Sentiment Analysis of Citations in Scientific Articles Using ChatGPT: Identifying Potential Biases and Conflicts of Interest
Labged Laboratory, Computer Science department(计算机科学系实验室);Badji Mokhtar Annaba University(巴吉·莫克塔尔安纳巴大学)
本文利用ChatGPT对科学论文中的引用进行情感分析,以识别潜在的偏见和利益冲突,提升学术研究的诚信度。
2026-03-06 cs.CL cs.DL
Patterns of Text Reuse in a Scientific Corpus
我们认为,研究人员通过系统地成对比较1991- 2012年存放在arXiv.org上的所有文章的文本内容,来研究文本“重用”的发生率。我们测量三类文本重用的全球频率,并测量慢性文本重用如何在数据集中的作者之间分布。我们推断出一个被接受的实践的基线,与其他社会背景相比,也许令人惊讶的宽容,以及一组明确界定的异常作者。我们发现文章中重复使用的文本数量与其影响力之间存在负相关关系,这是通过随后的引用来衡量的。最后,我们考虑了包含大量重复使用文本的文章的原产国分布。
2014-12-08 cs.DL physics.soc-ph
Analyzing Linguistic Complexity and Scientific Impact
Nanjing University of Science and Technology(南京理工大学);Indiana University(印第安纳大学);Shandong Normal University(山东师范大学);Nanjing University(南京大学);Wuhan University(武汉大学);Université de Montréal(蒙特利尔大学)
出版物的数量和被引用的数量已经成为衡量学术成功的最常见指标。在这种背景下,科学写作在学者的科学生涯中扮演着越来越重要的角色。为了了解科技写作与科技影响力之间的关系,本文选取了12个语言复杂性变量作为描述科技写作的指标。然后,我们分析了36,400篇全文生物学文章和1,797篇全文心理学文章的这些特征。将这些特征与文章的科学影响进行比较,分为高,中,低类别。结果表明,在这两个学科的语言复杂性和引文层之间没有实际的显着关系。这表明,文本的复杂性在我们的数据集的科学影响中几乎没有发挥作用。
2019-07-27 cs.CL cs.DL physics.soc-ph
Topic Extraction and Bundling of Related Scientific Articles
基于共同特征的科技论文自动分类是数字图书馆和信息检索系统中的一个重要问题。正确组织的文章可以是有用的自动生成的分类在科学著作,文本摘要,高效的信息检索等生成文章束从大量的输入文章,根据相关的功能的文章是繁琐和计算昂贵的任务。在这份报告中,我们提出了一个自动的两步方法,主题提取和捆绑的相关文章,从一组科学文章的实时。对于主题提取,我们利用潜在狄利克雷分配(LDA)的主题建模技术和捆绑,我们利用层次凝聚聚类技术。我们运行实验来验证我们的捆绑语义,并将其与使用中的现有模型进行比较。我们利用亚马逊提供的在线众包市场Amazon Mechanical Turk来进行实验。我们详细解释了我们的实验装置和经验结果,并表明我们的方法是优于现有的。
2015-05-01 cs.DL cs.IR stat.ML
Clustering of scientific citations in Wikipedia
Wikipedia中的模板实例形成了一个有趣的结构化信息数据集。在这里,我重点介绍引用期刊模板,主要用于引用科学期刊中的文章。这些引文可以被提取和分析:对(文章x期刊)矩阵进行非负矩阵分解,得到维基百科文章和科学期刊的软聚类,每个聚类或多或少代表一个科学主题。
2008-06-12 cs.DL cs.NE
Extracting Core Claims from Scientific Articles
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学)
近年来,科学文章的数量迅速增长,而且没有迹象表明这种增长在不久的将来会放缓。正因为如此,跟上科学领域的最新发展变得越来越困难。为了解决这个问题,我们在这里提出了一种方法,以帮助研究人员了解最新的发展和发现,提取在一个规范化的形式核心索赔的科学文章。这种规范化的表示是一种受控的自然语言的英语句子,称为AIDA,它已被提出在以前的工作作为一种方法,正式结构和组织科学发现和话语。我们将展示如何通过检测文章的核心声明,检查AIDA合规性,并在必要时将其转换为合规的句子来自动提取AIDA句子。虽然我们的算法还远远不够完美,但我们的结果表明,不同的步骤是可行的,他们支持这样的说法,即AIDA句子可能是一种有前途的方法,以改善未来的科学交流。
2017-07-24 cs.CL cs.DL cs.IR
Automatically detecting scientific political science texts from a large general document index
本研究提出结合硬软过滤器的方法,从BASE数据中提取政治学文章,软过滤器用微调的多语言BERT模型,准确率达0.98,方法可推广至其他学科以提升文献检索效率。
2024-06-24 cs.DL
Article Processing Charges based publications: to which extent the price explains scientific impact?
