为什么h指数是衡量学术影响力的虚假指标？

今年早些时候，法国医生和微生物学家迪迪埃拉乌尔在媒体上引起了轩然大波，因为他对羟氯喹治疗新冠肺炎有争议的宣传。长期以来，研究人员一直在指出他不断增加的出版物目录和无数的引文，以显示他对科学的贡献，所有这些都总结在他的H指数中。

对他最近研究的争议提供了一个检验H指数弱点的机会，H指数是一个旨在量化研究人员生产率和影响力的指数。很多机构用这个指标来评价研究人员的晋升或研究项目资金。

美国物理学家约翰赫希于2005年发明了赫希指数或H指数，是学术界众多研究者和管理者的重要参考。它特别提倡在生物医学科学方面发表大量的出版物，这使得研究人员几乎不可能对他们的工作进行认真的定性评估。这个所谓的质量指数成了一面镜子，研究人员对同事和竞争对手的可怜的H指数表示钦佩或嘲笑。

虽然文献计量学专家很快指出了这一综合指标的可疑性，但似乎大多数研究者并不总是了解其特点，这使得它与其他指标相去甚远。有效指数可以严肃地、道德地评价出版物的质量或科学影响力。

H指数的发起者在逻辑上犯了一个基本错误。他们认为，由于诺贝尔奖获得者通常具有较高的H指数，因此该指数是研究人员个人素质的有效指标。但是，如果高H指数真的可以和诺贝尔奖获得者挂钩，那就永远无法证明低H指数必然和排名靠后的科研人员有关。

事实上，看似很低的H指数可以掩盖很高的科学影响力，至少如果人们接受科学可见性的通常衡量单位反映在被引用的数量上。

h指数的局限性。

定义为作者至少收到每篇引文的文章数量，H指数以发表的文章总数为限。比如一个人有20篇文章，每篇被引用100次，他的H指数就是20，就像一个人也有20篇文章，但是每篇文章只被引用20次一样。但是没有一个严肃的研究者会说他们是平等的，因为他们的H指数是一样的。

h指数历史上最具讽刺意味的是，它的发明者想反驳发表论文数量代表研究者影响力的说法。因此，他包括了被引用的次数。

但事实证明，作者的H指数与他的出版物总数密切相关。换句话说，衡量科学出版物受欢迎程度的最佳指标是出版物的数量，而不是引用的数量。

所有这些文献计量学的专家都是众所周知的，但是给那些对他们的H指数感到惊讶的科学家留下深刻印象的研究人员、管理人员和记者可能会更少。

劳特勒vs爱因斯坦

在法国报纸《mdipat》最近对拉乌尔的研究活动进行的一项调查中，一位曾是拉乌尔实验室评估委员会成员的研究员说：让她震惊的是迪迪埃拉乌尔对出版物的痴迷。开发者_StackOverflow在他接受评估前几分钟，这个单位开始运作，他在电脑上给她看的第一件东西是他的h指数。拉乌尔还在2015年的《勒波特角》杂志上表示，为了评估研究人员的工作质量，有必要计算他们的出版物数量和影响。

因此，让我们来看看拉乌尔的H指数，看看它是否与爱因斯坦的研究相比较，爱因斯坦被认为是上个世纪最伟大的科学家。

在科学之网数据库中，拉乌尔从1979年到2018年发表了2053篇文章，被引用72847次。他根据这两个数字计算出的H指数是120。但是，我们知道，作者在引用自己之前的论文时，可以通过自己的自引，人为夸大索引的价值。数据库显示，在拉乌尔合著的文章中，被引用的文章总数中有18，145篇来自他合著的文章。这些自我介绍总共占25%。减去这些后，拉乌尔的H指数下降了13%，至104。

现在，让我们来看看爱因斯坦的例子，他在科学网数据库中列出了1901年至1955年的147篇文章。爱因斯坦一生共收到1564篇论文，获得147篇文章。在所有参考文献中，只有27篇是自我参考文献。现在，如果加上他去世后的文章被引用次数，爱因斯坦在1901年至2019年间共被引用28404次，这使得他的H指数达到了56。

如果一定要依靠H指数提供的所谓客观测量，那么我们不得不得出结论：拉乌尔工作的科学影响力是光子之父爱因斯坦的两倍。相对论、玻色-爱因斯坦凝聚和激光起源的受激发射。

或者，正如有人建议的那样，得出指标是假的结论可能更简单？

需要注意的是，每个研究者在其职业生涯中获得的引用总数存在显著差异。显然，他们在不同时期都非常活跃。在过去的半个世纪里，科学界的规模和潜在被引作者的数量都大大增加了。

还必须考虑学科差异和合作模式。比如理论物理的贡献远不如微生物学，每篇文章的合作作者数量也少，影响了生产力的衡量和研究者的影响力。

最后，要注意以下说法：人P的H指数为X是没有意义的，因为指数的值取决于计算所用数据库的内容。应该说在数据库z中，人p的h指数是x，所以根据科学之网数据库，拉乌尔的h指数是120。另一方面，在免费且易于访问的谷歌数据库中，学者的H指数达到了179。

数字拜物教

很多科学界崇拜H指数，这种拜物教可能会对科研产生不良影响。例如，法国利用Systmed的审讯、法律和文献分析科学为其生物医学实验室提供研究资金。这是基于他们在所谓的高影响因子期刊。

常识应该教会我们警惕简单化和一维的指标。放慢科学出版物疯狂的发展步伐，无疑会使研究人员对h指数失去兴趣。更重要的是，放弃它将有助于发表科学论文，其数量将减少，但肯定会更可靠。