Analyzing the relationship between Altmetric score and literature citations in the Implantology literature
Notice bibliographique
Résumé
BACKGROUND: The influence of research has long been studied using citations and impact factors (IFs). Electronic media is changing how people interact with the scientific literature. There are few investigations into these trends. PURPOSE: To explore whether Altmetrics correlate with traditional bibliometrics in the Implantology literature. MATERIALS AND METHODS: Five Implantology journals with the highest IF and the 10 most highly-cited articles within those journals from 2013 to 2016 were reviewed. Altmetric score, citation count, and media "mentions" were recorded. Comparisons were conducted between Altmetric score, citations, and IF by performing Pearson correlation coefficients and descriptive statistics. Twitter accounts were studied and compared to other metrics. RESULTS: Analysis revealed no correlation between citations and Altmetrics (r = .096,P = .506) or IF and Altmetrics (r = .111,P = .443) in 2013. Altmetrics were also not significantly correlated with citations (r = 0.148,P = .305) or IF (r = .145,P = .315) in 2016. Total Altmetric scores were nine times higher in 2016 compared to 2013, with news outlets and Twitter seeing large increases in mentions. Twitter was the top medium receiving mentions across the two cohorts. CONCLUSIONS: Compared to other fields, Implantology articles received lower Altmetric scores, noting an area of improvement. Altmetrics at this time are insufficient to replace traditional bibliometrics, but may provide helpful real-time information concerning article dissemination.
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 | 0,013 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,047 | 0,059 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 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) | 0,006 | 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 ».