本研究旨在分析科学出版物的引文标准化得分(NCS)与黄金开放获取出版物的文章处理费(APC)之间的关系。为此,我们使用OpenAPC数据库提供的APC信息和Web of Science数据库(WoS)中出版物的引用分数。数据库涵盖了2006年至2019年期间,在属于267个不同出版商的4751种期刊上发表了83,752篇文章。结果表明,与这一信念相反,付出高昂的代价并不一定会增加出版物的影响。首先,影响力大的大型出版商并不是最昂贵的。其次,APC最高的出版商不一定是影响力最好的出版商。装甲运兵车与影响之间的相关性中等。此外,在计量经济学分析中,我们已经表明,出版质量在很大程度上取决于其出版的期刊质量。国际合作在引文得分中也起着重要作用。
2021-07-02 cs.DL econ.GN physics.soc-ph
ScienceWISE: Topic Modeling over Scientific Literature Networks
我们提供了一个最新的知识管理系统ScienceWISE(SW)的视图,并解决与自动分配文章到研究主题相关的问题。到目前为止,SW已经被证明是一个有效的平台,管理大量的技术文章的本体论的概念为基础的浏览。然而,随着研究文章的出版加速,SW本体的表达性和丰富性变成了一把双刃剑:更细粒度的文章表征是可能的,但代价是在它们之间引入更多虚假的关系。在这种情况下,持续向用户推荐相关文章的挑战在于解决网络分区问题,其中节点表示文章,而同时出现的概念在它们之间创建边缘。在本文中,我们讨论了三个研究方向,我们已经采取了解决这个问题:i)识别的通用概念,以加强文章间的相似性; ii)采用二分网络表示,以提高可扩展性; iii)设计的聚类算法,以确定概念的跨学科的文章,并获得细粒度的主题为所有的文章。
2016-12-22 cs.DL cs.SI physics.soc-ph
Do Linguistic Style and Readability of Scientific Abstracts affect their Virality?
Trento-Rise(特伦托崛起研究所);Center for Astrophysics(天体物理学中心);Harvard University(哈佛大学);Media Lab(媒体实验室);Massachusetts Institute of Technology(麻省理工学院)
对在线社交网络中发布的文本内容的反应显示出不同的动态,这取决于提交内容的语言风格和可读性。对科学文章的反应是否存在类似的动力?我们的直觉得到了先前研究的支持,表明一篇科学文章的成功取决于它的内容,而不是它的语言风格。在这篇文章中,我们研究了一个科学摘要语料库和三种形式的相关反应:文章下载,引用和书签。通过基于类的心理语言学分析和可读性指数测试,我们表明,一定的风格和可读性的特点,摘要明确同意在确定成功和病毒能力的科学文章。
2012-03-19 cs.CL cs.DL cs.SI
Pattern-based Acquisition of Scientific Entities from Scholarly Article Titles
TIB Leibniz Information Centre for Science and Technology(莱布尼茨科学技术信息中心);L3S Research Center at Leibniz University of Hannover(汉诺威莱布尼茨大学L3S研究中心)
我们描述了一个基于规则的方法,从计算语言学(CL)的学术文章标题中自动获取突出的科学实体。这种做法的动机有两点:(一)在标题中注意到一条贡献的突出方面;(二)采用模式识别法,捕捉可以在一套规则中表达的突出术语。只有那些词汇句法模式被选中,很容易识别,经常发生,并定位指示一个科学实体类型。这些规则是在涵盖ACL选集中所有文章的50,237个CL标题的集合上制定的。总共提取了19,799个研究问题,18,111个解决方案,20,033个资源,1,059种语言,6,878个工具和21,687个方法,平均精度为75%。
2021-09-17 cs.CL cs.DL cs.IR
Scientific Article Recommendation: Exploiting Common Author Relations and Historical Preferences
在即将到来的学术大数据时代,科学文章推荐系统在研究人员检索感兴趣的科学文章方面发挥着越来越重要的作用。大多数现有的研究都为所有目标研究人员设计了统一的方法,因此无论研究人员处于何种情况,都运行相同的算法来为所有研究人员生成推荐。然而,不同的研究者可能有自己的特点,可能会有相应的方法,从而产生更好的建议。在本文中,我们提出了一种新的推荐方法,该方法结合了文章之间的共同作者关系信息(即,两篇文章的作者相同(S)。我们的方法的基本原理是,研究人员经常搜索由同一作者发表的文章。由于不是所有的研究人员都有这样的基于作者的搜索模式,我们提出了两个功能,这是基于对共同的作者关系和频繁出现的作者的文章的信息定义,以确定推荐的目标研究人员。我们在真实数据集上进行的大量实验表明,定义的特征可以有效地确定相关的目标研究人员,并且与基线方法相比,所提出的方法可以为相关研究人员生成更准确的建议。
2020-08-09 cs.DL cs.SI
The Curious Case of Max Planck retracted papers. When past scientific practices meet contemporary publishing norms
Université du Québec à Montréal(蒙特利尔大学);Université du Québec à Trois-Rivières(特鲁瓦河魁北克大学)
本文探讨了Max Planck在《Naturwissenschaften》上发表的两篇论文被Springer数字平台撤稿的案例,指出这些撤稿并非源于科学欺诈,而是由于数字时代版权管理程序对历史出版物的不恰当应用。通过研究Planck 1940和1942年哲学论文的传播历史,文章表明在20世纪早期的科学出版文化中,多格式再发表是一种常见且合法的实践。这种实践在后来科学文章转变为可计数和专有单位的系统中变得有问题。本文认为,当代概念如重复出版和自我剽窃是历史情境中的类别,不能回溯应用而不扭曲历史记录。更广泛地说,Planck案例揭示了由大型商业出版商控制的数字学术基础设施如何限制科学过去的可访问性。讽刺的是,原始论文今天仍可通过非营利数字平台Internet Archive访问,而不是通过最初发行期刊的出版商。
