رویکردی موضوع‌محور به مدل پیش‌بینی استناد از طریق سنجه‌های وبی در نظام‌های مندلی، فیگ‌شر، پلاس و اسکوپوس

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد، علم اطلاعات و دانش‌شناسی، دانشگاه شیراز، شیراز، ایران.

2 استادیار، گروه علم اطلاعات و دانش‌شناسی، دانشگاه شیراز، شیراز، ایران

3 استادیار، گروه علم اطلاعات و دانش‌شناسی، دانشگاه شیراز، شیراز، ایران.

چکیده

هدف: مطالعه تطبیقی مدل پیش‌بینی استناد از طریق سنجه‌های جایگزین وبی (رؤیت، ذخیره و دانلود، خوانندگان) در حوزه‌های علوم بهداشت و درمان، علوم زیستی، علوم فیزیکی، علوم انسانی و علوم اجتماعی هدف پژوهش حاضر است.
روش‌شناسی: پژوهش حاضر از نوع علم‌سنجی است که با روش تحلیل استنادی و تحلیل داده‌های وبی انجام شده است. نمونه‌گیری به روش تصادفی و طبقه‌ای انجام شده است. نمونه مورد بررسی 2000 مقاله از 4 حوزه موضوعی بوده است که شاخص‌های آنها از نظام‌های مندلی، فیگ‌شر، پلاس و اسکوپوس استخراج شده است و به روش رگرسیون چندگانه مورد تحلیل قرار گرفته است.
یافته‌ها: نشان می‌دهد که به‌طور کلی در هر چهار حوزه موضوعی، سنجه‌های جایگزین قدرت پیش‌بینی شاخص استناد را دارند؛ منتهی قدرت پیش‌بینی این سنجه‌ها برحسب حوزه موضوعی و نوع سنجه‌های مورد بررسی متفاوت است و طیف وسیعی از همبستگی منفی تا مثبت را شامل می‌شود.
نتیجه‌گیری: تفاوت بین مدل رگرسیون پیش‌بینی استناد از طریق سنجه‌های جایگزین در حوزه‌های موضوعی مختلف بیانگر تفاوت‌های میان‌رشته‌ای و الگوهای متفاوت حاکم بر رشته‌های مختلف در سنجه‌های جایگزین است که عدم مقایسه بین‌رشته‌ای در ارزیابی‌ها نیازمند توجه می‌باشد. همچنین در حوزه‌هایی که الگوی پیش‌بینی قوی مشاهده می‌شود، سنجه‌های جایگزین می‌توانند به‌طور مستقل و به‌عنوان پیش‌بین زودهنگام استناد مورد استفاده قرار گیرند و در حوزه‌هایی که الگوی پیش‌بینی قوی در خصوص آنها وجود ندارد، این‌گونه به نظر می‌رسد که هر دسته از شاخص‌ها ابعاد متفاوتی از ارزیابی را اندازه‌گیری می‌کنند که لزوم به‌کارگیری سنجه‌های وبی و استنادی را در کنار هم خاطرنشان می‌سازد.

کلیدواژه‌ها

عنوان مقاله [English]

A Subject-Oriented Approach to Citation Prediction Model Through Web Metrics in Mendeley, Figshare, PLOS, Scopus systems

نویسندگان [English]

  • Zahra chenari 1
  • Saeideh Ebrahimy 2
  • Tahereh Jowkar 3
1 M.A. in Knowledge and Information Science, Shiraz University, Shiraz, Iran
2 Assistant Professor, Department of Knowledge and Information Science, Shiraz University, Shiraz, Iran.
3 Assistant Professor, Department of Knowledge and Information Science, Shiraz University, Shiraz, Iran.
چکیده [English]

Purpose:A comparative study of citation prediction model through web altmetrics (visibility, save and download, readers) in the fields of health science, life science, physical science, humanities and social science is the aim of this study.
Methodology: The present study is a scientometric study that has been done with the method of citation analysis and web data analysis.   Sampling was done by random and stratified method. The Sample size was 2000 articles from 4 subject areas, the indicators of which were  extracted from Mendelian, Figshare, PlOS and Scopus systems and analyzed by Multiple Regression Analysis method.
Findings: The results showed that in four subject areas, web measures act as a predictor of citation indicator and there is a significant correlation between them. The extent of this correlation and predictive power depends on the subject area and covers a range of negative to positive correlations.
Conclusion: The difference between regression model of citation     prediction through web altmetrics in the variety of fields indicates the distinction among subject areas and their patterns in web metrics which should take in to account for assessments to avoid interdisciplinary    comparisons.  In the areas with powerful prediction model, web metrics can use separately and as an early predictor of citation. In other areas with weak prediction model, it is suggested that both metrics are applied for the best result.

