Revisiting gender bias research in bibliometrics: Standardizing methodological variability using Scholarly Data Analysis (SoDA) Cards
School of Information Sciences, University of Illinois Urbana–Champaign(伊利诺伊大学厄巴纳-香槟分校信息科学学院);School of Information, University of Michigan - Ann Arbor(密歇根大学安娜堡分校信息学院);School of Social Sciences and Technology, Technical University of Munich(慕尼黑工业大学社会科学与技术学院)
针对文献计量学性别偏见研究中方法不一致导致可靠性低的问题,提出学术数据分析(SoDA)卡片框架以标准化记录作者姓名消歧等方法选择,提升研究透明度、可重复性及可比性。
2025-01-30 cs.AI cs.DL cs.SI
Authorship-contribution normalized Sh-index and citations are better research output indicators
针对传统文献计量指标无法体现个人贡献差异的问题,研究团队开发了可集成Google Scholar的开源工具GScholarLens,提出按作者角色加权的Sh指数,还新增撤稿检测功能,为学术评估提供更贴合实际贡献的开源框架。
2025-09-04 cs.DL
Analysis of h-index for research awards
本文针对h-index因作者署名模式变化而无法有效衡量科学影响力的问题,重新应用基于单篇论文的hp-index和hp-frac-index,通过大规模实验证明hp-frac-index能提供独特排名且更好识别获奖研究人员。
2023-05-17 cs.DL cs.SI
An Index for SSRN Downloads
我们提出了一个新的指数来量化SSRN下载。与基于作者SSRN下载总数的SSRN下载排名不同,我们的索引还通过考虑论文的下载数量来反映作者的生产力。我们的索引受美国好施集团的引文h索引启发,但与之不同,后者不能直接应用于SSRN下载。我们分析了约30,000名作者和367,000篇论文的数据。我们发现一个简单的经验公式SSRN作者排名通过高斯函数的下载数量的日志。
2015-11-30 cs.DL
The $h$-index and multi-author $h_m$-index for individual researchers in condensed matter physics
使用ResearcherID的高质量数据研究了凝聚态物理学领域的$h$指数的特征。研究结果的理论描述的$h$指数的整体依赖于研究人员的总发表论文数,总引用数。特别是,赫希,Egghe和卢梭,以及Glänzel和舒伯特的模型进行检查。特别强调的是从这样的统计描述的偏差,有人认为,一个特定的研究人员的$h$值从Egghe-Rouseau模型的预测偏差可以作为一个补充措施的影响。使用多作者$h_m$索引进行了具有相似结果的相应分析。
2019-02-17 cs.DL physics.soc-ph
Assessing the true role of coauthors in the h-index measure of an author scientific impact
一种基于经典的主成分分析的方法导致证明,共同作者的作用应该给一个H-指数测量组的领导者高于通常接受。该方法很容易给出通常搜索的内容,即对合著者的作用(或“权重”)的估计,作为作者论文受欢迎程度的附加值。以合著流行度H矩阵的构造为例,讨论了特征值和主特征向量分量的作用。一个例子说明了要点,并作为建议这一概念的一般实际应用的基础。
2015-01-10 cs.DL physics.soc-ph
CITEX: A new citation index to measure the relative importance of authors and papers in scientific publications
