ஐன்ஸ்டைனின் ஆய்வுக்கட்டுரைகளில் பாதி, அவரது மேற்கோள்களில் 1.5% மட்டுமே பெறுகின்றன

ஓர் அறிவியல் பணிவாழ்க்கை எவ்வளவு சமமற்றது? துலூஸில் உள்ள கோட்பாட்டு இயற்பியல் ஆய்வகத்தைச் (Laboratoire de Physique Théorique, CNRS) சேர்ந்த இயற்பியலாளர்கள் க்ளாஸ் எம். ஃப்ராம், டிமா எல். ஷெபெல்யான்ஸ்கி இருவரும் இதைக் கண்டறியப் பொருளாதார நிபுணர்களின் கருவிப்பெட்டியைக் கடன் வாங்கினர்.

செல்வம், ஆனால் மேற்கோள்களாக

பொருளாதார நிபுணர்கள் சமமின்மையை ஒரு லாரென்ஸ் வளைவு கொண்டு விவரிக்கின்றனர்: குடும்பங்களை மிக ஏழையிலிருந்து மிகப் பணக்காரர் வரை வரிசைப்படுத்தி, மக்கள்தொகையின் ஒவ்வொரு பகுதியும் மொத்தச் செல்வத்தில் எவ்வளவு பங்கை வைத்துள்ளது என்று வரையுங்கள். ஜினி குணகம் அந்த வளைவைச் சுருக்குகிறது: 0 என்றால் முழுச் சமத்துவம், 1 என்றால் ஒரே குடும்பத்திடம் எல்லாம். 2021-இல் முழு உலகையும் ஆய்வுக்கட்டுரை மேற்கோள் காட்டுகிறது: ஜினி 0.843; ஏழைப் பாதியினரிடம் 2% செல்வம், முதல் 10% பேரிடம் 75%.

ஆசிரியர்கள் செல்வத்துக்குப் பதிலாக மேற்கோள்களை வைக்கின்றனர். ஓர் அறிவியலாளருக்கு, ஒவ்வொரு ஆய்வுக்கட்டுரையும் ஒரு குடும்பம், அதன் மேற்கோள்கள் அதன் செல்வம். ஒரு பல்கலைக்கழகத்துக்கு, இணைந்த ஒவ்வொரு ஆய்வாளரும் ஒரு குடும்பம், அவரது மொத்த மேற்கோள்கள் அவரது செல்வம். தரவுகள் 2026 செப்டம்பர் 11 முதல் 17 வரை கூகுள் ஸ்காலரிலிருந்து சேகரிக்கப்பட்டன.

இருபத்தைந்து பணிவாழ்க்கைகள்

அவர்கள் 25 அறிவியலாளர்களைத் தேர்ந்தெடுத்தனர்: ஆல்பர்ட் ஐன்ஸ்டைன், ஆர். ஃபைன்மன் முதல் 2025 இயற்பியல் நோபல் பரிசாளர் எம். டெவோரே வரையிலான 15 நோபல் பரிசாளர்கள், அவர்களுடன் வலையமைப்பு அறிவியல், குழப்பக் கோட்பாடு, குவாண்டம் கணிப்பு, இயந்திரக் கற்றல் ஆகிய துறைகளின் முன்னோடிகள். ஒப்பீட்டுக்காக, தங்கள் ஆய்வகத்தைச் சேர்ந்த ஒரு சக ஊழியரையும் தங்களையும் சேர்த்துக்கொண்டனர்.

• ஐன்ஸ்டைன்: மேற்கோள் பெற்ற 498 ஆய்வுக்கட்டுரைகள், 200,742 மேற்கோள்கள், ஜினி 0.883. அவரது குறைவாக மேற்கோள் பெற்ற பாதி ஆய்வுக்கட்டுரைகள் அவரது மேற்கோள்களில் வெறும் 1.5%-ஐ மட்டுமே பெறுகின்றன; முதல் 10% பெறுவது 84%. அவரது மிக அதிகமாக மேற்கோள் பெற்ற ஆய்வுக்கட்டுரை, 28,657 மேற்கோள்களுடன், ஐன்ஸ்டைன்-போடோல்ஸ்கி-ரோசன் இணைகள் பற்றியது; குவாண்டம் தகவலின் எழுச்சியால் இந்த எண்ணிக்கை உயர்ந்துள்ளது என்கின்றனர் ஆசிரியர்கள்.
• ஃபைன்மன்: 126 ஆய்வுக்கட்டுரைகள், ஜினி 0.850.
• மிகச் சமமற்ற பணிவாழ்க்கைகள் ரேகா ஆல்பர்ட், கே. நோவோசெலோவ், ஒய். லெகுன் ஆகியோருடையவை (ஜினி 0.91 முதல் 0.93). லெகுனுக்கு, மிக அதிகமாக மேற்கோள் பெற்ற மூன்று ஆய்வுக்கட்டுரைகள் மட்டுமே அவரது எல்லா மேற்கோள்களிலும் சுமார் பாதியாகின்றன.
• 15 நோபல் பரிசாளர்களிடையே சராசரி ஜினி 0.81: அவர்களின் கீழ்ப் பாதி ஆய்வுக்கட்டுரைகள் 2.7% மேற்கோள்களையும், முதல் 10% 71%-ஐயும், முதல் 1% 31%-ஐயும் பெறுகின்றன. இது உலகச் செல்வச் சமமின்மையுடன் மிகவும் ஒப்பிடத்தக்கது என்று ஆசிரியர்கள் குறிப்பிடுகின்றனர்.

