자기인용 부풀리기 (Self-Citation Inflation)
쉽게 풀면
논문을 쓰다 보면 자기 이전 연구를 인용하는 것 자체는 자연스러운 일입니다. 문제는 그 정도가 지나칠 때입니다. 새 논문의 참고문헌 목록 중 상당수를 별로 관련 없는 자기 논문으로 채우면, 그 논문이 검색되고 인용될 기회가 늘어나면서 저자의 인용 수와 h-지수가 실제 학술적 영향력보다 부풀려집니다. 이는 다른 연구자가 서로 인용해주기로 짬짜미하는 인용 조작과 달리, 저자 혼자서도 할 수 있다는 점에서 감시가 더 어렵습니다.
왜 중요한가
연구비 심사, 채용, 승진 평가에서 인용 지표가 갈수록 중요한 잣대로 쓰이면서, 자기인용 부풀리기는 연구업적평가의 공정성과 연구윤리 논의에서 빠지지 않는 주제가 되었습니다. 저널 임팩트팩터나 개인 h-지수 같은 계량서지학 지표가 실제 학술적 영향력을 얼마나 왜곡 없이 반영하는지를 검증하려는 연구들이 이를 핵심 사례로 다룹니다. 또한 인용 데이터베이스와 평가 알고리즘을 설계하는 연구자들에게도 자기인용을 어떻게 보정할지는 실무적으로 중요한 문제입니다.
논문에서는 이렇게 쓰입니다
이 문장은 "이 연구자가 받은 인용 중 상당 부분이 다른 연구자가 아니라 본인 스스로 자기 논문을 인용한 결과이므로, 순수한 학술적 영향력만으로 보기 어렵다"는 뜻입니다.
계량서지학 연구에서 자기인용을 통제 변수로 제거해 지표의 왜곡 정도를 측정한 예문입니다.
연구업적평가 정책 연구에서 경력 단계별 자기인용 관행의 차이를 비교 분석한 예문입니다.
조금 더 깊게 보면
계량서지학 연구자들은 자기인용을 걸러내기 위해 저자 본인의 인용을 제외하고 h-지수나 피인용 수를 다시 계산하는 방식을 흔히 사용하며, 이렇게 보정한 지표를 원래 지표와 비교해 부풀림 정도를 가늠합니다. 또한 소수의 연구자끼리 서로의 논문을 몰아서 인용해주는 '인용 카르텔'은 자기인용과 구분되는 별개의 문제로, 두 현상 모두 저널 단위 지표인 임팩트팩터를 왜곡할 수 있어 함께 논의되는 경우가 많습니다. 일부 학술 데이터베이스는 이런 이상 패턴을 탐지하기 위해 특정 저자나 저널로 인용이 비정상적으로 집중되는지를 통계적으로 점검하기도 합니다.
주의할 점
자기인용 자체가 부정행위는 아닙니다. 같은 주제를 이어서 연구했다면 자기 논문을 인용하는 것이 오히려 정직한 서술입니다. 문제가 되는 것은 내용상 근거가 되지 않는데도 인용 수를 늘릴 목적으로 끼워 넣는 경우이며, 이는 임팩트팩터와 h-지수 같은 지표를 왜곡시켜 평가 제도 전반의 신뢰를 떨어뜨립니다.