کلیدواژه‌ها [English]

  • Visibility
  • Save
  • Download
  • Readers
  • Citation

مراجع

 
ابراهیمی، سعیده (1386). محدودیت‌ها و ملاحظات در کاربرد عامل تأثیر. مطالعات ملی کتابداری و سازمان‌دهی اطلاعات، 71، 141-156.
ابراهیمی، سعیده و ستاره، فاطمه (1394). پژوهشی پیرامون سنجه‌های جایگزین در نظام اف 1000 با شاخص‌های استنادی گوگل پژوهشگر. پردازش و مدیریت اطلاعات، 31 (4)، 909-891.
ابراهیمی، سعیده، ستاره، فاطمه و حسین چاری، مسعود (1395). بررسی رابطه بین سنجه‌های رؤیت‌پذیری و ذخیره با شاخص استناد در نظام آلتمتریکس پلاس .پردازش و مدیریت اطلاعات، 31 (3)، 864-865
ابراهیمی، سعیده، عفیفیان، فرزانه، گلتاجی، مرضیه (1397). آیا اشتراک دانش در شبکه علمی ریسرچ‌گیت شاخص‌های بهره‌وری پژوهشگران را افزایش می‌دهد؟ مطالعه‌ای بر فیزیک‌دانان برتر جهان. پژوهشنامه علم‌سنجی، 8، 57-72.
اسدی، حمیده؛ نقشینه، نادر و نظری، مریم (1393). بررسی شبکه‌های اجتماعی به‌عنوان ابزاری جایگزین یا مکمل در ارزیابی پژوهشگران ایرانی. پژوهش‌نامه علم‌سنجی، 1 (2)، 80-67.
جمالی مهموئی، حمیدرضا، سنگری، محمود (1393). استناد به مقاله‌های مجلات در وبلاگ‌های علوم اجتماعی، پژوهشنامه پردازش و مدیریت اطلاعات، 30 (3)، 873-853.
زاهدی، زهره (1393). بررسی میزان استفاده از انتشارات انگلیسی‌زبان منتشر‌شده در مجلات بین‌المللی ایرانی در مندلی، ارائه شده در نخستین همایش ملی سنجش علم؛ ارزشیابی و آسیب‌شناسی (اصفهان، 7-8 اسفند).
ستاره، فاطمه (1394). مطالعه نقش میانجی‌گری سنجه‌های جایگزین (بحث، توصیه، ذخیره) در رابطه بین شاخص‌های رؤیت‌پذیری و استناد در نظام سنجه‌های جایگزین پلاس. پایان‌نامه کارشناسی ارشد، دانشکده علوم تربیتی و روان‌شناسی، دانشگاه شیراز، شیراز.
عرفان‌منش، محمدامین (1397). رابطه میان شاخص‌های فعالیت آلتمتریک و کیفیت مجله‌های علم اطلاعات و کتابداری در اسکوپوس. فصلنامه مطالعات ملی کتابداری و سازمان‌دهی اطلاعات، 29 (2)، 7-26.
مزارعی، زهرا (1392). بررسی رابطه میان بازشناخت تولیدات علمی و نشان‌گذاری آنها در سایت نشانه‌گذاری علمی سایت یولایک در حوزه موضوعی علم اطلاعات و دانش‌شناسی در بازه زمانی 2004 تا 2012. پایان‌نامه کارشناسی ارشد علم اطلاعات و دانش‌شناسی، دانشگاه شیراز، شیراز.
موئد، هنک (1387). تحلیل استنادی در ارزیابی پژوهش؛ ترجمه عباس میرزایی، حیدر مختاری، تهران: چاپار، 232-237.
Barbic, D., Tubman, M., Lam, H., & Barbic, S. (2016). An analysis of altmetrics in emergency medicine. Academic Emergency Medicine, 23(3), 251-268.
Brody, T., Harnad, S., & Carr, L. (2006). Earlier web usage statistics as predictors of later citation impact. Journal of the American Society for Information Science and Technology, 57(8), 1060-1072.
Bornmann, L., & Daniel, H. D. (2008). What do citation counts measure? A review of studies on citing behavior. Journal of documentation, 64(1), 45-80.
Castellano, C., & Radicchi, F. (2009). On the fairness of using relative indicators for comparing citation performance in different disciplines. Archivum immunologiae et therapiae experimentalis, 57(2), 85-90.
Costas, R., Zahedi, Z., & Wouters, P. (2015). The thematic orientation of publications mentioned on social media: large-scale disciplinary comparison of social media metrics with citations. Aslib Journal of Information Management, 67(3), 260-288.‏
Croft, R., McFarland, D., & Reed, K. (2015). More than meets the" I": Helping your scholar-practitioners demonstrate impact in the academy & beyond.‏
Dixon, D. L., & Baker, W. L. (2019). Short‐Term Impact of Altmetric Attention Scores on Citation Counts in Selected Major Pharmacy Journals. Journal of the American College of Clinical Pharmacy, 1-5. https://doi.org/10.1002/jac5.1141
Eysenbach, G. (2011). Can tweets predict citations? Metrics of social impact based on Twitter and correlation with traditional metrics of scientific impact. Journal of medical Internet research, 13(4), e123.
Fenner, M. (2014). Altmetrics and other novel measures for scientific impact. In Opening science (pp. 179-189). Springer, Cham.
Garfield, E. (1972). Citation analysis as a tool in journal evaluation. Science, 178(4060), 471-479.
