درآمدی بر آلتمتریکس: مقیاس‌های جایگزین برای بررسی تأثیر پژوهش با تأکید بر وب اجتماعی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 . دانشجوی دکتری علم اطلاعات و دانش‌شناسی دانشگاه خوارزمی

2 . دانشیار گروه علم اطلاعات و دانش‌شناسی دانشگاه خوارزمی

چکیده

هدف: با توجه ‌به رشد روزافزون استفاده از وب اجتماعی و ابزارهای آن به‌عنوان بستر انتشار بروندادهای پژوهشی و ارتباطات علمی، ضرورت ارزیابی و داوری کیفیت پژوهش‌های علمی‌ای که ازطریق این بستر منتشر می‌شوند را مطرح کرده است. هدف از مطالعۀ حاضر نیز معرفی آلتمتریکس به‌عنوان راه‌حلی برای بررسی تأثیر پژوهش‌های منتشرشده در بستر وب اجتماعی می‌باشد.
                           
روش‌شناسی: مقالۀ حاضر اثری مروری با رویکرد تحلیلی و انتقادی است. در این مقاله ابتدا آلتمتریکس معرفی شده و پس از بررسی پیشینۀ پژوهش‌های صورت‌گرفته در این حوزه، محدودیت‌ها و نقاط ضعف مقیاس‌های سنتی ارزیابی تأثیر پژوهش مورد بررسی قرار گرفته و پس از آن مقیاس‌ها و ابزارهای آلتمتریکس، مزایا، محدودیت‌ها و کاربردهای آن در ارائۀ خدمات به گروه‌های مختلف ذی‌نفعان بیان شده و در پایان نیز نقشۀ راه آیندۀ پژوهش‌های آلتمتریکس ارائه شده است.
                           
یافته­ها: مقیاس‌های آلتمتریکس برگرفته از وب اجتماعی به‌طور روزافزون به‌ عنوان شاخص‌های جایگزین ارزیابی تأثیر و سودمندی مقالات و دیگر بروندهای متنوع پژوهشی، طرف‌دار پیدا کرده و به‌عنوان راه‌حلی برای بررسی کیفیت انواع متنوع پژوهش‌های غیررسمی و غیردانشگاهی مورد استفاده قرار می‌گیرند. سرعت و سهولت و شفافیت این مقیاس‌ها در ارزیابی تأثیر این نوع پژوهش‌ها موجب اعتباربخشی به این نوع کارهای پژوهشی و درنهایت پرورش و بالندگی چنین ارتباطات پژوهشی می‌گردد.
                           
نتیجه‌گیری: آلتمتریکس یک روش جدید اندازه‌گیری تأثیر و توزیع پژوهش‌های دانشگاهی و غیردانشگاهی است و به‌عنوان یک روش سریع و مطلوب و مرتبط برای ارزیابی تأثیر پژوهش، در ابتدای راه و شاخصی رو به توسعه است که نیازمند پژوهش‌های وسیع‌تری به‌منظور ارزیابی کارایی هریک از مقیاس‌های جایگزین می‌باشد.
                           

کلیدواژه‌ها


مقیاس‌های آلتمتریکس[1] برگرفته از وب اجتماعی، به‌طور روزافزون به‌عنوان شاخص‌های اولیۀ تأثیر و سودمندی مقالات، طرف‌دار پیدا کرده و مورد استفاده قرار می‌گیرند. اگرچه ممکن است پژوهشگران به ‌طور سنتی مقالات مرتبط را ازطریق مرور مجلات یا شرکت در نشست‌ها یا چک ‌کردن مکاتبات همکاران پیدا کنند، ولی در عصر دیجیتال، پژوهشگران بر جست‌وجوی کلیدواژه‌ای یا مرور آنلاین تکیه دارند. درحالی‌که دسترسی ازطریق میز کار به بسیاری از کتابخانه‌های دیجیتال و نمایه‌ها، پتانسیل دسترسی به مقالات بسیاری را فراهم می‌سازد، ولی گاهی پژوهشگران، نیازمند استراتژی‌هایی برای شناسایی مرتبط‌ترین مقالات از میان مجموعۀ بزرگ مقالات در دسترس هستند. در پاسخ به این امر، گوگل اسکولار[2] نتایج جست‌وجو را براساس تعداد استنادها و با این پیش‌فرض که بیشترین استناد به‌معنای مهم‌تر یا مفیدتر‌بودن است، ارائه می‌کند. کتابخانه‌های دیجیتال با نمایۀ استنادی نیز اغلب این خدمت را ارائه می‌کنند؛ ولی با توجه ‌به اینکه استناد، به زمان زیادی برای به ‌بارنشستن نیاز دارد، بسیاری از ناشران به‌دلیل سرعت مقیاس‌های جایگزین، به آلتمتریکس روی آورده‌اند و درنتیجه به شمارش استنادها و ارجاعات در وب اجتماعی می‌پردازند؛ بنابراین، ارجاعات رسانه‌های اجتماعی به یک ابزار تجاری ارزشمند برای ناشران به‌منظور ترویج مقالات پرتأثیر تبدیل شده و ناشران برای این منظور به ردگیری سایت‌های آلتمتریکس می‌پردازند.

واقعیت این است که استناد یک فرایند بسیار زمان‌بر است و براساس رشته ممکن است دو تا پنج سال طول بکشد تا یک مقاله استناد دریافت کند؛ در نتیجه، بسیاری به ضریب تأثیر مجله به‌عنوان یک پروکسی برای ارزش استنادی مقالات در مجله رجوع کردند؛ ولی با توجه ‌به توزیع نامتقارن استنادها، مقیاس مجلات نباید به‌عنوان شاخص سطح مقاله مورد استفاده قرار گیرد. علاوه‌براین، ارتباط بین استنادها و ضریب تأثیر نیز ضعیف است؛ بنابراین مقیاس‌های جایگزین، برای پاسخ به این چالش‌ها توسعه یافته‌اند (تلوال و دیگران[3]، ۲۰۱۳).

به‌طورکلی، می‌توان گفت مقیاس‌های جایگزین به این نام خوانده می‌شوند تا تمایز خود را از کتاب‌سنجی (نظام‌های سنتی شمارش استناد) و وبومتریک[4] (اندازه‌گیری رتبۀ صفحات وب یا تأثیر آن با تحلیل‌ پیوندهای بین صفحات در وب) نشان دهند. انواع مختلفی از داده‌هایی وجود دارد که برای کارهای پژوهشی گردآوری شده است؛ مانند بازدید از صفحات مقالات، ذخیره‌سازی و بوک‌مارک‌های مدرک، دانلودهای پی‌دی‌اف، تگ‌ها، لایک‌ها یا به‌اشتراک‌گذاری در شبکه‌های اجتماعی، ذخیره‌سازی‌ها در مدیران مرجع، پیشنهادها یا پست‌های بلاگ‌ها که هرکدام انعکاسی از ابعاد مختلف تأثیر هستند. این مقیاس‌های متفاوت درمجموع آلتمتریکس خوانده می‌شوند و موضوع مطالعه در چند سال اخیر قرار گرفته‌اند و نشان‌دهندۀ هم‌بستگی متوسط با مقیاس‌های سنتی استنادمحور هستند؛ ولی انواع جدید تأثیر مانند تأثیر پژوهش‌های غیرچاپی، همچنین تأثیر قالب‌های غیررسمی بروندادهای پژوهشی مانند کدها، مجموعۀ داده‌ها و اسلایدها، گزارشات فنی و... را نیز آشکار می‌سازند.

 

آلتمتریکس چیست؟

آلتمتریکس کوتاه‌نوشت Alternative Metrics است، به ‌معنای مقیاس‌های جایگزین. هدف از آلتمتریکس اندازه‌گیری تعاملات پژوهشی وب‌محور است، شامل موضوعاتی ازقبیل اینکه چگونه یک پژوهش توییت می‌شود یا دربارۀ آن بلاگ نوشته می‌شود یا بو‌ک‌مارک می‌شود (هاروارد، ۲۰۱۲ در گالیگان و دیاس‌کوریا[5]، ۲۰۱۳).

آلتمتریکس همان‌گونه که از نام آن مشخص است، «خلق و مطالعۀ مقیاس‌های جدید براساس وب اجتماعی برای تحلیل و آگاهی‌بخشی از پژوهش است.» آلتمتریکس به ارائۀ یک جایگزین برای فعالیت‌های جاری و بدون تکیۀ محض بر شمارش استنادها و ضریب تأثیر مجلات به‌منظور تحلیل کمی تأثیر ازطریق معرفی رویکردهای تکمیلی و منابع داده‌ای جدید می‌باشد.

از نظر گالیگان[6] (۲۰۱۲)، آلتمتریکس مقیاس‌های جدیدی هستند برای اندازه‌گیری تأثیر محتوای پژوهش براساس چگونگی حرکت آن در طول و عرض وب اجتماعی مانند توییتر[7]، بوک‌مارک‌های اجتماعی مانند سایت یو لایک[8] و ابزارهای همکاری مانند مندلی[9]. آنچه آلتمتریکس امیدوار است انجام دهد، ارائۀ یک مقیاس جایگزین تأثیر متفاوت از ضریب تأثیر مجله است (آنچه به‌درستی مورد استفاده قرار نگرفته است و در پاسخ‌گویی به محیط دیجیتال ناتوان است).

