Use Of Altmetric And Bibliometric Indicators To Measure Scientific Productivity In The Fields Of Life And Earth Sciences: Case Study From Haiti
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
The objective of this study was to carry out, based on certain bibliometric and altimetric indicators, a summary assessment of the scientific productivity of Quisqueya University’s researchers in 3 specific fields: agronomy, the environment and health. An experimental framework was designed and implemented based on the quantitative information available on the academic social network ResearchGate, and on SCOPUS and Google scholar, out of a total of 12,731 citations enumerated for Quisqueya University as of December 31, 2020, 19% were for the environment, 19.3% were for health, 59.9% for agronomy and 1.8% for other sectors. All the sectors recorded a significant increase for the RG score altmetric indicator and for the two bibliometric indicators: number of citations and H-index. The data collected were analyzed using XLSTAT and R software. The Kolmogorov-Smirnov normality test was applied for each of the indicators. Pearson's rank correlation was used to calculate the correlations between the altmetric indicator (RG-Score) from ResearchGate and the bibliometric indicators (citation and H-index) from Google Scholar and Scopus. A significant positive correlation of α = 0.918 was observed between the number of citations on ResearchGate and on Google Scholar. a result in the same direction (α = 0.991) is also observed between the number of citations on ResearchGate and on Scopus. These correlations allow us to conclude that the work of these researchers was cited in publications published in journals referenced in the Web of Science by a rate exceeding 90%.
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 | 0,110 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,343 | 0,753 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,013 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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