Gregory, A. T., & Denniss, A. R. (2016). Impact by Citations and Downloads: What are Heart, Lung and Circulation's Top 25 Articles of All Time?. Heart, Lung and Circulation, 25(8), 743-749.
Hargens, L. L. (2000). Using the literature: Reference networks, reference contexts, and the social structure of scholarship. American sociological review, 846-865
Hammarfelt, B. (2013). An examination of the possibilities that altmetric methods offer in the case of the humanities (RIP). In Proceedings of ISSI (pp. 720-727).
Hammarfelt, B. (2014). Using altmetrics for assessing research impact in the humanities. Scientometrics, 101(2), 1419-1430.
Haustein, S., Peters, I., Sugimoto, C. R., Thelwall, M., & Larivière, V. (2014). Tweeting biomedicine: An analysis of tweets and citations in the biomedical literature. Journal of the Association for Information Science and Technology, 65(4), 656-669.
Haustein, S., Costas, R., & Larivière, V. (2015). Correction: Characterizing Social Media Metrics of Scholarly Papers: The Effect of Document Properties and Collaboration Patterns. Plos one, 10(5).‏
Htoo, T. H. H., & Na, J. C. (2015). Comparison of Altmetrics across Multiple Disciplines: Psychology, History, and Linguistics. 4th International Conference of Asian Special Libraries.
Holmberg, K., & Thelwall, M. (2014). Disciplinary differences in Twitter scholarly communication. Scientometrics, 101(2), 1027-1042.‏
Kurtz, M. J., & Bollen, J. (2010). Usage Bibliometrics. Annual Review ofInformation Science and Technology, 44, 3–64.
Leydesdorff, L., & Bornmann, L. (2011). How fractional counting of citations affects the impact factor: Normalization in terms of differences in citation potentials among fields of science. Journal of the American Society for Information Science and Technology, 62(2), 217-229.
Mohammadi, E., & Thelwall, M. (2014). Mendeley readership altmetrics for the social sciences and humanities: Research evaluation and knowledge flows. Journal of the Association for Information Science and Technology, 65(8), 1627-1638.
Mohammadi, E., Thelwall, M., Haustein, S., & Larivière, V. (2015). Who reads research articles? An altmetrics analysis of M endeley user categories. Journal of the Association for Information Science and Technology, 66(9), 1832-1846.
Nieder, C., Dalhaug, A., & Aandahl, G. (2013). Correlation between article download and citation figures for highly accessed articles from five open access oncology journals. SpringerPlus, 2(1), 1.
Nuredini, K., & Peters, I. (2016). Enriching the knowledge of altmetrics studies by exploring social media metrics for Economic and Business Studies journals. In Proceedings of the 21st International Conference on Science and Technology Indicators (STI Conference 2016), València (Spain), September 14-16, 2016. Berlin: European Network of Indicator Designers (ENID).‏
Priem, J., Taraborelli, D., Groth, P., & Neylon, C. (2010). Altmetrics: A Manifesto. RetrievedFebruary 24, 2012 from http://altmetrics.org/manifesto/
Tammaro, A. M. (2014). Altmetrics in the humanities: perceptions of Italian scholars. Libraries in the Digital Age (LIDA) Proceedings, 13.‏
Thelwall, M. (2014). A brief history of altmetrics. Research Trends, (37), 3–4.
Thelwall, M., & Wilson, P. (2015). Mendeley readership altmetrics for medical articles: An analysis of 45 fields. Journal of the Association for Information Science and Technology.
Weller, K. (2015). Social media and altmetrics: an overview of current alternative approaches to measuring scholarly impact. In Incentives and performance Springer International Publishing. 261-276.
Zahedi, Z., Costas, R., & Wouters, P. (2014). How well developed are altmetrics? A cross-disciplinary analysis of the presence of ‘alternative metrics’ in scientific publications. Scientometrics, 101(2), 1491-1513.‏

فایل ها

هم رسانی

ارجاع به این مقاله

آمار