تارابورلی[10] آلتمتریکس را فراتر از شاخص‌های استنادمحور سنتی و شامل شاخص‌های استفادۀ خام مانند دانلودها، نرخ کلیک با تمرکز بر شاخص‌های خوانندگی، انتشار و استفادۀ مجدد ازطریق وبلاگ‌ها، رسانه‌های اجتماعی و ابزارهای یادداشت همکاری شامل بوک‌مارک‌های اجتماعی و خدمات مدیریت مرجع می‌داند (گالیگان و دیاس‌کوریا، ۲۰۱۳).

آلتمتریکس به‌طور مشخص به وب اجتماعی نظر دارد و آن را در استخراج اطلاعات برای تحلیل و بررسی پژوهش به‌کار می‌برد. آلتمتریکس یک روش جدید اندازه‌گیری تأثیر و توزیع پژوهش‌های دانشگاهی است و به‌سرعت محور تمرکز مباحثه‌ها و جدال‌های شدیدی قرار گرفته است؛ زیرا آلتمتریکس به‌عنوان یک روش سریع و مطلوب و بسیار مرتبط برای ارزیابی شایستگی دریافت کمک‌هزینه و بورسیه‌ها برای اساتید و پرفسورها تبدیل شده است؛ به‌عبارت دیگر، آلتمتریکس «انتشار یا نابودی[11]» را به دنیای دیجیتال آورده است. طرف‌داران آلتمتریکس نیاز به مقیاس‌های جایگزین را برای ارزیابی شایستگی در دریافت بورسیۀ دانشگاهی بسیار ضروری می‌دانند (کرلس[12]، ۲۰۱۳).

رسالت آلتمتریکس این است که مقیاس‌های سطح مقاله را آسان سازد. آلتمتریکس آمارهای دانلود، شمارش مدیریت مرجع، پیوندها از مسیر اصلی منابع و اشتراک و بحث در رسانه‌های اجتماعی و داده‌های غنی‌شده با اطلاعات جمعیت‌شناختی را فراهم می‌آورد و سپس همه را ازطریق رابط‌های برنامۀ کاربردی برای تحلیل ازطریق مرورگر وب دسترس‌پذیر می‌سازد.

فلسفه و رویکرد آلتمتریکس، گردآوری بیشترین داده در مورد بیشترین مقالات آنلاین، سرعت و مقیاس کار گسترده و تمرکز بر منابع داده‌ای است که توسط کاربران قابل ‌ارزیابی ‌باشد؛ به‌عنوان ‌مثال، اگر ما بگوییم که این مقاله پنج بار توییت شده است، کاربر می‌تواند پنج لینک مرتبط و نام‌های کاربری توییتر و برچسب زمانی آن‌ها را مشاهده کند.

کاربرد داده‌های آلتمتریکس شامل بحث‌های مرتبط، پیوندها به صفحات مقاله، تقویت تحلیل صفحات برای نویسندگان و افزودن داده‌های اجتماعی به نمایه‌های جست‌وجو برای تقویت فهرست‌های بیشترین به ‌اشتراک ‌گذاشته‌شده و محبوب‌ترین‌ها می‌باشد (آدیه و رو[13]، ۲۰۱۳).

 

پیشینۀ پژوهش

مطالعات آلتمتریکس در نخستین دورۀ رشد خود به‌سر می‌برند؛ ولی کارهایی نیز در این حوزه انجام شده است. پژوهشگرانی مانند جیسون پرایم[14]، داریو تارابورلی، پل گروث[15] و کامرون نیلون[16] مسئول نوشتن بیانیۀ آلتمتریکس هستند. تعدادی مطالعات تجربی نیز در این ‌زمینه انجام شده و کارهای فراوانی هم در حال اجراست. فهرست جامعی از پیشنهادات و کارهای انجام‌شده، در گروه مندلی در دسترس است (گالیگان و دیاس‌کوریا، ۲۰۱۳).

ازطرف دیگر، به‌کار بردن مقیاس‌های غیراستنادی در ارزیابی پژوهش نیز امری جدید نیست. پژوهش‌هایی در گذشته به بررسی هم‌بستگی بین استنادهای سنتی و دیگر همتایان جوان‌تر آن مانند ارائه‌های آنلاین (تلوال و کوشا[17]، ۲۰۱۲)، استنادهای گوگل اسکولار (لوپز‌ و گذار و کابزاک‌کلاویجو[18]، ۲۰۱۲)، استنادهای کتاب گوگل (تلوال و کوشا، ۲۰۰۷) و دانلودهای مقالات پرداخته‌اند (تلوال، ۲۰۱۳).

بررسی میزان استفاده برای تبیین تأثیر نیز یک فعالیت بسیار قدیمی است. کتابخانه‌ها و ناشران سال‌هاست به گردآوری مقیاس‌های استفاده‌محور به‌منظور تولید گزارشات کانتر[19] یا شمارش آنلاین کاربرد منابع الکترونیکی شبکه‌ای[20]، درخواست‌ها و شاخص‌های مشابه می‌پردازند؛ بنابراین، آلتمتریکس در به ‌کارگیری میزان استفاده نیز اقدام جدیدی انجام نداده است؛ ولی جست‌وجو برای افزودن انواع جدید استفاده و اشیای جدید استفاده و انجام آن در مقیاس وب جدید است.

یکی از جالب‌ترین اشکال استفاده، استفادۀ پژوهشگران از شبکه‌های اجتماعی برای کشف و به ‌اشتراک‌گذاری پژوهش‌های دانشگاهی است؛ به‌عنوان ‌مثال، توییتر به‌عنوان یک منبع مهم سیگنال‌های پژوهشی ظهور کرده و به‌کارگیری این ابزار بسیار آسان است؛ زیرا بسیاری از پژوهشگران به‌سادگی از آن استفاده می‌کنند و عموم می‌توانند به‌راحتی توییت کرده و همین‌طور گردآوری و تحلیل داده‌های آن نیز به‌سادگی صورت می‌گیرد (گان[21]، ۲۰۱۳). درخصوص سهولت گردآوری داده‌ها در آلتمتریکس می‌توان گفت اگرچه پژوهش‌های وبومتریک و مطالعات خوانندگان الکترونیکی سعی در انعکاس تأثیر پژوهش در یک مفهوم گسترده‌تر دارند، ولی اغلب آن‌ها توسط مقیاس‌پذیری و دسترسی به داده‌ها محدود شده‌اند. با توجه ‌به اینکه آلتمتریکس بر پلتفرم‌های رسانه‌های اجتماعی تمرکز دارد و اغلب دسترسی آزاد به استفاده از داده‌ها ازطریق رابط‌های برنامۀ کاربردی وب را فراهم می‌سازد، گردآوری داده‌ها در این روش کم‌تر مشکل‌ساز است.

بسیاری از مطالعاتی که تاکنون در این حوزه صورت گرفته است، به ارزیابی مقیاس‌های جایگزین مانند ارجاعات و استنادها در وبلاگ‌ها، ویکی‌پدیا، توییتر، فیس‌بوک یا شمارش خوانندگان در مدیران مرجع و پلتفرم‌های بوک‌مارک پرداخته‌اند و برخی از مطالعات نیز به شاخص‌های مختلفی برای یک منبع پرداخته‌اند؛ مثلاً تحلیل مقیاس‌های سطح مقاله در PLOS[22]، به شمارش پیشنهادها، رتبه‌بندی‌ها، بوک‌مارک‌های اجتماعی و استنادهای مقالات منتشرشده در PLOS پرداخته‌اند.

تعدادی از مطالعات نیز در زمینۀ بررسی هم‌بستگی آلتمتریکس با مقیاس‌هاس سنتی انجام شده است. در مطالعاتی که بر روی مندلی صورت گرفته، نتایج حاکی از این است که بین شمار خوانندگان مندلی و شمارش استنادها هم‌بستگی متوسط دیده می‌شود؛ به‌عنوان‌ مثال، در شمار خوانندگان مندلی با شمارش استنادهای ساینس[23] ضریب هم‌بستگی ۵۴/۰ درصد و با نیچر[24] ضریب هم‌بستگی ۵۶/۰ درصد بوده است (لی و تلوال و گیستینی[25]، ۲۰۱۲ در تلوال، ۲۰۱۳).

در مطالعات بررسی هم‌بستگی بین مندلی و شمارش استنادهای PLOS که توسط پرایم و همکاران (۲۰۱۲) صورت گرفته، ضریب هم‌بستگی 5/0 درصد و در مطالعۀ باریلان[26] (۲۰۱۲) بر روی هم‌بستگی بین مندلی با جی‌سیست[27] ضریب هم‌بستگی 46/0 درصد به‌دست آمده است (تلوال، ۲۰۱۳). همچنین براساس مطالعه‌ای که توسط شوای و پپه و بولن[28] (۲۰۱۲) انجام شده است، نتایج نشان می‌دهد که بین توییت‌های مقالات [29]ArXive با شمارش استنادها نیز هم‌بستگی وجود دارد.

