Natl.Acad.Sci.U.S.A.104,19193–19198(2007).doi:10.1073/pnas.0707962104;pmid:18040045
84.D.E.Acuna,S.Allesina,K.P.Kording,Futureimpact:Predictingscientificsuccess.Nature489,201–202(2012).doi:10.1038/489201a;pmid:22972278
85.O.Penner,R.K.Pan,A.M.Petersen,K.Kaski,S.Fortunato,Onthepredictabilityoffutureimpactinscience.Sci.Rep.3,3052(2013).doi:10.1038/srep03052;pmid:24165898
86.J.R.Cole,H.Zuckerman,inTheIdeaofSocialStructure:PapersinHonorofRobertK.Merton,L.A.Coser,Ed.(HarcourtBraceJovanovich,1975),pp.139–174.
87.P.Azoulay,Researchefficiency:Turnthescientificmethodon
ourselves.Nature484,31–32(2012).doi:10.1038/484031a;
pmid:22481340
88.M.Thelwall,K.Kousha,Webindicatorsforresearchevaluation.Part1:CitationsandlinkstoacademicarticlesfromtheWeb.Prof.Inf.24,587–606(2015).doi:10.3145/epi.2015.sep.08
89.M.Thelwall,K.Kousha,Webindicatorsforresearchevaluation.Part2:Socialmediametrics.Prof.Inf.24,607–620(2015).doi:10.3145/epi.2015.sep.09
90.L.Bornmann,WhatissocietalimpactofresearchandhowcanitbeassessedAliteraturesurvey.Adv.Inf.Sci.64,217–233(2013).
91.C.Haeussler,L.Jiang,J.Thursby,M.Thursby,Specificandgeneralinformationsharingamongcompetingacademicresearchers.Res.Policy43,465–475(2014).doi:10.1016/j.respol.2013.08.017
92.A.Oettl,Sociology:Honourthehelpful.Nature489,496–497(2012).doi:10.1038/489496a;pmid:23018949
93.S.Ravindran,“Gettingcreditforpeerreview,”Science,8February2016;www.sciencemag.org/careers/2016/02/getting-credit-peer-review.
94.R.Costas,Z.Zahedi,P.Wouters,Do“altmetrics”correlatewithcitationsExtensivecomparisonofaltmetricindicatorswithcitationsfromamultidisciplinaryperspective.J.Assoc.Inf.Sci.Technol.66,2003–2019(2015).doi:10.1002/asi.23309
81.Q.Ke,E.Ferrara,F.Radicchi,A.Flammini,DefiningandidentifyingSleepingBeautiesinscience.Proc.Natl.Acad.Sci.U.S.A.112,7426–7431(2015).doi:10.1073/pnas.1424329112;pmid:26015563
85.O.Penner,R.K.Pan,A.M.Petersen,K.Kaski,S.Fortunato,Onthepredictabilityoffutureimpactinscience.Sci.Rep.3,3052(2013).doi:10.1038/srep03052;
pmid:24165898
87.P.Azoulay,Researchefficiency:Turnthescientificmethodonourselves.Nature484,31–32(2012).doi:10.1038/484031a;pmid:22481340
93.S.Ravindran,“Gettingcreditforpeerreview,”Science,8