通过完美主义指数识别有影响力的科学家与量产者

h 指数的概念被提出用于用单一数字轻松评估研究人员的表现。然而，仅使用这个数字，我们会丢失关于作者出版物列表中每篇文章引用分布的重要信息。在本文中，我们研究了作者的引用曲线，并定义了两个与该曲线相关的新区域。我们将这些称为“惩罚区域”，因为它们越大，作者的表现受到的惩罚就越多。我们利用这些区域建立了新的指数，即 PI 和 XPI，旨在将研究人员分为两类：“有影响力者”和“量产者”；前者类别生产的文章（几乎全部）具有高影响力，而后者类别生产大量具有中等或无影响力的文章。利用 Microsoft Academic Service 的数据，我们主要评估了 PI 作为科学计量学研究有用工具的优点。我们确立了其在将有影响力的科学家与量产者分离方面的有效性；展示了其对自引用的鲁棒性，以及与传统指数的不相关性。最后，我们将 PI 应用于对数据库、网络和多媒体领域的杰出科学家进行排名，展示了该指数在实现其设计目标方面的优势。