ایزنبک[30] (۲۰۱۱) نیز در مطالعه‌ای تحت ‌عنوان «آیا توییت‌ها می‌توانند استنادها را پیش‌بینی کنند»، به بررسی توییت‌های مجلۀ «Journal of the American of medical internet association» پرداخته و نتایج حاکی از این است که توییت‌های این مجله می‌توانند پیش‌بینی‌کنندۀ استنادهای آینده در همان سال باشند.

تلوال[31] (۲۰۱۳) نیز در مطالعه‌ای به بررسی یازده مقیاس جایگزین متفاوت با داده‌های استناد ۳۳۱/۱۳۵ سند منتشرشده در پابمد[32] در خلال سال‌های ۲۰۱۰ تا ۲۰۱۲ پرداخت (بدون درنظرگرفتن خوداستنادی‌ها). این مطالعه در پی پاسخ‌دادن به این سؤال بود که تا چه حد شاخص‌های آلتمتریکس با شمارش استنادها هم‌بستگی دارند؟ مقیاس‌های آلتمتریکس موردبررسی در این مطالعه شامل استنادها در توییتر، گوگل پلاس[33]، فیس‌بوک والز[34]، لینکدین[35]، پینرز[36]، فرومز[37]، ردیت[38]، ‌ام. اس. ام[39]، آر. اچ[40]، کیو ای[41] و بلاگ‌ها در ۲۲۰۰ وبلاگ علمی استخراج‌شده از نمایه‌های ساینس سیکر[42] و رسرچ بلاگینگ[43] و نیچر صورت گرفت. نتایج شواهد قوی ارائه داد که فقط شش مقیاس[44] از یازده مقیاس جایگزین، با شمارش استنادها هم‌بستگی دارند؛ با این‌حال، پوشش همۀ مقیاس‌های جایگزین به‌غیراز توییتر کم بوده است (زیر ۲۰ %).

از دیگر یافته‌های مهم این پژوهش می‌توان به این موضوع اشاره کرد که به‌دلیل افزایش استفاده از وب اجتماعی و به‌ویژه توییتر، ناشران باید به این مسئله توجه کنند که مقالات قدیمی‌تر به‌دلیل استفادۀ کم‌تر از وب اجتماعی در زمان انتشار، امتیازات آلتمتریکس کمتری را کسب می‌کنند و مقالات جدیدتر با تأثیر احتمالی همان مقالات، امتیازات آلتمتریکس بیشتری را کسب می‌کنند؛ زیرا در عمل، بیشترِ پژوهشگران به ‌دنبال جست‌وجوی جدیدترین مقالات هستند.

پرایم و پیووار و همینگر[45] (۲۰۱۲) نیز در پژوهشی به گردآوری مقیاس‌های جایگزین و استنادهای ۲۴.۳۳۱ مقالۀ منتشرشده در PLOS در بازۀ زمانی (۱۸/۰۸/۲۰۰۳ تا ۲۳/۱۲/۲۰۱۰) پرداختند و پس از خارج ‌نمودن سرمقاله‌ها و دیدگاه‌ها و... از مجموعۀ مقالات، ۲۱.۰۹۶ مقالۀ پژوهشی را با استفاده از مقیاس سطح مقاله و دیگر ابزارهای مستقل مورد بررسی قرار دادند. منابع گردآوری اطلاعات در این پژوهش به شرح زیر بود:

در این پژوهش به‌طورکلی حدود ۸/۱میلیون رویدادهای آلتمتریکس گردآوری شد[46]. به ‌علاوه در نوامبر

۲۰۱۰ و دسامبر ۲۰۱۱ نیز گردآوری استنادهای تامسون رویترز ازطریق رابط کاربر WOS به‌طور دستی صورت گرفت. درنهایت این شمارش‌ها براساس تاریخ انتشار و محل مجله نرمال‌سازی شد و یافته‌ها حاکی از موارد زیر بود:

1. عدم کمبود داده‌های آلتمتریکس: هیچ کمبودی برای داده‌های آلتمتریکس گردآوری‌شده از منابع وجود ندارد. حدود ۸۰ درصد مقالات نمونه حداقل در یک پایگاه مندلی و یک‌چهارم مقالات در پنج یا بیشتر منابع متفاوت وجود داشتند.

2. شاخص‌های آلتمتریکس و استنادها همبسته، ولی مستقل هستند. آلتمتریکس و استنادها قالب‌های تأثیری را ردگیری می‌کنند که متمایز، ولی مرتبط هستند و هیچ‌کدام از رویکردها به ‌تنهایی قادر به توصیف تصویر کامل استفاده از پژوهش نیستند.

3. آلتمتریکس وجوه مختلف تأثیر را آشکار می‌سازد؛ مانند گرفتن تأثیرات مختلف از مخاطبان مختلف. برخی مقالات ممکن است به‌شدت خوانده و ذخیره شوند، ولی به‌ندرت مورد استناد قرار گیرند.

مهربان و منصوریان (۱۳۹۳) نیز در مقاله‌ای تحت‌عنوان «رصد روندهای علمی»، به بررسی روش‌های ردیابی روند علمی سنتی شامل روش مستقیم مرور و داوری توسط همتایان[47] و روش‌های کتاب‌سنجی پرداخته‌اند و پس از بررسی و تحلیل نقاط ضعف این دو روش، به‌ویژه روش تجزیه و تحلیل استنادی، ضعف‌ها و کمبودهای موجود در این دو روش را مقدمه‌ای بر ظهور دیگر معیارهای اندازه‌گیری تأثیر علمی و تجزیه و تحلیل روند علمی دانسته و روش‌های مبتنی ‌بر وب ۲ را موقعیتی برای خلق معیارهای جدید اندازه‌گیری تأثیر علمی دانسته و به مزایا و کاستی‌های آلتمتریکس اشاره نموده‌اند.

بررسی مطالعات و پژوهش‌های مختلف انجام‌شده درزمینۀ آلتمتریکس نشان می‌دهد پژوهش‌های آلتمتریکس هنوز در ابتدای مسیر قرار دارند و تصمیم‌گیری در مورد کارایی ابزارهای آلتمتریکس نیازمند انجام مطالعات پژوهشی گسترده‌تری می‌باشد. مطالعات هم‌بستگی صورت‌گرفته در این حوزه حاکی از این است که بین شاخص‌های آلتمتریکس و دریافت استناد، هم‌بستگی مثبت وجود دارد؛ ولی دریافت شواهد قوی‌تر نیازمند مطالعاتی در مقیاس وسیع‌تر است. همچنین با بررسی مطالعات صورت‌گرفته در حوزۀ آلتمتریکس می‌توان به خلأ انجام مطالعات پژوهشی آلتمتریکس در ایران پی برد.

 

 

مقیاس‌های سنتی ارزیابی تأثیر پژوهش

حامیان آلتمتریکس دلایل متفاوتی را برای ضرورت ایجاد مقیاس‌های جدید بیان می‌کنند. شمارش استناد و داوری همتایان و ضریب تأثیر مجله[48] به ‌طور سنتی به‌عنوان ابزارهایی برای مشخص ‌نمودن ارزش کار پژوهش و روشی برای فیلترسازی مرتبط‌ترین و مهم‌ترین منابع از میان انبوه مطالعات دانشگاهی تولید شده‌اند؛ ولی با افزایش میزان انتشارات و ظهور ارتباطات پژوهشی آنلاین، مقیاس‌های سنتی با شکست مواجه شده‌اند.

مقیاس داوری همتایان در گذشته به‌خوبی پاسخ‌گوی پژوهش بوده است؛ ولی عمر آن به پایان رسیده است؛ زیرا بسیار کند است و پیروی از سنت‌های قدیمی را تشویق می‌کند و نمی‌تواند پاسخ‌گوی داوران باشد و در نشان ‌دادن حجم پژوهش نیز دارای محدودیت است.

شمارش استناد نیز مفید است، اما کافی نیست. مقیاس‌هایی مانند h-index حتی از داوری همتایان نیز کندتر هستند. اولین استناد یک کار پژوهشی می‌تواند سال‌ها به ‌طول انجامد. این مقیاس‌ها محدود هستند و تأثیر خارج از دانشگاه و همچنین دلیل و محتوای استناد را هم نادیده می‌گیرند. به بیان ساده‌تر، منابع به ‌دلایل مختلفی استناد دریافت می‌کنند؛ مانند استنادهای پوچ[49] شامل خوداستنادی و سیاست‌ها (استنادهای افتخاری به پژوهشگران قابل ‌احترام) و استناد به‌منظور تکذیب، بدین معنا که نویسنده به نویسندۀ دیگر به ‌منظور رد نظر او استناد می‌کند و این استناد نشانۀ تأیید کار او نیست.

