Predicting the long-term citation impact of recent publications
引文分析的一个基本问题是预测近期出版物的长期引文影响。我们提出了一个模型来预测一个出版物的未来引用次数的概率分布。使用两个预测因子：出版物出现的期刊的影响因子和出版物出现一年后收到的引用数。所提出的模型是基于分位数回归。我们采用该模型来预测物理学领域的大量出版物的未来引用数量。我们的分析表明，这两个预测因素（即，影响因子和早期引文）有助于准确预测长期引文影响。我们还分析研究了高分位数的引文分布的分位数回归系数的行为。这是通过将分位数回归方法与极值理论的分位数估计技术相联系来实现的。我们的工作提供了深入了解影响因子和早期引文对出版物的长期引文影响的影响，并且它向可用于基于其最近发表的工作评估研究机构的方法迈出了一步。
2015-03-31 cs.DL
Don't follow the leader: Independent thinkers create scientific innovation
学术上的成功是不平等的;少数顶尖科学家获得了大量的关注、引用和资源。然而，这些“超级明星”是否培养了科学创新的领导力？我们介绍了三个信息理论的措施，量化的新颖性，创新性和学术引文网络的影响，并比较科学家的学术产出，无论是没有连接或连接到超级明星科学家。我们发现，虽然互联科学家确实发表了更多的文章，获得了更多的引用，并产生了更多样化的内容，但这是以创新性降低和思想冗余增加为代价的。此外，一旦删除与超级明星合著的论文，这些有联系的科学家的学术产出就会减少。相比之下，那些没有与科学超级明星合作的创新内容的作者，一旦控制了超级明星的声誉，就会产生连接更大的概念多样性的论文，发表更多，并且具有可比的引用率。总的来说，我们的研究结果表明，学术界将注意力和资源集中在超级明星身上是要付出代价的。
2023-01-06 cs.DL physics.soc-ph
Non-cumulative measures of researcher citation impact
研究者最常用的出版物指标是出版物总数、引文总数和赫希$h$指数。每一项都是累积的，因此在研究人员的职业生涯中会增加，这使得它不太适合评估初级研究人员或评估最近的影响。文献中的大多数其他作者级别的措施都具有这种累积特性。相比之下，我们的目标是研究非累积的措施，回答这个问题“在引用影响方面，你最近做了什么？“我们从相当稀少的文献中挑出六个指标，包括赫希的$m$指数，一个时间尺度版本的$h$指数。我们引入了新的措施的基础上的“引用加速”的想法。在给出了非累积测度的几个公理之后，我们得出结论，我们的一个新测度具有更好的理论依据。我们提出了一个小规模的研究，其性能的真实数据，并得出结论，它显示出巨大的承诺，为未来的使用。
2021-05-19 cs.DL
On Good and Bad Intentions behind Anomalous Citation Patterns among Journals in Computer Sciences
科学期刊是大多数作者的重要出版选择。在知名期刊上发表论文对作者的录用和晋升起着决定性的作用。在过去的十年中，引用压力对所有科学实体来说比以往任何时候都更加完整。不道德的出版实践已经开始操纵广泛使用的绩效指标，如期刊的“影响因子”和作者的基于引用的指数。这威胁到科学质量的完整性，并剥夺了合法作者及其真实出版物的应有声誉。在本文中，我们提取所有可能的异常引用模式之间的期刊从计算机科学书目数据集，其中包含2,500多种期刊。除了过度的自引外，我们主要集中在发现两种或多种期刊之间的几种模式，如双向互引、链、三角形、网格、卡特尔关系。在宏观层面上，我们的动机是通过建模期刊如何通过引用相互作用来理解这些模式的本质。在微观层面上，我们区分这些模式背后可能的意图（好的或坏的）。我们看到这种模式是否长期或在任何特定的时间段内普遍存在。对于非正常的引文行为，我们研究了期刊影响因子在时间基础上突然膨胀的本质，这种膨胀可能是由于在这种封闭模式的相互作用中增加了无关和多余的引文而发生的。我们还研究了可能的影响，如突然增加的论文计数，由于存在的自指论文或重复的手稿，作者自引，作者合著网络，作者编辑网络，出版社等整个研究是做质疑现有的文献计量学的可靠性，因此，这是一个迫切需要削减其使用或重新定义它们。
