A General Theory of Bibliometric and Other Cumulative Advantage Processes

Motivation

Known: 사회 현상에서 성공이 성공을 낳는 '부익부 빈익빈' 현상이 광범위하게 관찰되며, Simon이 지수분포(skew/hyperbolic distribution)가 베타 함수로 표현됨을 보였다. 또한 Yule이 50년 전 생물학적 속의 분포 설명을 위해 확률 모델을 제시했다.
Gap: 기존 연구들이 베타 함수의 우아함을 충분히 활용하지 못했으며, 특히 서지학 분야에서 누적 우위 분포(CAD)의 이론적 기초가 제대로 확립되지 않았다.
Why: 누적 우위 분포는 출판, 인용, 저널 사용, 소득 분포 등 다양한 사회 현상을 설명하는 통일된 이론적 틀을 제공하여 경험 법칙들의 근본 원리를 밝혀낼 수 있기 때문이다.
Approach: Pólya Urn 모델을 수정하여 '성공은 상을 받지만 실패는 처벌받지 않는' 단측 contagion을 도입하고, 이를 확률 생성 과정(stochastic birth process)으로 일반화하여 베타 함수와의 연결고리를 수학적으로 증명한다.

누적 우위 분포(CAD) 정의: 성공이 추후 성공의 확률을 증가시키지만 실패는 비사건(non-event)으로 취급하는 단측 contagion 모델 제시
베타 함수 기반 수학적 표현: 단일 자유 매개변수를 포함한 베타 함수로 CAD를 완전히 표현할 수 있음을 증명
경험 법칙의 통일: Bradford Law, Lotka Law, Pareto Distribution, Zipf Distribution 등 주요 서지학적 법칙들이 모두 동일한 CAD로부터 유도됨을 보임
역수 법칙: 베타 함수가 역제곱 법칙(inverse square law)의 극한 사례를 포함하며 많은 실증 분포가 이에 부합함을 발견
문헌 노후화 계수 도출: 누적 우위 이론으로부터 문헌 이용의 시간 감소 인자를 유도 가능

성공/실패의 비대칭 처리: 기존 Pólya Urn의 쌍측 contagion과 달리, 실패를 비사건으로 처리하는 수정된 모델 제시로 Matthew Effect의 긍정적 부분만 포착
Urn 모델에서 생성 과정으로의 확장: 이산적 urn 모델을 연속적 확률 생성 과정으로 일반화하여 더 광범위한 적용 가능성 제시
베타 함수의 우아성 강조: Beta Function이 누적 및 실제 분포를 동시에 간단한 형태로 표현하며 역제곱 법칙을 극한 사례로 포함함을 종합적으로 보임
경험 법칙들의 이론적 통일: 서로 다른 분야의 경험적 분포들(Bradford, Lotka, Pareto, Zipf)이 단일 이론으로 설명됨을 처음으로 명확히 시연

수학적 엄밀성 부족: 저자가 스스로 모든 수학적 측면을 완전히 다루지 못했음을 언급하며, 일부 증명이 직관적 설명에 의존
실증 검증 미흡: 이론적 도출이 주이며 실제 데이터에 대한 적합도(goodness-of-fit) 분석이 부족
매개변수 추정 방법 미제시: 실제 현상에서 자유 매개변수를 어떻게 추정할 것인지에 대한 구체적 방법론 제시 부재
비정상 초기 조건의 처리: 지면 제약으로 인해 비균등 초기 상태(non-uniform ground state)에 대한 상세한 분석이 완성되지 않음
후속 연구: 실증 데이터를 통한 모델 검증, 다양한 분야별 매개변수 추정, 모델의 경계 조건 명확화 필요