传统科研评价指标够用吗？

H-index、i10-index 和引用数常被用来衡量学术影响力，但它们无法识别“持续的卓越”，即研究者持续产出高被引论文的能力。

AMT

AMT的核心逻辑是研究者成果中“高被引论文”的比例。如果一篇论文在发表后 x 年内累计获得了至少 y 次引用，那么它就被认定为“高被引”。x和 y是可调节的参数，分别表示“时间阈值”和“引用阈值”。研究者的 AMT 得分为其高被引论文在所有论文中所占的比例。

数学领域的实证研究

作者使用DBLP、Google Scholar、Scopus数据库，收集了 8,468 位数学家（含100位顶尖获奖者）的发表数据，总计约 48万+篇论文。

研究中AMT的参数设置为： x=3年，y=15次引用。

核心发现

1

1、AMT 与传统指标相关但不完全一致

AMT 与H指数、i10指数、总被引量呈中度相关性（相关系数在 0.34 至 0.58 之间），说明 AMT 反映的是一种与传统科学计量指标略有差异的学术表现维度。相较之下，H指数、i10指数、总引用数等指标彼此之间关联更紧密。

2

2、AMT 可以更好地识别获奖数学家

比较 Fields Medal、Abel Prize 和 Wolf Prize 获奖数学家与匹配的非获奖者，发现AMT 在区分获奖数学家与其对照组方面显著优于传统科学计量指标，在识别卓越研究者方面具有更强的判别力。

3

3、性别与地域差异

• 男性数学家的 AMT分数略高于女性；

• 欧洲和北美地区的研究者 AMT 分数显著高于亚洲和非洲。

AMT提供了一种识别“稳定产出高影响研究”的新视角，适用于人才引进、奖项提名等场景。但正如作者所言：“AMT不是替代品，而是拼图中缺失的一块” 。当它与传统指标、同行评议结合时，或将重塑更公平的学术评价生态。

Research Papers

The Academic Midas Touch: A citation-based indicator of research excellence

学术点金术：基于引用的卓越研究指标

Ariel Rosenfled¹, Ariel Alexi¹, Liel Mushiev², 

Teddy Lazebnik³

1 Department of Information Science, Bar Ilan University, Ramat Gan, Israel;

2 Department of Computer Science, Holon Institute of Technology, Holon, Israel;

3 Department of Cancer Biology, Cancer Institute, University College London, London, UK

DOI: 10.2478/jdis-2025-0038

CSTR: 32295.14.jdis-2025-0038

识别阅读全文