【目的】研究论文使用次数与被引频次的相关性,以判断使用次数是否可作为论文影响力评价的客观指标。【方法】利用Web of Science(Wo S)新推出的"文献级别用量指标",对《中国天然药物》高使用和高被引论文的使用次数和被引频...【目的】研究论文使用次数与被引频次的相关性,以判断使用次数是否可作为论文影响力评价的客观指标。【方法】利用Web of Science(Wo S)新推出的"文献级别用量指标",对《中国天然药物》高使用和高被引论文的使用次数和被引频次的相关性进行研究,并研究整合替代医学学科论文使用次数对被引频次的表征意义。【结果】被引频次、使用次数及使用次数(180天)三者之间互相具有较好的相关性。2014年和2015年高使用论文获得高引用,表明期刊可以利用论文发表2年内的使用次数预测其未来是否高被引;年代越久的高被引文献,也可能带来后续使用次数的二次提高。【结论】论文使用次数与被引频次的相关性研究未能形成定论,时间跨度的选择可能是造成矛盾结果的主要原因。论文使用次数与被引频次的峰值出现时间不同,但二者呈正相关,使用次数可作为论文影响力早期评价的客观指标。展开更多
[目的/意义]论文质量主要包括引文影响力和传播速度两个方面,探讨高质量论文引文影响力指标(被引次数)和传播速度指标(使用次数)在论文、期刊、学科、时间水平的分布特征,可以为科技论文评价提供参考。[方法/过程]收集2011-2015年Web of...[目的/意义]论文质量主要包括引文影响力和传播速度两个方面,探讨高质量论文引文影响力指标(被引次数)和传播速度指标(使用次数)在论文、期刊、学科、时间水平的分布特征,可以为科技论文评价提供参考。[方法/过程]收集2011-2015年Web of Science数据库中收录的"再生医学"领域的文献,根据二八定律将使用次数≥18的论文纳入数据集1,被引次数≥12次的论文纳入数据集2,抽取2个数据集中的交集论文作为高质量论文。对这部分论文在不同年份、期刊和学科中的使用和被引情况进行分析。[结果/结论](1)高质量论文的使用次数与被引次数的相关系数为0.643;(2)发表时间越早,高质量论文使用次数与被引次数的相关系数越高;(3)高质量论文的使用次数和被引次数在期刊水平的相关系数为0.893;(4)高质量论文的使用次数和被引次数在学科水平的相关系数为0.972。不考虑时间因素的影响,高质量论文的使用次数与被引次数的相关系数在论文、期刊、学科和时间水平呈中等以上相关性,这有利于该领域新发表论文的早期评价。展开更多
【目的】分析Web of Science(Wo S)数据库中论文文献级别用量指标(使用次数)与被引频次的分布情况及其相关性,以揭示论文使用与被引的规律及相关关系。【方法】收集2013~2015年Wo S数据库收录信息科学与图书情报学领域被引频次TOP5%、...【目的】分析Web of Science(Wo S)数据库中论文文献级别用量指标(使用次数)与被引频次的分布情况及其相关性,以揭示论文使用与被引的规律及相关关系。【方法】收集2013~2015年Wo S数据库收录信息科学与图书情报学领域被引频次TOP5%、使用次数TOP5%论文数据,分析文献类型,被引频次和使用次数的年度表现及其相关性。【结果】被引频次TOP5%、使用次数TOP5%以及两者重合文献主要类型均为Article。使用次数(180天)和被引频次三年间差异显著:前者2015年>2014年>2013年(均为P<0.05),后者表现相反。使用次数(2013年至今)、使用次数(180天)和被引频次弱相关(均为P<0.05);各年度中除2015年外均有相关性。【结论】引文时间窗口越长,论文被引频次越高,一定时间内学者们更倾向于使用较新的文献;也揭示了论文使用与被引之间存在的共性,这种共性和引文时间窗口有关。展开更多
[目的/意义]对比分析相同主题的不同类型科学文献的使用行为,利用用户学术行为数据全面测评学术论文影响力。[方法/过程]基于Web of Science数据库中学术论文使用次数,分析比较不同学科文献的使用差异。从文献使用入手,收集2013-2017年3...[目的/意义]对比分析相同主题的不同类型科学文献的使用行为,利用用户学术行为数据全面测评学术论文影响力。[方法/过程]基于Web of Science数据库中学术论文使用次数,分析比较不同学科文献的使用差异。从文献使用入手,收集2013-2017年3D打印领域的论文数据,以化学、工程文献为对比分析对象,从论文的学科视角分析使用次数与被引频次之间的相关性,分析高使用与高引用(Top 10%)论文的重合文献,探测文献使用差异,并进行独立样本T检验。[结果/结论]U1与被引次数成微弱正相关,U2与被引次数显著性相关;两学科的科学论文在使用上存在统计学意义上的显著差异,可能原因是不同学科学者的文献使用行为不同。此外,文献类型对使用次数有影响,综述类文献信息量较为丰富,从而可以获得更多的使用、引用。展开更多
Purpose： Research fronts build on recent work, but using times cited as a traditional indicator to detect research fronts will inevitably result in a certain time lag. This study attempts to explore the effects of us...Purpose： Research fronts build on recent work, but using times cited as a traditional indicator to detect research fronts will inevitably result in a certain time lag. This study attempts to explore the effects of usage count as a new indicator to detect research fronts in shortening the time lag of classic indicators in research fronts detection. Design/methodology/approach： An exploratory study was conducted where the new indicator ＂usage count＂ was compared to the traditional citation count, ＂times cited,＂ in detecting research fronts of the regenerative medicine domain. An initial topic search of the term ＂regenerative medicine＂ returned 10,553 records published between 2000 and 2015 in the Web of Science （WoS）. We first