引文分析的主要目的是评估研究人员的绩效和衡量科学家撰写的论文的影响力。已经为此提出了各种指数和度量。在本文中,我们提出了一个新的引文索引CITEX,它给归一化的分数,作者和论文,以确定他们的排名。据我们所知,这是第一个同时为作者和论文打分的引文索引。使用这些分数,我们可以客观地衡量作者的声誉和论文的影响力。我们将这个问题建模为出版图上的迭代计算,该出版图的顶点是作者和论文,并且其边指示哪个作者写了哪篇论文。我们证明了这种迭代计算收敛于极限,通过使用一个强大的定理从线性代数。我们在几个例子上运行这个算法,发现作者和论文分数与我们的直觉所建议的非常匹配。该算法在理论上是合理的,在实践中运行非常快。我们将该指数与几个现有的指标进行比较,发现CITEX给出了比传统指标更准确的分数。
2015-01-20 cs.DL cs.DM cs.IR
New Index for Quantifying an Individual's Scientific Research Output
根据研究人员发表的作品的质量而不是数量对他们进行分类是一个简短的问题。本文试图引入一个新的百分比范围公式,用于定性地评价研究人员的生产。建议的公式取决于单作者发表论文的数量及其引用作为一个新的因素添加到已知的h指数。这些因素提供了一个优势,并为创新作者提供了明确的证据,并降低了通过将其姓名添加到多作者论文中而获得引用的作者的已知h指数。结果表明,道德完整性和独创性的各个方面将是有效的,在这个新的指数。从分析中产生的一个重要的情况下显示的例子。它是指较大的差异之间的h-和新的索引,其中来自整个工作和一个来自单作者的论文,显示。
2013-05-26 cs.DL
Impact of h-index on authors ranking: A comparative analysis of Scopus and WoS
在学术界,教师的研究表现是通过出版物的数量或引用的数量来评估的。大多数时候,h指数在招聘过程或教师性能评估中被广泛使用。h指数的计算在各种数据库中显示;然而,没有关于它们之间差异的最新或系统性证据。在这项研究中,我们比较了与Scopus和Web of Science(WoS)编制的h指数的差异,目的是分析一所大学内的作者排名。我们分析了来自莫纳什大学(澳大利亚)的350名作者的出版记录。我们还调查了学科明智的变化,在作者的排名。31%的作者个人资料在两个数据集中没有变化,而55%的作者个人资料在Scopus中显示出更高的计数,在WoS中显示出9%。Scopus和WoS之间h指数计数的最大差异为3。平均每位作者12.4%的出版物在Scopus中是唯一的,在WoS中是4.1%。53.5%的出版物在Scopus和WoS中都很常见。尽管Scopus中有较大的独特出版物,但WoS和Scopus引用计数和h指数之间的斯皮尔曼相关系数没有差异。
2021-02-13 cs.DL cs.IR
The $α$-Index: A Penalized Authorship-Integrity Framework for Position-Weighted Scientific Contribution
BioML Lab, RI CODE, UniBw(生物机器学习实验室,RI CODE,慕尼黑联邦国防大学);Epidemiology and Data Science, Amsterdam UMC(流行病学与数据科学系,阿姆斯特丹大学医学中心)
提出$\alpha$-指数,通过位置加权和高级作者责任惩罚来分配单篇论文的信用,以更公平地反映作者贡献。
2026-06-23 cs.DL
Sentiment-aware Enhancements of PageRank-based Citation Metric, Impact Factor, and H-index for Ranking the Authors of Scholarly Articles
针对现有基于频次的作者引用指标默认引用为中性情感的局限,研究提出对PageRank类引用指标、影响因子及H指数进行情感感知增强,以更准确反映同行对作者学术成果的评价。
2024-03-13 cs.CY cs.DL
OpenAlex: A fully-open index of scholarly works, authors, venues, institutions, and concepts
OpenAlex是一个全新的、完全开放的科学知识图谱(SKG),旨在取代已停产的微软学术图谱(MAG)。它包含2.09亿作品(期刊文章,书籍等)的元数据; 2013万消除歧义的作者; 124 k场地(托管作品的地方,如期刊和在线存储库); 109 k机构;和65 k维基数据概念(通过自动分层多标签分类器链接到作品)。该数据集通过基于Web的GUI、完整的数据转储和高容量REST API完全免费提供。该资源正在积极开发中,未来的工作将提高引文信息的准确性和覆盖面,以及作者/机构解析和重复数据删除。