استنادها اشکال غیرسنتی ارتباطات پژوهشی مانند پیش‌چاپ‌ها، گزارشات فنی، ارائه‌های کنفرانس‌ها، پوسترها و مجموعۀ داده‌ها را نیز دربر نمی‌گیرند. در آخر اینکه استفاده از شمارش استنادها به‌عنوان یک مکانیزم برای فیلترسازی محتوا برای کتابداران بدون دسترسی به پایگاه‌ها می‌تواند چالش‌برانگیز باشد و دسترسی به ضریب تأثیر مجلات، بسیار آسان‌تر از دسترسی به امتیاز استنادی افراد است.

ازطرف دیگر، استنادها فقط به ارزیابی تأثیر پژوهش براساس مورداستناد قرارگرفتن می‌پردازند و میزان خوانده ‌شدن پژوهش را نادیده می‌گیرند؛ زیرا مخاطبان بسیاری هستند که خوانندگان صرف[50] فعالیت‌های پژوهشی و مقالات محسوب می‌شوند؛ ولی ممکن است دست به پژوهش یا انتشار مقاله نزنند و درنتیجه هیچ استنادی هم صورت نمی‌گیرد؛ بنابراین، در استناد ممکن است تأثیر اجتماعی پژوهش نیز مورد توجه قرار نگیرد.

ضریب تأثیر مجله نیز براساس تعداد متوسط دفعاتی که یک مقالۀ منتشرشده در یک مجلۀ مشخص در طول دو سال گذشته مورد استناد قرار گرفته است، محاسبه می‌شود و میانگین استنادهای مجلات را برای هر مقالۀ مجله درنظر می‌گیرد و اغلب به ‌اشتباه برای ارزیابی تأثیر مقالات افراد، مورد استفاده قرار می‌گیرد. جزئیات دقیق JIF یک راز تجاری است و امکان دست‌کاری‌کردن آن آسان است. ازجمله ایراداتی که بر ضریب تأثیر مجلات وارد است، این است که اغلب پذیرش یک مقاله در یک مجله نیازمند استناد به مقالاتی است که قبلاً در آن مجله منتشر شده است و این امر به‌منظور بالابردن تعداد کل استنادهای مجله و درنتیجه افزایش ضریب تأثیر مجله می‌باشد. انتقاد دیگر این است که JIF فقط یک تخمین کیفیت است و مقیاس‌های صحیح کیفیت یک مقاله باید ازطریق مقیاس سطح مقاله، مانند شمارش استناد، موردبررسی قرار گیرد.

به‌طورکلی، می‌توان گفت مقیاس‌های سنتی مربوط می‌شوند به مجلات یا مقالات و دیگر بروندادهای مهم پژوهشی مانند پست‌های وبلاگ، اسلایدها، مجموعۀ داده‌ها و دیگر مباحث پژوهشی مهم را دربر نمی‌گیرند؛ ولی آلتمتریکس می‌تواند تأثیر سطح مقاله را ازطریق شواهد فعالیت‌های رسانه‌های اجتماعی و تأثیر سایر بروندادهای پژوهشی مهم اندازه‌گیری کند.

مقیاس‌های جدید امکان کشف دیدگاه‌های جدید نسبت‌ به تأثیر را که قبلاً امکان اندازه‌گیری آن‌ها وجود نداشت، ارائه می‌کنند و نسبت ‌به مقیاس‌های سنتی که بر شمارش استناد و ضریب تأثیر مجله تکیه داشتند، بسیار سریع‌تر هستند. آلتمتریکس این امکان را فراهم می‌سازد که تأثیر یک مقاله را به‌سرعت از طریق انبوه بوک‌مارک‌ها و وبلاگ‌ها موردارزیابی قرار دهد (گالیگان و دیاس‌کوریا، ۲۰۱۳).

 

مقیاس‌های جایگزین بررسی تأثیر پژوهش

آلتمتریکس دیدگاه ما را از آنچه تأثیر به ‌نظر می‌رسد و همچنین از آنچه تأثیر را می‌سازد، گسترده‌تر می‌کند و این موضوع مهمی است؛ زیرا اشکال پژوهش بسیار متنوع شده و به‌طور روزافزون به‌صورت پیوسته در قالب‌های مختلف در دسترس قرار گرفته‌اند. به‌دلیل اینکه آلتمتریکس خود دارای تنوع است، بنابراین برای اندازه‌گیری تأثیر در اکوسیستم متنوع پژوهش بسیار خوب عمل می‌کند. درواقع، آلتمتریکس برای بررسی این اشکال جدید ضروری خواهد بود؛ زیرا این موارد خارج از دامنۀ فیلترهای سنتی هستند.

آلتمتریکس سریع است و برای گردآوری داده‌ها در روزها یا هفته از رابط‌های برنامۀ کاربردی عمومی استفاده می‌کند. آلتمتریکس باز است و نه ‌فقط داده‌ها، بلکه اسکریپت‌ها و الگوریتم‌هایی که آن‌ها را گردآوری و تفسیر می‌کنند را نیز دربر می‌گیرد. سرعت آلتمتریکس فرصتی را برای ایجاد پیشنهادات بلادرنگ و سیستم‌های فیلترسازی مشترک ارائه می‌کند؛ براین‌اساس، یک پژوهشگر به جای عضویت در هزاران فهرست مندرجات می‌تواند یک فید از مهم‌ترین کارهای تخصصی حوزۀ خود در هفتۀ جاری را دریافت کند.

آلتمتریکس به محاسبه و تأکید بر محتوای معنایی مانند نام‌های کاربری و برچسب‌های زمانی و تگ‌ها می‌پردازد. با استفاده از آلتمتریکس می‌توانیم به داوری انبوه بپردازیم؛ یعنی به‌جای اینکه ماه‌ها منتظر دو نظر داوری شویم، می‌توانیم میزان تأثیر یک مقاله را توسط هزاران گفت‌وگو و بوک‌مارک در یک هفته ارزیابی کنیم؛ به‌عبارت کوتاه‌تر، این امر تقریباً مکمل داوری همتایان سنتی است.

برخلاف JIF، آلتمتریکس بازتاب تأثیر خود مقاله است، نه محل وقوع آن. برخلاف مقیاس‌ استناد، آلتمتریکس به ردگیری تأثیر خارج از آکادمی، ضریب تأثیر آثار مؤثر ولی استنادنشده و تأثیر منابعی که داوری نشده‌اند، می‌پردازد.

به‌وسیلۀ آلتمتریکس، به‌جای هدایت ارزیابی تأثیر توسط یک مؤسسه، کاربران، خود، شمارش و اندازه‌گیری مسائل علمی را در دست می‌گیرند. وقتی کاربران بیشتری با محتوای وب تعامل برقرار سازند، رد پای ثبت‌شدۀ بیشتری از خود برجا می‌گذارند و این امر، داده‌های مؤثری را برای آلتمتریکس فراهم می‌سازد.

آلتمتریکس همچنین خدمتی را ارائه می‌دهد که شمارش استنادها قادر به انجام آن نیستند و آن خدمت، مقیاس‌های وابسته ‌به بافت است. درحالی‌که شمارش استنادها به کاربر در درک کیفیت بالای مقاله کمک محدودی می‌کند، آلتمتریکس براساس متن‌کاوی، بافت را هم ارائه می‌کند؛ بنابراین، خدمات بافت‌محور آلتمتریکس که از جست‌وجو حمایت می‌کند، دارای ارزش ویژه‌ای است؛ زیرا موجب شناسایی مقالات بی‌کیفیتی که مورداستناد قرار گرفته‌اند نیز می‌شود.

برای حوزه‌های مشخصی که تمایل کم‌تری به اتکا بر مقالات مجلات دارند، به‌ویژه انجمن‌های خبرگی[51]، آلتمتریکس می‌تواند جدای از قالب در تبیین کیفیت محتوا نیز کمک کند؛ زیرا تبیین ارزش پژوهش ارائه‌شده در مقالات کاری یا مجموعۀ داده‌ها براساس معیارهای سنتی دشوار است. آلتمتریکس برای محتوای پژوهش در قالب‌های غیر متعارف می‌تواند به کاربر نهایی در درک بهتر اینکه آیا پژوهش ارزشمند است یا خیر کمک کند.

به‌طورکلی، می‌توان گفت آلتمتریکس چشم‌انداز وسیع‌تر و عمیق‌تری از تأثیر مقالات پژوهشی، پژوهشگران، دپارتمان‌ها و دانشگاه‌ها فراهم می‌آورد. در بسیاری از حوزه‌ها، به‌ویژه علوم، برای نشان ‌دادن چگونگی ارتباط پژوهش با عموم دچار مشکل هستند. ازطرفی دیگر، برای کسب حمایت نیازمند نشان‌ دادن این ارتباط و کاربرد پژوهش خود هستند؛ بنابراین، آلتمتریکس در نشان ‌دادن این ارتباط به‌نحو مؤثری عمل می‌کند.