2026-09-28 cs.DL physics.hist-ph physics.soc-ph
Getting Insights from a Large Corpus of Scientific Papers on Specialisted Comprehensive Topics -- the Case of COVID-19
COVID-19是这些天最重要的话题之一,特别是在搜索引擎和新闻上。虽然假新闻很容易分享,但科学论文是可以提取信息的可靠来源。PUBMED上有大约24,000篇关于COVID-19的科学出版物和相关研究,需要自动计算机辅助分析。在本文中,我们开发了两种方法来深入了解感兴趣的特定子主题和最新的研究子主题。它们依赖于自然语言处理和基于图形的可视化。我们在两种情况下运行这些方法:病毒来源和现有药物的使用。
2020-04-30 cs.DL cs.IR
Bibliometric analysis of the scientific production found in Scopus and Web of Science about business administration
简介:本文基于偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modeling PLS-SEM),对2011-2020年科技论文中的工商管理科学成果进行分析。方法学:这项研究是探索性和描述性的,分三个阶段:(a)选择关键词和搜索标准;(b)搜索和完善信息;(c)信息分析。在分析预定指标的基础上,采用了对具体文献进行文献计量审查的方法,并完成了定性内容综合。结果如下:共分析了167篇出版物,从年份,检索标准,作者,四分位数的影响因子和引用变量进行相关性分析。更多优秀的科学成果来自Scopus的搜索标准((pls AND sem)或“偏最小二乘”)和(商业或管理),为4,870篇科学文章,而Web of Science积累了3,946篇文章结论:从2011年到2020年,使用PLS-SEM技术的科学文章逐渐增长。与WoS相比,Scopus使用这种统计方法呈现了更多的科学成果。注册科学文章的作者表现出较高的H指数;此外,马来西亚大学中有大量采用PLS-SEM方法的科学文章,可能与该国以及新加坡,台湾和印度尼西亚的高等教育扩张有关。最后,工商管理、会计学和经济学是杰出的科学成果。
2022-01-08 cs.DL econ.GN q-fin.EC
Predicting Scientific Success Based on Coauthorship Networks
我们解决的问题,在多大程度上的科学文章的成功是由于社会的影响。从计算机科学领域的10万多份出版物的数据集分析,我们研究如何在合著网络的中心性不同的作者之间的高度引用的论文和那些谁没有。我们进一步表明,仅基于发表时的合著网络中心性度量的机器学习分类器能够高精度地预测一篇文章在发表后五年是否会被高度引用。通过这一点,我们提供了定量的科学出版的社会层面的见解-挑战的看法,引用作为一个客观的,社会公正的措施,科学的成功。
2014-02-28 cs.DL cs.SI physics.soc-ph
Mining and Analyzing the Future Works in Scientific Articles
Peking University(北京大学)
科学文章中的未来作品对研究人员来说是有价值的,它们可以引导研究人员进入新的研究方向或想法。在本文中,我们挖掘未来的工作在科学文章中,以1)提供一个洞察未来的工作分析和2)方便研究人员搜索和浏览未来的工作在一个研究领域。首先,我们研究了未来的工作提取的问题,并提出了一种基于正则表达式的方法来解决这个问题。其次,我们定义了四个不同类别的未来的作品,通过观察数据和研究多类未来的工作分类问题。第三,将本文提出的抽取方法和分类模型应用于计算机科学领域的论文数据集,并对未来的工作进行了进一步的分析。最后,我们设计了一个原型系统,用于搜索和展示从科技论文中挖掘出的未来工作。实验结果表明,该方法具有较高的查准率和查全率,分类模型也能取得较好的效果,优于几种基线模型。对将来工作句的进一步分析也表明了有趣的结果。
2015-07-08 cs.CL cs.DL cs.IR
Unraveling the dynamics of growth, aging and inflation for citations to scientific articles from specific research fields
我们分析了美国物理学会期刊(PRA,PRB,PRC,PRD,PRE和PRL)的论文引文的时间演变。观察到的每种期刊上发表的论文数量随时间的变化被认为是由归一化引起的外源性可引用性变化。适当的通货膨胀调整的引用率被发现是可分离的偏好附件型增长内核和纯粹的过时相关(即,自出版以来作为时间的函数单调递减)老化函数。与不同期刊相关的增长内核和老化函数的经验提取参数的变化指向研究领域特定的引文强度和知识流的特征。与类似的结果的引用动力学的技术分类的专利队列的比较提供了更深入的了解信息传播的基本原则,引用行为所示。
2017-10-16 cs.DL cs.SI physics.soc-ph
Domain-independent Extraction of Scientific Concepts from Research Articles
我们研究了从学术文章摘要中提取独立于领域的科学概念的新任务,并提出了两个贡献。首先,我们提出了一套通用的科学概念,已确定在一个系统的注释过程。这套概念是用来注释语料库的科学摘要从10个领域的科学,技术和医学在短语的水平,在与领域专家的共同努力。所得到的数据集用于一组基准实验中,以(a)为该任务提供基线性能,(b)检查域之间概念的可转移性。其次,我们提出两个深度学习系统作为基线。特别是,我们提出了主动学习,以处理不同的领域在我们的任务。实验结果表明:(1)非专家在与领域专家协商后,可以获得基本一致的结果;(2)基线系统获得了相当高的F1分数;(3)主动学习使我们能够将所需的训练数据量减少近一半。
2020-01-09 cs.DL cs.IR