ranked these records with usage count and times cited, respectively, and selected the top 2,000 records for each. We then performed a co-citation analysis in order to obtain the citing papers of the co-citation clusters as the research fronts. Finally, we compared the average publication year of the citing papers as well as the mean cited year of the co-citation clusters. Findings： The citing articles detected by usage count tend to be published more recently compared with times cited within the same research front. Moreover, research fronts detected by usage count tend to be within the last two years, which presents a higher immediacy and real-time feature compared to times cited. There is approximately a three-year time span among the mean cited years （known as ＂intellectual base＂） of all clusters generated by usage count and this figure is about four years in the network of times cited. In comparison to times cited, usage count is a dynamic and instant indicator. Research limitations： We are trying to find the cutting-edge research fronts, but those generated based on co-citations may refer to the hot research fronts. The usage count of older highly cited papers was not taken into consideration, because the usage count indicator released by WoS only reflects展开更多
[目的/意义]基于论文和期刊视角分析Web of Science(Wo S)数据库中不同引证时间窗口论文使用次数与被引频次之间的关系以及量引背离现象。[方法/过程]收集2013~2015年Wo S数据库收录眼科学领域被引频次TOP10%论文数据,分析文献类型,不...[目的/意义]基于论文和期刊视角分析Web of Science(Wo S)数据库中不同引证时间窗口论文使用次数与被引频次之间的关系以及量引背离现象。[方法/过程]收集2013~2015年Wo S数据库收录眼科学领域被引频次TOP10%论文数据,分析文献类型,不同引证时间窗口论文使用次数、被引频次的变化,从论文和期刊视角分析论文被引频次与使用次数的相关性,并对量引背离现象进行分析。[结果/结论]TOP10%论文主要文献类型为Article。随论文被引频次升高,使用次数(180天,U1)、使用次数(2013年至今U2)逐渐升高。被引频次、U2随引证时间窗口增加而升高(均为P<0.05),U1表现相反(均为P<0.05);不同引证时间窗口论文U1、U2和被引频次,以及期刊篇均被引频次和篇均U1、篇均U2均有相关性(均为P<0.05)。少数论文出现量引背离现象。揭示了高影响力论文的主要文献类型,也提示了论文使用与被引之间的共性,共性大小与引文时间窗口有关。引文时间窗口越长,论文总被引频次和总使用次数越高,最近180天内学者们更倾向于使用较新的文献,高使用次数预示着一定时期后的高被引。展开更多
文摘【目的】研究论文使用次数与被引频次的相关性,以判断使用次数是否可作为论文影响力评价的客观指标。【方法】利用Web of Science(Wo S)新推出的"文献级别用量指标",对《中国天然药物》高使用和高被引论文的使用次数和被引频次的相关性进行研究,并研究整合替代医学学科论文使用次数对被引频次的表征意义。【结果】被引频次、使用次数及使用次数(180天)三者之间互相具有较好的相关性。2014年和2015年高使用论文获得高引用,表明期刊可以利用论文发表2年内的使用次数预测其未来是否高被引;年代越久的高被引文献,也可能带来后续使用次数的二次提高。【结论】论文使用次数与被引频次的相关性研究未能形成定论,时间跨度的选择可能是造成矛盾结果的主要原因。论文使用次数与被引频次的峰值出现时间不同,但二者呈正相关,使用次数可作为论文影响力早期评价的客观指标。
文摘[目的/意义]论文质量主要包括引文影响力和传播速度两个方面,探讨高质量论文引文影响力指标(被引次数)和传播速度指标(使用次数)在论文、期刊、学科、时间水平的分布特征,可以为科技论文评价提供参考。[方法/过程]收集2011-2015年Web of Science数据库中收录的"再生医学"领域的文献,根据二八定律将使用次数≥18的论文纳入数据集1,被引次数≥12次的论文纳入数据集2,抽取2个数据集中的交集论文作为高质量论文。对这部分论文在不同年份、期刊和学科中的使用和被引情况进行分析。[结果/结论](1)高质量论文的使用次数与被引次数的相关系数为0.643;(2)发表时间越早,高质量论文使用次数与被引次数的相关系数越高;(3)高质量论文的使用次数和被引次数在期刊水平的相关系数为0.893;(4)高质量论文的使用次数和被引次数在学科水平的相关系数为0.972。不考虑时间因素的影响,高质量论文的使用次数与被引次数的相关系数在论文、期刊、学科和时间水平呈中等以上相关性,这有利于该领域新发表论文的早期评价。
文摘【目的】分析Web of Science(Wo S)数据库中论文文献级别用量指标(使用次数)与被引频次的分布情况及其相关性,以揭示论文使用与被引的规律及相关关系。【方法】收集2013~2015年Wo S数据库收录信息科学与图书情报学领域被引频次TOP5%、使用次数TOP5%论文数据,分析文献类型,被引频次和使用次数的年度表现及其相关性。【结果】被引频次TOP5%、使用次数TOP5%以及两者重合文献主要类型均为Article。使用次数(180天)和被引频次三年间差异显著:前者2015年>2014年>2013年(均为P<0.05),后者表现相反。使用次数(2013年至今)、使用次数(180天)和被引频次弱相关(均为P<0.05);各年度中除2015年外均有相关性。【结论】引文时间窗口越长,论文被引频次越高,一定时间内学者们更倾向于使用较新的文献;也揭示了论文使用与被引之间存在的共性,这种共性和引文时间窗口有关。
