Egghe, L. Theory and practise of the g-index. Scientometrics 69, 131–152 (2006). https://doi.org/10.1007/s11192-006-0144-7

文章总结和评论

研究了什么问题

1. g-index相比拓展之前的h-index 有什么好处。其实这问题在他自己之前的文章中^[1][2]已经提到。
2. g

怎么来研究的（研究方法和思路流程）

拆分为以下问题，并用统计数据作了回答：

1. 团队的文章是不是相比于单一作者的文章在所有论文中占的比例比较高，是不是越来越高？是的。
2. 平均作者数量是不是也比较大，是不是越来越大？是的
3. 团队的文章是不是相比于单一作者的文章获得更多的引用？定义了一个团体文章的平均被引次数和单一作者文章的平均被引次数的比，包含和去掉自引分别计算，发现，确实这个RTI指数大多数时候远远大于1，并且在增长。
4. 给定被引次数，计算这个被引次数的文章中，团队的文章和单一作者文章的比例，发现，这个比例在数据的最后五年远远大于1，并且在增加；而在最初的五年，这个比例和1没有这么大的差别。

拆分出来子问题之后，基本上就是描述性统计。

拆分得更详细数据更充实可能是本文唯一的亮点了。

为什么这样研究

不拆分为上面的子问题，直接统计一下文章中团队文章的比例可能太过简单了。拆分以后看起来证据更加充分。当然，所有这些子问题，只需要用描述性统计来分析。

得到了什么结果

拆分出来的问题的直接结果，已经回答在上面的的拆分之后的问题的总结中。

得到了什么结论

回到研究问题，团队的文章确实比例很大，而且不断在增加，已经大于单一作者的比例；同时，团队文章在被引次数上有优势，是否有促进创新没有回答。

问题方法结论对学科的意义

看到团队工作在增加，于是，对于科技政策来说也就需要恰当地允许甚至鼓励合作。同时，在学科自身而言，了解一下这个事实，尽管这个事实可能已经早有前人知道和作了研究得到了结论，也算有点意义。

问题：这个研究的细致程度——拆分出来的问题更多——可能比其他文章更高，但是，这个结论就算在当年也不应该是新的。那么，这篇文章的超越其他文章的地方在哪里？

对我自己的意义

从一个已有的量——通过对比这个量和这个量描述的实际对象——的缺陷开始，提出一个修正性的新的量，然后研究其数学性质、对比新旧两个量，最后用实际数据算出来结果对比一下，是一个非常典型的数学建模和科学研究的思路。

另外，^[3]对论文和作者的影响力的各种指标作了一个很好的综述。

概念地图

团队、团队文章、单一作者文章、团队文章比例、团队平均大小、团队文章相对单一作者文章被引次数（RTI）、论文被引次数、描述性统计、时间

本文重要参考文献

其他参考文献

引用错误：<references>中定义的<ref>标记带有未在前文中出现的组（group）属性“”。