The influence of online posting dates on the bibliometric indicators of scientific articles
本文分析了在线文章和相应的印刷出版物之间的时间差异,以及它如何影响两个文献计量学指标:期刊影响因子(JIF)和即时性指数。这项研究检查了18,526篇文章,完整收集了2013年和2014年61种泌尿学和肾脏学期刊发表的文章和评论。研究结果表明,先进的在线出版(AOP)加速引用的文章,并影响JIF和即时性指数值。关于JIF值,有或没有AOP的期刊之间的比较显示出统计学显著差异(P=0.001,Mann-Whitney U检验)。JIF和在线印刷出版延迟中位数之间的Spearman相关性在统计学上并不显著。至于即时性指数,发现2014年出版的期刊的在线到印刷出版延迟中位数存在显著的Spearman相关性(rs=0.280,P=0.029),尽管2013年出版的期刊没有发现统计学显著的相关性。大多数期刊(n=52的61)发表了他们的文章在AOP。分析还显示了不同的出版商做法:8种期刊没有在全文中包括在线发布日期,9种期刊发表的文章显示了两种不同的在线发布日期-期刊网站上提供的日期和Elsevier的Science Direct提供的日期。这些做法表明,需要透明和标准化的AOP日期的科学文章计算期刊的文献计量指标。
2018-02-14 cs.DL
Finding Scientific Communities In Citation Graphs: Convergent Clustering
了解科学界的性质和组织具有广泛的意义。“无形学院”是对此类社区的一种历史隐喻,寻找此类“学院”的工作可以被界定为发现和分析研究共同感兴趣问题的科学家小组。案例研究以前已经进行了个别社区就其科学和社会行为。在这项研究中,我们介绍,一个新的和可扩展的社区发现的方法。在专家评估的辅助下,我们使用两种不同聚类方法的收敛性来选择来自免疫学领域的200多万篇文章的文章聚类,这些文章跨越了11年的时间,具有相关的聚类质量指标进行评估。最后,我们确定了这些集群定义的作者社区。专家审查了这一管道产生的文章组样本,显示出很强的主题相关性,表明推断的作者群体可能代表有效的实践群体。这些研究结果表明,这种趋同的方法在未来可能是有用的。
2020-07-28 cs.DL cs.SI physics.soc-ph
The practice of self-citations: a longitudinal study
在这篇文章中,我们讨论了一个实验的结果,我们分析了是否以及在多大程度上引入,在2012年,新的研究评估工作在意大利(又名。意大利科学障碍)影响了意大利研究界的自引行为。意大利科学院证明了研究人员的科学成熟度,在意大利,与许多其他国家一样,这是获得教授职位的要求。为此,我们从ScienceDirect获得了2012年意大利科学障碍赛参与者在1957年至2016年期间发表的35,673篇文章,通过语义发布技术提取了1,379,050篇引文。我们的分析显示,在所考虑的24个学科中,作者自引(即引用文章和被引用文章至少共享一位作者)的总体增加。然而,我们描述了一个更强的因果关系,这种增量和2012年意大利科学障碍在10个学科的24个分析引入的规则。
2020-02-19 cs.DL
Characterizing in-text citations in scientific articles: A large-scale analysis
我们报告了来自两个大型数据库(PubMed Central开放获取子集和Elsevier期刊)的500多万篇全文文章的文本内引文特征,这些文献是时间、文本进展和科学领域的函数。本研究的目的是在进行其他研究之前,详细了解语篇内引文的特点,以回答更实质性的研究问题。因此,我们以几种方式分析了文本中的引文,并在这里报告了许多发现。也许最重要的是,我们发现有很大的字段级差异,反映在文本中的位置,引用间隔(或参考年龄)和引用次数。一般来说,生物医学和健康科学、生命和地球科学以及物理科学和工程领域有类似的参考分布,尽管它们在细节上有所不同。剩下的两个领域,数学和计算机科学以及社会科学和人文科学,与其他三个领域以及它们之间有不同的参考分布。我们还表明,在所有领域的句子,参考文献和每篇文章的文本中提到的数量随着时间的推移而增加,并有字段级和时间的差异,在每参考文献的文本中提到的数量。最后一个发现是,只提到一次的参考文献往往比提到多次的参考文献被引用的次数要多得多。
2017-10-09 cs.DL
Comparing Published Scientific Journal Articles to Their Pre-print Versions
学术出版商声称,他们通过在出版过程中协调评论、贡献和增强文本,为学术交流增加了价值。这些贡献的代价相当大:仅在2008年,美国学术图书馆就为期刊订阅支付了17亿美元。相比之下,图书馆的预算是持平的,无法跟上连续的价格上涨。我们已经调查了出版商的价值主张进行了比较研究的预印论文和他们的最终出版的同行。这种比较有两个工作假设:1)如果出版商的论点是有效的,预印论文的文本应该与其相应的最终出版版本有可测量的差异,2)通过应用标准的相似性度量,我们应该能够检测和量化这种差异。我们的分析显示,科学论文的文本内容从预印本到最终出版版本通常变化很小。这些研究结果为讨论商业出版商的附加值提供了实证指标,因此应该影响图书馆在获取学术出版物方面的经济决策。
2016-04-18 cs.DL
The relationship between acquaintanceship and coauthorship in scientific collaboration networks
本文探讨了在一个多学科、多机构、地理分布的研究中心中,作者身份和合著模式之间的关系。两个社交网络的构建和比较:一个网络的合著,代表研究人员如何写文章与对方,和网络的研究人员如何知道对方在个人层面上,根据他们的回答在线调查。这些网络的拓扑结构和社区结构的统计分析点的重要性,小规模的,本地的,个人网络的前提下,完成协作工作的科学界。
2011-08-22 cs.CY cs.DL cs.SI
Classification of abrupt changes along viewing profiles of scientific articles
