What makes some fisheries references highly cited?
Notice bibliographique
Résumé
Abstract We identify the 199 most‐cited fisheries references up to July 2014, topped by Nelson's Fishes of the World. Few book chapters, databases or reports were included, but review articles and field guides were over‐represented. Publishing in Science , Nature or Proceedings of the National Academy of Sciences USA is associated with a 34‐fold increase in the probability of an article being highly cited, but many highly cited references were also published in journals with impact factors under eight. Proportional contributions to references, taking into account number of authors, author order and other key factors, revealed Bill Ricker and John Roland Brett as the greatest individual contributors, and the US , Canada and the UK as greatest country contributors, with Canada significantly over‐represented. Female representation on the list was historically low before increasing to 21% in the 1990s, and reflected gender changes in the field of fisheries. When compared to >2000 control papers published in the same journal and year, highly cited fisheries papers were significantly longer (20.4 vs. 9.8 pages) and had more authors (5.8 vs. 4.3), references (118 vs. 51), tables and total illustrations; these differences were greater when high‐profile general journals were excluded, but lower when calculated on a per‐page basis. References with more than six authors jumped from 0 to 27% in 2000, coinciding with a rapid uptake of email among fisheries scientists. Overall, we find no shortcut to publishing highly cited references: they require substantial time, effort and knowledge invested in new hypotheses, textbooks, field guides, new discoveries, broad meta‐analyses, new methods and reviews.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 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 ».