2018-07-27 cs.DL
Graph Analysis of Citation and Co-authorship Networks of Egyptian Authors
该研究利用 Semantic Scholar 数据与 Networkx 构建埃及机构作者的引文及合著网络，通过清洗数据和中心性分析识别高影响力出版物，为学术评估与决策提供支持。
2024-12-19 cs.DL
unarXive 2022: All arXiv Publications Pre-Processed for NLP, Including Structured Full-Text and Citation Network
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文发布 unarXive 2022 数据集，基于既有流程改进并预处理 190 万篇、跨 32 年的 arXiv 文献，提供结构化全文、完整引用网络及相关 NLP 任务数据。
2023-03-27 cs.CL cs.DL
How citation boosts promote scientific paradigm shifts and Nobel Prizes
诺贝尔奖通常被认为是我们这个时代最负盛名的成就之一。在挖掘数百万引文的基础上，我们定量分析了驱动科学范式转变的过程。我们发现，诺贝尔奖获得者和其他著名科学家的突破性发现不仅被许多里程碑式的论文引用。令人惊讶的是，他们也提高了他们以前出版物的引用率。鉴于创新必须在竞争中战胜科学引文的“富者愈富”效应，事实证明，它们只能通过引文级联才能成功。定量分析揭示了它们是如何以及为什么发生的。科学似乎表现得像一个自组织的批判系统，其中发生了各种规模的引用级联，从持续的科学进步一直到科学革命，这改变了我们看待世界的方式。通过衡量里程碑式论文的“助推效应”，我们的分析揭示了新思想和新参与者如何在一个由既定范式主导的世界中取得成功。潜在的“助推因子”也有助于比经典引文分析更早地发现科学突破和人才，后者现在已成为衡量科学卓越性的普遍方法，影响科学事业和研究资金的分配。我们的研究结果揭示了集体社会行为的模式，从注意力经济学的角度来看，这也很有趣。因此，理解科学权威的起源可能最终有助于解释社会影响力是如何产生的，以及为什么商品的价值如此强烈地依赖于它们所吸引的注意力。
2011-05-10 cs.DL cs.SI physics.soc-ph
Delayed Impact of Interdisciplinary Research
跨学科研究越来越多地推动创新，并被认为是未来突破的关键。然而，人们对跨学科研究是否表现出延迟影响知之甚少。在这里，我们使用达到引用峰值的时间来量化最高影响时间和引用动态，并检查其与跨学科的关系。使用大规模的出版物数据集，我们的研究结果表明，跨学科论文显示出显着的延迟影响，无论是微观上的每篇论文和宏观上的集体，因为它需要更长的时间跨学科论文达到引用高峰。此外，我们研究了这种延迟影响的潜在力量，发现这种影响超出了马太效应（即，富-更富效应（Rich-Get-Richer Effect）最后，我们发现，团队规模和内容的常规性只是部分原因，这种效果。总的来说，我们的研究结果表明，政府，研究管理人员，资助机构应该意识到跨学科科学的这一普遍特征，这可能具有广泛的政策含义。
2022-07-09 cs.DL physics.soc-ph
Biases in gendered citation practices: an exploratory study and some reflections on the Matthew and Matilda effects
针对不同学科中部分社会文化群体研究者被引偏少的问题，本文首次分析软件工程领域的性别化引用实践，发现该领域引用公平性仍需提升，建议在稿件中纳入引用多样性声明。
2024-11-27 cs.DL cs.SE
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
Do Citations and Readership Identify Seminal Publications?