随着电子出版的发展,科技论文的传播出现了新的动态。如今,许多作品甚至在出版之前就以预印本的形式广泛传播。另一个重要的新内容涉及已发表文章的观点。由于一些期刊(如PLoS ONE)提供了相应的数据,因此有可能对科学作品如何被长期看待进行调查,通常在第一次引用出现之前。这是本工作的主题。更具体地说,我们的研究是出于初步观察,视图配置文件沿时间倾向于呈现分段线性性质。然后,描绘了一种方法,以确定主要部分的视图配置文件,这使得几个相关的测量得出。特别是,我们专注于每个后续段的倾斜度和长度。基本的统计数据表明,倾斜度可以沿着后续段发生很大变化,而段长度则更加稳定。考虑到成对相关性的互补联合统计分析提供了关于视图属性的进一步信息。为了更好地理解视图配置文件,我们进行了相应的多元统计分析,包括主成分分析和层次聚类。结果表明,一部分的多边形视图被组织成集群或组。这些群体的特点是在原型,表明沿后续段的相对增加或减少。四个各自不同的模型,然后开发代表观察到的部分。结果发现,模型将联合段的属性之间的依赖关系提供了最准确的结果之间所考虑的替代品。
2020-10-09 cs.DL
Comparing Published Scientific Journal Articles to Their Pre-Print Versions -- Extended Version
学术出版商声称,他们通过在出版过程中协调评论、贡献和增强文本,为学术交流增加了价值。这些贡献的代价相当大:仅在2008年,美国学术图书馆就为期刊订阅支付了17亿美元。相比之下,图书馆的预算是持平的,无法跟上连续的价格上涨。我们已经调查了出版商的价值主张进行比较研究的预印论文从两个不同的科学,技术和医学(STM)语料库和他们的最终出版的同行。这种比较有两个工作假设:1)如果出版商的论点是有效的,预印论文的文本应该与其相应的最终出版版本有可测量的差异,2)通过应用标准的相似性度量,我们应该能够检测和量化这种差异。我们的分析显示,科学论文的文本内容从预印本到最终出版版本通常变化很小。这些研究结果为讨论商业出版商的附加值提供了实证指标,因此应该影响图书馆在获取学术出版物方面的经济决策。
2018-03-26 cs.DL
All Fingers are not Equal: Intensity of References in Scientific Articles
University of Maryland, College Park(马里兰大学学院公园分校);IBM Research, India(IBM研究院(印度))
研究成果通常通过同等重要地考虑所有引用来衡量,从而忽略了一篇文章被引用的各种目的。在这里,我们认为,测量参考文献的强度不仅对更好地理解研究工作至关重要,而且对提高基于引用的应用程序的质量也至关重要。为此,我们收集了一个丰富的注释数据集与强度标记的参考文献,并提出了一种新的基于图的半监督模型,GraLap标记强度的参考文献。使用AAN数据集的实验显示,与基线相比,在实现引用的真实标签方面有显着改进(相关性提高了46%)。最后,我们提供了四个应用程序来演示如何参考强度的知识导致设计更好的现实世界的应用程序。
2016-09-01 cs.CL cs.DL
Scientific citations in Wikipedia
基于互联网的百科全书维基百科已经发展成为互联网上访问量最大的网站之一。然而,批评者质疑条目的质量,一项实证研究表明维基百科在2005年的科学条目样本中包含错误。有偏见的报道和缺乏来源是“维基百科的风险”。目前的工作描述了一个简单的评估,这些方面通过检查出站链接从维基百科的文章在科学期刊的文章与期刊引文报告,如影响因子的期刊统计数据进行比较。结果表明,越来越多的使用结构化的引用标记和良好的协议,在科学文献中看到的引用模式,虽然有轻微的倾向,引用高影响力的期刊,如自然和科学的文章。这些结果增加了人们对维基百科作为一个良好的科学信息组织者的信心。
2007-05-15 cs.DL cs.IR
The Scaling Relationship between Citation-Based Performance and Scientific Collaboration in Natural Sciences
本文的目的是扩展我们的知识之间的幂律关系的引用为基础的性能和合作模式的自然科学领域的论文。我们分析了829,924篇文章,共收到16,490,346次引用。通过合作发表的文章占89%。基于引用的性能和协作模式表现出幂律相关性,标度指数为1.20,SD=0.07。我们发现,马太效应是更强的合作论文比单一作者。这意味着一个领域的研究领域的文章的引用增加2.30倍,每增加一倍的合作论文的数量。单一作者论文的幂律关系的标度指数为0.85,SD=0.11。当一个研究领域的非合作论文数量增加一倍时,该领域的单作者论文的引用量增加1.89倍。
2015-10-18 cs.DL
Generalizability in Document Layout Analysis for Scientific Article Figure & Caption Extraction
缺乏可推广性-在一个数据集上训练的模型无法为不同的数据集提供准确的结果-是文档布局分析领域的一个已知问题。因此,当一个模型被用来定位科学文献中的重要页面对象,如图形,表格,标题和数学公式,该模型往往不能成功地应用到新的领域。虽然已经提出了几种解决方案,包括更新和更新的深度学习模型,更大的手工注释数据集以及大型合成数据集的生成,但到目前为止,还没有将在特定领域或历史时间段训练的模型转换为新领域的“灵丹妙药”。在这里,我们介绍了我们正在进行的工作,将我们的文档布局分析模型从历史天体物理学文献翻译到HathiTrust美国联邦文件集内更大的科学文档语料库。我们使用这个例子作为一种途径,强调在文档布局分析社区的泛化性的一些问题,并讨论了几个挑战和可能的解决方案,以解决这些问题。这项工作的所有代码都可以在阅读时间机器GitHub存储库(https://github.com/ReadingTimeMachine/htrc_short_conf)上找到。
2023-01-25 cs.DL
A Map of Science in Wikipedia
