> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.
# 普賴斯定律
> 普賴斯定律指出，在任何領域，少量實體佔大多數成果。探索這一冪律及其在各領域的應用。
**類別**: 法則
**類型**: 統計法則
**起源**: 科學計量學, 1963, 德里克·普賴斯
**別名**: 普賴斯平方根法則, 冪律分布
**快速回答** —
普賴斯定律指出，在任何領域，少量實體（約佔總數的平方根）佔大多數成果、貢獻或影響。這條法則由英國物理學家和科學史學家德里克·普賴斯於1963年提出，揭示了許多自然和社會系統中固有的極端不平等。理解這一法則有助於你認識到集中發生在哪裡，有效分配資源，並避免在不存在均勻分配的地方假設均勻分配的陷阱。
## 什麼是普賴斯定律？
普賴斯定律描述了實體競爭注意力、資源或影響的系統中不平等的基本模式。該法則指出，在任何領域，大約一半的工作、產出或貢獻來自參與者總數的平方根。實際上，如果一個組織有100名員工，大約10名員工將產生約一半的總產出。
> «一半的科學論文由作者總數的平方根所撰寫。» — 德里克·J·普賴斯
這種模式出現是因為具有優先附著——成功帶來更多成功——的系統傾向於將結果集中在少數實體上。無論是科學引用書籍銷售、員工生產力還是網路流量，大多數領域都表現出這種顯著的不平衡。該法則為理解為何少數群體主導許多領域提供了定量框架。
### 普賴斯定律的三層理解
* **入門**: 認識到在大多數系統中，少量子集產生大多數產出。預期極端集中而非均勻分布。
* **實踐**: 使用這一定律識別高影響貢獻者，將資源集中在已被證明的表現者身上，並為貢獻分布設定切合實際的預期。
* **進階**: 理解隨時間創造和加強集中的機制（優先附著、網路效應、累積優勢）。
## 起源
**德里克·J·普賴斯**（1922–1983）是一位英國物理學家，後來成為科學計量學領域的先驅——科學出版物定量研究的先驅。普賴斯在萊斯特大學工作，後來在耶魯大學，是最早將數學和統計方法應用於理解科學如何作為社會系統運作的人之一。
在他1963年的著作《小科學，大科學》中，普賴斯記錄了他的發現：科學生產力遵循高度偏斜的分布。他發現，少量科學家產生了不成比例的大量論文，而這些論文獲得了不成比例的引用份額。他觀察到大約人口的平方根佔一半產出的觀點已在眾多領域得到驗證。
普賴斯的工作為後來科學不平等的研究奠定了基礎，他的見解預示了網路時代注意力經濟的到來，在那個時代，少量網站捕獲了大部分流量，少量創作者捕獲了大部分觀看次數。
## 核心要點
普賴斯記錄的模式不是異常，而是實體競爭有限資源、注意力的系統的一貫特徵。
在任何人口中，大約平方根將佔大約一半的產出。這為預期的集中提供了快速的心智模型。
優先附著——富者愈富的機制——解釋了為何集中出現。早期贏家吸引不成比例的資源、關注和機會。
在任何公司或團隊中，一小部分員工通常產生大多數有價值的產出。這對招聘、留任和資源分配有影響。
## 應用場景
識別推動大多數結果的高影響表現者。將留任工作集中在產生一半產出的平方根員工身上。
在風險投資中，少量投資產生大多數回報。普賴斯定律解釋了這一集中並為投資組合建構提供資訊。
在YouTube或部落格等平台上，少量創作者捕獲大部分觀看次數。理解這一點有助於設定切合實際的預期。
在研究組織中，少量多產的研究人員通常產生大部分重要論文和發現。這對團隊組成有影響。
## 經典案例
### 科學生產力的集中
普賴斯最初的研究集中在科學生產力上，數據仍然引人注目。1969年，普賴斯分析了英國物理學家在論文分布方面的分布，發現約10%的科學家產生了約50%的論文。
更近期的研究已跨學科證實了這一模式。在經濟學中，不足6%的作者產生了超過一半發表的文章。在生物醫學研究中，少量實驗室產生了不成比例的高影響力出版物。
這種集中具有重要意義。大學競相招聘推動聲譽和資金的小「明星」科學家。假設均勻生產力的研究評估可能會錯誤分配資源。旨在實現平等貢獻的政策干預忽視了科學生產力運作的基本結構。
教訓不是集中是好是壞，而是它是可預測的和結構性的——而且沒有考慮到普賴斯定律的系統將始終相對於預期表現不佳。
## 邊界與失效場景
**法則不适用的場景：**
* **嚴格的配額制度**：當透過強制輪調、強制合著或強制分配人為地均衡產出時，自然的集中被抑制。
* **沒有回饋的隨機過程**：成功不提供額外優勢且沒有優先附著的系統可能接近更均勻的分布。
* **非常小的人口**：在10-20人的群體中，統計噪音可能掩蓋預期模式。
**常見誤用：**
* **為不平等辯護**：使用該法則為不公平的薪酬或資源分配合理化，忽視了集中是描述性的而非規定性的。
* **忽視另一半**：只關注高表現者而忽視大多數成員的貢獻可能會損害士氣並錯過有價值的多元輸入。
* **假設集中總是最優的**：在某些情況下，多樣性和廣泛參與提供了集中無法提供的彈性和創新。
## 常見誤區
\*\*錯誤。\*\*該法則描述集中而非重要性。「另一半」貢獻者可能提供必要的多樣性、冗餘性和創新。
\*\*錯誤。\*\*它們相關但不同。帕累托的80/20法則是經驗觀察；普賴斯定律（平方根法則）是更具體的數學關係。
\*\*錯誤。\*\*該法則描述結構性傾向，而非管理失敗。平均化的努力往往抑制有機生產力而非增加它。
## 相關概念
普賴斯定律與不平等、系統理論和組織行為的更廣泛主題相連。
約80%效果來自20%原因的相關觀察，通常稱為80/20法則。
普賴斯定律所屬的數學分布家族，以結果的極端不平等為特徵。
早期成功吸引進一步成功的機制，創造累積優勢和集中。
在科學和其他領域，被認可的研究人員獲得不成比例的信用和資源的現象。
商業洞察：雖然小眾產品個體很小，但集體代表重要的市場份額。
現代經濟在許多市場將回報集中在少數表演者身上的傾向。
## 一句話總結
**記住：在任何領域，預期平方根產生約一半**——認識、尊重並資源化這一集中，同時建構不忽視其餘部分的系統。