在本文中，我们表明，引用计数工作优于随机基线（10%的利润率）在区分优秀的研究，而Mendeley读者计数不工作优于基线。具体来说，我们研究了这些指标的潜力，用于区分那些没有引起研究领域变化的出版物。该实验是在一个名为TrueImpactDataset的文献计量研究新数据集上进行的。TrueImpactDataset是两种类型的研究出版物的集合-被认为是其领域的开创性作品的研究论文和提供研究领域文献综述的论文。我们提供了数据集的概述统计数据，并建议使用它来验证研究评估指标。使用该数据集，我们进行了一系列实验，研究引文和读者计数如何区分这些出版物类型，遵循直觉，即引起一个领域的变化意味着研究贡献。我们发现，引用计数有助于区分研究，强烈影响后来的发展，主要是讨论目前的艺术水平与准确度（63%，即10%以上的随机基线）的作品。在所有设置中，Mendeley读数器计数的表现都比随机基线差。
2018-02-13 cs.DL physics.soc-ph
Investigation of Partition Cells as a Structural Basis Suitable for Assessments of Individual Scientists
个人，优秀的科学家在研究资助领域变得越来越重要。对个人表现的准确文献计量学测量可以帮助确定优秀的科学家，但仍然是一个挑战。这方面的一个关键方面是充分界定出版物的集合，这些出版物确定了科学家的出版记录及其引用影响应与之进行比较的参考值。通过在数据库中交叉固定的主题类别形成的分区单元的结构已经被提出来比更广泛的主题类别更接近科学家的专业。本文从两个方面研究了这种细胞结构作为评估个体科学家的方法学基础的适用性：（1）接近个体科学家出版记录的实际结构：对ERC受资助者样本的高度分散的分区细胞结构上的出版物的分布和集中进行了检查;（2）接近习惯的准确性水平：相邻分区单元格之间常用参考值（每份出版物的平均预期引用数，以及高引用出版物的引用阈值数）的差异与其他两个维度的差异进行比较：连续出版年份和连续引用窗口长度。从这两个角度的研究结果是在支持分区细胞，而不是更大的主题类别作为一个基于期刊的结构，构建和应用的高度专业化的出版记录，如个人科学家的评估方法。
2014-09-08 cs.DL
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
Crystal: Characterizing Relative Impact of Scholarly Publications
Johns Hopkins University（约翰霍普金斯大学）
提出Crystal方法，利用大语言模型对引用论文进行联合排序，通过多数投票消除位置偏差，以更准确地区分高影响力引用，在人工标注数据集上准确率提升9.5%，F1提升8.3%。
2026-06-02 cs.AI cs.CL cs.CY
Dimensions: Calculating Disruption Indices at Scale
针对学术思想颠覆性指数大规模计算耗时且成本高的问题，提出利用Dimensions云基础设施的新算法，将计算时间降低一个数量级，并在线提供免设置功能，促进了数学颠覆模型的快速开发与验证。
2023-09-12 cs.DB cs.DL
Why don't we already have an Integrated Framework for the Publication and Preservation of all Data Products?
天文学长期以来一直有一个档案工作网络，支持出版物和数据的管理。该学科已经创造了许多困扰其他科学领域的特征：（1）数据存储库：（上文）致力于大型项目的国家研究所;用户贡献数据的文化;长期数据保存的实践经验;（2）数据集标识符：社区已经进行了试验，知道什么会破坏这些努力，并参与下一代标准的开发;（3）论文中引用数据集：社区拥有一个创新和不断扩展的基础设施，用于管理数据和书目资源，并通过他们建立了一个由熟悉电子出版工作的作者和编辑组成的社区;此外，它还试验了下一代web标准。（例如语义网）;（4）出版商的支持：这一领域的出版商愿意在其商业需要的约束下进行创新。还能少什么呢为什么我们还没有一个综合框架来发布和保存所有数据产品？是否存在技术壁垒？我们不这么认为是否有文化或商业力量阻碍这一点？我们不知道有任何人。本次会议（BoF）试图确定创建这样一个框架的现有障碍，并试图确定可以为创建VO驱动的数据发布框架做出贡献的各方或团体。
2011-12-07 astro-ph.IM cs.DL
Effects of Publications in Proceedings on the Measure of the Core Size of Coauthors
“主要研究者”（LI）的共同作者（CA）可以根据其与LI共同发表的联合出版物的“重要性”获得等级（r）。在没有任何证据的情况下，人们普遍认为，同行评审期刊和会议记录中的出版物在简历中没有相同的“价值”。对百科全书和书籍章节的贡献也是如此。本文研究了如果将总体出版物列表分解为这些特定类型的出版物，则某些科学家与她/他的合著者的出版物数量（J）之间的关系（根据其重要性递减进行排序，即Ausloos发现的$ J \propto 1/r^α $）是否仍然成立。几位作者，不同的职业，但主要是在统计力学领域工作，在这里研究整理出问题的答案。只有当J和r的最大值很大并且是$\sim +1$时，指数$α$才是弱科学家依赖的。$m_A$的核心价值，即核证机关的核心数目，只适用于会议录，约为总数的一半，即计算所有出版物。百科全书和书籍章节对数值的贡献是微不足道的。时间跨度对$m_A$的作用也在两种情况下，在有关的职业活动的考虑。可以认为，这些发现是关于如何量化个人（出版物）职业生涯的对比观点，正如彼得森等人最近所做的那样，这里强调的是合作的规模和发展，而不是引用次数，此外还说明了出版物的类型。通过不同的$m_A$，可以区分具有CA的科学家出版物的不同行为模式。
2013-06-11 cs.DL physics.soc-ph