近几十年来,互联网的迅速发展为方便和廉价地获取科学信息提供了机会。维基百科作为世界上最大的百科全书之一,在这方面已经成为一个参考,并引起了学者们的广泛关注。然而,对支持维基百科内容的科学来源的清晰理解仍然难以捉摸。在这项工作中,我们依赖于维基百科引用的开放数据集来映射维基百科文章和科学期刊文章之间的关系。我们发现,维基百科引用的大多数期刊文章属于STEM领域,特别是生物学和医学($47.6$ \%的引用; $46.1$ \%的引用文章)。此外,维基百科的传记在连接STEM领域与人文学科,特别是历史方面发挥了重要作用。这些结果有助于我们理解维基百科对科学来源的依赖,以及它作为公众知识经纪人的角色。
2022-01-28 cs.CY cs.DL
Comparing like with like: China ranks first in SCI-indexed research articles since 2018
中国科研产出的增长令人印象深刻。学术界对中美之间年度科学出版物数量的交叉何时能够发生感到好奇。通过使用Web of Science Core Collection的Science Citation Index Expanded数据库,本研究发现,如果考虑所有文献类型,中国在2019年仍然排名SCI索引出版物的第二位,但可能在2020年或2021年超越美国成为第一位。相比之下,自2018年以来,中国已经超过美国,成为SCI索引的最大原创研究文章生产国。然而,中国在审查论文的数量方面仍然落后于美国。一般来说,数量优势不等于质量或影响优势。我们认为,美国将在很长一段时间内继续成为全球科学领导者。
2020-05-19 cs.DL
Adapting sentiment analysis for tweets linking to scientific papers
在altmetrics的背景下,tweets被讨论为科学文件的直接和更广泛的社会影响的潜在指标。然而,目前还不清楚Twitter在多大程度上捕捉到了实际的研究影响力。一个小的案例研究(Thelwall等人,2013 b)表明,对期刊文章的推文既不评论也不表达对出版物的任何情绪,这表明推文只是传播书目信息,甚至经常是自动的。本研究分析了一个大的有代表性的科学论文集的情绪,特别是适应不同的方法,在Twitter上分发的学术文章的推文。结果将有助于加深对Twitter在学术交流中的作用以及推文作为影响力指标的意义的理解。
2015-07-07 cs.DL
Beyond Single-Dimension Novelty: How Combinations of Theory, Method, and Results-based Novelty Shape Scientific Impact
School of Management, Anhui University(安徽大学管理学院);Department of Information Management, Nanjing University of Science and Technology(南京理工大学信息管理学院);School of Information Management, Central China Normal University(华中师范大学信息管理学院)
研究探讨了理论、方法和结果导向创新的组合对科学影响的影响,发现结果导向创新单独存在或与其他类型创新共同存在时,文章被引用更多且更可能进入高引论文行列。
2026-04-14 cs.CL cs.DL cs.IR
The relationship between the number of editorial board members and the scientific output of universities in the chemistry field
编委会成员被认为是科学期刊的守门人,在学术界发挥着重要作用,并可能直接或间接地影响大学的科学产出。本文以1,387所化学类大学为样本,采用分位数回归分析方法,研究了编委人数与高校科研产出之间的相关性。此外,我们使用时间序列数据和格兰杰因果关系检验,探讨了一些一流大学的编委会成员数量和文章数量之间的因果关系。我们的研究结果表明,编委会成员的数量是积极的,显着相关的科学产出(衡量的文章数量,总引用次数,每篇论文的引用,和h指数)的大学。但格兰杰因果检验结果提示,部分顶尖高校编委人数与文章数量之间的因果关系并不明显。结合这些发现与编辑委员会成员的定性访谈结果,我们讨论了编辑委员会成员的数量和他们的大学的科学产出之间的因果关系。
2017-10-25 cs.DL stat.OT
How scientific literature has been evolving over the time? A novel statistical approach using tracking verbal-based methods
Centro Mexicano de Estudios Económicos y Sociales(墨西哥经济与社会研究中心);Universitat Politècnica de Catalunya(加泰罗尼亚理工大学)
本文以文章摘要为起点,提供了与系统性红斑狼疮(SLE)相关的科学出版物的全球视野。随着时间的推移,摘要已经朝着使用术语的更高复杂性发展,这使得有必要使用复杂的统计方法和回答问题,包括:词汇如何随着时间的推移而发展?哪些文章最有影响力?哪些文章介绍了新的术语和词汇?为了回答这些问题,我们分析了一个由506个摘要组成的数据集,并从115种不同的期刊下载,覆盖了18年的时间。
2016-02-05 cs.CL cs.DL
The Individual Impact Index ($i^3$) Statistic: A Novel Article-Level Citation Metric
引文指标是用于评估科学研究的使用,影响和传播的分析措施。传统上,引文指标在出版金字塔的每个层次上都是独立测量的,即在文章层次,作者层次和期刊层次。最常用的指标集中在期刊层面的测量,如影响因子和特征因子,以及研究人员层面的指标,如赫希指数(h-index)和i10指数。另一方面,可靠的文章级指标不太普遍,并且通常保留给单个文章的非标准化和非科学特征,例如在社交和新闻媒体中的观点,引用,下载和提及。这些特征被称为“测高学”。然而,当两篇文章的浏览量和引用量相似时,目前还没有区别性的措施来评估和比较每篇文章的个别影响。鉴于现代科学文献呈指数级增长,科学家和《科学》的读者需要优化、可靠、客观的方法来管理、衡量和比较研究成果和个人出版物。为此,我在此描述并提出了一个新的标准化的文章级指标,此后被称为“个人影响指数统计”,或简称$i^3$。$i^3$是一种加权算法,它利用同行评审过程,并考虑了单个科学出版物的许多特征,以产生标准化的、易于比较的影响和传播度量。这种新的度量的优势,局限性和潜在的用途也进行了讨论。