2022-06-17 cs.DL
Will This Paper Increase Your h-index? Scientific Impact Prediction
科学影响力在评估学者、部门和机构的产出方面发挥着核心作用。引用是衡量科学影响力的一个广泛使用的指标,越来越多的文献专注于预测任何特定出版物获得的引用数量。然而,这种预测的有效性从根本上受到引用的幂律分布的限制,即引用很少的出版物非常常见,引用很多的出版物相对较少。鉴于这一限制,在这项工作中,我们而是解决一个相关的问题,许多学术研究人员在撰写论文的过程中,即:“这篇论文会增加我的h指数?“使用来自顶级在线学术服务ArnetMiner的超过170万作者,200万篇论文和800万引用关系的真实学术数据集,我们正式提出了一个新的科学影响力预测问题,以检查可以驱动论文增加主要作者h指数的几个因素。我们发现,研究者的权威性的出版主题和地点的论文发表的主要作者的h-指数的增加是至关重要的因素,而主题的流行度和合著者的h-指数是令人惊讶的相关性很小。通过利用相关因素,我们发现一篇论文是否会在五年内对作者的h指数做出贡献的潜在可预测性超过87.5%。作为进一步的实验,我们为这篇论文生成了一个自我预测,估计有76%的概率它将在五年内对具有最高当前h指数的合著者的h指数做出贡献。我们的结论是,我们对科学影响力量化的研究结果可以帮助研究人员扩大他们的影响力,更有效地利用他们的“站在巨人的肩膀上”的地位。"
2014-12-15 cs.DL cs.SI physics.soc-ph
Investigating the contribution of author- and publication-specific features to scholars' h-index prediction
本研究利用Scopus数据和机器学习方法,分析两类特征对不同职业阶段学者h指数的预测作用,发现非影响力特征对青年学者短期预测更稳健,性别影响极小,过往影响力特征长期预测能力下降更快。
2023-08-09 cs.DL
Exploiting citation networks for large-scale author name disambiguation
我们提出了一种新的算法和验证方法,消除歧义的作者姓名在非常大的书目数据集,并将其应用到完整的Web of Science(WoS)引文索引。我们的算法仅依赖于WoS所涵盖的整个时期的作者和引文图。建立了基于共同合著者、自引、共享参考文献和引文的成对出版物相似性度量,以执行两步凝聚聚类,该聚类首先连接单个论文,然后合并相似的聚类。该参数化模型使用基于h指数的召回率指标进行优化,有利于正确分配引用良好的出版物,并使用WoS元数据和交叉引用的Google Scholar配置文件进行基于姓名首字母的精确度。尽管使用了有限的元数据,我们达到了87%的召回率和88%的准确率,并优先考虑具有高h指数值的研究人员。4700万篇WoS文章可以在一台机器上在不到一天的时间内消除歧义。我们开发了一个h-指数分布模型,证实预测与经验数据非常吻合,并深入了解h-指数在真实学术排名场景中的效用。
2014-12-10 cs.DL cs.SI physics.soc-ph
Weighted Indices for Evaluating the Quality of Research with Multiple Authorship
设计一个衡量研究质量的指数是一项具有挑战性的任务。在本文中,我们提出了一套指标来评估作者的研究质量。我们的指数利用一种政策,将权重分配给一篇论文的多位作者。我们考虑了两种权重分配策略:位置加权和等权。我们提出了两类加权指数:加权h-指数和加权引文h-截集。此外,我们比较我们的加权h指数与原始的h指数为选定的一组作者。相对于h指数,我们的加权h指数考虑了多作者论文中单个作者的加权贡献,可以作为对h指数的改进。另一类加权指数,我们称之为加权引文h-cut,它考虑了超过计算指数所需的引文数量,可以作为h-index或其变体的补充。
2010-10-10 cs.CY cs.DL cs.IR
Viva the h-index
Ludo Waltman和Nees Jan van Neck在他们的文章《h指数的不一致性》中给出了三个例子来证明h指数的不一致性。正如将要解释的那样,对他们的例子做一点扩展,正好说明了相反的情况,h指数的一个稳定特征。对于新手作者来说,h指数关注的是文章的数量;对于有经验的作者来说,它的关注点转向了引用分数。这一特点可能会受到欢迎,但并不像作者所声称的那样,使h指数成为一个不一致和不适当的指标。
2011-09-26 cs.DL physics.soc-ph
$\mathbf{h_α}$: An index to quantify an individual's scientific leadership
$α$人是群体中的主导者。我们将论文的$α$ -作者定义为所有合著者中具有最高$h$ -指数的论文的作者,将科学家的$α$ -论文定义为科学家撰写或合著的论文,其中他/她是$α$ -作者。对于文献中的大多数但不是所有论文,只有一个$α$ -作者。我们将科学家的$h_α$索引定义为该科学家的$h$ -核心(即贡献于该科学家的$h$ -索引的论文集)中的论文数量,其中该科学家是$α$ -作者。我们还将科学家的$h'_α$指数定义为具有$\geq$ $h'_α$引用的该科学家的$α$ -论文的数量。$h_α$和$h'_α$包含类似的信息,而$h'_α$在概念上更吸引人,它很难从现有数据库中获得,因此目前的实际兴趣较少。我们建议,$h_α$和/或$h'_α$指数,或其他变量中讨论的文件,是有用的补充$h$指数的科学家量化他/她的科学成就,纠正固有的缺点的$h$指数,它无法区分作者与不同的合作模式。高$h$指数和高$h_α/h$比率是科学领导力的标志。
2018-12-10 cond-mat.other cs.DL physics.soc-ph
Crediting multi-authored papers to single authors
对多作者出版物的学分分配是科学计量学中一个长期存在的问题。例如,在计算$h$指数时,所有合著者对某一出版物的贡献都是相等的,与某个作者对该作品的贡献或合著者的总数无关。为了以更适当的方式分配信贷,已经进行了几次尝试。在最近的一篇论文中,Hirsch提出了一种新的信用分配方法,它与以前的方法有着根本的不同:多作者论文的所有学分归于一位作者,称为"$α$ -作者“,定义为在论文发表时具有最高当前$h$-指数而不是最高$h$ -指数的人)(J. E. Hirsch,Scientometrics 118,673(2019))。这位作者的论文集被认为是$α$ -作者然后被用来计算一个新的指数,$h_α$,遵循与通常的$h$指数相同的配方。这个新任务的目标不是更公平地分配信贷,而是确定一个完全不同的属性,一个人的科学领导程度。我们发现,由于复杂的时间依赖性的$h$为个人的科学家,使用当前的$h$值,而不是历史的方法是有问题的,我们认为,这将是可行的,以确定$α$ -作者在论文的出版时间,而不是。另一方面,还有其他的实际考虑使得所提出的$h_α$的计算非常困难。作为替代方案,我们探索将论文归功于单个作者的其他方法,以测试早期的职业成就或科学领导力。
2019-05-06 cs.DL physics.soc-ph
A bibliometric index based on the complete list of cited publications
我们提出了一个新的指数,$j$指数,这是定义为一个作者的引用次数的平方根的总和作者的出版物。$j$ -索引背后的想法是弥补$h$ -索引$-$的缺点,即$h$ -索引没有考虑研究人员的完整引用记录。平方根函数的动机是我们希望避免当作者有几篇非常高引用的论文时,简单求和可能出现的偏差。我们比较了$j$ -索引的$h$-索引,$g$ -索引和总引用计数的三个学科领域使用几种关联措施。我们的结果表明,$j$ -指数与其他指数之间的关联根据学科领域的不同而有所不同。这种变化的一种解释可能是由于研究人员的出版物在$h$核心中的引用比例。$j$ -索引是{ \em不是}一个$h$ -索引变体,因此旨在补充而不是取代$h$ -索引和其他文献计量指标,从而提供研究人员成就的更完整的画面。
2013-04-25 cs.DL
Education journal rankings: A diversity-based Author Affiliation Index assessment methodology
本文提出纳入顶尖机构多样性的AAID指标,结合AAI与加权AAI评估263种SSCI教育期刊,发现其与JIF和ES相关性较低,为期刊声望评价提供新视角。
2023-10-10 cs.DL
Fractional counting of authorship to quantify scientific research output
通过规范化的\textit{h-index}和\textit{g-index},研究了如何计算合著者数量,以量化科研产出的影响力和相关性。我们使用的论文,其作者属于一个子集的意大利Settore科学院(SSD)FIS 01-实验物理学教授。在这个SSD中,大致存在两个群体,其特征在于每篇论文的合著者数量。每个人的引用总数,以及他们的h指数和g指数,很大程度上取决于合著者的平均数量。我们发现,为了消除各种指数对两个群体的依赖,定义分数计数的最佳方法是将每篇论文收到的引用数除以合著者人数的平方根。这使我们能够获得一些信息,这些信息可以用于更好地理解通过撰写和发表论文的过程所获得的科学知识。
2011-06-01 cs.DL physics.soc-ph stat.AP
On the Normalization and Visualization of Author Co-Citation Data Salton's Cosine versus the Jaccard Index
在作者共引分析(ACA)的情况下,关于应该使用哪种相似性度量来进行规范化的争论,当人们区分对称共引--或者更一般地说,共现--矩阵和潜在的不对称引文--出现--矩阵时,就更加复杂了。在Web环境下,检索原始引文数据的方法往往是不可行的。在这种情况下,应该使用Jaccard指数,但最好是在主对角线上添加总引用(出现)的数量之后。与索尔顿余弦和皮尔逊相关性不同,Jaccard指数从分布的形状中抽象出来,只关注两组的交集和总和。由于共生矩阵中的相关性可能部分是虚假的,因此Jaccard指数的这一特性在这种情况下可以被认为是一个优点。
2009-11-07 cs.DL cs.IR physics.soc-ph
The quality of the Web of Science data: a longitudinal study on the completeness of authors-addresses links
作者所属链接是用于多种目的的基本元素,例如消除作者的歧义,出版物的学分归属和分数计数,科学网络分析等。本文分析了2000年至2021年Web of Science(WoS)数据库中的作者所属链接质量。我们从WoS索引、文献类型和每篇论文作者数等不同角度分析了32,676,914篇科技论文的链接完整性。分析表明,作者隶属关系的链接从2008年开始得到充分的信息。自2016年以来,所有地址和所有作者都被链接的出版物的比例接近100%。结果显示,根据WoS索引,文档类型和每篇出版物的作者数量,存在很强的变异性。与SCI不同,AHCI是完整率最高的指数。就文件类型而言,这些是完整率较高和/或可以完成的会议记录。关于作者的数量,统计数据显示,数量越高,地址和未链接的作者就越多。最后,对100份出版物的随机样本的分析表明,在超过50%的情况下,原始出版物中不存在作者地址链接,WoS只复制了编辑提供的可用信息。
2022-09-28 cs.DL
hα: The Scientist as Chimpanzee or Bonobo
在最近的一篇论文中,Hirsch(2018)建议将合著论文的功劳归于α作者-具有最高h指数的作者-无论他或她的实际贡献如何,有效地将其他合著者的作用降低到零。指标hα继承了其来源的h指数的大部分缺点,但增加了加强科学中马太效应的规范性元素。通过一个例子,我们证明了hα可能是极不稳定的。共同作者之间的信用的经验属性不能被抽象模型(如h、h_bar或hα)捕获。
2018-10-17 cs.DL
Three-feature model to reproduce the topology of citation networks and the effects from authors' visibility on their h-index
在引文网络中,各种因素被认为支配着参考文献的选择,但精确地定量确定它们的重要性仍然是难以捉摸的。在本文中,我们表明,三个因素可以占引用模式的引用网络的两个主题,即“石墨烯”和“复杂网络”,从而允许一个复制的拓扑特征的论文建立的节点和边的引用。最相关的因素是内容相似性,而其他两个-度(即引用计数)和{出版年龄}根据研究的主题具有不同的重要性。这种依赖性表明,其他因素可能发挥作用。事实上,凭直觉,人们应该期望作者和/或机构的声誉(或知名度)会影响引用模式,而这只是通过与这种声誉相关的程度间接考虑的。由于声誉的信息是不容易获得的,我们模拟了它对人工引用网络的影响,考虑两个社区具有不同的适应度(可见性)参数。假设一个社区的适应值是另一个社区的两倍,这相当于一篇论文被引用的概率是两倍。虽然具有较大适应度的社区中的作者的h指数随着时间的推移而演变,其值略高于控制网络(不考虑适应度),但对于具有较小适应度的社区,注意到了剧烈的影响。
2013-02-17 cs.DL cs.SI physics.data-an
S-index: Towards Better Metrics for Quantifying Research Impact
当今科学文献数量的持续增长使研究人员无法有效地区分相关内容和不相关内容。研究人员一直对各自领域有影响力的论文、作者和地点感兴趣。此外,他们对这些背景下所谓的“后起之秀”感兴趣,这些背景可能会为未来的工作,合作或有影响力的出版场所带来有吸引力的方向。在这项工作中,我们解决的问题,量化研究的影响,在每一个这些情况下,为了更好地引导研究人员的注意力和简化的过程中的比较,排名和评价的贡献。具体来说,我们首先概述了直观的基本假设,即影响量化方法应该遵守和评估当前最先进的方法何时无法满足这些属性。为此,我们引入了s-指数度量,它通过异质引文网络的影响传播来量化研究影响。S-index是根据这些直观的假设量身定制的,并提供了许多理想的品质,包括鲁棒性、自然的时间性和从论文影响到更广泛的作者和地点影响上下文的直接可扩展性。我们在公开的Microsoft Academic Search引文图上评估了其有效性,该引文图包含超过1.19亿篇论文和10亿条引文边,分别有1.03亿和2.1万名相关作者和地点。
2015-07-13 cs.DL cs.IR cs.SI
Analyzing research performance: proposition of a new complementary index
一个与许多小组合作的研究人员通常会比一个把所有时间都花在单独工作或在一个小小组中工作的研究人员有更多的论文(因此也有更高的引用和$h$索引)。因此,在分析作者的研究价值时,仅仅考虑发表论文的集体影响是不够的,还需要量化他/她在影响中的份额。对于这种量化,在这里我提出了$I$指数,它被定义为作者的百分比份额,他/她的论文吸引了总的引用。有人认为,这$I$指数并不直接依赖于大多数的主观问题,如作者的影响力,从属关系,资历或职业生涯中断。中心极限定理的一个简单应用表明,在一篇论文的合著者之间信用的等分布方案将给我们$h$-指数的最可能值(具有随$h$-指数增加而减小的相关小标准差)。我表明,总引文($N_c$),$h$-指数和$I$-指数是三个独立的参数(在其范围内),他们一起给一个作者的整体研究表现的全面的想法。
2016-06-06 cs.DL physics.data-an physics.soc-ph
A scientometrics law about co-authors and their ranking. The co-author core
与其通过他/她发表的作品可能产生的引用数量来“衡量”科学家的影响,不如通过他/她的科学网络表现来考虑他/她的价值,这一点由他/她的合著者角色来说明,从而关注他/她的联合出版物,以及他们通过引用产生的影响,这难道不是更合适的吗?因此,本文一方面非常简要地探讨了文献计量学定律,例如$h$ -索引以及随后关于合著效应的争论,但另一方面,通过新的索引提出了一种协作工作的衡量标准。基于特定研究群体的出版产出数据,发现了一个新的文献计量学规律:设共同作者$C$与一个或多个同事共同撰写了$J$(联合)出版物。根据共同发表文章的数量对该作者的所有合著者进行排名,给每个合著者一个$r$排名,从最多产的$r=1$开始。根据经验发现,共同作者的联合出版物$J$的数量与其重要性等级(即$J \propto 1/r$)之间存在非常简单的关系。此后,在相同的精神,为赫希核心,可以定义一个“共同作者核心”,并介绍指数对作者的操作。它强调,新的指数有一个完全不同的(哲学)的角度,$h$指数。在本案中,重点是“相关”人员,而不是“相关”出版物。虽然数值讨论是基于一个案例,但毫无疑问,该定律可以在许多其他情况下得到验证。因此,可以在以后产生变量和概括,以量化共同作者的作用,在一个临时或长期稳定的团队,并导致有关资金的标准,职业测量,甚至诱导职业战略。
2013-01-14 cs.DL physics.soc-ph
Identification of Influential Scientists vs. Mass Producers by the Perfectionism Index
h指数的概念已经被提出来,可以用一个数字轻松地评估研究人员的表现。然而,如果只使用这个数字,我们会丢失关于作者出版物列表中每篇文章的引用分布的重要信息。在这篇文章中,我们研究了作者的引文曲线,我们定义了两个新的领域与此相关的曲线。我们称之为“惩罚区域”,因为它们越大,作者的表现就越受惩罚。我们利用这些领域建立新的指数,即PI和XPI,旨在将研究人员分为两个不同的类别:“影响者”和“大规模生产者”;前一类产生的文章(几乎所有)具有高影响力,后一类产生了大量具有中等影响力或根本没有影响力的文章。使用微软学术服务的数据,我们主要评估PI作为科学计量学研究的有用工具的优点。我们建立了它的有效性分离的科学家成有影响力的和大规模生产者,我们证明了它的鲁棒性对自我引用,其不相关的传统指数。最后,我们应用PI对数据库、网络和多媒体领域的杰出科学家进行排名,展示了该指数在实现其设计目标方面的优势。
2014-09-22 cs.DL cs.SI physics.soc-ph
Does diversity of papers affect their citations? Evidence from American Physical Society Journals
本文利用1985 - 2012年美国物理学会《物理评论》期刊上发表的论文Meta数据,研究了物理科学论文的跨学科性与其被引用次数之间的相关性。我们使用Weitzman多样性指数来衡量论文和作者的多样性,利用PACS(物理和天文分类方案)代码的层次结构。我们发现,随着时间的推移,具有高多样性的作者的比例是增加的,其中作为最小的多样性的比例是减少,和中等多样性的作者有更高的倾向于切换到其他多样性组。论文的多样性指数与它们在出版年份的给定时间段内收到的引用相关。多样性指数较低和较高的论文比中等多样性的论文获得更少的引用。
2015-12-16 cs.DL cs.SI physics.soc-ph
Metrics to Detect Small-Scale and Large-Scale Citation Orchestration
本研究提出三个指标(引用与h指数平方比、解释50%引用的作者数、超50篇合著论文的合著者数)以检测小规模和大规模引用编排,并基于Scopus数据探讨其分布与阈值。
2025-06-24 cs.DL
H-Index Manipulation by Merging Articles: Models, Theory, and Experiments
作者在Google Scholar上的个人资料由索引文章和相关数据组成,例如引用次数和H指数。作者可以合并条目;这可能会影响H指数。我们分析了(参数化)的计算复杂性最大化的H指数使用文章合并。在这里,为了模拟现实的操纵场景,我们定义了一个兼容性图,其边缘对应于合理的合并。此外,我们考虑了几种不同的措施来计算合并后的文章的引用计数。对于Google Scholar使用的度量,我们给出了一个算法,如果相容图具有常数大小的连通分支,则在线性时间内最大化H指数。相反,如果我们允许合并任意条目(即,对于团的兼容性图),则已经将H指数增加1是NP难的。对人工智能研究人员的Google Scholar配置文件的实验表明,只有当一个人合并具有高度不同标题的文章时,H指数才能被操纵。
2016-08-11 cs.DL cs.DM cs.DS
P-Index
我提出了真正构成一个定义良好,紧凑的作者引用度量的P指数。
2022-06-29 cs.DL physics.soc-ph
Lotka's Law and Pattern of Author Productivity in the Field of Brain Concussion Research: A Scientometric Analysis
本文基于Web of Science中2008至2017年8486篇脑震荡研究文献,运用Bibexcel及多项协作指标与洛特卡定律,科学计量分析了作者生产力模式。
2021-02-19 cs.DL
Better Metrics for Ranking SE Researchers
本文研究了1992-2016年期间来自34个顶级SE场所的35,391篇论文的35,406名作者的各种指标和数据对SE研究人员的排名。基于这一分析,我们:反对广泛使用的“h-索引”,而倾向于替代加权页面排名(PR_W)指标,这有点类似于谷歌开发的PageRank(PR)指标。与h指数不同,PR_W不仅奖励引用次数,还奖励作者合作的频率。使用PR_W,我们提供了过去十年中排名前20位的SE作者。
2018-05-29 cs.DL