همان‌گونه که پیش‌تر ذکر شد، آلتمتریکس می‌تواند تأثیر پژوهش خارج از دانشگاه را نیز نشان دهد؛ بنابراین، با دنبال ‌کردن چگونگی به ‌اشتراک‌گذاری و مورد بحث ‌قرار‌دادن بلادرنگ پژوهش‌ها، شکاف بین انتشارات و استناد می‌تواند پر شود (کنکیل[52]، ۲۰۱۳).

 

آلتمتریکس و مقیاس‌های سطح مقاله

جست‌وجو برای دریافت فهرست معتبر مقیاس‌های آلتمتریکس، شما را دست خالی برمی‌گرداند. در محیط متغیر سریع آنلاین، هیچ‌گاه یک فهرست متعارف از مقیاس‌های وب که شامل تمامی مقیاس‌های جایگزین باشد، وجود ندارد. از طرف دیگر، ابزارهای آلتمتریکس انعطاف‌پذیر و سازگار با نیازهای متغیر پژوهشگران و همچنین عموم مردم هستند. جدول ۱، یک فهرست غیرجامع از مقوله‌ها و مثال‌های مقیاس‌های آلتمتریکس به‌علاوۀ یک توصیف از چگونگی توصیف مقیاس‌ها ارائه نموده است.

جدول 1. انواع آلتمتریکس و مثال‌های آن (کنکیل، ۲۰۱۳)

انواع آلتمتریکس

توصیف

مثال‌ها

به‌اشتراک‌گذاری‌ها

مقالات یا اخبار یا دیگر بروندادهای پژوهشی که به‌منظور اشتراک‌گذاری به‌طور عمومی پست شده‌اند

Twitter, Topsy, facebook, Reddit, news articles, blog posts, Google+, Youtube, Fig share, Mendeley

ذخیره‌سازی‌ها

ذخیره‌شده بر روی سایت‌های بوک‌مارک‌های اجتماعی یا برگزیده‌شده در رسانه‌های اجتماعی و وب‌سایت‌های برنامه‌نویسی اجتماعی

Mendeley, CiteULike, Delicious, GitHub, Twitter, Slide share

مرور و بررسی‌ها

موردبحث‌قرارگرفته با یادداشت‌های افزوده

Faculty of 1000 (F1000), Hog posts, article comments, facebook comments

اقتباس‌ها

خلق کارهای برگرفته با استفاده از مقاله یا دیگر بروندادهای پژوهشی

GitHub

آمارهای استفادۀ اجتماعی

دانلودها یا بازدیدها از خدمات وب و سایت‌های رسانۀ اجتماعی

Fig share, Slide share, Dryde, Facebook, Youtube

 

همان‌گونه که در جدول ۱ مشاهده می‌شود، در حال حاضر پنج نوع مقیاس جایگزین، شامل به ‌اشتراک‌گذاری‌ها، ذخیره‌سازی‌ها، مرورها، اقتباس‌ها و آمارهای استفادۀ اجتماعی که به‌طورکلی در دو مقولۀ رسانه‌های اجتماعی (جایی که پژوهش به هدف اشتراک‌گذاری پیوند یافته، ذخیره‌سازی می‌گردد و بررسی و مرور می‌شود) و پلتفرم‌های محتوا (جایی که بروندادهای پژوهشی توسط ایجادکنندگان آن بارگذاری می‌شوند) قرار می‌گیرند، قابل‌ بررسی است.

به‌طورکلی، حضور مقیاس‌های کافی برای یک مقالۀ پژوهشی می‌تواند نشان دهد که پژوهش، باکیفیت است. همان‌گونه که پیش‌تر ذکر شد، مقیاس‌های آلتمتریکس با مقیاس‌های سنتی تاحدودی هم‌بستگی دارند و در برخی مواقع امتیاز آلتمتریکس پژوهش می‌تواند پیش‌بینی‌کنندۀ استنادهای آتی آن پژوهش باشد. جدول ۲ هم‌بستگی مقیاس‌های آلتمتریکس را با مقیاس‌های‌ سنتی ضریب تأثیر مجله و استناد نشان می‌دهد (کنکیل، ۲۰۱۳).

 

 

جدول 2. هم‌بستگی مقیاس‌های آلتمتریکس با مقیاس‌های سنتی تأثیر (کنکیل، ۲۰۱۳)

مقیاس

ارتباط با مقیاس‌های سنتی

یادداشت‌های توییتر

شمارش استناد

پست‌های صفحۀ فیس‌بوک

شمارش استناد

ذخیره‌سازی‌های سایت یو لایک و مندلی

شمارش استناد

مرورهای اف هزار

مقالات پراستناد و ضریب تأثیر مجلات

پست‌های بلاگ متخصصان

شمارش استناد

مقالات خبری

شمارش استناد

استنادهای ویکی‌پدیا

شمارش استناد

نمرۀ آلتمتریکس، یک مقیاس کمی برای نمایش میزان توجه به مقالۀ پژوهشی است که از سه معیار اصلی زیر استخراج می‌شود:

  1. حجم. امتیاز مقاله با افزایش ارجاع به مقاله بالا می‌رود.
  2. منابع. هر مقوله از ارجاع، امتیاز متفاوتی را به ‌دست می‌دهد؛ به‌عنوان ‌مثال، یک مقالۀ روزنامه بیش از یک پست وبلاگ و پست وبلاگ بیش از یک توییت امتیاز دارد.
  3. نویسندگان. بررسی اینکه هر چند وقت یک بار یا چند بار نویسندۀ هر ارجاع دربارۀ مقالۀ پژوهشی صحبت می‌کند (پیووار[53]، ۲۰۱۳).

انتظار از امتیاز آلتمتریکس به ‌عنوان یک مقیاس کمی و کیفی، توجه به مقالات پژوهشی آنلاین است که بخش کمی آن واضح است. هرچه بحث و به ‌اشتراک‌گذاری آنلاین مقاله بیشتر باشد، امتیاز بالاتری کسب می‌کند؛ ولی بخش کیفی پیچیده‌تر است و دارای یک مؤلفۀ ذهنی است.

با توجه ‌به اینکه مقیاس‌های جایگزین مکمل مقیاس‌های سنتی هستند، PLOS به ارائۀ مقیاس‌های سطح مقاله[54] شامل استنادهای سنتی و آمار استفاده و مقیاس‌های جایگزین پرداخته است (لین و فنر[55]، ۲۰۱۳):

  1. آمار استفاده در PLOS Website، Pubmed central؛
  2. اشتراک‌های اجتماعی در توییتر و فیس‌بوک؛
  3. بوک‌مارک‌های دانشگاهی در مندلی و سایت یو لایک؛
  4. استنادهای پژوهشی در Web of Scince، Scopus، CrossRef، Pubmed central؛
  5. استنادهای غیرپژوهشی در رسرچ لاگینگ، نیچر بلاگز، ساینس سیکر و ویکی‌پدیا.

به‌طورکلی، مقیاس‌های سطح مقاله موارد مختلفی را اندازه می‌گیرند:

  1. مخاطبان مختلف: عموم در مقابل علایق پژوهشگران؛
  2. ابعاد مختلف: توجه، خودترویجی[56]، تأثیر؛
  3. نقاط زمانی مختلف پس از انتشار: روزها و ماه‌ها و سال‌ها.
  4. همان‌گونه که مشاهده می‌شود، مقیاس‌های آلتمتریکس نقش مؤثری را در مقیاس‌های سطح مقاله ایفا می‌کنند.

 

 

ابزارهای آلتمتریکس

با رشد علاقه در استفاده از آلتمتریکس، ابزارهای مختلفی تولید شده یا درحال‌توسعه است. برخی از ابزارهای اصلی آلتمتریکس به شرح زیر است:

  1. «پلام آنالیتیکز[57]» به گردآوری داده ازطریق رابط‌های برنامۀ کاربردی باز، از منابع مختلف شامل وبلاگ‌ها، توییتر، مخازن دسترسی باز مانند PLOS، مخازن داده، مخازن منبع کد مانند گیت‌هاب[58]، سایت‌های بوک‌مارک اجتماعی مانند سایت یو لایک و مندلی، سایت‌های اشتراک‌گذاری اسلایدها مانند اسلایدشیر[59]، داده‌های اعطای بورسیۀ تحصیلی[60]، مقیاس‌های کوتاه‌سازی پیوند و... می‌پردازد. نرم‌افزارهای ساینس‌کارد[61]، ریدرمتر[62] و سایتداین[63] نیز مشابه این نرم‌افزار هستند.
  2. «سایتداین» کاربران وب را قادر می‌سازد که در جایی که استناد کرده‌اند، از شناسگر پابمد استفاده کنند. استنادها در وبلاگ‌ها و پایگاه‌های اطلاعاتی و ویکی‌پدیا نیز مورد تحلیل قرار می‌گیرند.
  3. «ریدرمتر» میزان استفاده از محتوای علمی توسط گروه وسیعی از خوانندگان را اندازه می‌گیرد. آمار بازدید از مقاله و نویسنده را ارائه می‌کند و داده‌ها با استفاده از رابط‌های برنامۀ کاربردی و گزارشات در دسترس استخراج می‌شوند.
  4. «ساینس‌کارد» برنامه‌ای کاربردی برای گردآوری آمارهای مقالات علمی است. لاگ کاربران ازطریق توییتر را فراهم می‌کند و شناسگرهای منحصربه‌فرد مانند شناسگر اشیای دیجیتال و شناسگر پابمد را ارائه می‌کند. داده‌ها از مندلی، توییتر، ویکی‌پدیا، کراس‌رف[64]، سایت یو لایک و پابمد سنترال گردآوری می‌شود.
  5. «ایمپکت ا‌ستوری[65]» یک برنامۀ کاربردی منبع باز رایگان تحت ‌وب و نسخۀ متصل توتال ایمپکت[66] است و داده‌ها را از منابع آنلاین گوناگون باز که تأثیر وب یک مجموعه داده یا مقالۀ مجله یا دیگر بروندادهای پژوهشی که در یک مکان آنلاین ثابت مستقر هستند را گردآوری کرده و سپس یک گزارش ارائه می‌کند. منابع داده‌ای که توسط این نرم‌افزار مورد استفاده قرار می‌گیرند، شامل توییتر، گیت‌هاب، اسلایدشیر، اف هزار ریویوز[67]، سایت یو لایک، مندلی،
    دلیشز[68] و دیگر منابع آنلاین است.
  6. «آلتمتریکس اکسپلورر[69]» به گردآوری داده‌های مربوط‌به مقالات مجلات از اخبار، پست‌های وبلاگ، توییت‌ها و پست‌های مربوط‌به مقالات پژوهشی می‌پردازد و براساس اطلاعات ارائه‌شده از هریک از منابع دادۀ بررسی‌شده، یک امتیاز ارائه می‌کند.

 

  1. «PLOS ایمپکت اکسپلورر[70]» شخص را قادر می‌سازد تا محاورات گردآوری‌شده توسط Altmetrics.com که مربوط ‌به مقالات منتشرشده توسط PLOS می‌شود را بررسی کرده و اطلاعات دربارۀ توییت‌ها، صفحات فیس‌بوک، مقالات ویرایش مجدد شده، پست‌های گوگل، ارجاعات خبرها و فعالیت‌های وبلاگ‌نویسی را ارائه می‌کند.
  2. «پیپر کریتیکل[71]» پژوهشگران را قادر می‌سازد که همۀ انواع بازخوردها دربارۀ کار خود را مشاهده کنند و همچنین هر شخص بتواند به ارزیابی کار دیگران نیز بپردازد. این نرم‌افزار توسط رابط‌های برنامۀ کاربردی مندلی تقویت می‌شود.

امکان برجسته ‌نمودن و متمایزسازی یک ابزار مشکل است؛ زیرا هریک از این ابزارها ارزش خاص خود را دارند و بر گروه مشخصی از داده‌های تحلیل‌شده تمرکز دارند؛ به‌عنوان ‌مثال، ریدرمتر به بررسی میزان خواندن، ساینس‌کارد به بررسی مقیاس‌های سطح پژوهشگر و Altmetrics.com به بررسی مقیاس‌های سطح مقاله می‌پردازد و هیچ نرم‌افزاری برای ارزیابی هم‌زمان همۀ موارد وجود ندارد و این امر مستلزم یک توسعۀ نرم‌افزاری و ارتباطات پژوهشی وسیع است. از طرف دیگر، ارائۀ داده یک بعد است و تصمیم‌گیری آگاهانه براساس داده‌ها یک موضوع مجزاست؛ بدین معنا که داده‌های کمی حاصل از نرم‌افزار نیازمند تفسیر کیفی برای تصمیم‌گیری است (گالیگان و دیاس‌کوریا، ۲۰۱۳).

 

ملاحظات فنی و محدودیت‌های آلتمتریکس

آلتمتریکس به گردآوری داده‌ها براساس مجوز جریان داده یا اتصال به APIهای[72] سایت‌های رسانه‌های اجتماعی و مدیران مرجع آنلاین و ازطریق خزیدن در فهرست‌های بلاگ‌ها و روزنامه‌ها و مجلات صورت می‌گیرد. در آلتمتریکس توییت‌های افراد، پست‌های بلاگ، اخبار روزنامه‌ها و... فراخوانی می‌شود و هر پست ازنظر پیوند به مقالات علمی و کتاب‌ها و مجموعۀ داده‌ها مورد بررسی قرار می‌گیرد. پست‌هایی که شامل این پیوندها می‌شوند را ارجاع[73] می‌خوانیم. با توجه ‌به اینکه آلتمتریکس فراتر از یک شمارش است، بنابراین باید ابرداده‌های بیشتری گردآوری شود. منابع مختلف داده‌های مختلفی را ارائه می‌کنند و این داده‌های مختلف و متفاوت باید به‌صورت یکپارچه در پایگاه اطلاعاتی آلتمتریکس قرار گیرند و این یکپارچه‌سازی از ملاحظات فنی است که باید مورد توجه قرار گیرد.

علاوه‌براینکه هریک از منابع داده‌ای مختلف، سیاست‌های به‌کارگیری خاص خود را دارند که باید از آن‌ها پیروی شود، براین‌اساس به‌منظور متابعت از شرایط هر سایت، باید همۀ داده‌ها با ذکر منابع آن‌ها ارائه شود. یک مرحلۀ نهایی مهم، تحلیل داده‌ها و ابهام‌زدایی از مقالات است. اغلب، ویرایش‌های مختلفی از یک مقاله در آدرس‌های مختلف قابل ‌بازیابی است؛ مانند سایت ناشران، پیش‌چاپ مقاله یا مخازن مختلف. یکی از نقاط قوت کلیدی آلتمتریکس، توانایی آن در کنارهم ‌آوردن این ویرایش‌های مختلف تا حد امکان می‌باشد (آدیه و رو، ۲۰۱۳).

آلتمتریکس هم به‌عنوان یک مقیاس پژوهش نسبتاً جدید، کامل نیست و هنوز مواردی وجود دارد که نیازمند بررسی است. فراهم‌آورندگان آلتمتریکس نیازمند توسعۀ یک روش برای جداسازی پژوهش‌های علمی از پژوهش‌های جنسی (بسیار پرمراجعه ولی با استناد کم) هستند. خدمات بافت‌محور آلتمتریکس نیز تقریباً جدید هستند و هنوز پالایش نشده‌اند. هیچ استانداردی برای گزارش آلتمتریکس وجود ندارد. یک تصور وجود دارد که باید یک استاندارد برای تبیین سریع اینکه آیا پژوهش محبوب و مشهور باکیفیت است یا خیر تدوین شود.

آلتمتریکس هنوز به ‌اندازۀ ضریب تأثیر مجلات، کاربرپسند نیست. منتقدان در اشاره به فقدان یک نمره یا امتیاز یا رتبه در آلتمتریکس گفته‌اند که آلتمتریکس نیازمند بررسی و تفسیرهایی است که برای کاربر سنگین و دشوار نباشد.

دیگر منتقدان سهولت شمارش را به‌عنوان بزرگ‌ترین نقطه‌ضعف آلتمتریکس بیان می‌کنند و معتقدند که مقیاس‌های رسانه‌های اجتماعی و آمارهای استفاده بسیار قابل ‌دست‌کاری و شکننده هستند. دانلودهای خودکار می‌توانند هزاران دانلود و درخواست بازدید صفحات را در چند دقیقه تولید کنند. توییت‌ها و پست‌های فیس‌بوک و یادداشت‌های وبلاگ‌ها قابل‌خریداری هستند. اگرچه ناشران و ارائه‌دهندگان خدمات در جهت متوقف ‌نمودن این موارد کار می‌کنند، ولی هنوز یک سازمان ممیزی بی‌طرف وجود ندارد که کیفیت آلتمتریکس را تضمین نماید.

آلتمتریکس هنوز نمی‌تواند در فرایند جست‌وجو، مانند شمارش استناد و فاکتورهای تأثیر مجلات، به ‌کار گرفته شود؛ یعنی وقتی‌ که به جست‌وجو می‌پردازیم، گزینۀ استفاده از آلتمتریکس برای تکنیک‌های تکمیلی جست‌وجو به‌کار گرفته نمی‌شود و فقط دو پایگاه جست‌وجوی Primo (Exlibris), Scopus (Elsevier) گزینۀ آلتمتریکس را برای نتیجۀ جست‌وجو ارائه می‌کنند (کنکیل، ۲۰۱۳).