2017-07-01 cs.DL
From 'Individual Scientist' to 'Integrated Scientist': The Evolution of Scientific Organizational panels and Their Impact on the Scientific System
本文通过分析‘个体科学家’与‘整合科学家’的概念演变,探讨科学组织委员会在科学史中的转型及其对科学系统的影响。
2025-11-26 cs.DL stat.AP
The strain on scientific publishing
本研究针对科学出版中论文增速远超科研人员增速导致的工作负荷激增问题,提出5项数据驱动指标,基于数百万篇论文分析了增长成因与影响,为应对出版压力提供可落地的讨论基础。
2024-07-14 cs.DL
Annotating Scientific Uncertainty: A comprehensive model using linguistic patterns and comparison with existing approaches
Université Marie et Louis Pasteur(路易·巴斯德大学);Institut Universitaire de France (IUF)(法国大学研究院)
本文提出 UnScientify 系统,通过弱监督、跨度模式匹配、复杂句分析和作者引用核查检测学术文本中的科学不确定性,准确率达 0.808,优于大语言模型,证明传统规则方法在该任务中仍具优势。
2025-03-14 cs.AI cs.CL cs.DL
Learning to Rank Scientific Documents from the Crowd
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);University of Massachusetts Medical School(马萨诸塞大学医学院)
在任何科学中,寻找相关的已发表文章都是一项重要的任务,但随着生物医学领域新工作的爆炸式增长,它变得特别具有挑战性。大多数现有的方法使用文本相似性度量来识别两篇文章是否相关。然而,生物医学知识发现是假设驱动的。最相关的文章可能不是具有最高文本相似性的文章。在这项研究中,我们首先开发了一种创新的众包方法来建立一个专家注释的文档排名语料库。使用这个语料库作为金标准,我们然后评估的方法,使用文本相似度排名的相关性的文章。最后,我们开发和评估了一个新的监督模型,自动排名相关的科学文章。我们的研究结果表明,作者的排名显着不同的排名基于文本相似性的模型。通过在注释语料库的一个子集上训练学习排名模型,我们发现最好的监督学习排名模型(SVM-Rank)显着超过了最先进的基线系统。
2016-11-04 cs.CL cs.DL cs.IR
Contested Citations: The Role of Open Access Publications in Wikipedia's Scientific Disputes
University of Amsterdam(阿姆斯特丹大学);Leiden University(莱顿大学);Centre for Science and Technology Studies (CWTS)(科学技术研究中心);Institute for Logic, Language and Computation (ILLC)(逻辑、语言与计算研究所);University of Copenhagen(哥本哈根大学)
本研究分析维基百科争议文章引用数据,发现开放获取出版物更易且更早卷入争议,且学科差异显著,凸显了开放获取在知识获取与公共辩论中的双重作用。
2025-10-15 cs.DL
Universality of citation distributions: towards an objective measure of scientific impact
我们研究了几个学科中单个出版物收到的引文的分布,跨越了广泛的科学领域。我们发现,一篇文章被引用$c$次的概率在不同学科之间有很大的变化,但所有的分布被重新标度的通用曲线时,考虑到相对指标$c_f=c/c_0$,其中$c_0$是每篇文章的平均引用次数的学科。此外,我们发现,相同的普遍行为发生时,在同一领域发表的文章的引用分布,但在不同的年份,进行比较。这些研究结果提供了一个强有力的验证$c_f$作为一个公正的指标,跨学科和多年的引文性能。基于这一指标,我们引入了一个泛化的h指数适合比较科学家在不同领域的工作。
2008-10-27 cond-mat.stat-mech cs.DL physics.data-an
Incorrect Citation Association for Articles in Online-Only Springer Nature Journals
ICFO - Institut de Ciencies Fotoniques, The Barcelona Institute of Science and Technology(光子科学研究所,巴塞罗那科技研究院)
本文揭示施普林格·自然纯在线期刊因API错误和引用方式过渡不一致导致大量论文引用关联错误,并通过多个数据库验证了引用统计失真及其对作者的广泛影响。
2025-11-10 cs.DL
A Unified Nanopublication Model for Effective and User-Friendly Access to the Elements of Scientific Publishing
