The Forensic A-Index: A New Citation Algorithm for Restoring Integrity in Scientific Metrics
Notice bibliographique
Résumé
This white paper introduces the Forensic A-Index, a novel bibliometric framework designed to address the global crisis of metric inflation, citation cartels, and industrialized paper mills. Modern science is drowning in its own metrics. Traditional indicators like the h-index systematically reward output volume and superficial visibility, creating a structural vulnerability that adversarial actors exploit to artificially inflate their perceived scholarly impact. To address this crisis, the A-Index transitions academic evaluation from raw, vulnerable accumulation to verified, topology-aware impact. Grounded in three foundational pillars - Integrity over Infinity, Fractional Justice, and Verified Expertise - the framework evaluates a researcher's portfolio through an active verification engine. It applies an L1-normalized fractional authorship attribution (the 10:1 Symmetry Protocol) to strictly conserve academic credit, integrates semantic citation weighting to penalize incidental padding, and enforces a dynamic network density penalty (Ktopo) to neutralize hyper-collaboration. By algorithmically deflating manufactured noise and artificial academic capital, the A-Index fundamentally defends scientific meritocracy, ensuring that academic credit flows exclusively to authentic innovators who possess verifiable conceptual understanding. Note: This document represents Part 1 of the foundational ASAI architecture, focusing on the core algorithmic philosophy and practical application. For the rigorous game-theoretic proofs and stochastic diffusion models, please refer to Part 2: "The Science of Truth: A Rigorous Mathematical Framework for Integrity-Aware Scientific Metrics via the Forensic A-Index." *** To test the live algorithmic verification engine, visit appliedsciai.com.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».