 

مخاطبان و ذی‌نفعان آلتمتریکس

مخاطبان و ذی‌نفعان آلتمتریکس درحقیقت مخاطبان پژوهش یعنی پژوهشگران، دانشگاهیان، کتابداران، ناشران، دولت و عموم مردم هستند. باوجوداینکه ایدۀ ارائۀ مقیاس‌های جایگزین، برای اولین ‌بار توسط نوآوران دانشگاهی ارائه شده است، ولی مزایا و خدمات آن به دیگر صنایع نیز مربوط می‌شود؛ به‌عنوان ‌مثال، ژورنالیسم یک مثال خوب برای صنعتی است که تأثیر به‌منظور فروش مقالات بیشتر یا تشویق برای بازدیدهای بیشتر وب از خدمات آنلاین خبری، مورد استفاده قرار می‌گیرد. واحدهای پژوهشی دانشگاهی نیز می‌توانند ازطریق مقیاس‌های گوناگون آلتمتریکس موردارزیابی قرار گیرند. مراکز تحقیق و توسعه در سازمان‌ها نیز با استفاده از آلتمتریکس می‌توانند به ارزیابی محتوا و تأثیر زمان واقعی خود ازطریق وب و کانال‌های اجتماعی بپردازند و تصویری از توسعۀ پژوهشی خود را در دقیقه ارائه کنند (گالیگان و دیاس‌کوریا، ۲۰۱۳).

دلایل گوناگونی برای علاقۀ کتابخانه‌ها به آلتمتریکس وجود دارد. در محیط آنلاین، ما هر حرکتی را ردگیری می‌کنیم: کلیک‌ها، مرور صفحات، تعاملات ازجمله روش به‌اشتراک‌گذاری اطلاعات با دیگران. این امر یک فرصت بزرگ را برای کشف گرایش‌ها و ساخت معنادار دیدگاه‌ها ازطریق شواهد کمی عمیق فراهم می‌سازد. آلتمتریکس یک دیدگاه یکپارچه از چگونگی حرکت یک پژوهشگر یا یک واحد محتوا در صحنۀ دیجیتال، اقدامات و محاورات وی ارائه می‌کند. این امر می‌تواند امکان محک‌زنی سازمانی و دپارتمانی را ازطریق کاربردهای گوناگون ارائه کند.

اگر دو نقش مشخص کتابخانه‌ها را درنظر بگیریم، آنگاه میزان ارزش آلتمتریکس برای کتابخانه‌ها مشخص می‌شود. در درجۀ اول نقش کتابخانه‌ها به‌عنوان یک پل ارتباطی با پژوهشگران. وقتی پژوهشگران برای ارائۀ ارزش پژوهش خود تحت ‌فشار هستند، ضروری است که بروندادهای پژوهشی آن‌ها به‌نحو مؤثری اشاعه یابد. پرایم بر این جنبه از آلتمتریکس و چگونگی یاری ‌رساندن آن به تغییر و افزایش نقش کتابداران در کمک به اعضای هیئت‌علمی برای درک و شناخت تأثیر آن‌ها تأکید می‌کند. از این ‌طریق، آن‌ها قادر خواهند بود موفقیت خود در برنامه‌های پژوهشی و ارزشی که پژوهش آن‌ها برای دانشگاه ایجاد می‌کند را نشان دهند. همچنین این امکان برای آن‌ها فراهم می‌شود تا به‌طور فعال این تأثیر را در زمان واقعی اندازه بگیرند. در اینجا مزیت آلتمتریکس برای کتابداران در این است که یک جایگاه مشخص در فرایند پژوهش پیدا می‌کنند و آن‌گونه که پرایم می‌گوید، نقش آن‌ها به «متخصصان ارتباط پژوهشی[74]» تغییر می‌یابد.

نقش دوم کتابداران عملیات حمایت از یادگیری است. ایجاد محیط یادگیری صحیح و فراهم‌ آوردن ابزارهای صحیح برای دانشجویان و اعضای هیئت‌علمی، یکی از فعالیت‌های ضروری کتابخانه است. فراهم ‌آوردن محتوای پژوهشی، هستۀ این فراهم‌آوری است. استراتژی‌های توسعۀ مجموعه تمایل بر تمرکز بر شاخص‌های یکسانی دارند که سال‌ها به‌کار گرفته شده‌اند؛ مانند هزینه و کاربرد و پیشنهادات. این موارد ممکن است در زمان بودجۀ آزادانه‌تر و موشکافی کم‌تر کافی باشند؛ ولی هنگامی که بودجۀ کتابخانه کاهش می‌یابد یا سال ‌به ‌سال ثابت می‌ماند، شواهد بیشتری برای تصمیم‌گیری آگاهانه درمورد محتوای دانشگاهی، موردنیاز است. ممکن است تصمیم‌گیری برای مجموعه‌سازی و مدیریت مجموعه براساس یک سنجش واحد ازطریق شبکه‌های اجتماعی دشوار باشد؛ ولی ابزارهای جدیدی ظهور می‌کنند که دیدگاه متفاوتی از مقیاس‌های سنتی ارائه می‌کنند. یک مثال از این موارد یک نسخۀ جدید از پلتفرم مندلی تحت ‌عنوان «Mendeley Institutional Edition» است و تنها ابزار جاری در این ‌زمینه است. این نرم‌افزار اقدام به کاویدن پایگاه‌های اطلاعاتی بی‌شماری از مدارک مندلی و یادداشت‌ها و رفتار کاربران به‌منظور نشان‌ دادن گرایش‌ها به استفاده و تأثیر و همکاری است؛ بنابراین، با فراهم ‌آوردن پوشش آلتمتریکس برای میزان استفاده از مجلات ازطریق شمارش آنلاین کاربرد منابع الکترونیکی شبکه‌ای و آمارهای ارائه‌شده از ناشران، به کتابخانه‌ها کمک می‌کند.

برای دولت نیز منابع داده‌ای آلتمتریکس و داشتن یک تصویر کامل از تأثیر می‌تواند مدارک بهتری برای برنامه‌ریزی برای سرمایه‌گذاری و بودجه‌دهی به دانشگاه‌ها و بازگشت بودجه ارائه کند. سازمان‌های بودجه‌دهی، پنل‌های بررسی و اعطای بورسیه و دیگر گروه‌های تصمیم‌گیرنده نیز می‌توانند از آلتمتریکس به‌عنوان شواهد بیشتر برای تصمیم‌گیری در اعطای بورسیه و کسب موقعیت‌های دانشگاهی استفاده کنند (گالیگان و دیاس‌کوریا، ۲۰۱۳).

ناشران نیز ازسوی دیگر می‌توانند داده‌ها و نتایج آلتمتریکس را برای معرفی برنامه‌های نشر جدید براساس گرایشات جاری، نه ‌فقط گرایش‌ها براساس استنادها و ضریب تأثیر دو سال گذشته به‌کار برند؛ بنابراین می‌توان گفت آلتمتریکس نه‌تنها برای پژوهش‌ها، بلکه برای پژوهشگران، دپارتمان‌ها، دانشگاه‌ها و حتی دولت‌ها به‌منظور تبیین متخصصان برتر در هر حوزۀ موضوعی مشخص می‌تواند به‌کار گرفته شود (کنکیل، ۲۰۱۳).

 

بحث و نتیجه‌گیری

مقیاس‌های جایگزین بررسی تأثیر پژوهش در گام‌های اولیۀ بررسی می‌باشند. بسیاری از پرسش‌ها در این حوزه پاسخ داده نشده است؛ ولی نگاه انتقادی به فیلترهای موجود و ارزیابی سریع ارتباطات پژوهشی، سرعت، غنا و وسعت نظر آلتمتریکس، پژوهش در این حوزه را ارزشمند می‌سازد (پرایم و همکاران، ۲۰۱۰). آلتمتریکس رو به توسعه است؛ زیرا ما در عصر وب اجتماعی زندگی می‌کنیم؛ جایی که دانش به‌طور معناداری بیرون از مجلات دانشگاهی و به‌صورت دسترسی باز انتشار یافته است؛ بنابراین، می‌توان گفت آلتمتریکس یک راه‌حل برای ارزیابی تأثیر قالب‌های متنوع بروندادهای پژوهشی، به‌ویژه بروندادهای پژوهشی غیررسمی و غیردانشگاهی است که در فضای وب اجتماعی منتشر می‌شوند و تنها چالش مطرح این است که آیا درجۀ اطمینان یکسانی در مقایسه با مقیاس‌های پذیرفته‌شدۀ سنتی ایجاد می‌کنند. پرایم معتقد است ضریب تأثیر، یک روش محدود برای ارزیابی تأثیر پژوهش است و در دنیای پیوندهای اینترنت یک روش غیرکافی برای انجام این کار به‌شمار می‌آید. نمایه‌های استنادی این امکان را فراهم می‌آورند تا ارزیابی تأثیر علمی شود، به همان روشی که تلسکوپ‌های نوری علم نجوم را ایجاد کردند؛ ولی منجمان با تلسکوپ‌های نوری متوقف نشدند. آن‌ها امروزه بر ابزارهای اندازه‌گیری رادیویی و مادون قرمز و منابع داده‌ای تکیه دارند که گالیله تصورش را هم نمی‌کرد.

