MétaCan
Menu
Retour à la cohorte
Enregistrement W2864151529 · doi:10.1371/journal.pone.0198033

Social reference managers and their users: A survey of demographics and ideologies

2018· article· en· W2864151529 sur OpenAlexaff
Pei‐Ying Chen, Erica Hayes, Vincent Larivière, Cassidy R. Sugimoto

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomaineDecision Sciences
Thématiquescientometrics and bibliometrics research
Établissements canadiensUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesAlfred P. Sloan FoundationInstitute of Museum and Library Services
Mots-clésAltmetricsDemographicsSocial mediaWork (physics)World Wide WebScholarly communicationComputer scienceData scienceKey (lock)Internet privacyScale (ratio)Knowledge managementSociologyPublishingGeographyPolitical scienceComputer security

Résumé

récupéré en direct d'OpenAlex

Altmetric indicators are increasingly present in the research landscape. Among this ecosystem of heterogeneous indicators, social reference managers have been proposed as indicators of broader use of scholarly work. However, little work has been done to understand the data underlying this indicator. The present work uses a large-scale survey to study the users of two prominent social reference managers-Mendeley and Zotero. The survey examines demographic characteristics, usage of the platforms, as well as attitudes towards key issues in scholarly communication, such as open access, peer review, privacy, and the reward system of science. Results show strong differences between platforms: Mendeley users are younger and more gender-balanced; Zotero users are more engaged in social media and more likely to come from the social sciences and humanities. Zotero users are more likely to use the platform's search functions and to organize their libraries, while Mendeley users are more likely to take advantage of some of the discovery and networking features-such as browsing papers and groups and connecting with other users. We discuss the implications of using metrics derived from these platforms as impact indicators.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,847
Tête enseignante GPT0,542
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetscientometrics and bibliometrics researchTravaux en français237 207