인용의 지혜와 한계: 군중의 판단을 넘어서는 인용참조 분석

‘인용의 지혜’라는 주제로 시작한 이 논문은 갈톤(1907)의 “군중의 지혜” 개념을 인용 분석에 적용한다. 갈톤이 수백 명의 관중이 추정한 소의 무게 평균이 실제 무게와 거의 일치한 사례를 들어, 다수의 독립적 판단이 집합적으로 높은 정확성을 가질 수 있음을 보여준다. 저자는 이 원리를 과학 논문의 인용에 그대로 적용하면, 다수 과학자가 독립적으로 논문을 인용함으로써 그 논문의 ‘유용성’이나 ‘영향력’이 어느 정도 객관적으로 측정될 수 있다고 본다. 하지만 인용 데이터는 ‘카운트 데이터’라는 본질적 한계를 가진다. 인용은 ‘있음/없음’의 이진 형태로 기록되며, 인용 횟수가 많다고 해서 논문의 질이 높다고 단정할 수 없고, 반대로 인용이 적다고 해서 논문의 가치가 낮다고 판단할 수 없다. 인용되지 않은 논문이 실제로는 널리 읽히고 활용되었지만, 연구자들이 직접 인용하지 않은 경우가 존재한다. 또한, 인용은 연구자가 실제로 참고한 문헌을 모두 반영하지 못한다. 즉, 인용은 ‘불완전한 판단’이며, 인용 횟수만으로는 논문의 전체적인 유용성을 평가하기에 부족하다. 이러한 한계를 보완하기 위해 저자는 ‘인용참조 분석(cited reference analysis)’을 제안한다. 인용참조 분석은 특정 연구자, 연구 그룹, 기관, 혹은 국가가 어떤 문헌을 얼마나 자주 인용했는지를 조사함으로써, 인용된 논문 자체보다 인용하는 단위의 행동과 선호를 더 정확히 파악한다. 예를 들어, 연구자가 최신 논문을 많이 인용하는지, 특정 저널이나 출판사를 선호하는지, 혹은 고전 문헌을 자주 참고하는지를 분석할 수 있다. 이는 연구자의 학문적 배경, 연구 전략, 그리고 해당 분야의 지식 흐름을 이해하는 데 큰 도움이 된다. 논문은 이러한 논리를 ‘좋아요(like)’ 데이터와 비교한다. 소셜 미디어에서 ‘좋아요’는 사용자의 선호를 나타내는 카운트 데이터이며, 인용과 마찬가지로 이진 형태이다. 그러나 ‘좋아요’는 콘텐츠 자체의 질보다는 사용자의 호감도를 반영한다. 인용은 연구 결과가 실제 연구에 활용되었는지를 나타내므로, ‘좋아요’와는 다른 의미적 무게를 가진다. 이 비교를 통해 저자는 인용 데이터가 단순한 카운트가 아니라 연구 활동과 직접 연결된 의미를 가진다는 점을 강조한다. 구체적인 사례로 2010년 발표된 그래핀 관련 논문을 대상으로 두 가지 분석을 수행한다. ‘Times‑cited’(앞에서 보는 관점) 분석은 그래핀 논문이 전체 과학 커뮤니티에서 얼마나 많이 인용되었는지를 보여준다. 그러나 이는 해당 논문이 어느 연구 분야에 가장 크게 기여했는지를 파악하기 어렵게 만든다. 반면 ‘Cited‑reference’(뒤에서 보는 관점) 분석은 그래핀 연구자들이 어떤 선행 연구를 주로 참고했는지를 밝혀, 연구 흐름과 핵심 문헌을 명확히 드러낸다. 이를 통해 인용참조 분석이 연구 주제별 핵심 문헌을 식별하고, 학문적 네트워크를 시각화하는 데 유용함을 입증한다. 논문의 마지막 부분에서는 인용 분석이 여전히 자연과학 분야에서 연구 평가의 핵심 도구임을 인정한다. h‑index, 임팩트 팩터 등 다양한 지표가 널리 사용되는 이유도 여기 있다. 그러나 인용 자체가 부정적 인용, 자기 인용, 혹은 ‘통합에 의한 소멸(obliteration by incorporation)’ 등 여러 왜곡 요인에 영향을 받을 수 있음을 언급한다. 그럼에도 불구하고, 저자는 인용이 완벽한 지표는 아니지만, 대규모 단위에서 충분히 신뢰할 수 있는 성과 측정 수단이라고 본다. 결론적으로, 이 논문은 ‘Times‑cited’ 데이터만을 기반으로 한 평가가 갖는 한계를 명확히 제시하고, 인용참조 분석이 보다 풍부하고 다차원적인 연구 평가를 가능하게 함을 주장한다. 이는 연구자 개인의 학문적 프로파일링, 기관·국가 수준의 정책 결정, 그리고 학문 분야의 구조적 이해에 모두 적용될 수 있는 중요한 통찰을 제공한다.