چیزی که واضح است، این است که نظام‌های ایجادشده براساس مجلات چاپی داوری‌شده، در دنیای دیجیتال کافی نیستند. هنگامی که جهان وب‌محورتر می‌شود، آلتمتریکس مؤثرتر خواهد بود؛ همان‌گونه که در زمان اختراع انتشارات چاپی، مجلات داوری‌شده مهم شدند (کرلس، ۲۰۱۳). به‌طور خلاصه، هیچ‌یک از مقیاس‌های پژوهش بدون خطا نیستند و هیچ‌کدام از مقیاس‌ها به‌تنهایی نمی‌توانند ارزش کامل پژوهش را نشان دهند. استفاده از مقیاس‌های پژوهش سنتی و آمارهای استفاده و آلتمتریکس در کنار هم می‌توانند همۀ ابعاد کیفیت پژوهش را مشخص کنند. آلتمتریکس نیز یکی از ابزارهای مفید ویژه برای کمک به افراد در آشنایی با جهان اطلاعات است که برمبنای خدمات وب ساخته شده است. با توجه‌ به بررسی پژوهش‌های انجام‌شده در حوزۀ مقیاس‌های جایگزین می‌توان گفت تفکر و تعمق در حوزۀ آلتمتریکس برای بررسی‌ تجربی مقیاس‌های آلتمتریکس و ابزارهای آن شروع شده است و کارهای آینده نیز باید در این خطوط ادامه یابد. پژوهشگران باید بپرسند که آیا آلتمتریکس واقعاً منعکس‌کنندۀ تأثیر پژوهش است یا فقط یک آوازۀ تهی است. پژوهش‌های آتی باید بین آلتمتریکس و مقیاس‌های موجود هم‌بستگی ایجاد کنند و پیش‌بینی استنادها از آلتمتریکس و مقایسۀ آلتمتریکس با ارزیابی‌های تخصصی باید در مقیاس وسیع‌تری صورت گیرد. طراحان برنامه‌های کاربردی باید به ساخت نظام‌هایی برای نمایش آلتمتریکس و توسعۀ روش‌هایی برای شناسایی و ایجاد مقیاس‌هایی برای استفاده و بازاستفاده از داده‌ها ادامه دهند. درنهایت ابزارهای آلتمتریکس باید داده‌های معنایی غنی از مقیاس‌های جایگزین را برای پاسخ به «چگونگی و چرایی» به‌خوبی «چه مقدار» به‌کار برند و کارهای پژوهشی این حوزه باید به‌سمت ارزیابی کیفی کارایی هر یک از شاخص‌ها و ابزارهای آلتمتریکس و دیگر پژوهش‌های کیفی این حوزه حرکت کند.

 



[1]. Altmetrics

[2]. Google scholar

[3]. Thelwall, et all

[4]. Webometric

[5]. Galligan, F., Dyas-Correia, S.

[6]. Galligan, Finbar

[7]. Twitter

[8]. CiteULike

[9]. Mendeley

[10]. Taraborelli, Dario

[11]. Publish or Perish

[12]. Careless, J.

[13]. Adie, E., Roe, W.

[14]. Jason Priem

[15]. Paul Groth

[16]. Cameron Neylon

[17]. Thelwall M., Kusha K.

[18]. Deldado- Lopez, Gozar E., Cabezac- Clavijo, A.

[19]. Counter: Counting Online Usage of Networked Electronic Resources

[20]. http://www.projectcounter.org/

[21]. Gunn

[22]. Public library of science

[23]. Science

[24]. Nature

[25]. Li X., Thelwall M., Giustini D.

[26]. Bar-Ilan J.

[27]. JSIST

[28]. Shuai X., Pepe A., Bollen J.

[29]. مقالات پیش‌چاپ حوزۀ ریاضی، فیزیک، نجوم، علوم کامپیوتر، بیولوژی، آمار و بازرگانی.

[30]. Eysenbach, G.

[31]. Thelwall, M.

[32]. Pubmed

[33]. Google+

[34]. Facebook walls

[35]. LinkedIn

[36]. Pinners

[37]. Froums

[38]. Reddit

[39]. MSM

[40]. RH

[41]. Q&A

[42]. Science Seeker

[43]. Research Blogging

[44]. Mentions in blogs, twittes, facebook walls, froums, research highlights, MSM

[45]. Priem, J., Piwowar, H. A., Hemminger, B. M.

[46]. منابع گردآوری داده در این پژوهش شامل موارد زیر بود:

Delicious, Wikipedia, Mendeley, Face book, Twitter, CiteULike, Nature (Blogs), Scopus (citations), Postgenomic (blogs), Research Blogging (blogs), CrossRef (citations), Pubmed central (citations), montly (pdf, html, xml reviews/downloads), PLOS (comments count), Web of Scicence (citations), faculty of 1۰۰۰ (rankings)

[47]. Peer review

[48]. Journal impact factor (JIF)

[49]. Vanity

[50]. Pure readers

[51]. Community of Practice

[52]. Konkiel, S.

[53]. Piwowar

[54]. Article- level Metrics (ALMs)

[55]. Lin, J., Fenner, M.

[56]. Self promotion

[57]. Plum analytics. http://www.plumanalytics.com/about.html

[58]. GitHub

[59]. Slideshare

[60]. Grant funding data

[61]. ScienceCard. http://sciencecard.org

[62]. ReaderMeter. http://readermeter.org

[63]. CitedIn. http://citedin.org

[64]. CrossRef

[65]. ImpactStory. http://impactstory.org

[66]. Total Impact

[67]. F1000 reviews

[68]. Delicious

[69]. Altmetrics Explorer .http://altmetrics.com

[70]. PLOS Impact Explorer .http://www.altmetric.com/demos/plos.html

[71]. PaperCritic .http://www.papercritic.com/about

[72]. مجموعه‌ای از دستورالعمل‌های برنامه‌نویسی که به شما اجازه می‌دهند که به ‌صورت خودکار داده‌ها را از سرور بازیابی کنید.

[73]. Mention

[74]. Scholarly communication specialists

مهربان، سحر و منصوریان، یزدان. (۱۳۹۳). رصد روندهای علمی روش و معیارهای علم‌سنجی و تغییر نقش کتابداران. فصلنامۀ علمی‌پژوهشی پردازش و مدیریت اطلاعات، ۲۹)3)، ۶۱۳–۶۳۱.

Adie, E. and Roe, W. (2013). Altmetrics: enriching scollarly content with article level discussion & Metrics. Learned publishing, 26(1), available online at: http://www.figshare.com/articles/enriching_scholarly_content_with_article_level_discussion_and_metrics/105851, accessed: 92/09/25.

Alperin, J. P. (2013). Ask not what altmetrics can do for you, but what altmetrics can do for developing countries. Bulletin April 2013. Available online at: http://www.ASIS.org/Bulletin/Apr-13/AprMay13_alperin.html, accessed: 92/09/25.

Careless, J. (2013). Altmetrics 101: A Primer. information today, 30(2), Available online at:http://www.infotoday.com/it/feb13/Careless--Altmetrics-101-A-Primer.shtml, accessed: 92/08/20.

Galligan, F. and Dyas- Correia, S. (2013). Altmetrics: Rethinking the way we measure. Serial review, 39(1), Available online at:

Gunn, W. (2013). Social signals reflect academic impact: what it means when a scholar adds a paper to Mendeley. Information standards quarterly, 25(2), available online at:

Konkiel, S. (2013). Altmetrics: A 21st- century solution to determining research quality. Online searcher, available online

at:http://www.infotoday.com/onlinesearcher/articles/features/altmetrics-A-stcentury-solution-to-determining-research-quality-90551.shtml, accessed: 92/09/01.

Lin, J. and Fenner, M. (2013). The many faces of article- level metrics. Bulletin April 2013. Available online at:http://www.ASIS.org/Bulletin/Apr-13/AprMay13_lin_fenner.html, accessed: 92/08/10.

Mounce, R. (2013). Open access and altmetrics: distinct but complementary. Bulletin April 2013. Available online at:http://www.ASIS.org/Bulletin/Apr-13/AprMay13_mounce.html, accessed: 92/09/12.

Piwowar, H. (2013). Introduction to Altmetrics. Bulletin April 2013. Available online at: http://www.asis.org/Bulletin/Apr-13/AprMay13_Piwowar.html, accessed: 92/09/25.

Priem, J., Piwowar, H. and Hemminger, B. M. (2012). Altmetrics in the wild: using social media to explore scholarly impact. Available online at:http://altmetrics.org/altmetrics12/priem, accessed: 92/09/05.

Priem, J., Taraborelli, D., Groth, P. and Neylon, C. (2010). Altmetrics: A manifesto. Available online at: http://www.altmtrics.org, accessed: 92/08/15.

Thelwall, M., Haustein, S., Larivière, V. and Sugimoto, CR. (2013) .Do Altmetrics Work? Twitter and Ten Other Social Web Services. PLoS ONE,  8(5), doi:10.1371/journal.pone.0064841, available online at: http://www.plosone.org/article/info%3adoi%2f10.1371%2fjournal.pone.0064841, accessed: 92/10/04.