MétaCan
Menu
Retour à la cohorte
Enregistrement W4250064822 · doi:10.4033/iee.2013.6.17.f

Comparing the influence of ecology journals using citation-based indices: making sense of a multitude of metrics

2013· article· en· W4250064822 sur OpenAlexvenueno aff
Daniel J. Hocking

Notice bibliographique

RevueIdeas in Ecology and Evolution · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitationImpact factorIndex (typography)EcologyMetric (unit)Science Citation IndexCitation indexComputer scienceLibrary scienceBiologyPolitical scienceWorld Wide WebLawBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

The links among scholarly citations creates a tremendous network that reveals patterns of influence and flows of ideas. The systematic evaluation of these networks can be used to create aggregate measures of journal influence. To understand the citation patterns and compare influence among ecology journals, I compiled 11 popular metrics for 110 ecology journals: Journal Impact Factor (JIF), 5-year Journal Impact Factor (JIF5), Eigenfactor, Article Influence (AI), Source-Normalized Impact per Paper (SNIP), SCImago Journal Report (SJR), h-index, hc-index, e-index, g-index, and AR-index. All metrics were positively correlated among ecology journals; however, there was still considerable variation among metrics. Annual Review of Ecology, Evolution, and Systematics, Trends in Ecology and Evolution, and Ecology Letters were the top three journals across metrics on a per article basis. Proceedings of the Royal Society B, Ecology, and Molecular Ecology had the greatest overall influence on science, as indicated by the Eigenfactor. There was much greater variability among the other metrics because they focus on the mostly highly cited papers from each journal. Each influence metric has its own strengths and weaknesses, and therefore its own uses. Researchers interested in the average influence of articles in a journal would be best served by referring to AI scores. Despite the usefulness of citation-based metrics, they should not be overly emphasized by publishers and they should be avoided by granting agencies and in personnel decisions. Finally, citation-based metrics only capture one aspect of scientific influence, they do not consider the influence on legislation, land-use practices, public perception, or other effects outside of the publishing network.

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)0,022
score de la tête « metaresearch » (Gemma)0,126
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 enseignants0,978
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,126
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0820,069
Études des sciences et des technologies0,0010,002
Communication savante0,0080,009
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,294
Écart entre enseignants0,249 · 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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIdeas in Ecology and EvolutionMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207