来自：M. Park等人，自然 https://doi.org/10.1038/s41586-022-05543-x (2023)。Park等人应用了CD指数，这是一种测量引文网络中干扰的指标，涉及将近4500万篇论文和390万项专利的数据库。他们报告了过去几十年中，具有相对干扰性的科学论文和技术专利的数量下降。我们的重新审查，包括对Park等人所进行的稳健性检查的全面评估，显示报告中干扰性的部分下降可以归因于具有零引用的数据库条目的相对下降，这些条目的最大CD指数为1。此外，仔细检查与这些零引用条目相对应的源文献表明，它们中的大多数实际上确实包含引用，这表明对测量到的干扰性影响的主要因素似乎是由于数据集中的伪影而减弱。数据可用性 本研究使用的Web of Science和PatentsView数据是从Park等人公开提供的公共存储库中获取的（https://doi.org/10.5281/zenodo.7258379 (参考文献10)）。SciSciNet数据源（https://doi.org/10.6084/m9.figshare.c.6076908 (参考文献11)）和DBLP引文网络v14（https://www.aminer.cn/open/article?id=655db2202ab17a072284bc0c）均可公开下载。我们对这两个数据集的再分析数据在https://github.com/VincentHolst/reanalysis_declining_disruption（参考文献12）上公开可用。用于重建补充图17的数据是通过参考文献1获得的源数据或通过使用WebPlotDigitizer（https://automeris.io）对参考文献13，14中的图形进行数字化而获得的，并与其他再分析数据一起公开。代码可用性 本出版物的再分析代码在https://github.com/VincentHolst/reanalysis_declining_disruption（参考文献12）上公开。它基于Park等人公开提供的原始分析代码（https://doi.org/10.5281/zenodo.7258379 (参考文献10)），并使用了与Park等人相同的软件包：pandas v1.4.3，numpy v1.23.1，matplotlib v3.5.2和seaborn v0.11.2。为了复制回归表，我们使用了StataMP v18.0（reghdfe v6.12.3）。为了对补充图17的图形数据进行数字化，我们使用了WebPlotDigitizer v5.2（https://automeris.io）。参考文献 Park, M., Leahey, E. & Funk, R. J. 论文和专利随着时间的推移变得不那么具干扰性。自然 613, 138–144 (2023)。文章 ADS CAS PubMed Google学者 Funk, R. J. & Owen-Smith, J. 一种动态网络技术变革度量。管理科学 63, 791–817 (2017)。文章 Google学者 Waskom, M. 将箱宽视为近似以避免丢失最外层数据点。GitHub https://github.com/mwaskom/seaborn/pull/3489 (2023)。Lin, Z., Yin, Y., Liu, L. & Wang, D. SciSciNet：用于科学研究的大规模开放数据湖。科学数据 10, 315 (2023)。文章 PubMed PubMed Central Google学者 Uzzi, B., Mukherjee, S., Stringer, M. & Jones, B. 非典型组合与科学影响。科学 342, 468–472 (2013)。文章 ADS CAS PubMed Google学者 Tang, J. 等人。Arnetminer：学术社交网络的提取与挖掘，KDD ’08，990–998 (ACM, 2008)。Macher, J. T., Rutzer, C. & Weder, R. 干扰专利是否有世俗下降？修正测量偏差。研究政策 53, 104992 (2024)。文章 Google学者 Wu, L., Wang, D. & Evans, J. A. 大团队发展，小团队干扰科学技术。自然 566, 378–382 (2019)。文章 ADS CAS PubMed Google学者 Lin, Y., Frey, C. B. & Wu, L. 远程协作融合较少的突破性想法。自然 623, 987–991 (2023)。文章 ADS CAS PubMed Google学者 Funk, R. J., Park, M. & Leahey, E. 论文和专利随着时间的推移变得不那么具干扰性（1.0）[数据集]。Zenodo https://doi.org/10.5281/zenodo.7258379 (2022)。Yin, Y. SciSciNet：科学研究的大规模开放数据湖。Figshare https://doi.org/10.6084/m9.figshare.c.6076908.v1 (2023)。Holst, V. & Algaba, A. 数据集伪影是科学干扰性下降的隐藏驱动因素。GitHub https://github.com/VincentHolst/reanalysis_declining_disruption (2026)。Funk, R. J. X https://x.com/russellfunk/status/1761950261671526618（检索于2024年8月30日）。Park, M., Leahey, E. & Funk, R. J. 干扰科学与技术的下降。预印本在 https://doi.org/10.48550/arXiv.2106.11184 (2021)。Hofmann, H., Wickham, H. & Kafadar, K. 价值图：用于大数据的箱形图。计算机图形统计学杂志 26, 469–477 (2017)。文章 MathSciNet Google学者 Ruan, X., Lyu, D., Gong, K., Cheng, Y. & Li, J. 重新思考干扰指数作为科学和技术进步的衡量标准。技术预测与社会变革 172, 121071 (2021)。文章 Google学者 下载参考文献 感谢 M. Park, E. Leahey 和 R. J. Funk 的贡献。