Method Matters: An Empirical Study of Impact in Cognitive Neuroscience
Notice bibliographique
Résumé
A major thrust of cognitive neuroscience is the elucidation of structure-function relationships in the human brain. Over the last several years, functional neuroimaging has risen in prominence relative to the lesion studies that formed the historical core of work in this field. These two methods have different strengths and weaknesses. Among these is a crucial difference in the nature of evidence each can provide. Lesion studies can provide evidence for necessity claims, whereas functional neuroimaging studies do not. We hypothesized that lesion studies will continue to have greater scientific impact even as the relative proportion of such studies in the cognitive neuroscience literature declines. Using methods drawn from systematic literature review, we identified a set of original cognitive neuroscience articles that employed either functional imaging or lesion techniques, published at one of two time points in the 1990s, and assessed the effect of the method used on each article's impact across the decade. Functional neuroimaging studies were cited three times more often than lesion studies throughout the time span we examined. This effect was in large part due to differences in the influence of the journals publishing the two methods; functional neuroimaging studies appeared disproportionately more often in higher impact journals. There were also differences in the degree to which articles using one method cited articles using the other method. Functional neuroimaging articles were less likely to include such cross-method citations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».