文摘[目的/意义]对比分析相同主题的不同类型科学文献的使用行为,利用用户学术行为数据全面测评学术论文影响力。[方法/过程]基于Web of Science数据库中学术论文使用次数,分析比较不同学科文献的使用差异。从文献使用入手,收集2013-2017年3D打印领域的论文数据,以化学、工程文献为对比分析对象,从论文的学科视角分析使用次数与被引频次之间的相关性,分析高使用与高引用(Top 10%)论文的重合文献,探测文献使用差异,并进行独立样本T检验。[结果/结论]U1与被引次数成微弱正相关,U2与被引次数显著性相关;两学科的科学论文在使用上存在统计学意义上的显著差异,可能原因是不同学科学者的文献使用行为不同。此外,文献类型对使用次数有影响,综述类文献信息量较为丰富,从而可以获得更多的使用、引用。
基金supported by the National Social Science Foundation of China(Grant No.:14BTQ030)
文摘Purpose： Research fronts build on recent work, but using times cited as a traditional indicator to detect research fronts will inevitably result in a certain time lag. This study attempts to explore the effects of usage count as a new indicator to detect research fronts in shortening the time lag of classic indicators in research fronts detection. Design/methodology/approach： An exploratory study was conducted where the new indicator ＂usage count＂ was compared to the traditional citation count, ＂times cited,＂ in detecting research fronts of the regenerative medicine domain. An initial topic search of the term ＂regenerative medicine＂ returned 10,553 records published between 2000 and 2015 in the Web of Science （WoS）. We first ranked these records with usage count and times cited, respectively, and selected the top 2,000 records for each. We then performed a co-citation analysis in order to obtain the citing papers of the co-citation clusters as the research fronts. Finally, we compared the average publication year of the citing papers as well as the mean cited year of the co-citation clusters. Findings： The citing articles detected by usage count tend to be published more recently compared with times cited within the same research front. Moreover, research fronts detected by usage count tend to be within the last two years, which presents a higher immediacy and real-time feature compared to times cited. There is approximately a three-year time span among the mean cited years （known as ＂intellectual base＂） of all clusters generated by usage count and this figure is about four years in the network of times cited. In comparison to times cited, usage count is a dynamic and instant indicator. Research limitations： We are trying to find the cutting-edge research fronts, but those generated based on co-citations may refer to the hot research fronts. The usage count of older highly cited papers was not taken into consideration, because the usage count indicator released by WoS only reflects
文摘[目的/意义]基于论文和期刊视角分析Web of Science(Wo S)数据库中不同引证时间窗口论文使用次数与被引频次之间的关系以及量引背离现象。[方法/过程]收集2013~2015年Wo S数据库收录眼科学领域被引频次TOP10%论文数据,分析文献类型,不同引证时间窗口论文使用次数、被引频次的变化,从论文和期刊视角分析论文被引频次与使用次数的相关性,并对量引背离现象进行分析。[结果/结论]TOP10%论文主要文献类型为Article。随论文被引频次升高,使用次数(180天,U1)、使用次数(2013年至今U2)逐渐升高。被引频次、U2随引证时间窗口增加而升高(均为P<0.05),U1表现相反(均为P<0.05);不同引证时间窗口论文U1、U2和被引频次,以及期刊篇均被引频次和篇均U1、篇均U2均有相关性(均为P<0.05)。少数论文出现量引背离现象。揭示了高影响力论文的主要文献类型,也提示了论文使用与被引之间的共性,共性大小与引文时间窗口有关。引文时间窗口越长,论文总被引频次和总使用次数越高,最近180天内学者们更倾向于使用较新的文献,高使用次数预示着一定时期后的高被引。