科学出版是我们交流和分享科学知识的手段,但这一过程目前往往缺乏透明度和机器可解释的表示。科学文章是以具有复杂结构的长粗粒度文本发布的,并且它们是针对人类读者而不是自动组织和访问方式进行优化的。同行评审是质量评估的主要方法,但这些同行评审现在很少发表,其复杂的结构和与相关文章的链接也无法访问。为了解决这些问题,并更好地使科学出版与网络和关联数据的原则保持一致,我们在这里提出了一种方法,使用纳米出版作为一个统一的模型,以语义的方式表示出版物的元素,它们的评估,以及所涉及的过程,演员和一般的出处。为了评估我们的方法,我们提出了一个627个nanopublications的数据集,代表了文章元素(如个别段落)及其评论(如个别评论)的互联网络。专注于编辑执行元审查的特定场景,我们介绍了七个能力问题,并展示了如何将它们作为SPARQL查询执行。然后,我们提出了一个原型的用户界面的情况下,显示不同的意见,提供了一个给定的手稿的审查意见集,我们在用户研究中显示,编辑发现界面有用的回答他们的能力问题。总之,我们证明了基于纳米出版的统一语义出版模型可以使科学交流更加有效和用户友好。
2020-06-11 cs.DL
Causal evidence of racial and institutional biases in accessing paywalled articles and scientific data
New York University Abu Dhabi(阿布扎比纽约大学)
研究通过多种方法探究获取科学知识的差异,发现全球南方研究人员在获取付费文章和数据方面受种族和制度偏见影响,非正式把关导致结构性不平等,强调需加强数据共享要求和开放获取政策。
2026-07-09 cs.CY cs.DL
Large Synthetic Data from the arXiv for OCR Post Correction of Historic Scientific Articles
本文通过挖掘arXiv构建了包含2.03亿字符对的科学文献OCR后校正合成数据集,并训练基线模型使历史OCR文本的字符错误率降低7.71%、词错误率降低18.82%,行内公式分类F1达77.82%。
2023-09-20 astro-ph.IM cs.DL
Rethinking Review Citations: Impact on Scientific Integrity
本文研究综述文章激增导致引用指标虚高的问题,以计算机科学领域为例,提出应优先引用原始研究以维护引用诚信和科学评价的公正性。
2025-04-08 cs.CY cs.DL
Mining Scientific Papers for Bibliometrics: a (very) Brief Survey of Methods and Tools
University of Franche-Comte(弗朗什-孔泰大学);Université du Québec à Montréal (UQAM)(魁北克大学蒙特利尔分校);GESIS, Leibniz Institute for the Social Sciences(GESIS莱布尼茨社会科学研究所)
科学出版中的开放获取运动和谷歌学术等搜索引擎使科学文章更广泛地可访问。在过去十年中,由于ArXiv和CiteSeer等在线平台上的出版物数量不断增加,全文科学论文的可用性变得越来越普遍。以机器可读格式提供文章的努力和开放获取出版的兴起导致了许多科学论文的标准化格式(如NLM-JATS,TEI,DocBook)。我们的目标是促进文献计量学和计算语言学的交叉研究,以研究文献计量学如何从大规模文本分析和科学论文的意义挖掘中受益,从而探索文献计量学和自然语言处理的跨学科性。
2015-05-06 cs.CL cs.DL
Do male leading authors retract more articles than female leading authors?
本研究基于 Web of Science 和 Retraction Watch 的大规模数据,发现男性第一作者撤稿率总体更高,尤其涉及抄袭、伪造等不当行为,且在不同学科和通讯作者中呈现一致性别差异。
2025-07-23 cs.DL
Context Selection for Hypothesis and Statistical Evidence Extraction from Full-Text Scientific Articles
Pennsylvania State University(宾夕法尼亚州立大学);Old Dominion University(旧 Dominion 大学)
本文研究了从全文科学文章中提取假设及其支持统计证据的挑战,通过两阶段检索与提取框架,发现针对性上下文选择能提升假设提取效果,但统计证据提取仍面临较大困难。
2026-03-22 cs.AI cs.CL cs.DL
An Overview on Evaluating and Predicting Scholarly Article Impact
学术文章影响力反映了学术同行认可的学术成果的重要性,它通常在评估研究人员、团队、机构和国家的科学成就方面发挥着至关重要的作用。它还用于解决学术和科学领域的各种需求,如招聘决定,晋升和资金分配。本文综述了近年来有关物品影响评价和预测的研究进展。本文首先介绍了文章影响力研究的一些观点,并概述了目前的研究现状。一些核心方法和最新进展,概述了如何文章的影响力指标和预测已经发展到考虑集成多个网络。讨论了统计分析、机器学习、数据采掘和网络科学等关键技术。特别是,我们强调了每种技术在文章影响力研究中的重要应用。随后,我们讨论了文章影响力研究的开放性问题和挑战。同时,本文也指出了一些重要的研究方向,包括考虑利益冲突的文章影响力评估、时间和位置信息、学术实体的各种分布以及后起之秀。
2020-08-10 cs.DL
On full text download and citation distributions in scientific-scholarly journals
对Elseviers ScienceDirect中涵盖所有学科的文章全文下载的统计分析显示,下载频率,其偏斜度及其与基于Scopus的引用计数的相关性在学科,期刊和文档类型之间存在很大差异。下载次数往往比引用次数高两个数量级,而且分布不那么偏斜。基于两个指数之和的数学模型无法充分捕获每月下载计数。期刊内文章水平的相关程度与该期刊所涵盖学科的期刊水平相似,这表明期刊之间的差异在很大程度上是学科特定的。尽管在所有研究期刊中,每篇文章的下载量和引用数呈正相关,但出现在引用分布顶部的文章集与下载最频繁的文章集之间可能存在很少的重叠。使用和引用泄漏,批量下载,读者和作者群体之间的差异,在一个主题领域,文件或其内容的类型,下载和引用之间的过时模式的差异,阅读和引用在研究过程中的不同功能,都提供了可能的解释下载和引用分布之间的差异。
2015-10-17 cs.DL