Zitierungen sind nicht alles:<i> Classroom Citation, Libcitation</i> und die Zukunft bibliometrischer und szientometrischer Leistungsvergleiche
Bibliographic record
Abstract
Abstract Der Beitrag soll zeigen, welche fortgeschrittenen bibliometrischen und szientometrischen Daten für ein bewährtes Sample von 104 österreichischen Politikwissenschaftler*innen und 51 transnationalen Verlagsunternehmen enge statistische Beziehungen zwischen Indikatoren der Präsenz von Wissenschaftler*innen und transnationalen Verlagsunternehmen in den akademischen Lehrveranstaltungen der Welt (Classroom Citation, gemessen mit Open Syllabus) und anderen, herkömmlicheren bibliometrischen und szientometrischen Indikatoren (Libcitation gemessen mit dem OCLC Worldcat, sowie der H-Index der Zitierung in den vom System Scopus erfassten Fachzeitschriften der Welt bzw. dem Book Citation Index) bestehen. Die statistischen Berechnungen zeigen, basierend auf den Faktorenanalysen, die engen statistischen Beziehungen zwischen diesen Dimensionen. Diese Ergebnisse sind insbesondere in den Tabellen 5 und 9 dieser Arbeit (Komponentenkorrelationen) ableitbar. Die multivariaten Rankings, die auf den mit den Eigenwerten gewichteten Factorscores beruhen, zeigen in der Tabelle 6, welche 15 österreichischen Politikwissenschaftler*innen sich auf den Weltmärkten der Wissenschaften am besten bewährten. Außerdem zeigen diese Methoden in Tabelle 10 auch, dass die im Beitrag analysierten führenden akademischen Verlage der Welt insbesondere für Wissenschaftler*innen der jüngeren Generation gute Weggefährten sein werden, um in Zeiten institutioneller und finanzieller Unsicherheit die Ergebnisse der Wissenschaft verlässlich um den Globus zu verbreiten und die akademischen Karrieren zu befördern.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.049 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.011 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.037 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".