Citation classics published in <i>Knowledge Management</i> journals. Part II: studying research trends and discovering the Google Scholar Effect
Notice bibliographique
Résumé
Purpose – The purpose of this study was to discover growing, stable and declining knowledge management (KM) research trends. Design/methodology/approach – Citations to 100 KM citation classics as identified by Serenko and Dumay (2015) were collected and analyzed for growing, stable and declining research trends. Findings – This research has two findings that were not theoretically expected. First, a majority of KM citation classics exhibit a bimodal citation distribution peak. Second, there are a growing number of citations for all research topics. These unexpected findings warranted further theoretical elaboration and empirical investigation. The analysis of erroneous citations and a five-year citation trend (2009 – 2013) reveals that the continuously growing volume of citations may result from what the authors call the Google Scholar Effect. Research limitations/implications – The results from this study open up two significant research opportunities. First, more research is needed to understand the impact Google Scholar is having on domains beyond KM. Second, more comprehensive research on the impact of erroneous citations is required because these have the most potential for damaging academic discourse and reputation. Practical implications – Researchers need to be aware of how technology is changing their profession and their citation behavior because of the pressure from the contemporary “publish or perish” environment, which prevents research from being state-of-the-art. Similarly, KM reviewers and editors need to be more aware of the pressure and prevalence of mis-citations and take action to raise awareness and to prevent mis-citations. Originality/value – This study is important from a scientometric research perspective as part of a growing research field using Google Scholar to measure the impact and power it has in influencing what gets cited and by whom.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,043 | 0,070 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».