On the differences between citations and altmetrics: An investigation of factors driving altmetrics versus citations for finnish articles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study examines a range of factors associated with future citation and altmetric counts to a paper. The factors include journal impact factor, individual collaboration, international collaboration, institution prestige, country prestige, research funding, abstract readability, abstract length, title length, number of cited references, field size, and field type and will be modeled in association with citation counts, Mendeley readers, Twitter posts, Facebook posts, blog posts, and news posts. The results demonstrate that eight factors are important for increased citation counts, seven different factors are important for increased Mendeley readers, eight factors are important for increased Twitter posts, three factors are important for increased Facebook posts, six factors are important for increased blog posts, and five factors are important for increased news posts. Journal impact factor and international collaboration are the two factors that significantly associate with increased citation counts and with all altmetric scores. Moreover, it seems that the factors driving Mendeley readership are similar to those driving citation counts. However, the altmetric events differ from each other in terms of a small number of factors; for instance, institution prestige and country prestige associate with increased Mendeley readers and blog and news posts, but it is an insignificant factor for Twitter and Facebook posts. The findings contribute to the continued development of theoretical models and methodological developments associated with capturing, interpreting, and understanding altmetric events.
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.
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 | 0,020 | 0,234 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,023 | 0,071 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle