[Citation needed] Data usage and citation practices in medical imaging conferences
IT University of Copenhagen（哥本哈根信息技术大学）；University of Rouen（鲁昂大学）；ZiteLab ApS（ZiteLab ApS公司）
针对医学影像领域数据集引用无统一标准、使用情况难追踪的问题，研究开发两款开源工具，分析两大会议十年间20个公开数据集的使用与引用特征，揭示使用集中化与引用习惯差异的现状。
2024-09-11 cs.CV cs.DL
Highly cited references in PLOS ONE and their in-text usage over time
在这篇文章中，我们描述了PLOS ONE全文语料库中的高引用出版物。对于这些出版物，我们分析的引用上下文有关的文本中的位置和他们的年龄在引用时。通过选择高被引论文的视角，即使我们没有任何其他信息源或指标，我们也可以根据引用期间的上下文来区分它们。我们根据引用的方式、时间和上下文描述了引用最多的参考文献。本研究的重点是从时间视角来解释高被引论文接受的本质。我们发现，这些参考文献可以通过其引用的IMRaD部分进行区分。此外，我们还可以发现，高被引论文的章节使用是时间依赖性的：引用间隔越长，参考文献在方法章节中被引用的概率越高。
2019-10-09 cs.DL
Citation advantage of Open Access articles likely explained by quality differential and media effects
在一项对发表在《美国国家科学院院刊》上的文章的研究中，Gunther Eysenbach发现，那些在出版时免费提供的文章具有显著的引用优势（Eysenbach 2006）。虽然作者试图控制可能解释引用差异的混杂因素，但该研究无法控制可能导致一些作者为立即获得OA状态支付额外页面费用（1，000美元）的文章特征。在PNAS上发表的OA文章出现在期刊封面上的可能性是期刊封面上的两倍多（3.3%对1.4%），被媒体引用的可能性几乎是两倍（15%对8%），平均而言，被引用的新闻媒体数量几乎是订阅文章的两倍（4.2对2.6）。PNAS中开放获取文章的引用优势可能是由质量差异和媒体效应的放大来解释的。
2007-01-16 cs.DL
Usage Impact Factor: the effects of sample characteristics on usage-based impact metrics
有充分的证据表明，类似于基于引用的ISI影响因子的学术影响指标可以从使用数据中得出。然而，与基于全球学术作者社区生成的引文数据的ISI IF相反，到目前为止，使用情况实际上只能在地方一级记录，导致难以推广到全球学术社区的学术影响的社区特定评估。我们定义了一个期刊使用影响因子，模仿汤姆森科学的ISI影响因子的定义。使用影响因子排名是根据2003年至2005年加州州立大学系统记录的大规模使用数据集计算的。然后将由此产生的期刊排名与汤姆森科学公司的ISI影响因子进行比较，ISI影响因子被用作一般影响的基线指标。我们的研究结果表明，来自加州州立大学使用的影响反映了其社区的特定科学和人口统计学特征。
2006-10-26 cs.DL
The Impact of Social Media in Learning and Teaching: A Bibliometric-based Citation Analysis
本文通过基于文献计量学的引文分析，对社交媒体在学习和教学中的影响进行了系统的文献综述。该综述的目的是绘制当前文献的演变图，并确定最有影响力的期刊，作者和文章的主要知识来源。从Scopus数据库中选择了50篇最相关的文章，进行了详细的引文分析。本研究探讨了社会化媒体研究涉及学习和研究的整体理论基础，并通过引文分析确定了过去四年来社会化媒体研究的主要知识来源和论文，揭示了研究趋势。对引文数据的分析表明，《国际管理教育杂志》是社交媒体在学习和教学研究方面的领先期刊。作者Abdullah Z在出版物总数、总引用数和h指数方面是该领域的主要作者，而被引用最多的文章是Baaran S。作者：Bapitha L.这项研究的贡献是清楚地概述了目前的知识状态，关于社会媒体在学习和教学服务的文献。
2022-09-22 cs.CY cs.DL cs.SI
Interpreting "altmetrics": viewing acts on social media through the lens of citation and social theories
在克罗宁关于“引用理论的必要性”（克罗宁，1981）的开创性论文发表30多年后，度量界再次需要一个新的理论，这一次是所谓的“altmetrics”。Altmetrics是替代（引用）指标的缩写，也是一个误称，它指的是一组新的指标，（主要）基于与学术交流有关的社交媒体事件。由于当前altmetrics的定义受到活跃平台，技术可能性和聚合器（如Altmetric.com，ImpactStory，PLOS和Plum Analytics）的商业模式的影响和限制，因此不断变化，这项工作避免为这些非常异构的新指标定义一个总括术语。相反，提出了一个框架，描述了导致（在线）事件的行为的度量的基础上。这些活动发生在社交媒体的背景下，例如在Twitter上讨论或保存到Mendeley，以及下载和引用。该框架将各种行为分为三类-获取、评估和应用，并提供了导致在线可见性和可追溯性的行动实例。为了提高对行为的理解，这些行为导致收集指标的在线事件，选择引用和社会理论来解释正在测量的现象。使用引用理论是因为基于这些事件的新指标应该取代或补充引用作为影响力指标。社会理论，另一方面，讨论，因为有一个固有的社会方面的测量。
2015-02-19 cs.DL
Usage Bibliometrics
学术使用数据为解决引文分析的已知缺点提供了独特的机会。然而，使用数据的收集、处理和分析仍然是一个活跃的研究领域。本文综述了基于使用的信息计量学的最新进展，即使用使用数据来研究学术过程。
2011-02-14 astro-ph.IM cs.DL cs.IR
Preprints as accelerator of scholarly communication: An empirical analysis in Mathematics
本文分析了预印本促进学术交流的关键驱动因素。为此，我们使用了四组指标，一组指的是学术交流，并基于文献计量指标（Web of Science和Scopus引文），而其他指标反映了使用（Web of Science中的使用计数），捕获（Mendeley读者）和社交媒体关注（推文）。因此，我们衡量两个影响与预印本出版：出版延迟和影响。我们定义并使用几个指标来评估arXiv中先前预印本版本的期刊文章的影响。特别是，这些指标衡量了几次arXiv预印本出版过程和期刊版本审查过程的特点，以及预印本引用的老化模式。此外，我们比较了在arXiv中没有任何先前预印本版本的预印本和非OA文章之间观察到的模式。我们可以观察到，预印本的“早期浏览”和“开放获取”效应有助于预印本的可衡量的引用和读者优势。预印版本的文章更有可能在社交媒体中被提及，并且具有更短的Altmetric注意延迟。使用和捕获被证明只有适度的，但更强的相关性与引用比推文。不同指标之间回归线的斜率不同，反映了使用、获取和引用数据的数量级不同。
2020-11-28 cs.CY cs.DL
Semantic Web: Who is who in the field - A bibliometric analysis
语义Web是旨在通过以可理解的方式表示数据以供机器调解数据和服务来增强人机交互的主要努力之一。这是一个快速发展的多学科领域。本研究通过收集1960-2009年期间Web of Science（WOS）和Scopus的数据，对该领域进行了全面的文献计量学分析。它总共利用了Scopus的44，157篇论文和651，673次引用，以及WOS的22，951篇论文和571，911次引用。基于这些论文和引文，它评估了语义网（SW）的研究性能，确定最富有成效的球员，主要的学术交流媒体，高被引作者，有影响力的论文和新兴的明星。
2010-12-21 cs.DL cs.IR
Data Mining in Scientometrics: usage analysis for academic publications
我们对科学出版数据进行统计分析，目的是提供科学过程的定量分析。这样的研究属于科学计量学的新领域：科学计量学是一般科学的一个分支，它涵盖了分析科学和研究过程的所有定量方法。作为一个案例研究，我们考虑下载和引用统计的期刊“欧洲物理学快报”（EPL），作为欧洲的旗舰信件杂志的广泛兴趣的物理学界。虽然引用通常被认为是学术影响力的指标，但下载量反映的是出版物的吸引力或受欢迎程度。我们讨论这两个过程的特点和它们之间的相关性。
2018-07-09 cs.DL
Usage Bibliometrics as a Tool to Measure Research Activity
衡量研究活动和影响已成为评估各种实体（研究人员个人、组织、文书、区域、学科）的一个组成部分。传统的文献计量学指标，如基于出版物和引用的指标，提供了这一情况的重要组成部分，但不能描述全貌。由于阅读学术出版物是研究生存周期的一个重要组成部分，因此很自然地要为这一活动引入衡量标准，以量化一个实体的效率、生产力和影响。引用和阅读是显著不同的信号，因此结合在一起，它们提供了研究活动的更完整的画面。大多数学术出版物现在都可以在线访问，这使得阅读及其模式的研究成为可能。点击流日志使我们能够实时跟踪整个研究社区的信息访问。出版和引用数据集只反映作者的活动。此外，下载统计数据将帮助我们识别具有重大影响力但引用次数不多的出版物。点击流信号可以说比引用信号更复杂。首先，它们是不同类别读者的叠加。爬虫的系统下载也会污染信号，浏览行为也是如此。我们讨论了与点击流数据相关的复杂性，以及如何通过适当的过滤，从下载统计数据中推断出统计上显著的关系和结论。我们描述了如何下载统计数据可以用来描述研究活动在不同层次的聚合，从组织到国家。这些统计数字显示了与社会经济指标的相关性。将与传统的文献计量指标进行比较。我们认为天文学代表了更普遍的趋势。
2017-06-07 astro-ph.IM cs.CY cs.DL
Altmetrics in the wild: Using social media to explore scholarly impact
越来越多的学者将博客、Twitter和Mendeley等社交媒体工具整合到他们的专业交流中。这些工具的在线和公共性质暴露并具体化了曾经隐藏和短暂的学术过程。基于这些活动的数据库可以为更广泛、更快的影响力衡量提供信息，补充传统的引文指标。这项研究探讨了这些基于社交媒体的指标或“altmetrics”的属性，对公共科学图书馆发表的24，331篇文章进行了抽样。我们发现，不同的指标有很大的不同活动。大约5%的样本文章被维基百科引用，而近80%的文章被至少一个Mendeley图书馆收录。然而，有一个令人鼓舞的多样性;四分之一的文章有来自五个或更多不同来源的非零数据。相关性和因子分析表明，引用和altmetrics指标跟踪相关但不同的影响，两者都不能单独描述学术使用的全貌。Mendeley和Web of Science引用之间存在中度相关性，但许多altmetric指标似乎主要与引用正交。文章以五种不同的影响“口味”的方式聚集，捕捉不同类型对不同受众的影响;例如，一些文章可能被学者大量阅读和保存，但很少被引用。总之，这些发现鼓励更多的研究altmetrics作为补充，传统的引文措施。
2012-03-20 cs.DL
OpenCitations, an open e-infrastructure to foster maximum reuse of citation data
OpenCitations是一个独立的非营利基础设施组织，致力于通过使用语义网（链接数据）技术发布开放的书目和引文数据。OpenCitations与开放科学生态系统的一部分项目合作，并符合联合国教科文组织开放科学的创始原则，I4OC建议和FAIR数据原则，即数据应该是可查找的，可解释的，可互操作的和可重用的。由于其数据在丰富性、来源、使用许可和领域相关社区标准方面满足FAIR提供的所有重用指南，OpenCitations提供了一个成功的开放电子基础设施的例子，其中数据的可重用性是其使命不可或缺的一部分。
2022-06-15 cs.DL
Toward alternative metrics of journal impact: A comparison of download and citation data
我们从引用和下载数据中生成期刊关系网络，并使用一组社交网络中心性指标从这些网络中确定期刊影响力排名。由此产生的期刊影响力排名与ISI IF进行了比较。结果表明，虽然社会网络指标和ISI IF排名偏离适度基于引用的期刊网络，他们有很大的不同，来自下载数据的期刊网络。我们认为，这些结果代表了ISI IF没有捕捉到的一般期刊影响力的一个独特方面。这些结果进一步提出了关于ISI IF作为期刊影响的唯一评估的有效性的问题，并建议在一般的使用信息的基础上设计影响指标的可能性。
2005-03-03 cs.DL
Tweeting biomedicine: an analysis of tweets and citations in the biomedical literature
社交媒体平台收集的数据最近被引入作为一个新的指标来源，以帮助衡量学术研究的影响，补充传统的基于引用的指标。与学术内容相关的社交媒体活动产生的数据可用于反映广泛类型的影响。本文旨在提供有关Twitter被用于传播生物医学和生命科学期刊文章的频率的系统性证据。该分析基于PubMed和Web of Science（WoS）涵盖的一组140万份文件，并在2010年至2012年期间发表。分析了包含这些文件链接的推文数量，以评估某些期刊，学科和专业在Twitter上的代表程度。它表明，只有不到10%的PubMed文章在Twitter上被提及，其吸收率一般较低。tweets和WoS引用之间的关系进行了检查，为每个文件在期刊和专业的水平。研究结果表明，不同期刊和专业的研究者的推文行为存在差异，推文与引文之间的相关性较低，这意味着基于推文的影响力指标与基于引文的影响力指标存在差异。一个框架，利用覆盖的文章和Twitter的提及和引用之间的相关性，提出了促进新的基于社交媒体的指标的评估，并阐明了在多大程度上的推文的数量是一个有效的指标来衡量研究的影响力的问题。
2013-08-08 cs.DL
Measuring Social Media Activity of Scientific Literature: An Exhaustive Comparison of Scopus and Novel Altmetrics Big Data
本文使用Altmetric.com数据测量了Scopus数据库中索引的15个广泛科学学科的社交媒体活动。首先，在Scopus数据库中的Altmetric.com数据的存在进行了调查，整体和跨学科。第二，文献计量学和高程指数之间的相关性进行了检查，使用斯皮尔曼相关。第三，零截尾负二项模型被用来确定各种因素与增加或减少的引文的关联。最后，通过部署曲线下面积（AUC）-受试者操作特性的应用，全面评估了高度指数识别具有高引用影响力的出版物的有效性。结果表明，Altmetric.com数据在Scopus数据库中的存在率从2011年的10.19%迅速增加到2015年的20.46%。零截断负二项模型的实施，以衡量在何种程度上不同的文献计量学和高度计量学的因素有助于引文计数。博客数量似乎是最重要的因素，在健康护理和护理领域增加了38.6%的引用数量，其次是Twitter数量，在物理学和天文学领域增加了8%的引用数量。有趣的是，博客数量和Twitter数量总是显示所有领域的引用数量都在增加。虽然文献计量学指数和高程指数之间存在正相关，但结果表明，高程指数可以作为区分高被引出版物的一个很好的指标，高被引出版物与总高程计数之间的AUC= 0.725。总体而言，研究结果表明，altmetrics可以更好地区分高引用的出版物。
2017-07-17 cs.DL
Positional Effects on Citation and Readership in arXiv
arXiv.org为整个学术界提供与文献的联系，既提供档案访问，也通过每日电子邮件和网络公告新材料，可能有许多屏幕长度。我们确认并扩展了这些最初公告中的文章位置之间惊人的相关性，按提交时间排序，以及后来的引用影响，主要是由于作者有意的“自我推销”。一个纯粹的“可见性”效应也存在：在长期引用记录中，偶然处于早期位置的文章子集比那些较低的文章表现得更好。例如，排名第一的天体物理学文章总体上获得的引用数中位数高出83%，而那些排名第一的文章意外地获得了44%的可见度提升。对于理论高能物理的两个大型子社区，在位置1中宣布的hep-th和hep-ph文章的引用数中位数比位置5- 15高50%和100%，并且那里的子集意外地增加了38%和71%的可见性。我们还考虑了位置效应对早期读者的影响。排名第一的astro-ph、hep-th和hep-ph文章的早期全文下载量的中位数分别比排名较低的文章高82%、61%和58%，而排名较低的文章的中位数可信度意外地提高了53%、44%和46%。最后，我们使用机器学习方法将各种读者群特征与长期引用相关联，从而在更广泛的背景下扩展了先前关于早期读者群预测能力的结果。最后，我们对推荐机制的影响指标和危险进行了一些观察。
2009-07-27 astro-ph.IM cs.DL hep-ph
OpenCitations, an infrastructure organization for open scholarship
OpenCitations是一个开放学术的基础设施组织，致力于使用语义网技术将开放引用数据作为链接开放数据发布，从而为传统的专有引用索引提供了一种颠覆性的替代方案。开放引文数据对于文献计量学分析是有价值的，通过允许源数据的出版来增加大规模分析的可重复性。在简要介绍了开放学术的发展和优势以及语义网技术之后，本文介绍了OpenCitations及其数据集、工具、服务和活动。其中包括OpenCitations数据模型、SPAR（语义发布和引用）本体; OpenCitations的开放式软件，用于搜索、浏览和提供基于RDF triplestores的REST API;开放引用标识符（OCI）和OpenCitations OCI解析服务; OpenCitations Corpus（OCC）一个开放下载的书目和引文数据库，在知识共享公共领域贡献下以RDF提供;和开放引用数据的OpenCitations索引，其中第一个也是最大的是COCI，Crossref Open DOI-to-DOI Citations的OpenCitations索引，目前包含超过4.45亿条书目引用，并受到学术界的广泛使用。
2019-12-09 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
Linking Data Citation to Repository Visibility: An Empirical Study
本研究利用OpenAlex和Sistrix等指标，实证分析存储库可见性与社会科学及经济学数据集引用率的关系，发现可见性越高引用越多，但非唯一决定因素。
2025-06-20 cs.DB cs.DL
A multi-level analysis of data quality for formal software citation
该研究针对正式软件引用质量开展多层次分析，通过人工标注参考文献评估发现现有出版与数据库实践不适合呈现直接软件引用，呼吁为科学软件建立明确数据模型。
2024-04-17 cs.DL
From Rapid Release to Reinforced Elite: Citation Inequality Is Stronger in Preprints than Journals
本文比较预印本与期刊的引用分布，发现预印本引用不平等在各领域持续更高，且主要受作者声望而非优先连接驱动。
2025-06-11 cs.DL
WeChat uptake of Chinese scholarly journals: an analysis of CSSCI-indexed journals
近年来，关于科学如何被讨论以及学术行为者如何在社交媒体上互动的研究在科学计量学领域越来越受欢迎。虽然大多数先前的研究集中在全球平台上讨论的研究成果，如Twitter或Facebook，但学术期刊在本地平台上的存在很少被研究，特别是在中国社交媒体背景下。为了填补这一空白，本研究调查了中国社会科学引文索引（CSSCI）收录的中国学术期刊对微信（一种中国社交网络应用程序）的使用情况。结果显示，65.3%的CSSCI收录期刊创建了微信公众号，共发布微信文章19.3万余篇。在期刊一级，文献计量指标（例如，引用、下载和期刊影响因子）和微信指标（例如，点击、喜欢、回复和推荐）彼此之间的相关性很弱，这强化了文献计量学和社交媒体指标之间指标维度的根本差异的想法。结果还显示，在引文影响力方面，有微信公众号的期刊略优于没有微信公众号的期刊，这表明科学期刊的微信存在与其引文影响力大多呈正相关。
2022-04-06 cs.DL
Understanding the Twitter Usage of Humanities and Social Sciences Academic Journals
学术交流可以通过社会媒体、扩大覆盖面和缩短信息路径来超越物理世界的限制。因此，出版商在Twitter上为其期刊创建了简介，以宣传其出版物并与公众展开讨论。本文通过分析人文社会科学（HSS）期刊标题的互动和传播模式，研究了从主流引文索引中获得的人文社会科学（HSS）期刊标题的Twitter存在。本研究利用网路计量数据汇集、描述性分析及社会网络分析。研究结果表明，HSS期刊在Twitter上跨学科的存在还没有实质性的。一般网站的共享似乎是HSS期刊在Twitter上进行的主要活动。其中，来自新闻门户网站和杂志的网络内容传播度很高。研究文章的分享和转推没有被主要观察到。在同一引文索引中，期刊间的交流是明显的，但在其他索引中的期刊中，这种交流是非常少的。然而，似乎有一种努力，以扩大研究界以外的沟通，接触到与公众的联系。
2018-07-15 cs.DL cs.SI
Which kind of research papers influence policymaking
本研究通过分析近150,000篇文章的期刊属性与在线参与度指标，发现学术引文、期刊影响力及Mendeley读者群对政策引文有显著正向影响，而社交媒体X提及具有负向影响。
2025-04-26 cs.DL stat.AP
Determining sentiment in citation text and analyzing its impact on the proposed ranking index
Jadavpur University（贾达普大学）；University of Maryland, College Park（马里兰大学帕克分校）
每当人类相互交流时，他们都会交换或表达意见，情感和情绪。这些意见可以通过文字、语音或图像来表达。对这些情绪的分析是当今研究者的热门研究领域之一。情感分析，也称为意见挖掘，试图将这些情感或意见识别或分类为两大类-积极和消极。近年来，科学界对分析各种社交媒体平台上可用的文本数据中的情感非常感兴趣。在社交媒体对话、博客文章、报纸文章和各种叙事文本方面做了大量工作。然而，当涉及到从科学论文中识别情绪时，由于观点的隐含和隐藏性质，研究人员面临着一些困难。默认情况下，引用实例在情感上被认为是内在积极的。流行的排名和索引范式往往忽视了引用时的意见。在本文中，我们试图实现三个目标。首先，我们尝试识别引文文本中的主要情绪，并为实例分配一个分数。为此，我们使用了统计分类器。其次，我们提出了一个新的指数（我们将称之为M指数），它考虑到定量和定性因素，同时评分的文件。第三，我们开发了一个基于M指数的研究论文排名。我们还试图解释M指数如何影响科学论文的排名。
2017-07-05 cs.CL cs.DL cs.IR
Can We Count on Social Media Metrics? First Insights into the Active Scholarly Use of Social Media
衡量研究影响力对于学术搜索引擎中的出版物排名和研究评估都很重要。社交媒体指标或altmetrics衡量基于社交媒体活动的科学工作的影响。Altmetrics是传统的基于引用的指标的补充，例如，允许评估引用尚未提供的新出版物。尽管altmetrics的重要性越来越大，但它们的特点并没有得到很好的理解：到目前为止，还没有研究什么样的研究人员正在积极使用哪些社交媒体服务以及为什么-这是科学影响预测的重要问题。基于对3，430名科学家的调查，我们发现了社交媒体服务之间以前未知的显著差异：我们分别确定了吸引年轻和有经验的研究人员的服务，并检测了使用动机的差异。我们的研究结果有直接的影响未来的设计altmetrics科学的影响预测。
2018-04-08 cs.DL cs.SI
Towards Usage-based Impact Metrics: - First Results from the MESUR Project
学术使用数据有可能被用作实时的研究学术动态的工具，并为定义学术影响力的新指标奠定基础。然而，缺乏可靠有效地利用使用数据的正式基础，并且对基于使用的度量的确切性质、意义和适用性了解甚少。MESUR项目由Andrew W.梅隆基金会系统地定义、验证和交叉验证了一系列基于使用的学术影响力指标。MESUR收集了近10亿次使用事件以及来自重要出版商、聚合商和机构联盟的所有相关书目和引文数据，以构建一个大规模的使用数据参考集。本文介绍了一些主要的挑战，聚合和处理使用数据，并讨论了初步的结果，从分析MESUR参考数据集。研究结果证实了学术使用数据的内在价值，并支持可靠和有效的基于使用的学术影响指标的可行性。
2008-04-23 cs.DL
A principal component analysis of 39 scientific impact measures
传统上，科学出版物的影响力是以引用次数来表示的。然而，在过去十年中，科学活动已经转移到网上。为了更好地捕捉数字时代的科学影响力，在社会网络分析和使用日志数据的基础上提出了各种新的影响力衡量标准。在这里，我们调查这些新的措施如何相互关联，以及它们如何准确和完整地表达科学影响。我们对39个现有和拟议的学术影响力指标的排名进行了主成分分析，这些指标是根据引用和使用日志数据计算的。我们的研究结果表明，科学影响力的概念是一个多维度的结构，不能充分衡量任何单一的指标，虽然有些措施比其他更合适。通常使用的引文影响因子并不位于该结构的核心，而是位于其外围，因此应谨慎使用。
2009-06-29 cs.CY cs.DL
Data Citation for Large Language Models: A Challenge
University of Padua（帕多瓦大学）
本文指出大语言模型的数据引用是一项开放挑战，提出训练数据归因、推理时数据引用、知识图谱事实引用三个研究方向，需跨领域协同推进以解决该问题。
2026-08-27 cs.AI cs.DB cs.DL
Citations in Software Engineering -- Paper-related, Journal-related, and Author-related Factors
许多因素会影响论文的引用次数。引文在研究政策和衡量研究和研究人员的卓越性方面发挥着重要作用。这项工作是在软件工程（SE）的第一项研究，以评估多种因素影响的引用次数SE文件。我们使用（a）负二项回归和（b）分位数回归来研究论文的算术平均值和中位数预期引用。我们的数据集包括1970年至2018年期间在16种主要SE期刊上发表的所有25，113篇论文。研究结果表明，论文发表地点、作者团队被引次数、论文长度、参考文献数量和参考文献的近度是影响科技论文被引次数的主要因素。从我们的实证研究结果中，我们提出了几个启示和建议，以获得更高的引用他们的论文，这是除了进行高质量的技术研究，例如（1）瞄准高知名度的场地，（2）建立一个高质量的作者团队与高引用过去的论文，（3）以内容全面的高质量工作为目标（因此论文长度和参考文献列表更长）。
2019-08-13 cs.DL cs.SE
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
A new methodology for comparing Google Scholar and Scopus
提出了一种新的方法来比较谷歌学术（GS）与其他引文索引。它侧重于来源的覆盖范围和引用影响，索引速度和数据质量，包括重复引用计数的影响。该方法比较GS与爱思唯尔的Scopus，并适用于有限的一组文章发表在12种期刊从6个学科领域，使其研究结果不能推广到所有期刊或领域。该研究是探索性的，假设生成而不是假设检验。它证实了在早期研究中获得的来源覆盖率和引用影响的结果。GS与Scopus引用的比率在不同学科领域之间在1.0和4.0之间变化，而样本中的开放获取期刊显示出比非开放获取期刊更高的比率。GS和Scopus引文计数在文章水平上的线性相关性很高：Pearson's R在0.8-0.9之间。与GS相比，Scopus索引延迟的中位数为两个月，这在很大程度上是由于Scopus中出版的文章中缺少引用的参考文献。在GS中，由于元数据相同或基本相似的多次引用而造成的双重引用计数的影响发生在不到2%的情况下。文章为基础的，什么是所谓的基于概念的引文索引的优点和缺点进行了讨论。
2016-04-30 cs.DL
Research Data Explored: Citations versus Altmetrics
该研究探讨了研究数据的被引程度、其随时间的分布以及它与汤森路透DCI（数据引用索引）中DOI（数字对象标识符）的可用性之间的关系。我们调查引用的研究数据是否“影响”（社交）网络，反映在altmetrics分数，以及引用的数量和来自各种社交媒体平台的altmetrics分数之和之间是否有任何关系。三个工具用于收集和比较altmetrics分数，即PlumX，ImpactStory和Altmetric.com。就覆盖范围而言，PlumX是最有用的altmetrics工具。虽然研究数据大多未被引用（约85%），但自2007年以来，引用已发表的数据集的趋势越来越明显。令人惊讶的是，在过去几年中，DCI中具有DOI的引用研究数据的数量百分比有所下降。只有九个数据库包含DOI和两个或更多引用的研究数据。altmetrics评分的引用研究数据的数量甚至更低（4 - 9%），但显示出过去十年研究数据的覆盖率更高。然而，没有观察到引文数量和altmetrics分数总数之间的相关性。某些数据类型（即调查、聚合数据和序列数据）更常被引用，并获得更高的altmetrics分数。
2015-04-21 cs.DL
Societal and scientific impact of policy research: A large-scale empirical study of some explanatory factors using Altmetric and Overton
本研究通过分析近12.5万篇公共政策论文的政策引用情况，发现新闻与社交媒体传播等因素显著提升研究的政策引用概率，学术引用的影响反而较弱，为研究与政策的衔接提供了传播策略参考。
2024-03-11 cs.DL stat.AP
Collaboration Effect by Co-Authorship on Academic Citation and Social Attention of Research
学术引用和社会关注衡量研究成果影响力的不同维度。这两个指标相互之间并不相关，它们受到许多因素的影响。这些因素包括研究领域、访问类型和合著。在这项研究中，增加的影响，由于共同作者在科学文章按研究领域和访问类型分类，进行了量化。为此，分析了2018年发表的244，880篇研究论文到2021年积累的引文和社会关注度。数据来源是Dimensions.ai，研究单位是经济学、历史和考古学以及数学方面的研究文章。作为主要结果，小部分文章获得了大部分的引用和大部分的社会关注。总的来说，随着合著者人数的增加，引文和社会关注度都在增加。因此，共同作者的数量越多，在学术文章中被引用和在社交媒体上被提及的概率就越大。合作在引用和社会关注方面的优势与出版物的访问类型无关。此外，虽然与一个额外的合著者的合作在引用和社会关注方面通常是积极的，但这些积极影响随着合著者人数的增加而减少。
2022-06-15 cs.DL stat.AP
ChatGPT cites the most-cited articles and journals, relying solely on Google Scholar's citation counts. As a result, AI may amplify the Matthew Effect in environmental science
Charles University（查理大学）；OpenAI, Inc（OpenAI公司）
本研究通过让 ChatGPT 撰写环境科学子学科综述并分析其参考文献，发现其仅依赖 Google Scholar 引用次数而倾向引用高被引、较早且发表于顶级期刊的文献，从而可能加剧科学引用中的马太效应。
2023-04-13 cs.AI cs.DL
The Arabic Citation Index -- Toward a better understanding of Arab scientific literature
本文介绍了2020年推出的阿拉伯引文索引（ARCI）数据库，通过分析其收录的138,283篇文献的分布特征与主题结构，探讨了其在科研评价中的应用价值与未来研究机会。
2023-04-23 cs.DL
Social media uptake of scientific journals: A comparison between X and WeChat
本文比较SCIE期刊对X与CSCD期刊对微信的采纳及用户参与，发现本地情境导致显著差异，并指出现有影响力指标应纳入本地主导社交媒体平台。
2025-07-23 cs.DL
Linking Science and Industry: Influence of Scientific Research on Technological Innovation through Patent Citations
本研究分析六大领域11.7万余篇论文，揭示出版年份、开放获取状态等因素对专利引用的影响，发现开放获取论文被专利引用概率更高，资金增加等因素有负面影响，为科学与产业融合提供参考。
2025-02-20 cs.DL stat.AP
Empirical Evidences in Citation-Based Search Engines: Is Microsoft Academic Search dead?
本工作文件的目的是总结科学界提供的关于两个主要的基于引用的学术搜索引擎：谷歌学术和微软学术搜索之间的比较的主要经验证据，特别注意以下问题：覆盖范围，期刊排名之间的相关性，以及这些学术搜索引擎的使用。此外，自我阐述的数据提供，旨在提供有关这些工具在网络上的流行程度的当前证据，通过测量这些工具中提到的丰富文件PDF，PPT和DOC的数量，这两个产品接收的外部链接的数量，以及来自Google趋势的搜索查询频率。MAS获得的糟糕结果让我们意外地发现：Microsoft Academic Search自2013年以来已经过时。因此，工作文件第二部分旨在提出一些数据，说明这种缺乏更新的情况。为此，我们收集了自2000年以来Microsoft Academic Search索引的总记录数。数据显示，被编入索引的文件数量从2010年的2，346，228份突然下降到2013年的8，147份和2014年的802份。这一减少也是根据15个专题领域提供的。考虑到这些问题，似乎不仅微软学术搜索不适合学术界和学生搜索文章（他们大多使用谷歌或谷歌学术），而且几乎被文献计量学家忽视，
2014-05-23 cs.DL
How the Scientific Community Reacts to Newly Submitted Preprints: Article Downloads, Twitter Mentions, and Citations
我们分析了2010年10月至2011年5月期间提交给预印本数据库arXiv.org的4，606篇科学文章的预印本出版物的在线响应。我们研究了三种形式的反应，这些预印本：在arXiv.org网站上下载，在社交媒体网站Twitter上提到，并在学术记录中的早期引用。我们进行了两个分析。首先，我们分析的延迟和时间跨度的文章下载和Twitter提到提交后，了解这些反应的时间配置，以及是否一个之前或之后的其他。其次，我们运行回归和相关性测试来调查Twitter提及，arXiv下载和文章引用之间的关系。我们发现，Twitter提到和arXiv下载的学术文章遵循两种不同的时间活动模式，与Twitter提到有较短的延迟和较窄的时间跨度比arXiv下载。我们还发现，Twitter的提及量与预印本出版后几个月的arXiv下载量和早期引用量在统计上相关，可能存在偏向于被高度提及的文章的倾向。
2012-09-17 cs.DL cs.SI physics.soc-ph
What makes papers visible on social media? An analysis of various document characteristics
在这项研究中，我们调查了不同的文档特征和Mendeley读者数量，推文，Facebook帖子，博客和主流媒体中提及的数量之间的关系，这些论文发表在Web of Science（WoS）涵盖的期刊上。它旨在展示影响各种基于社交媒体的指标的因素与影响引用的因素有何不同，以及哪些文档类型在不同平台上更受欢迎。我们的研究结果突出了altmetrics的异质性，其中包括不同类型的用途和用户组从事研究社会媒体。
2017-03-16 cs.DL
TweetPap: A Dataset to Study the Social Media Discourse of Scientific Papers
如今，研究人员已经转向Twitter等平台，传播有关他们的想法和经验证据的信息。最近的研究表明，社交媒体会影响论文的科学影响力。然而，这些研究仅利用推文计数来代表Twitter活动。在本文中，我们提出了TweetPap，一个大规模的数据集，引入引用/推文的时间信息和推文的元数据来量化和理解社会媒体上的科学论文的话语。该数据集可在https://github.com/lingo-iitgn/TweetPap上公开获取
2021-06-14 cs.DL cs.SI
How Frequently are Articles in Predatory Open Access Journals Cited
掠夺性期刊是科学质量极有问题的开放获取期刊。这些期刊假装使用同行评审来保证质量，并向学术界发送垃圾邮件，要求提交论文，以收取作者报酬。近年来，掠夺性期刊受到了大量负面媒体的关注。虽然关于这类期刊对学术出版造成的伤害已经说了很多，但一个被忽视的方面是，这类期刊上的文章实际上有多少被阅读，特别是被引用，也就是说，它们是否对各自领域的研究产生了任何重大影响。其他研究已经表明，掠夺性期刊中只有一些文章包含错误和直接有害的结果，而很多文章都是平庸和报道不足的研究。我们研究了2014年在Google Scholar中发表的250篇随机文章的引文统计数据，发现平均每篇文章有2，6次引用，60%的文章根本没有引用。为了进行比较，在Scopus索引中包含的约25，000种同行评审期刊上发表的随机样本文章在同一时期平均引用18，1次，只有9%没有引用。我们的结论是，在掠夺性期刊上发表的文章几乎没有科学影响力。
2019-12-21 cs.DL
Tweets vs. Mendeley readers: How do these two social media metrics differ?
一组140万篇生物医学论文被分析了关于文章在Twitter上被提及或在Mendeley上被用户保存的频率。虽然Twitter是一个普通受众用来发布信息的微博平台，但Mendeley是一个针对学术用户组的参考管理器，用于组织学术文献。这两个平台都被用作所谓的altmetrics的来源，以衡量一种新的研究影响。这项分析显示了它们与基于大量PubMed论文的传统引文影响力指标的差异。
2014-10-02 cs.DL
Social media in scholarly communication
社交媒体指标--通常被称为“另类指标”--被誉为科学的伟大民主化者，提供了比引用更广泛、更及时的影响力指标。这些指标来自一系列来源，包括Twitter、博客、社交参考经理、出版后同行评议和其他社交媒体平台。社交媒体指标已开始被用作科学影响力的指标，但这些指标的理论基础，实证有效性和平台的使用程度在文献中缺乏彻底的处理。这篇社论概述了altmetrics的术语和定义，并总结了当前关于学术界社交媒体使用，社交媒体指标以及数据可靠性和有效性的研究。介绍了该特刊的论文。
2015-05-04 cs.DL
Citation Analysis of Innovative ICT and Advances of Governance (2008-2017)
本文首先介绍了互联网+政府（IPG），这是过去十年中出现的一项新的政府举措。为了了解全球范围内与这一举措相关的好处和挑战，我们对2008年至2017年期间在电子政务领域发表的研究文章进行了分析。对2105篇文章进行了内容分析和引文分析，以解决三个问题：（1）在过去十年中，IPG倡议采用了哪些类型的新ICT？(2)学者们如何研究新的ICT与IPG治理核心之间的相互作用？(3)新的信通技术是如何相互作用和形成的，同时又受到过去十年治理演变的影响？我们的分析表明，IPG倡议丰富了政府信息基础设施。它提供了积累和使用大量数据的机会，以便更好地进行决策和积极主动的政府与公民互动。与此同时，开放数据的进步、社交媒体的广泛使用和数据分析的潜力也产生了巨大的压力，要求解决电子民主领域的挑战性问题。
2018-01-24 cs.CY cs.DL cs.SI
The funding effect on citation and social attention: the UN Sustainable Development Goals (SDGs) as a case study
以联合国可持续发展目标为例，分析超过36.7万篇文章发现，受资助研究在引用和社交关注度上显著高于未受资助研究，且金色和混合开放获取模式优势最大。
2023-04-03 cs.DL stat.AP
Characteristics of International versus Non-International Scientific Publication Media in Team- and Author-Based Data
国际出版物和引文数据库Web of Science和Scopus的覆盖面扩大到地方社会科学媒体，这是对这些数据库在评价和供资系统中的使用增加的一个可喜的反应。以前提供的大多数国际期刊是制定现行标准文献计量指标的基础。同样的指标在应用于新引入或扩展的媒体类别时可能不再能衡量完全相同的概念，这些类别可能具有与国际期刊不同的特点。本文探讨了有和没有国际维度的媒体在团队和作者层面上的出版数据的差异。研究结果将国际出版物类别与研究质量联系起来，这对于验证其在旨在促进质量的评估或资助模式中的使用非常重要。
2013-07-25 cs.DL
Correlation of Scholarly Networks and Social Networks
在以往的研究中，多学科领域的研究都致力于了解潜在的学术网络，包括书目网络，引文网络和共同引文网络的机制。特别关注通过作者亲和力或相互内容构建的网络。网络缺少一个有价值的维度，那就是受众的学术性论文.本文旨在评估社交网络和媒体对学术论文的影响。我们还研究了在这样的网络中的信息流的过程。我们还提到了我们提出的网络模型揭示的一些有吸引力的事件的观察结果。
2014-11-19 cs.CY cs.DL cs.SI
Do 'altmetric mentions' follow Power Laws? Evidence from social media mention data in Altmetric.com
幂律是一种普遍存在的特征分布，因为它们几乎无处不在，无论是在自然系统还是在人造系统中。它们往往出现在大型的、相互连接的和自组织的系统中，例如学术出版物。科学论文的引用被发现遵循幂律，即，具有一定引用水平的论文数量x与x的负幂成正比。由于altmetrics是与学术出版物相关的最新指标之一，因此尚未研究altmetrics的分布特征。在这里，我们从altmetrics聚合器Altmetrics.com中选择一个数据样本，其中包含来自Facebook、Twitter、News、Blogs等平台的记录，以及2016年期间的复合变量Alt-score。在各种平台上的“提及”的个体和复合数据系列拟合到幂律分布，并且使用最小二乘回归确定拟合的参数和优度。数据的双对数图，“提及”与论文数量，落在一条近似线性的线上，表明幂律分布的可扩展性。由于尾部波动较大，拟合不是在所有情况下都很好。我们表明，适合的幂律可以通过截断的数据序列，以消除大的波动的尾巴。我们的结论是高度分布也遵循幂律，在很大范围内的值有相当好的拟合。目前可能不需要更严格的测定方法。
2020-11-18 cs.DL
Does A Paper Being Featured on The Cover of A Journal Guarantee More Attention and Greater Impact?
无论是印刷版还是电子版期刊，期刊封面上的论文都比其他普通文章具有更高的可见度。这种可见性是否保证了其相关内容比非封面文件更受关注和更大的影响？本研究通过对2006 - 2010年60期《PLOS Biology》的使用和引文数据进行分析，比较了封面论文和非封面论文的关注度和学术影响力。我们的实证研究证实，在大多数情况下，封面和非封面文件之间的群体差异是不显着的注意力或影响。封面不是最好的，也不是在一个问题上考虑的关注或引用影响的上层。一篇论文登上期刊封面可能是研究人员的骄傲，许多机构和研究人员甚至会发布关于它的新闻。然而，一篇论文登上期刊封面并不能保证更多的关注和更大的影响力。
2014-10-14 cs.DL
Position: AI/ML Influencers Have a Place in the Academic Process
University of California, Santa Barbara（加利福尼亚大学圣巴巴拉分校）
本文探讨了社交媒体影响者在提升机器学习研究可见度中的作用，通过分析超8,000篇论文发现影响者推荐的论文引用量显著提高，并倡导负责任的策展标准。
2024-07-23 cs.AI cs.CL cs.CV
