Multi-dimensional research impact assessment through bibliometrics, altmetrics, semantometrics, and webometrics
Notice bibliographique
Résumé
Research impact assessment (RIA) has emerged as a critical approach for evaluating the societal, academic, and policy-related influence of scholarly work, particularly within the evolving landscape of Open Science. This paper provides a synthesis of quantitative RIA metrics, which offer standardised, data-driven insights into the reach and significance of research outputs. It outlines four principal methodologies: (i) bibliometrics (analyse citation patterns through indicators such as citation counts, co-citation, and bibliographic coupling); (ii) altmetrics (track online engagement and dissemination); (iii) semantometrics (assess textual contributions using semantic similarity measures); and (iv) webometrics (evaluate digital presence through web interactions and backlink analysis). While these quantitative approaches are valuable for benchmarking and strategic decision-making, they often fail to capture the nuanced societal and intellectual impacts of research. To address this limitation, the paper advocates for a hybrid assessment model that integrates quantitative metrics with qualitative methods, such as case studies and narrative analyses, to provide both scalability and contextual depth. Ultimately, the work underscores the importance of critically and judiciously interpreting RIA metrics to fully reflect the multifaceted nature of research impact across disciplines and stakeholder domains.
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 | 0,067 | 0,170 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,121 | 0,134 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,019 | 0,014 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».