Citation Metrics for Editors of Top-Ranked Journals Related to Higher Education: A Descriptive Study
Notice bibliographique
Résumé
Today’s university faculty members engage in myriad activities related to the three general work categories of teaching, research, and service. In order to satisfy the evaluative process for tenure and promotion as related to the research category, the faculty member typically must present not only a curriculum vitae that establishes a substantive record of scholarly productivity but also indicants of impact to the field. Though these latter indicants have often been via letters of support from the faculty member’s discipline, increasingly the provision of citation metrics are being used. But while such metrics are meant to provide support for advancement, their use is rather ambiguous due to the lack of defined standards of performance; that is, without standards, how can provided metrics be interpreted? Because chief editors of prestigious journals are typically seasoned scholars, the purpose of this descriptive study is to characterize the citation metrics—citation count, h-index, and i10- index—for the chief editors of 10 top-ranked journals related to the field of higher education. This field was chosen because such editors are likely fully engrossed in the study, practice, and traditions of higher education and, thus, should represent a professorial standard for comparison and, perhaps, a goal for a university faculty member’s scholarly productivity. For this descriptive study, citations metrics were available for 11 out of 16 chief editors whose institutions represented the countries of Australia, Canada, Colombia, Spain, United Kingdom, and United States of America. Findings suggest these 11 chief editors are widely cited academicians and, thus, provide salient standards for the purpose of this 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 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 | 0,028 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,080 | 0,178 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».