MétaCan
Menu
Retour à la cohorte
Enregistrement W3127980168 · doi:10.21203/rs.3.rs-196204/v1

Bibliometric analysis of document flow on academic social networks in Web of Science

2021· preprint· en· W3127980168 sur OpenAlexaboutno aff
T. V. Busygina, A. V. Yuklyaevskaya

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensnon disponible
Organismes subventionnairesRussian Academy of SciencesSiberian Branch, Russian Academy of Sciences
Mots-clésKnowledge flowWeb of scienceSocial network analysisData scienceComputer scienceWorld Wide WebSociologyInformation retrievalLibrary sciencePolitical scienceKnowledge managementSocial mediaMEDLINE

Résumé

récupéré en direct d'OpenAlex

Abstract Analysis of a document array on academic social networks (ASNs) in Web of Science for the period from 2005 to 2020 was carried out with use of analytical services data of the WoS and CiteSpace (the program for visualization of patterns and trends in scientific literature). The following parameters of the array were analyzed: publication dynamics; document types structure; countries, organizations and authors leading in the number of publications; thematic categories to which documents of the array are assigned; publications (journals, monographs) in which the documents of the array are published; most cited publications. An increase in the number of publications on the ASNs in WoS was established since 2005. The largest number of ASNs studies is conducted in the USA (University of Pittsburgh), UK (Wolverhampton University, Manchester University), China, Spain (University of Granada), Germany (Max Planck Society for Scientific Research), Canada, India and the Netherlands (Leiden University). The ASNs were studied in the main thematic areas: Computer Science, Computer Science and Librarianship, Mechanical Engineering, Engineering and Technology. Four out of the first ten highly cited publications, are devoted to altmetrics. Using the CiteSpace, it was shown that when ASNs started rise, their organizational structure was beeing studed. Later, altmetrics used in the ASNs became the main subjects of ASNs research. The keywords occurrence revealed that the most frequent terms are “altmetrics”, “impact”, “citation”. As part of the document flow, also identified publications in which the ASNs are used as a source of bibliographic data for systematic or meta-analysis (in medicine predominantly), or as a platform for experimental data discussion.

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)0,003
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0730,071
Études des sciences et des technologies0,0010,000
Communication savante0,0030,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,182
Tête enseignante GPT0,497
Écart entre enseignants0,316 · 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
Domainenon disponible
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetResearch Data Management PracticesTravaux en français237 207