ההגדרה המדויקת: h מאמרים עם לפחות h ציטוטים
מדד-ה-h מוגדר כערך המספרי הגבוה ביותר h שעבורו יש לחוקר לפחות h מאמרים שכל אחד מהם צוטט לפחות h פעמים, בעוד שאר מאמריו צוטטו לכל היותר h פעמים כל אחד. למשל, חוקר עם מדד-ה-h של 30 פרסם לפחות 30 מאמרים שכל אחד מהם צוטט לפחות 30 פעם — בלי קשר לכמה מאמרים נוספים פרסם או כמה ציטוטים צברו המאמרים המצליחים ביותר שבהם. המדד נבנה במכוון כך שישלב שני ממדים שנמדדו עד אז בנפרד: כמות-פרסומים גרידא, שמתעלמת לחלוטין מאיכות, וסך-ציטוטים גרידא, שמאמר בודד פורץ-דרך עלול לעוות כלפי מעלה.
המקור: ג'ורג' הירש ומאמר 2005 ב-PNAS
את מדד-ה-h הציע חורחה הירש (Jorge E. Hirsch), פיזיקאי מאוניברסיטת קליפורניה בסן-דייגו, במאמר בשם 'An Index to Quantify an Individual's Scientific Research Output' שפורסם ב-2005 בכתב-העת Proceedings of the National Academy of Sciences (PNAS), כרך 102, עמודים 16569–16572. הירש פיתח את המדד במקור כדי להעריך פיזיקאים תיאורטיים, מתוך כוונה מפורשת להבחין בין חוקרים בעלי תרומה עקבית ומשמעותית לאורך זמן לבין חוקרים שזכו לציטוטים גבוהים ממאמר בודד או שפרסמו כמות גדולה של מאמרים חסרי-השפעה. לפי המאמר, מדד-ה-h מתאם עם סמני-הצלחה חיצוניים כמו זכייה בפרס-נובל, קבלה למלגות-מחקר יוקרתיות והחזקה במשרות בכירות באוניברסיטאות מובילות.
למה הפך לכלי-הערכה סטנדרטי במדעים
תוך שנים ספורות מפרסום המאמר אומץ מדד-ה-h באופן נרחב במדעי-הטבע, בהנדסה ובמדעי-המחשב, ומופיע כיום באופן אוטומטי בפרופיל-החוקר בכלים כמו Google Scholar, Web of Science ו-Scopus. הוא משמש הלכה למעשה בהחלטות-מינוי אקדמיות, בקידום-דרגה, ובהערכת בקשות-מענק — לעיתים קרובות כקיצור-דרך מספרי יחיד במקום קריאה מעמיקה בתיק-הפרסומים המלא של המועמד. עם זאת, ערכי מדד-ה-h שמחשבות מסדי-נתונים שונים לאותו חוקר אינם זהים, מכיוון שכל מסד-נתונים סורק אוסף-מקורות שונה של כתבי-עת וכנסים.
מגבלת ההשוואה בין-תחומית ואפקט גודהארט
המגבלה המרכזית והמוכרת ביותר של מדד-ה-h היא תלות-התחום: מוסכמות-הציטוט שונות מאוד בין דיסציפלינות — תחום עם קהילת-חוקרים גדולה ומאמרים קצרים-ותכופים מייצר ציטוטים בקצב שונה לגמרי מתחום-נישה עם מאמרים ארוכים ונדירים — ולכן המדד תקף רק בהשוואה בין חוקרים באותו תחום ממש, לא כמדד אוניברסלי. מחקרים שנעשו לאחר שהמדד הפך נפוץ הראו גם שהמתאם בין מדד-ה-h לבין זכייה בפרסים מדעיים ירד באופן משמעותי מאז 2010 — דוגמה קלאסית ל'חוק גודהארט', שלפיו מדד שהופך למטרה מפסיק לשמש מדידה טובה. המדד גם חשוף למניפולציה: ציטוט-עצמי מוגבר, ריבוי-מחברים על אותו מאמר (hyperauthorship), ואף מסמכים מיוצרים-אוטומטית שמצטטים מאמר מסוים כדי לנפח את הציון שלו ב-Google Scholar.
בינה מלאכותית: ציטוטים ל-arXiv לפני (ולפעמים בלי) ביקורת-עמיתים
בתחום הבינה המלאכותית מתעוררת בעיה ספציפית שהמדד המקורי לא נבנה כדי להתמודד איתה: מאמרים רבים מתפרסמים תחילה כפריפרינט באתר arXiv, ונאספים ומצוטטים על-ידי חוקרים אחרים עוד לפני שעברו ביקורת-עמיתים פורמלית בכנס או בכתב-עת — ולעיתים גם בלי שיעברו אותה אי-פעם. מחקר של פלדמן, לו ועמאר (Feldman, Lo & Ammar), שבחן מאמרי מדעי-המחשב שהתקבלו לכנסים מובילים, מצא שמאמרים שהועלו ל-arXiv לפני קבלתם הרשמית זוכים בממוצע ל-65 אחוז יותר ציטוטים בשנה שלאחר מכן, לעומת מאמרים מקבילים שהועלו רק לאחר הקבלה — גם לאחר בקרה סטטיסטית על מדד-ה-h של המחברים, על זירת-הפרסום ועל משך-הזמן שהמאמר שהה ב-arXiv. המחברים מדגישים שהממצא מתאמי ולא סיבתי; עדיין, המשמעות המעשית היא שחלק ניכר מהציטוטים שמניבים את מדד-ה-h של חוקרי בינה מלאכותית מתייחס בפועל לגרסה שטרם עברה את תהליך-הבדיקה שההגדרה המקורית של הירש הניחה כמובן-מאליו עבור כל 'מאמר' שנספר.
מדד-h ברמת-כנס: h5-index ודירוג זירות הבינה המלאכותית
מעבר לחוקר בודד, מיושם וריאנט של המדד — h5-index, המחושב רק על-פי חמש שנות-פרסום אחרונות — גם ברמת זירת-הפרסום עצמה: Google Scholar Metrics מדרגת כנסי-AI וכתבי-עת לפי h5-index, ולפי הדירוג הנוכחי מובילה NeurIPS עם h5-index של 371, ואחריה ICLR עם 362, ICML עם 272 ו-AAAI עם 232. השימוש הזה הופך את המדד לכלי מעבר לאבחון הישגי-חוקר יחיד: הוא משמש להשוות בין כנסים, לקבוע היכן כדאי לפרסם, ולעיתים אף משפיע על החלטות-מימון ומדיניות-מוסדית — שימוש שהירש עצמו, כשפרסם את המדד ב-2005 כדי לדרג חוקרי-פיזיקה בודדים, לא צפה.