சில ஆயிரம் முதல் பதினைந்தாயிரம் வரை மேற்கோள்கள் கொண்ட இரு ஆசிரியர்களும் அவர்களின் சக ஊழியரும், சுமார் 0.6 என்ற குறைவான ஜினியைக் கொண்டுள்ளனர். ஆனாலும் ஒட்டுமொத்தமாக, ஒருவருக்கு எத்தனை மேற்கோள்கள் உள்ளன என்பதற்கும் அவர் எவ்வளவு சமமற்றவர் என்பதற்கும் இடையே நேரடித் தொடர்பு எதையும் ஆய்வுக்கட்டுரை காணவில்லை.

சிறிய நாடுகளாகப் பல்கலைக்கழகங்கள்

எட்டுப் பல்கலைக்கழகங்களுக்கு, கூகுள் ஸ்காலரில் அந்த நிறுவனத்தைக் குறிப்பிட்டுள்ள, குறைந்தது 500 மேற்கோள்கள் கொண்ட ஒவ்வொரு ஆய்வாளரையும் ஆசிரியர்கள் எடுத்துக்கொண்டனர்; வேறு இடங்களில் ஈட்டிய மேற்கோள்களுடன் வரும் மாணவர்களையும் முனைவர் பட்டத்துக்குப் பிந்தைய ஆய்வாளர்களையும் விலக்குவதற்காக இது.

பிரின்ஸ்டன் 0.802 ஜினியுடன் மிகச் சமமற்றது: அதன் 2,454 ஆய்வாளர்களில் பாதிப் பேர் அதன் மேற்கோள்களில் வெறும் 2.6%-ஐ மட்டுமே உருவாக்குகின்றனர், முதல் 10% பேர் 69%-ஐ உருவாக்குகின்றனர். அதன் மிக அதிகமாக மேற்கோள் பெற்ற பெயர், வாய்ப்புக் கோட்பாட்டுக்காக (prospect theory) அறியப்பட்ட டேனியல் கானமன், 666,949 மேற்கோள்களுடன்; ஐன்ஸ்டைன் ஒன்பதாவது இடத்தில். கேம்பிரிட்ஜும் ETH சூரிக்கும் 0.775 உடன் அடுத்து வருகின்றன; மாதிரியில் உள்ள இரண்டு பாரிஸ் கல்வி நிறுவனங்களான ENS, ESPCI ஆகியவையும் இஸ்ரேலின் டெக்னியனும் சுமார் 0.68-இல் உள்ளன. சராசரியாக, ஒரு பல்கலைக்கழகத்தின் ஆய்வாளர்களில் பத்தில் ஒரு பங்கினர் அதன் மேற்கோள்களில் சுமார் 61%-ஐ உருவாக்குகின்றனர்.

ஒடுக்கம்: இயற்பியலிலிருந்து சமூகம் வரை

அலைகள், வெப்பம் ஆகியவற்றின் இயற்பியலில் இருந்து வரும் ரேலீ-ஜீன்ஸ் பரவலை அடிப்படையாகக் கொண்டு, செல்வத்துக்காக முன்பு தாங்கள் முன்மொழிந்த ஒரு மாதிரியுடன் இந்த வளைவுகள் அனைத்தையும் ஆசிரியர்கள் பொருத்துகின்றனர். மொத்த ஆற்றல் குறைவாக இருக்கும்போது, பெரும்பாலான நிகழ்தகவு மிகத் தாழ்ந்த நிலைகளில் “ஒடுங்குகிறது”: ஒரு பெரிய ஏழைப் பெரும்பான்மை, ஒரு சிறிய, சிலராட்சி போன்ற உச்சி. அவர்களின் மாதிரி லாரென்ஸ் வளைவுகளுடன் மட்டுமல்லாமல், மிக அதிகமாக மேற்கோள் பெற்ற ஆய்வுக்கட்டுரைகளின் நீண்ட வால்களுடனும், பல அளவு வரிசைகளுக்குப் பொருந்துகிறது; இதை அவர்கள் வலுவான ஆதரவாகக் கருதுகின்றனர்.

ஆய்வுக்கட்டுரைகள் அல்லது ஆய்வாளர்கள் ஏன் இப்படி ஊடாட வேண்டும் என்பதற்கான தங்கள் வாதங்கள் இன்னும் அனுபவ அடிப்படையிலானவை (heuristic) என்பதையும், ஆய்வாளர்களே அறிவிக்கும் நிறுவன இணைப்புகளைக் கூகுள் ஸ்காலர் சார்ந்துள்ளது என்பதையும் அவர்கள் ஒப்புக்கொள்கின்றனர். மேலும் கடுமையான மேற்கோள் தரவுத்தளம் இந்தச் சித்திரத்தைக் கூர்மையாக்கலாம் என்று அவர்கள் பரிந்துரைக்கின்றனர்; இதே ஒடுக்கக் கருத்து சமூக இயற்பியலின் பிற மூலைகளிலும் பயன்படும் என்று நம்புகின்றனர்.