全球两大引文数据库，都在悄悄少算引用次数  （图片来源：Pixabay）

　　Scopus 和 Web of Science 是论文引用次数的权威统计工具，但是一项新研究发现，由于系统自身缺陷，标题中带有连字符的论文引用次数统计结果低于实际。标题中连字符数量越多、论文引用次数越多，损失的引用数也就越多。

一项新研究证明，由于人为疏忽和论文数据库缺陷的共同作用，标题带有连字符的论文引用次数统计结果偏低，这一规律适用于各个学科。

本次研究的数据来自全球两大引文索引数据库—— Scopus 和 Web of Science。Scopus 属于爱思唯尔（Elsevier）旗下，它的统计数据被用于 QS 全球高校排名的评估，而 Web of Science 提供关于期刊影响因子和 h 指数（h-index）的权威统计结果。

这项研究由香港大学（University of Hong Kong）计算机科学荣誉教授 T.H. Tse 与伍伦贡大学（University of Wollongong）研究人员合作完成，于 5 月 7 日在《IEEE 软件工程学报》（IEEE Transactions on Software Engineering）发表。

粗心的同行

连字符会导致引用数量减少，一部分是由人为疏忽导致的。研究人员在论文中指出：“输入错误的一个很可能的原因是，当作者们引用标题中含有连字符的论文时，他们可能会漏掉其中一些连字符。”

这个结论与先前的另一项研究相符。先前的研究发现，许多研究人员不会检查引用文献的标注，甚至从别人的论文中直接复制粘贴部分参考文献列表，导致错误的引用被一再重复。

论文中还指出，如果一个科学家在引用某篇文献的时候出现了错误，他就很可能在接下来几年发表的多篇论文中继续犯同样的错误，因为错误的信息已经被储存在文献管理软件中（如 BibTex）。

不同学科中，论文标题中连字符数量与平均引用次数之间的关系。图片来源：University of Hong Kong

引用越多，损失越大

研究人员还发现了一种“累进税现象”。累进税（progressive tax）指税率按应纳税额的增加而逐级提高的税制，在这里指的是当你的论文引用数量越多，因为连字符标注疏忽而损失的引用数比例也就越大，论文中称之为“连字符税”。具体而言，当引用数 <20 的时候，标题中连字符数量对论文的引用次数影响不大；而当引用数 >180 的时候，标题中连字符数量将产生很大的负面影响。

出于同样的原因，和较晚发表的论文相比，较早的论文更容易受到标题中连字符数量的影响。在经历二次、三次引用的时候，如果先前的论文在参考文献中把标题写错了，这个错误可能会被重复；就算先前的论文写对了，下一个引用的人也可能犯错。

论文标题中的连字符甚至还会拉低期刊影响因子。以《IEEE 软件工程学报》为例，研究分析发现，该期刊在某一年的影响因子与其前两年中发表的论文“标题含‘-’率”（即有多大比例的论文标题中含有至少一个连字符）之间有显著的负相关。

一个连字符的 N 种写法

 研究人员指出，他们选择连字符来测试系统的鲁棒性，是因为它的用法格外模糊。一个“-”可以代表至少 6 个不同的事物——连字符、减号、短破折号、长破折号、横杠（horizontal bar）、表单符号。

不同的数据库可能会对连字符进行不同的处理，最终导致汇总统计结果出现混乱。例如，一篇论文的原始标题是“Metamorphic Model-based Testing Applied on NASA DAT —an experience report”，前一个“-”是连字符，后一个“—”是破折号。Scopus 和 Web of Science 的系统都把破折号修改成连字符，Scopus 还在连字符后面加了一个空格；IEEE 数字图书馆把“—”替换成两个连字符“--”；ACM 数字图书馆和 Google Scholar 干脆把它换成了冒号。

同一篇论文在不同数据库中的不同显示。图片来自论文。

因此，如果某个科学家通过其他渠道读到了这篇论文，然后进行引用，他就很可能在参考文献中列出一个和原始文献不一样的标题，导致系统无法准确识别引用情况。研究人员还真的找到了这样的案例——有人引用了这篇论文，并且将标题中的破折号写成了冒号，而 Web of Science 的数据库没有把这次引用算进去。

数据库该升级了

先前有研究发现，平均而言，论文引用数量与标题长度负相关。显然较长的标题中更有可能含有更多的连字符，但是经过进一步分析，研究人员发现对于含有同样数量的连字符的文章，标题长度对引用数没有明显的影响。

研究人员总结：“根据研究结果，我们质疑引用数和期刊影响因子的可靠程度，因为论文标题中的连字符数量与论文和期刊的实际质量无关。”

如果根据这个结论建议研究人员避免在标题中使用连字符，可能对某些学科不太公平，比如化学。要求所有人认真检查参考文献标注、保证不犯错也不太现实。研究人员认为，一个成熟的论文数据库系统应该具备足够的鲁棒性，学会自行纠正人为的标注错误，以及更好地兼容其他系统的数据。

PS：或许是受到研究结果的启发，这篇论文的标题中使用了冒号，但没有用连字符。

论文信息：

Metamorphic Robustness Testing：Exposing Hidden Defects in Citation Statistics and Journal Impact Factors, Zhi Quan Zhou ; T.H. Tse ; Matt Witheridge

DOI：10.1109/TSE.2019.2915065

https://ieeexplore.ieee.org/document/8708940

参考来源：
https://www.sciencealert.com/hyphens-break-our-entire-system-of-scientific-ranking-new-analysis-reveals

https://www.hku.hk/press/news_detail_19547.html