基于合著与引文网络共演化的科学影响力指标效应分析

尽管计算机建模与仿真对于理解科学计量学至关重要，但它们在文献中的实际应用仍然有些受限。在本研究中，我们利用优先链接机制建立了一个合著与引文的联合网络。随着论文的发表，我们根据每篇论文的作者列表更新合著网络，以代表其背后的合作团队。该团队的形成考虑了每位作者的合作次数，并且我们以固定概率引入新作者，从而扩展合著网络。同时，由于每篇论文会引用特定数量的参考文献，我们在论文发表时向引文网络中添加同等数量的引文。一篇论文被引用的可能性取决于其现有被引次数、适应度值和年龄。然后我们计算了期刊影响因子和 h 指数，并将它们作为科学影响力指标的示例。经过充分验证后，我们进行了案例研究，以分析不同参数对期刊影响因子和 h 指数的影响。研究结果表明，增加参考文献数量 N 或减少论文寿命 {\theta} 会显著提升期刊影响因子和平均 h 指数。另一方面，在不引入新作者的情况下扩大团队规模 m 或降低新人加入概率 p 会显著提高平均 h 指数。总之，各种参数显然会影响科学影响力指标，且对其解释可被作者操纵。因此，探索这些参数的影响并不断完善科学影响力指标至关重要。建模与仿真方法在这一持续过程中是一种强大的工具，且该模型可以很容易地扩展以包含其他科学影响力指标和场景。